MétaCan
Menu
Retour à la cohorte
Enregistrement W4416783258 · doi:10.3390/jrfm18120676

The Feldstein–Horioka Puzzle, a Global Glut of Savings, and Omitted Variable Bias: 1970–2023

2025· article· en· W4416783258 sur OpenAlexvenueno aff
Jonathan E. Leightner

Notice bibliographique

RevueJournal of risk and financial management · 2025
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic and Technological Innovation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVariable (mathematics)Capital (architecture)Focus (optics)Falling (accident)Developed countryOmitted-variable bias

Résumé

récupéré en direct d'OpenAlex

Feldstein and Horioka in 1980 estimated (I/GDP)i = α + β(S/GDP)i where “i” is for a given country over time, “I” is domestic investment, and “S” is domestic savings. Feldstein and Horioka found βs that were insignificantly different from one and significantly different from zero. According to Feldstein and Horioka, these results conflict with an assumption of perfect capital mobility because, if capital were perfectly mobile, then β should be zero. We estimated (I/GDP)it = α + β(S/GDP)it using data from 22 countries from 1970 to 2023, where i denotes the country and t denotes the year. We found βs to be significantly less than 1 but greater than 0. We then used Reiterative Truncated Projected Least Squares, which was designed to solve the omitted variable problem (and helps a researcher visualize the effects of heteroscedasticity), to estimate a βit for every observation. We find that βit decreases for countries that export capital and increases for countries that import capital. We argue that the Feldstein-Horioka “puzzle” is based on a confusion—when the effect of both exporting and importing capital is considered, β should equal approximately one. Feldstein and Horioka focus on single countries, but when pairs of savings exporters and importers are considered, their “puzzle” disappears. However, the fact that βit is now much less than 1 and falling over time suggests that a global glut of savings is worsening.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,360
Score d'incertitude au seuil0,324

Scores Codex et Gemma par catégorie

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

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 Opus0,014
Tête enseignante GPT0,203
Écart entre enseignants0,189 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetEconomic and Technological InnovationTravaux en français237 207