A BVAR Note on the J-Curve and the Marshall-Lerner Condition for Brazil
Notice bibliographique
Résumé
In the present work, the hypotheses of the J-curve and the Marshall-Lerner condition for Brazil from January 2003 to December 2019 were tested. The impulse-response function (IRF) and the variance decomposition (VD) of a Bayesian vector autoregressive model (Minnesota priors) served as instruments for the empirical verification of the above-mentioned hypotheses. The Bai and Perron (1998, 2003) structural break test was carried out, which identified two breaks and, consequently, three subsamples, from January 2003 to October 2007; December 2007 to June 2015; and July 2015 to December 2019. The results showed that the estimated BVAR empirically supports the hypotheses in question. In the short term, it is observed that a real depreciation of the Brazilian currency results, in the first five months, in a deficit in the trade balance. However, as of the fourth month, the result of the trade balance becomes positive, and it remains like that for longer than ten months. This means that one cannot reject the J-curve hypothesis. For a forecast horizon of 36 months, it was found that the Marshall-Lerner condition should not be rejected either. In other words, a currency devaluation causes an increase in the trade balance for longer than three years.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».