MétaCan
Menu
Retour à la cohorte
Enregistrement W3125430313 · doi:10.34989/swp-2005-12

Do Exchange Rates Affect the Capital-Labour Ratio? Panel Evidence from Canadian Manufacturing Industries

2021· preprint· en· W3125430313 sur OpenAlexaffabout
Danny Leung, Terence Yuen

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2021
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFirm Innovation and Growth
Établissements canadiensBank of Canada
Organismes subventionnairesnon disponible
Mots-clésDepreciation (economics)EconomicsLabour economicsRelative priceProductivityCapital (architecture)Liberian dollarExchange ratePanel dataCost of capitalMonetary economicsEconometricsHuman capitalCapital formationMacroeconomicsMicroeconomicsFinancial capitalMarket economy

Résumé

récupéré en direct d'OpenAlex

Using industry-level data for Canadian manufacturing industries from 1981 to 1997, the authors find empirical evidence of a negative relationship between the capital-labour ratio and the user cost of capital relative to the price of labour. A 10 per cent increase in the user cost of the machinery and equipment (M&E) relative to the price of labour results in a 3.3 per cent decrease in the M&E-labour ratio in the long run. Assuming complete exchange rate pass-through into imported M&E prices, the maximum effect of a permanent 10 per cent depreciation in the exchange rate is a 5.2 per cent increase in the user cost of M&E, and a 1.7 per cent decline in the M&E-labour ratio. This result implies that the cumulative growth of the M&E-labour ratio during the 1991–97 period would have been 2.3 percentage points higher had the dollar not depreciated. This may appear to be significant, but, considering that M&E as a share of total capital and capital's share of nominal output are both approximately one-third, in terms of a simple growth accounting framework, the effect on labour productivity is small.

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)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,062

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,006
Études des sciences et des technologies0,0010,001
Communication savante0,0030,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,109
Tête enseignante GPT0,301
Écart entre enseignants0,191 · 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'étudeObservationnel
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

Citations8
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetFirm Innovation and GrowthTravaux en français237 207