MétaCan
Menu
← Retour à la cohorte
Enregistrement W7096092642

Aggregate and Welfare Effects of Redistribution of Wealth Under Inflation and Price Level Targeting” Working Papers 08-31

2008· article· en· W7096092642 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMonetary Policy and Economic Impact
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRedistribution (election)WelfareInflation (cosmology)Consumption (sociology)DebtRedistribution of income and wealthAsset (computer security)National wealthShock (circulatory)Price level
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Since the work of Doepke and Schneider (2006a) and Meh and Terajima (2007) we know that inflation causes major redistribution of assets –between, households and the government, between nationals and foreigners, between households within the same country. Two types of monetary policy regimes, inflation targeting (IT) and price level targeting (PT), have very different implications on the inflation path subsequent to a shock that results in an unexpected price increase, and consequently, have different redistributional properties which is what we explore in this paper. For Canada, which has a positive net asset position with respect to the rest of the world in Canadian dollars, we show that the magnitude of the effects of an unexpected price level increase of 2 % under IT is larger than under PT. Households ’ wealth loss to foreigners are 0.07 % and 0.04 % of GDP respectively under IT and PT. The combined effects on GDP (due to the wealth loss, the lower value of the debt and its associated fiscal adjustment (1.10 % and 0.34 % of GDP respectively) and the non-linear effects on work effort of the redistribution of wealth across households) are 0.44 % versus 0.12%. The weighted welfare of households worsens under both IT and PT but, again, the magnitudes are larger under IT. The welfare losses are 0.23 % of consumption under IT and 0.11 % under PT.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,054

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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 Opus0,049
Tête enseignante GPT0,214
Écart entre enseignants0,165 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations0
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMonetary Policy and Economic Impact→Travaux en français237 207→