Household debt and the Great Recession: Fisher's debt and deflation theory and how we should view the household debt burden
Notice bibliographique
Résumé
This paper compares household debt conditions in the United States before and after the Great Recession of 2007 - 2009. I use a combination of data from the World Bank Development Indicators and the Bank for International Settlements to estimate a model using the Synthetic Control Method for Stata, which creates a depiction of what household debt in the U.S. would have looked like without the impacts of the Great Recession. As a reference point for countries that could be used to compile the weighted synthetic control group, I study the economic characteristics of Australia, Canada, France and Germany because these countries performed well under recessionary pressure. However, upon running the model, I find that the best fit for the data set uses Belgium, Netherlands, Canada, Korea, Portugal, Germany and Denmark. The estimated model is best interpreted through a graph of the household debt service ratio in actual U.S. data and for the synthetic control group changing over time. It shows a clear rapid deleveraging trend for households over the course of the Great Recession, contrasting with a household debt service ratio that remains relatively high for the control group through the recovery period. I then discuss possible implications of my findings, including how the model's similarities to Fisher's household debt theory suggest its relevance in explaining household debt behavior and how it suggests we should view the household debt burden.
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) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,008 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».