MétaCan
Menu
Retour à la cohorte
Enregistrement W3152777688

Economic Policy Uncertainty and Real Output: Evidence from the G7 Countries

2018· article· en· W3152777688 sur OpenAlexaff
Khandokar Istiak, Apostolos Serletis

Notice bibliographique

RevueSSRN Electronic Journal · 2018
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMarket Dynamics and Volatility
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésEconomicsFiscal policyMonetary policyImpulse responseEconomic impact analysisMacroeconomicsEconomic policyPublic economicsMicroeconomics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

We use a new uncertainty index, proposed by Baker et al. (2016), and a relatively new methodology by Kilian and Vigfusson (2011), to assess the impact of economic policy related uncertainty on real economic activity. We use monthly data, over the period from 1985:1 to 2015:3, and impulse response functions to investigate how the economies of the G7 countries respond to positive and negative economic policy uncertainty shocks of different magnitude. We find that economic policy uncertainty is countercyclical, that the effects of uncertainty shocks increase with size, and that the responses of real output to positive and negative economic policy uncertainty shocks are country specific. Our research is important for policymaking and in favor of policies that remove economic uncertainty and its negative effects on the economy. We argue that some control over yellow journalism, a transparent tax system, and a set of predictable fiscal and monetary policies can minimize the social costs of economic policy uncertainty.

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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,284
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

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

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 Opus0,017
Tête enseignante GPT0,245
Écart entre enseignants0,228 · 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.

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

Citations39
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic JournalMême sujetMarket Dynamics and VolatilityTravaux en français237 207