Fiscal deficits and the socioeconomic consequences of rebalancing: Insights from a <scp>TVP‐VAR</scp> with stochastic volatility
Notice bibliographique
Résumé
Abstract This article connects two salient economic features: (i) Fiscal shocks have asymmetric effects across business cycle phases (Gechert, Horn, & Paetz, 2019); (ii) the unemployment‐output trade‐off is time varying and may be unstable. The intertwined dynamic behaviour of fiscal deficit shocks and the unemployment‐output trade‐off is studied in this article using a time‐varying parameter (TVP) vector autoregression (VAR) with stochastic volatility techniques applied to the analysis of data from Canada, France, Germany, Japan, Spain, Sweden, United Kingdom and the United States of America. We confirm the trade‐off heterogeneity across country, and its time‐varying nature across time, showing in addition its fluctuation around a long‐run reference value. We document significant short‐run impacts of fiscal shocks on the unemployment‐output trade‐off which, based on the experience of the Global Financial Crisis, becomes larger in periods of economic turmoil. Policy‐wise, the rebalancing of public finances may have unexpected adverse effects on job creation if implemented during slumps, precisely when the labour market sensitivity with respect to the performance of the product market is likely to be more acute. This message is particularly relevant in the aftermath of the Covid‐19 pandemic.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 ».