MétaCan
Menu
Retour à la cohorte
Enregistrement W3125919314

Do Regional Integration Agreements Increase Business-Cycle Convergence? Evidence from Apec and Nafta

2005· preprint· en· W3125919314 sur OpenAlexaboutno aff
Viviana Fernández, Ali M. Kutan

Notice bibliographique

RevueDeep Blue (University of Michigan) · 2005
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMonetary Policy and Economic Impact
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusiness cycleConvergence (economics)Volatility (finance)International tradeEconomicsBusinessInternational economicsEconomic growthMacroeconomicsEconometrics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Using monthly industrial sector data from January 1971 to March 2004, we test for business cycles convergence among the major APEC members: Japan, South Korea, Malaysia, Mexico, USA, and Canada. In addition, we examine the synchronization of business cycles among Australia, Japan, and South Korea, based on the quarterly data for the 1957-2003 period, as well as among the different economic sectors of the NAFTA countries from January 1970 through March 2004. We apply different techniques to identify business cycles. In particular, we propose a new trend-cycle decomposition method based on wavelet analysis. The results show that convergence of business cycles of Asia-Pacific countries is far from complete, but joining the APEC has increased the mean correlation of industrial production cycles of the member economies. On the other hand, although some economic sectors of the NAFTA countries already exhibited some degree of business cycle co-movement even during pre-NAFTA period, the volatility of pair-wise correlation of business cycles declined during NAFTA. In addition, we conclude that, in general, the transmission of business cycles is relatively slow, and, consequently, business cycles appear to be asynchronous.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,655
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,067
Tête enseignante GPT0,212
Écart entre enseignants0,144 · 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 tête enseignante, pas un consensus.

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

Citations0
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDeep Blue (University of Michigan)Même sujetMonetary Policy and Economic ImpactTravaux en français237 207