Purchasing Power Parity for Traded and Non-traded Goods: A Structural Error Correction Model Approach
Notice bibliographique
Résumé
When univariate methods are applied to real exchange rates, point estimates of autoregressive coefficients typically imply very slow rates of mean reversion. Rogoff (1996) discusses that the remarkable consensus of 3-5 year half-lives of purchasing power parity (PPP) deviations is found among studies using long-horizon data. However, a recent study by Murray and Papell (2002) calculates confidence intervals for estimates of half-lives for long-horizon and post-1973 data, and concludes that univariate methods provide virtually no information regarding the size of the half-lives. This paper estimates half-lives of real exchange rates for traded and non-traded goods with a system method based on Kim, Ogaki, and Yang’s (2001) structural Error Correction Model (ECM). This system method employs a modified version of Mussa’s (1982) model with traded and non-traded goods in which the exchange rate exhibits overshooting as in Dornbush’s (1976) model. The model includes a gradual adjustment equation, in which the domestic price of the traded good adjusts to the long-run equilibrium level determined by PPP. Kim, Ogaki, and Yang’s (2001) system method combines the single equation IV method with Hansen and Sargent’s (1982) method, which applies Hansen’s (1982) Generalized Method of Moments (GMM) to linear rational expectations models. In this paper, we estimate half-lives of real exchange rates based on traded good price indices, those based on non-traded good price indices, and those based on general price indices. The half-lives of the real exchange rates based on traded good price indices are expected to be shorter than those based on non-traded good or general price indices. We use the producer price indices (PPI), the consumer price indices (CPI), and GDP deflators from 1973 Q1 to 2001 Q1 to construct the real exchange rates for traded, non-traded, and general prices, respectively. The seven countries included in our study are Canada, France, Germany, Italy, Japan, the United Kingdom and the United States. When the system method is applied, our point estimates indicate shorter half-lives for traded good price indices than for non-traded and general good price indices.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».