A Natural Quasi-Experiment of the Monetary Policy Shocks on the Housing Markets of New Zealand during COVID-19
Notice bibliographique
Résumé
It is hard to experimentally test the impacts of monetary policy shocks on housing markets as it is very unlikely for a central bank to change monetary policies swiftly twice within a short period of time for exogenous reasons. However, during the pandemic, the central bank of New Zealand changed its policies 180 degree in 2 years, from an unprecedented low interest rate and a relaxed mortgage policy in 2020 to a 13-year record high interest rate and a tightened mortgage policy in 2022. Among the OECD members, New Zealand is the country that increased the interest rate the earliest and also the country that had its house prices fall the earliest. It provides natural quasi-experiments to test the monetary policy hypothesis empirically by the two policy changes as treatments on house prices. This study conducts a time series regression analysis on the housing markets of New Zealand to test the hypothesis in the pre-COVID and the COVID periods, ranging from 2016 Q2 to 2022 Q3. The results confirm that mortgage rates have a negative and significant effect on house price changes after controlling for the economic growth factor and the housing supply factor, no matter whether the monetary policy switches to expansionary or contractionary mode. The robustness test results of the housing markets show that a 1% fall/rise in the mortgage rate caused a 5.6% increase/decrease in house prices, ceteris paribus, in the COVID period. The results also do not support the housing supply hypothesis in New Zealand.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».