The asymmetric impact of policy uncertainty on money demand in Viet Nam
Notice bibliographique
Résumé
Tóm tắt Nghiên cứu này phân tích tác động bất cân xứng của sự bất ổn chính sách (đo lường qua Chỉ số bất ổn thế giới) đến lượng cầu tiền ở Việt Nam trong giai đoạn quý 1 năm 2000 đến quý 4 năm 2023 thông qua mô hình ARDL tuyến tính (ARDL) và ARDL phi tuyến (NARDL). Kết quả từ mô hình ARDL cho thấy trong ngắn hạn bất ổn chính sách làm giảm lượng cầu tiền và mức độ ảnh hưởng này là không đáng kể trong dài hạn. Tuy nhiên, trong ngắn hạn với mô hình NARDL, cú sốc tích cực của bất ổn chính sách làm gia tăng lượng cầu tiền, ngược lại cú sốc tiêu cực của bất ổn chính sách sẽ làm giảm lượng cầu tiền một lượng không cùng quy mô. Trong dài hạn, cả cú sốc tiêu cực và tích cực của bất ổn chính sách đều làm giảm lượng cầu tiền, nhưng tác động của cú sốc tích cực là không đáng kể. Bên cạnh đó, thu nhập thực, lãi suất và tỷ lệ lạm phát cũng được xem là những yếu tố quan trọng ảnh hưởng đến cầu tiền. Kết quả nghiên cứu là cơ sở thực nghiệm quan trọng để đề xuất các hàm ý chính sách nhằm nâng cao hiệu quả điều hành chính sách tiền tệ và ổn định kinh tế vĩ mô trong trường hợp thực tiễn ở Việt Nam.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».