Asymmetric effects of economic policy uncertainty on demand for money in developed countries
Notice bibliographique
Résumé
This paper examines the asymmetric effects of economic policy uncertainty (EPU) on the demand for money in Canada, Japan , the United Kingdom, and the United States. We use linear and nonlinear ARDL models with monthly data over the period 1985–2022 to conduct the analysis. Results from the linear ARDL model show that changes in EPU have no short-run or long-run effect on money demand in any country, except in the US, where changes in EPU have a positive short-run effect. However, with the nonlinear ARDL model, we find evidence of short-run and long-run effects across all four countries. Both increases and decreases in EPU have negative long-run effects on Canadian and UK money demand, but a positive effect on US money demand. For Japan, rising EPU has a positive effect on money demand, whereas falling EPU is insignificant. The long-run results are consistent in each country over time. The recent COVID-19 period had a short-run impact across countries and a long-run effect on the relationship between EPU and money demand in Canada and the UK. In contrast, the Brexit period had no differential long-run impact on money demand across countries, and a short run impact was only observed in the UK. Our results highlight the importance of adopting nonlinear ARDL models instead of linear models to analyze money demand and the need to examine countries separately since the long-run effects of EPU on money demand vary across countries.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».