查看原文
其他

宏观计量的演进(Macroeconometrics)

回顾经济学尤其是数理经济学的发展历程,可以认为,经济理论的演进同时伴随着实证研究新技术的推陈出新,新颖巧妙的数理模型为经济思想的阐述和表达提供了舞台。比如广义矩阵估计(GMM)方法在“单位根运动”①和附加理性预期的时间序列经济学中成为一种主要的分析工具;结构向量自回归模型(SVAR)为经济学家思考动态经济系统提供了大量可供参考的模型;由Kydland &  Prescott(1982)开创的真实经济周期模型(RBC)使得宏观经济研究更加关注外部冲击以及政策制定在熨平经济波动方面的效果。因此,宏观经济学的研究命题与宏观计量的研究方法是紧密联系在一起的。本文的任务是对宏观计量经济学研究领域内的新成果做非技术性的综述和比较,说明RBC模型在宏观结构计量经济学研究方法中所处的地位、优势及其不足。


  一、宏观计量经济学研究方法的演进:从简约式到结构式


  宏观经济数据多以低频、加总的时间序列形式出现,这就决定了宏观和微观经济分析所采用的计量方法存在明显的区别。在20世纪30年代,宏观计量经济学的诞生离不开考尔斯经济研究委员会(Cowles Commission)的工作,其中包括资助计量经济学会创办《计量经济学》(Econometrica),以及对计量经济学基本方法论和学科规范等重要课题所进行的系统性研究,从而奠定了计量经济分析的概率方法基础,形成了一整套连贯而有效的方法体系,如对计量模型的设定、识别、估计和检验进行研究,引入假设检验技术,建立联立方程组,区分外生变量和内生变量,对基于模型的短期动态性加入限制条件,提出间接最小二乘法、工具变量法(IV)、有限信息最大似然估计的技术。这些工作形成了传统计量经济分析②的完备框架和精确的计量经济分析方法论,亦称“CC方法论”。


  在“CC方法论”的推动下,传统计量分析从小型的市场均衡模型发展到大型的宏观经济模型;从一国模型发展到多国联网的LINK计划;从线性回归分析发展到非线性回归分析。但随着研究目标的扩大,“CC方法论”显含或隐含的假设与现实情况不符的弊端也逐渐显现,同时,基于简约化方程(Reduced Form Equation)的计量模型也不能反映行为主体的最优化过程,“CC方法论”被更适合处理时间序列数据的“BJ方法论”(Box & Jenkins,1976)所取代,简约化方程向自回归移动平均随机过程模型(ARIMA)过渡和发展。随后出现的三篇经典论文(Sims,1980; Engle & Granger,1987; Johansen,1988)为向量自回归模型(VAR)的成功奠定了基础,这是一种处理宏观非平稳数据的模型化方法,它把ARIMA模型发展到多个时间序列向量,用模型中所有当期变量对所有变量的若干滞后变量进行回归。但正如Cooley & LeRoy(1985)所指出的,VAR模型从本质上讲,仍具有简约化方程的性质,它只刻画了数据的动态表现,而没有涉及任何消费者偏好、生产技术和最优化行为等经济结构方面的信息,单纯由数字驱动的参数估计难以得到经济理论的合意解释。


  20世纪80年代初,一种被称为“RBC方法”的结构模型(StructureForm  Equations)出现了,它是一种基于宏观经济理论的结构计量模型,真实经济周期理论(Real Business Cycle)为研究各类外生冲击,以及冲击在经济体内部的传导方式提供了可能。在Lucas & Prescott(1989)看来,RBC模型就类似于阿罗—德布鲁(Arrow-Debreu)范式的一般均衡模型,因为它不仅考虑到理性消费者的跨期最优决策,而且还考虑到生产者的投入产出决策。起初这类模型只能分析技术冲击对实际变量的影响,因而属于新古典经济学的阵营。但随着研究的深入,一些更深层次的冲击,如政府支出的需求冲击和货币供给冲击等也都被纳入到这个动态随机一般均衡(DSGE)模型中来,新凯恩斯主义逐渐把它发展成为一种政策研究的工具。前瞻性的研究包括:货币冲击、工资和价格粘性,新兴国家或市场,开放经济、国际贸易和汇率,干中学,内生增长以及波动造成的福利损失等等。模型的发展已远远超出RBC理论先驱者们的预计,不仅融入了物价和工资等名义和实际的非瓦尔拉斯内容,而且还出现了研究经济增长的DSGE模型。在实际应用方面,比利时国家银行等一系列国外商业金融机构也正在通过建立DSGE模型强化信贷政策方面的研究。


  与此同时,为弥补VAR模型缺乏经济理论基础而不能进行结构分析的缺陷,Sims(1980、1986)、Shapiro & Watson(1988)和Bernanke(1986)提出了结构向量自回归(Structure VAR)模型。Blanchard & Quah(1989)率先在SVAR中添加长短期识别约束条件,用于分析经济变量对结构冲击的响应,同时还可以减少模型的待估参数。尽管经济学家们往往不能就模型的真实结构达成共识,但是20世纪90年代以来,对SVAR的广泛研究涉足货币冲击和实际冲击的各个领域。即使是在RBC理论盛行的年代,SVAR及其扩展模型依旧能够与RBC模型共同分享宏观结构计量经济学的美誉,这不仅是因为RBC模型的代表性变量③同样可以在SVAR模型中通过建模得到参数空间的估计,而且RBC模型中各类外生冲击也可以在SVAR模型中得以实现。但RBC模型更强调,只有对深层次的参数空间作出正确估计,具有微观基础的模型才可通过校准(calibration)而用于相关的政策分析。


  二、RBC模型在宏观结构计量经济学研究方法中的地位


  RBC和SVAR模型的相似性使得越来越多的研究聚集到对这两种模型预测结果的比较,由于RBC模型(或DSGE模型)一般通过校准法④得到模拟结果,而SVAR模型(或VAR模型)则多以计量法(OLS方法)对参数空间进行估计,所以比较的范围也从预测结果延伸到模型方法上。在预测结果的比较方面,多数研究认为两类模型存在不同,但没有任何一类模型对另一类模型而言具有压倒性的优势。Cooley & Dwyer(1998)发现SVAR模型的结论对结构冲击的识别假设(identification assumption)非常敏感,并且可能产生与RBC模型不一致的预测结果;Breitung & Heinemann(1998)使用德国的数据发现两类模型在预测宏观经济变量的变化方向上是一致的,但在变化量上存在差异;Kim(2000)则认为DSGE模型和VAR模型之间没有显著的区别;Fernández-Villaverde &  RubioRamírez(2004)比较了各类DSGE模型和VAR模型,认为RBC模型优于不加任何约束的VAR模型,但却不及一个带先验概率的BVAR模型。Ireland(2004b)在简单RBC模型中融入互相不独立的外生冲击,由于简单RBC模型所引入的静态阶数和动态阶数都相对较少,而且还能够反映消费者偏好和生产技术方面的信息,所以在经济预测方面的表现优于VAR模型,Ireland把这样的模型称为混合的RBC-VAR模型。


  在校准和计量方法的比较方面,黄赜琳(2008)认为校准方法的优势在于,首先由于参数值是在微观经济证据的基础上选择出来的,所以除通常采用的信息外,校准法还可使大量其他信息得到应用,因此模型可建立在更高的标准之上。其次,按计量法估计的模型在统计上被拒绝或不能被拒绝,其在经济上的重要性通常很难解释,而校准法则不存在类似的问题。然而校准法也存在相应的缺点,如对参数进行校准时,是在没有其他因素影响模型内生变量值的假设下作出的,而且在将来任何时候也不会影响,这显然是一个很强的假设。另一方面的指责来自缺乏对模型稳健性及其参数的检验,如果参数用校准法得到,那么参数对基期的选择相当敏感;如果参数是从其他相关研究中得到,那么模型中变量的取值范围可能会存在偏误,比如其他模型可能是基于局部均衡而非一般均衡。因此,在运用校准法时应当结合计量法,不仅要充分利用政府统计部门公布的经济数据,还要对校准的参数做敏感性分析和模型的稳健性检验。


  那么,RBC模型在宏观结构计量经济学研究方法中的地位,或者说,RBC方法和SVAR方法等其他结构模型的相对地位又是怎样的?


  一种简单的理解是SVAR方法为RBC方法提供了研究的参照系(Liedo,2006),因为RBC模型的解一般都可以由一个SVAR模型给出,但RBC模型具有更多关于随机阶数方面的限制。以Kydland & Prescott(1982)为例,模型描述了代表性行为人在单一技术冲击下产出和消费等经济变量的最优反应,冲击在经济体内部的传导机制既取决于行为人对未来的理性预期,又同行为人消费和劳动的跨期替代有关,资本存量的积累在传导过程中起到了放大波动的作用。行为人立足于本期的技术冲击和上一期的资本存量(资本存量是前定变量),对本期的产出、消费和劳动等经济变量作出最优决策。因此,技术冲击和资本存量的转移状态决定了经济运行的动态。模型中外生冲击和前定变量的个数(一般小于内生变量个数)决定了模型生成波动数据二阶矩的性质和波动数据谱密度(spectral density)的性质,分别称为模型的静态阶数和动态阶数。但在SVAR模型中,不存在对随机阶数的限制。


  事实上,如果RBC模型中的内生变量不仅可以由前定变量和外生冲击表出,而且还包含表出的测量误差,那么这样的模型就转化为典型的动态因素模型(Dynamic Factor Models,DFM)。DFM模型约化了RBC模型中关于消费者偏好和生产技术方面的信息,SVAR模型则取消了DFM模型和RBC模型在随机阶数方面的限制,而把模型设定的重点转移到冲击的结构识别上。因此,从这个意义上讲,SVAR模型是DFM模型的一般化,而DFM模型则是对RBC模型的一般化。当然,这三类模型的参数校准(估计)也都可以在贝叶斯框架下进行。关于RBC、DFM和SVAR模型之间的进一步比较可以参阅Giannone、Reichlin & Sala(2004)和Liedo(2006)。


  三、RBC研究方法的优势和不足


  到目前为止,RBC模型究竟可以对现实经济中的经济波动现象作出多大程度的解释,仍是一个仁者见仁智者见智的问题。但是RBC方法的确具有其他方法所无法比拟的优势,并且对宏观结构计量经济学的发展具有深远的影响。


  1.RBC模型带来了方法论上的突破。在理论研究方面,以代表性行为人为基本分析单位的随机动态一般均衡模型已经成为宏观经济学的主要研究模式,消费者在既定的收入约束和消费偏好下作出最优消费决策,生产者在既定的成本约束和生产技术下作出最优生产决策,最终达到市场出清的状态,随机最优规划的广泛应用为宏观经济理论奠定了坚实的微观基础。与此同时,分离周期数据和分析包含单位根的时间序列的方法也得到了很大的改进,经验研究的结论因而变得更为可信。


  2.RBC模型从实践上回应了“卢卡斯批判”。卢卡斯批判是基于理性预期理论的一种反思,传统的假定不可观测的预期变量为可观测变量之现期和滞后各期函数的做法,实际上是一种后向预期,这种做法不可避免地遇到“卢卡斯批判”所提及的问题。而RBC模型将预期变量与基于模型本身及所有可能信息的条件预期相结合,即所谓的“与模型相一致的预期”(Wallis,1999)。在模型求解过程中,要求刻画动态递归的转移矩阵的特征值至少有一个大于1,从而体现模型的向前解,这是RBC模型对理性预期理论的特有诠释。


  3.RBC模型是第一个同时从需求和供给角度考察经济波动的宏观经济理论。这些冲击从“技术”层面扩展到“货币”、“政府支出”和“消费习惯”等各个方面,随着经验证据的不断累积,已经有越来越多的经济学家承认经济波动是需求冲击和供给冲击的共同产物。


  4.RBC模型和DFM模型的脉冲反应在一定条件下优于VAR模型。正如Giannone Reichlin & Sala(2004)所指出的,当前定变量和外生冲击个数小于模型所需解释的内生变量的个数时(多数情况),由于VAR模型缺乏对随机阶数的限制而导致模型参数估计的不准确。


  5.RBC模型不仅可以处理线性系统,还可以处理一些非线性系统。RBC模型对非线性系统的处理能力基于模型在稳态附近对策略函数(policy function)泰勒展开的阶数,一般而言,高阶泰勒展开总是比低阶泰勒展开更精确,然而,实证研究并未在两者的比较中发现较大的差异。比如Uribe的学生Kang  Long(2003)在其硕士论文中比较了Hansen(1985)的一阶展开和二阶展开,指出一阶展开和二阶展开在模型模拟的二阶矩方面差异很小,当相对风险规避系数标准取值范围内,模型的脉冲反应差异也不大。


  但值得注意的是,RBC模型主要依据微观经济主体的跨期最优行为进行理论推导,却在参数校准的过程中采用加总的宏观数据,因而隐含宏观经济行为(多体问题)等同于微观经济行为(单体问题)的假设,也就是说,加总微观经济行为的过程不会对宏观经济行为产生任何影响,这显然是一个非常强的假设,尤其是在个体行为存在差异的情况下其可行性更加值得怀疑(陈平,2002;何新华,2007)。一种可能的改进方法是在模型中引入异质性行为人,或者行为人类型的先验分布,从而打破消费偏好或生产技术的同质性(Bugarin & Ellery,2002; Graham,2008)。


  RBC模型的另一个问题是,在计算机程序的辅助下,似乎所有的经济变量都能纳入模型,而且能够容纳的经济变量越多,模型的数值解就与现实经济越接近。于是模型变得越来越庞大,经济假设也越来越多,但经济学家们往往不能就模型的真实结构达成共识,而且当待估参数较多时,参数空间就会变得非常庞大。在这种情况下,校准方法的精确程度是值得怀疑的,这就是模型的设定错误和无法识别问题。一种可能的改进方法是在贝叶斯框架下进行参数校准(An & Schorfheide,2007; Dejong & Dave,2007),当然,这无疑会引入大量的数学计算。


  四、国内研究经济波动问题的两种技术性倾向


  当前,用宏观结构计量经济学的方法研究中国的经济波动问题,尚处于起步阶段。国际研究通常将几种不同的(结构)模型放在同一组参数下进行比较,但有所不同是,国内研究一般不会在同一项研究中出现一种以上的模型和方法,对于结构方法适用性的研究仍属空白。在已有的研究中,以是否建立RBC模型为标准,可以将它们大致分成两种技术性倾向,一种是基于经济理论的动态随机一般均衡方法,或称为RBC方法(RBC  approach);另一种则纯粹从宏观经济时间序列的特征分析出发,多以建立VAR模型和变量之间的Granger因果检验,称为non-RBC方法(non-RBC approach)。但无论哪种技术性倾向,都必须先进行时序数据的整理和经验事实的归纳,然后再分别建立RBC模型和VAR模型。


  首先,回顾国内研究对RBC(或DSGE)方法的应用。较早的一些研究表明,技术冲击可以在70%~80%的水平上解释中国的经济波动问题,但这些模型对于消费和就业波动的特征描述不符合中国经济波动的经验事实,如卜永祥和靳炎(2002)不能刻画1978年以后消费波动大于产出波动的经验事实;陈昆亭、龚六堂和邹恒甫(2004a)模拟的就业波动与经验事实存在较大偏差。为进一步说明中国的经济波动同RBC方法的发源地——美国等发达国家——的经济波动存在根本上的区别,更多特征化的波动源和波动的传导机制被引入模型,如陈昆亭、龚六堂和邹恒甫(2004b)区分了供给冲击和需求冲击,指出中国的经济波动在一定程度上主要是由供给冲击造成的;而黄赜琳(2005)则在模型中引入另一种特殊的需求冲击——政府支出冲击,考察了中国宏观经济波动的周期特征和财政政策效应问题,发现中国的经济波动是技术冲击和政府支出冲击共同作用的产物;杜清源和龚六堂(2005)在RBC模型中引入“金融加速器”,分析中国金融信贷市场中存在的信息不对称对经济造成的影响,研究证实了“金融加速器”的存在。此后,受国际上RBC模型向DSGE模型演变运动的启发,国内研究也开始注重货币因素对中国经济波动的影响,如陈昆亭和龚六堂(2006)建立了包含粘滞性价格和内生货币机制的动态周期模型,预测结果比标准RBC模型有了显著改进;李春吉、孟晓宏(2006)在新凯恩斯主义的垄断竞争框架下,认为消费偏好冲击和技术冲击的持久性对经济波动变化具有较明显的影响,强调持久的正向消费偏好冲击对稳定经济增长非常重要。另外,开放经济、劳动的调整成本和流动性约束等因素也成为解释中国经济波动经验事实的着力点,如李浩等(2007)借鉴Schmitt-Grohé &  Uribe(2003)的研究,表明开放经济模型比封闭经济模型更能准确刻画中国经济运行的特点;胡永刚和刘方(2007)注意到就业的非周期性和隐性失业之间的联系,指出中国信用制度的不完善是导致消费波动较大的主要原因,并运用含劳动调整成本和流动性约束的RBC模型模拟1978年以后中国经济波动的经验事实。


  其次,在国内non-RBC方法的应用方面,钱士春(2004)最先运用HP滤波法对1952~2002年以及1978~2002年的宏观经济变量进行滤波。陈昆亭、周炎和龚六堂(2004)介绍了带通滤波器的概念、原理及其应用。吕光明和齐鹰飞(2006)运用CF滤波算子分别对1978年前后23个主要宏观经济变量数据进行周期性分解,认为中国和美国经济波动的经验事实差异非常大,但两者之间又存在一定的联动性。简泽(2006)运用HP滤波算子考察了建国后经济周期性波动的统计规律性,在经济波动的持久性、不同变量的相对波动程度和协同变动方面,中国经济周期性波动的特征与其他国家经济周期的经验事实基本一致,不过在波动幅度上存在很大差异;改革开放以后我国经济周期性波动的幅度显著降低,但经济周期的多数经验事实具有时间上的稳定性。梁琪和滕建州(2007)运用CF滤波算子对建国以来13个宏观经济总量的波动性、共动性和Granger因果关系进行了分析,结果表明中国总产出的周期长度在改革开放之后呈现出延长且波动幅度下降的趋势。黄赜琳(2008)运用HP滤波算子分析了经济波动和消费波动之间的联系,Granger因果检验表明,经济波动和消费波动之间是相互影响和共同演进的。


  总之,从方法论上讲,首先,现有RBC模型都只是建立在单个代表性行为人的最优决策之上,属于一元情景模型,因而无法在模型中分析收入差距、消费差距和流动性约束⑤等结构因素对经济波动的影响。其次,样本时期和滤波算子的选取会对non-RBC方法的研究结果产生一定的影响,哪一种滤波算子才最适合中国数据生成的特点?再者,正如前文所指出的,non-RBC方法⑥为RBC方法提供了研究的全景图和参照系,而RBC方法则是对经济波动某些具象的诠释,前者写意,后者写实,应当加以相互结合。这些可能代表着宏观结构计量经济学应用于中国经济问题的新的发展方向。

 

 注释:

  ①Nelson &

Plosser(1982)在实证研究中发现大多数宏观经济时间序列都是单位根过程,这一经验事实掀起了宏观时序的“单位根运动”,这里所指的“单位根运动”还包括后来发展出来的协整和Granger因果检验等一系列分析宏观时间序列的方法。


  ②从概率结构和参数稳定性的角度可以把计量经济学划分为传统计量经济学和现代计量经济学,概率结构已知但参数未知的问题是传统计量经济学的研究对象;而概率结构和参数都未知,以及概率结构和参数不稳定的问题,则是现代计量经济学的研究对象。现代计量经济学主要研究时间序列数据。


  ③指各变量偏离稳态的波动值,它们一般都是平稳过程。


  ④校准法是通过参数的设置生成一些模拟结果比如变量的周期性和变化幅度,并将模拟结果与经济周期的特征事实相比较的评价方法。


  ⑤虽然胡永刚和刘方(2007)注意到了流动性约束对经济波动的影响,但他们的模型将两类行为人的决策平均化为一个人,而不是在一个分散决策的经济中开展分析,归根结底,他们的模型还是一元情景的。


  ⑥系指经验事实的归纳和Granger因果检验。


@计量经济学圈


记录一个我们生活在其中的时代社会,一个非常具有潜力的深度与客观兼具的大号,囊括的主题如下:经济、社会、历史、新闻、世界、计量工具。


: . Video Mini Program Like ,轻点两下取消赞 Wow ,轻点两下取消在看

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存