Impacts of banking sector on the Chinese economy : research on the monetary transmission mechanism
Notice bibliographique
Résumé
Researches on impacts of the banking sector on economic performance are not only provided for those developed economies such as the United Kingdom, the United States, Germany, and Japan, but also for those developing economies, such as South American, Asian and Eastern European countries. In this research, empirical approach has been adopted to explain the monetary transmission mechanism to document the characteristics of the bank lending channel in China since her implementation of the open-door policy. We study how bank loans are transmitted into changes in the economy reflected by variables such as real GDP and inflation. Furthermore, the key economic variable of aggregate investment is decomposed into domestic investment and foreign direct investment in the bank lending channel to study their relationship. Our research comprises two sets of data: first, aggregate time-series data from 1994 Quarter 1 to 2002 Quarter 3 with emphasis on recent economic performance of China and second, unbalanced annual panel data from 1978 to 2002 of provinces are categorized into different regional blocks. Inter-regional comparison is followed by the Granger causality tests. It is found that these two approaches of using the aggregate time -series and panel vector autoregressive (VAR) models give quite different results. The favored panel VAR model provides rich dynamic results which strongly support the hypothesis of multi-directional causality cycle in bank lending channel for China. Also results of causality tests are varied across different regions. The study concludes by with addressing the main issues and policy implications behind the findings.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».