Analyzing Inflation Dynamics in Ghana: Evidence as of Quantile Autoregressive Model
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 117
فایل این مقاله در 22 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJMAE-7-10_001
تاریخ نمایه سازی: 10 آبان 1402
چکیده مقاله:
Inflation persistence (or inertia) has been a problem in many developing countries and due to the relationship between inflation and economic growth, much research has been conducted on the literature to study closely these macroeconomic variables in developing countries (Brick, ۲۰۱۰; Gokal and Hanif, ۲۰۰۴). This paper however made use of a superior method known as quantile autoregressive model proposed by Koenker and Xiao (۲۰۰۶) to estimate the persistence of inflation, the dynamic behavior and examine how diverse shocks may perhaps affect the rate of inflation within different quantiles. The data employed in this study is the monthly year-on-year Ghana inflation rate from January ۲۰۰۰ to July ۲۰۱۹. The result shows that Ghana inflation rates exhibits low persistence at both lower and higher quantiles and a mean reversion behavior across quantiles. Also, we observe that Ghana inflation rate is globally stationary as well as portraying non-stationary behavior in about ۱۰% of the sampled observations. Evidently, the results again reveal that Ghana inflation rate has irregular characteristics at different quantiles in its conditional distribution. Also, there is a bidirectional relationship between Ghana overall inflation rate and its components (food and non-food inflation).
کلیدواژه ها:
نویسندگان
Patrick Gbolonyo
College of Statistics & Mathematics, Zhejiang Gongshang University, Hangzhou, ۳۱۰۰۱۸, China
Gideon Boyetey
College of Statistics & Mathematics, Zhejiang Gongshang University, Hangzhou, ۳۱۰۰۱۸, China
Xiaorong Yang
College of Statistics & Mathematics, Zhejiang Gongshang University, Hangzhou, ۳۱۰۰۱۸, China
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :