The demand for money: the evidence from the different types of money
Notice bibliographique
Résumé
Abstract This paper investigates the stability of the demand for money in the United States and provides a comparison among the simple-sum monetary aggregates, the original (non-credit-card-augmented) Divisia monetary aggregates, and the credit-augmented Divisia and credit-augmented Divisia inside aggregates. We use quarterly data from the Center for Financial Stability and the Pesaran et al. (2001) bounds test procedure to investigate the long-run relation between the monetary aggregates and their respective user costs. In doing so, we use three classic money demand functions—the log–log, the semi-log, and the Selden and Latané specifications. With quarterly data over the 1967:q1 through 2025:q1 period, for which the original Divisia monetary aggregates are available, we find evidence of a stable money demand function only with the Sum M4 aggregate under all money demand specifications, but not with any of the Divisia aggregates. With quarterly data over the post-2006 period, for which the credit-augmented Divisia monetary aggregates are also available, our findings show that the demand for money is stable across all money demand specifications with all of the original Divisia aggregates and the credit-augmented Divisia aggregates (but not with all of the credit-augmented Divisia inside aggregates). We also find evidence of cointegration with the Sum M3 and Sum M4 aggregates under all three money demand specifications, but not with the Fed’s Sum M2 aggregate.
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 | 0,001 | 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 ».