MétaCan
Menu
Retour à la cohorte
Enregistrement W3124487959 · doi:10.24149/gwp44

Fiscal Deficits, Debt, and Monetary Policy in a Liquidity Trap

2010· article· en· W3124487959 sur OpenAlexafffund
Michael B. Devereux

Notice bibliographique

RevueFederal Reserve Bank of Dallas, Globalization and Monetary Policy Institute Working Papers · 2010
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMonetary Policy and Economic Impact
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaRoyal Bank of Canada
Mots-clésLiquidity trapEconomicsMonetary economicsStimulus (psychology)Interest rateFiscal policyMonetary policyMarket liquidityRecessionDebtGovernment debtZero lower boundGovernment spendingMacroeconomicsLiquidity crisisMarket economy

Résumé

récupéré en direct d'OpenAlex

The macroeconomic response to the economic crisis has revived old debates about the usefulness of monetary and fiscal policy in fighting recessions.Without the ability to further lower interest rates, policy authorities in many countries have turned to expansionary fiscal policies.Recent literature argues that government spending may be very effective in such environments.But a critical element of the stimulus packages in all countries was the use of deficit financing and tax reductions.This paper explores the role of government debt and deficits in an economy constrained by the zero bound on nominal interest rates.Given that the liquidity trap is generated by a large increase in the desire to save on the part of the private sector, the wealth effects of government deficits can provide a critical macroeconomic response to this.Government spending .financedby deficits may be far more expansionary than that financed by tax increases in such an environment.In a liquidity trap, tax cuts may be much more effective than during normal times.Finally, monetary policies aimed at directly increasing monetary aggregates may be effective, even if interest rates are unchanged.

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)0,003
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: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0060,004
Science ouverte0,0000,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,043
Tête enseignante GPT0,255
Écart entre enseignants0,213 · 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

Citations27
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFederal Reserve Bank of Dallas, Globalization and Monetary Policy Institute Working PapersMême sujetMonetary Policy and Economic ImpactTravaux en français237 207