MétaCan
Menu
Retour à la cohorte
Enregistrement W3121597235

The Optimal Composition of Public Spending in a Deep Recession

2016· preprint· en· W3121597235 sur OpenAlexaff
Hafedh Bouakez, Michel Guillard, Jordan Roulleau-Pasdeloup

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2016
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFiscal Policy and Economic Growth
Établissements canadiensHEC Montréal
Organismes subventionnairesnon disponible
Mots-clésEconomicsLiquidity trapFiscal policyGovernment spendingConsumption (sociology)Monetary economicsRecessionInvestment (military)Shock (circulatory)Public investmentMarket liquidityInterest rateMonetary policyConsumer spendingMacroeconomicsMarket economyLiquidity crisis
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

We study optimal monetary and fiscal policy under commitment in an economy where monetary policy is constrained by the zero lower bound on the nominal interest rate, and where the government can allocate spending to public consumption and public investment. We show that the optimal response to an adverse shock that precipitates the economy into a liquidity trap entails a small and short-lived increase in public consumption but a large and persistent increase in public investment, which lasts well after the natural rate of interest has ceased to be negative. During this period, the optimal composition of public spending is therefore heavily skewed towards public investment. Contrary to the literature that abstracts from public investment, we find that the optimal increase in total public spending in a deep recession is sizable. However, we show that this fiscal expansion has little to do with a stabilization motive and is instead warranted by the intertemporal allocation of resources that efficiency dictates even in the absence of an output gap.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,075
Tête enseignante GPT0,312
Écart entre enseignants0,237 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetFiscal Policy and Economic GrowthTravaux en français237 207