結(jié)構(gòu)宏觀計(jì)量經(jīng)濟(jì)學(xué)

前言

　　我只能說(shuō)，計(jì)量經(jīng)濟(jì)學(xué)——由電子計(jì)算機(jī)輔助——所能做的，只是把原本僅憑直覺(jué)和嗅覺(jué)所做的研究跨越式地向前推進(jìn)。　　——拉格納·弗里希（Ragnar Frisch），獲諾貝爾獎(jiǎng)時(shí)的演講，1970年6月　　脫離數(shù)據(jù)的理論化是一個(gè)嚴(yán)重的錯(cuò)誤。因?yàn)檫@會(huì)使我們從一開(kāi)始就不知不覺(jué)地扭曲事實(shí)來(lái)迎合理論，而不是使理論適合事實(shí)?！　　獊喩た履稀さ罓柧羰浚⊿ir Arthur Conan Doyle）　　過(guò)去30年里，概念和計(jì)算能力源源不斷地發(fā)展，在宏觀經(jīng)濟(jì)理論與應(yīng)用研究之間建立起一座橋梁，很長(zhǎng)的一段時(shí)間里，理論研究和應(yīng)用研究是脫離的。因此，度量與理論也正日益密切地聯(lián)系起來(lái)。本書的目的就是，為如何把理論模型置于宏觀計(jì)量經(jīng)濟(jì)分析的前沿提供引導(dǎo)?！　”緯冗m合作為宏觀經(jīng)濟(jì)學(xué)和計(jì)量經(jīng)濟(jì)學(xué)等專業(yè)研究生引導(dǎo)性課程的補(bǔ)充資料，又可作為那些立志追求宏觀經(jīng)濟(jì)學(xué)應(yīng)用研究的高年級(jí)研究生的基礎(chǔ)教程。這門課的講義即本書的前身，其設(shè)計(jì)是著眼于后者這一目的。對(duì)于專業(yè)學(xué)術(shù)研究人員而言，本書的歷史視角，以及它對(duì)方法論的統(tǒng)一表述，也使其成為很有價(jià)值的資料。　　我們假設(shè)本書的讀者熟悉多元變量微積分、矩陣代數(shù)和差分方程，以及對(duì)基本計(jì)量技術(shù)有粗略了解。讀者熟悉動(dòng)態(tài)規(guī)劃是很有用的，但并不是必需的。動(dòng)態(tài)規(guī)劃是一個(gè)工具，它把本書中所關(guān)注的模型映射到非線性期望差分方程組。非線性期望差分方程組被作為書中所介紹的實(shí)證方法的出發(fā)點(diǎn)。然而，要弄懂書中的實(shí)證方法，并不需要一定熟悉動(dòng)態(tài)規(guī)劃。　　我們之所以編寫這本書，是因?yàn)樵谖覀兊慕虒W(xué)和研究中，一直設(shè)法在為把宏觀經(jīng)濟(jì)學(xué)理論和應(yīng)用實(shí)證分析聯(lián)系起來(lái)而貢獻(xiàn)自己的一份力量；這本書就是這些努力的一個(gè)自然擴(kuò)展。

內(nèi)容概要

　　既適合作為宏觀經(jīng)濟(jì)學(xué)和計(jì)量經(jīng)濟(jì)學(xué)等專業(yè)研究生引導(dǎo)性課程的補(bǔ)充資料，又可作為那些立志追求宏觀經(jīng)濟(jì)學(xué)應(yīng)用研究的高年級(jí)研究生的基礎(chǔ)教程。這門課的講義即《結(jié)構(gòu)宏觀計(jì)量經(jīng)濟(jì)學(xué)》的前身，其設(shè)計(jì)是著眼于后者這一目的。對(duì)于專業(yè)學(xué)術(shù)研究人員而言，《結(jié)構(gòu)宏觀計(jì)量經(jīng)濟(jì)學(xué)》的歷史視角，以及它對(duì)方法論的統(tǒng)一表述，也使其成為很有價(jià)值的資料。

書籍目錄

序言第一部分　模型和數(shù)據(jù)準(zhǔn)備1　緒論1.1　背景1.2　概述1.3　記號(hào)2　DSGE模型的逼近和求解2.1　線性化2.2　求解方法3　去趨和分離周期3.1　去趨3.2　分離周期3.3　欺騙性4　時(shí)間序列行為概述4.1　兩個(gè)有用的簡(jiǎn)化模型4.2　統(tǒng)計(jì)概述4.3　卡爾曼濾波5　DSGE模型：三個(gè)例子5.1　模型Ⅰ：一個(gè)實(shí)際經(jīng)濟(jì)周期模型5.2　模型Ⅱ：壟斷競(jìng)爭(zhēng)和貨幣政策5.3　模型Ⅲ：資產(chǎn)定價(jià)第二部分　實(shí)證方法6　校準(zhǔn)6.1　歷史淵源與哲學(xué)6.2　實(shí)施6.3　經(jīng)濟(jì)周期的福利成本6.4　生產(chǎn)率沖擊和經(jīng)濟(jì)周期波動(dòng)6.5　資產(chǎn)溢價(jià)之謎6.6　批判和拓展7　矩匹配7.1　回顧7.2　應(yīng)用7.3　在DSGE模型中的應(yīng)用7.4　實(shí)證應(yīng)用：實(shí)際商業(yè)周期矩匹配8　極大似然法8.1　概要8.2　介紹和歷史背景8.3　最優(yōu)化算法的入門8.4　病態(tài)似然面：?jiǎn)栴}與解答8.5　模型診斷和參數(shù)穩(wěn)定性8.6　實(shí)證應(yīng)用：識(shí)別商業(yè)周期波動(dòng)的來(lái)源9　貝葉斯方法9.1　目標(biāo)概述9.2　準(zhǔn)備9.3　用結(jié)構(gòu)模型作為簡(jiǎn)化形式分析中先驗(yàn)信息的來(lái)源9.4　結(jié)構(gòu)模型的直接實(shí)施9.5　模型比較9.6　用RBC模型作為預(yù)測(cè)時(shí)先驗(yàn)信息的來(lái)源9.7　估計(jì)并比較資產(chǎn)定價(jià)模型第三部分　超出線性化10　非線性逼近方法10.1　標(biāo)記符號(hào)10.2　投影法10.3　值函數(shù)和政策函數(shù)迭代11　非線性逼近的實(shí)證應(yīng)用11.1　模型模擬11.2　用粒子濾波法進(jìn)行完全信息分析11.3　線性和非線性模型逼近參考文獻(xiàn)

章節(jié)摘錄

　　第二部分包括第6章～第9章，介紹了以下幾種實(shí)證方法：校準(zhǔn)、有限信息估計(jì)、極大似然估計(jì)和貝葉斯估計(jì)。每一章涵蓋了對(duì)一種方法的介紹，然后介紹這種方法如何運(yùn)用于基于各自不同經(jīng)驗(yàn)?zāi)繕?biāo)的基準(zhǔn)模型。　　第6章介紹了本書中最基本的實(shí)證方法：校準(zhǔn)練習(xí)——由基德蘭德和普雷斯科特（Kydland and Prescott，1982）率先使用。這種練習(xí)起初運(yùn)用于判斷，所構(gòu)建的參數(shù)化模型在可以對(duì)長(zhǎng)期增長(zhǎng)模型進(jìn)行實(shí)證描述時(shí)，是否也可以用于分析經(jīng)濟(jì)周期波動(dòng)的短期波動(dòng)特性——用數(shù)據(jù)中樣本統(tǒng)計(jì)量集合來(lái)表示。更一般地，實(shí)施首先要對(duì)實(shí)證度量的識(shí)別，這種度量是對(duì)所研究模型參數(shù)值的約束：所選擇的參數(shù)必須保證模型能夠很好地說(shuō)明這些度量。（通常的情況是，某些參數(shù)也必須滿足其他先驗(yàn)條件。）接下來(lái)，我們通過(guò)比較用于其他統(tǒng)計(jì)度量的恰當(dāng)參數(shù)化模型的含義和它們的實(shí)證模型，判斷這個(gè)模型是否也能體現(xiàn)數(shù)據(jù)的這些額外特征。在判斷準(zhǔn)確之外，該方法所面臨的挑戰(zhàn)也產(chǎn)生了，因?yàn)榈诙降谋容^沒(méi)有建立在規(guī)范的統(tǒng)計(jì)基礎(chǔ)上。　　第7章介紹了有限信息估計(jì)方法，這些方法主要是解決伴隨校準(zhǔn)練習(xí)出現(xiàn)的統(tǒng)計(jì)推斷問(wèn)題。之所以介紹這些方法的運(yùn)用，是因?yàn)樽鳛樾?zhǔn)參數(shù)化階段的實(shí)證度量具有統(tǒng)計(jì)不確定性。例如，樣本均值出現(xiàn)樣本標(biāo)準(zhǔn)誤差。因此，從映射到實(shí)證度量（一般是統(tǒng)計(jì)矩）所推導(dǎo)出的模型參數(shù)也具有統(tǒng)計(jì)不確定性。有限信息估計(jì)方法考慮了這種不確定性：通過(guò)有限信息估計(jì)方法得到的參數(shù)估計(jì)量是能夠被解釋的，而且它們具有經(jīng)典統(tǒng)計(jì)特征。如果用于獲取參數(shù)估計(jì)量的實(shí)證目標(biāo)的數(shù)量超過(guò)了被估計(jì)的參數(shù)個(gè)數(shù)（也就是說(shuō)，正被考察的模型是過(guò)度識(shí)別的），估計(jì)階段也可以得到客觀的擬合優(yōu)度測(cè)度——可以用于評(píng)價(jià)模型的實(shí)證效果。有限信息估計(jì)方法的典型例子有廣義矩方法（GMM）、模擬矩方法（SMM）以及間接推斷方法?！　∮邢扌畔⒐烙?jì)過(guò)程有一個(gè)共同的特點(diǎn)：它們都以數(shù)據(jù)可用信息的子集為基礎(chǔ)（在估計(jì)階段選擇的目標(biāo)度量）。這些方法的優(yōu)勢(shì)在于，在沒(méi)有對(duì)模型中變量隨機(jī)行為的分布進(jìn)行明確假設(shè)的情況下，它們也能夠運(yùn)用；它們的缺點(diǎn)在于，在估計(jì)階段，關(guān)于如何選擇矩常常是任意的，而得到的結(jié)果（例如，關(guān)于擬合）則對(duì)選擇很敏感。第8章和第9章則介紹了與有限信息估計(jì)方法相對(duì)應(yīng)的完全信息估計(jì)方法：基于似然的分析。假設(shè)給定模型中攣量的隨機(jī)行為服從某個(gè)分布，第8章詳細(xì)介紹了如何用極大似然分析（卡爾曼濾波法是一種易于操作的方法），來(lái)評(píng)價(jià)模型的所有經(jīng)驗(yàn)意義。直接使用極大似然分析工具，可以使參數(shù)估計(jì)和模型評(píng)價(jià)變得更方便。而且，給定模型的估計(jì)量，模型中無(wú)法觀測(cè)的變量的內(nèi)在行為（例如，生產(chǎn)力沖擊）可能被推斷為估計(jì)階段的副產(chǎn)品。　　與簡(jiǎn)化型結(jié)構(gòu)模型不同，直接處理結(jié)構(gòu)模型的優(yōu)點(diǎn)在于，我們通常對(duì)它們的參數(shù)化方法有一個(gè)清晰的先驗(yàn)指導(dǎo)。例如，對(duì)于高于10％的主觀年折IEI率的識(shí)別，可能會(huì)因無(wú)法控制和不可信而被擯棄掉。

圖書封面

圖書標(biāo)簽Tags

無(wú)

評(píng)論、評(píng)分、閱讀與下載

---

    結(jié)構(gòu)宏觀計(jì)量經(jīng)濟(jì)學(xué) PDF格式下載

---