MétaCan
Menu
← Retour à la cohorte
Enregistrement W4382282366 · doi:10.18280/ijsdp.180606

The Impact of International Crude Oil Prices on the Monetary Sector in Indonesia

2023· article· en· W4382282366 sur OpenAlexvenueno aff
Bella Clarisa Meylani, Paiman Eko Prasetyo

Notice bibliographique

RevueInternational Journal of Sustainable Development and Planning · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMarket Dynamics and Volatility
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCrude oilEconomicsNatural resource economicsAgricultural economicsMonetary policyMonetary economicsInternational economicsEnvironmental scienceBusinessPetroleum engineeringGeology

Résumé

récupéré en direct d'OpenAlex

Volatility in international crude oil prices can have a significant impact on economic stability and potentially disrupt the achievement of sustainable development goals.This research aims to identify the impact of international crude oil prices on Indonesia's monetary sector.The study utilized monthly secondary data from 2017:01-2022:11 and employed a Vector Error Correction Model for analysis.The variables used were International Crude Oil Prices, Inflation, Exchange Rates, and Consumer Expectations Index.The novelty of this research is the inclusion of consumer expectations as a variable.The results show that there is cointegration between the variables, and a reciprocal connection occurs between Exchange Rates and International Crude Oil Prices.The Impulse Response Function analysis indicates that changes in International Crude Oil Prices have a long-term impact on Inflation, Exchange Rates, and Consumer Expectations Index.Based on Forecast Error Variance Decomposition analysis, changes in the International Crude Oil Prices will have a significant impact on Inflation and Exchange Rates.In terms of sustainable development, the increasing crude oil prices may lead to greater consumption of renewable energy through substitution behavior.Mitigation policies can be prepared for both the short and long term phases.

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)0,002
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 enseignants0,017
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,025
Tête enseignante GPT0,256
Écart entre enseignants0,232 · 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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Sustainable Development and Planning→Même sujetMarket Dynamics and Volatility→Travaux en français237 207→