宏觀計量的演進

最新 07-14

回顧經濟學尤其是數理經濟學的發展歷程，可以認為，經濟理論的演進同時伴隨著實證研究新技術的推陳出新，新穎巧妙的數理模型為經濟思想的闡述和表達提供了舞台。比如廣義矩陣估計(GMM)方法在「單位根運動」和附加理性預期的時間序列經濟學中成為一種主要的分析工具；結構向量自回歸模型(SVAR)為經濟學家思考動態經濟系統提供了大量可供參考的模型；由Kydland & Prescott(1982)開創的真實經濟周期模型(RBC)使得宏觀經濟研究更加關注外部衝擊以及政策制定在熨平經濟波動方面的效果。因此，宏觀經濟學的研究命題與宏觀計量的研究方法是緊密聯繫在一起的。本文的任務是對宏觀計量經濟學研究領域內的新成果做非技術性的綜述和比較，說明RBC模型在宏觀結構計量經濟學研究方法中所處的地位、優勢及其不足。

一、宏觀計量經濟學研究方法的演進：從簡約式到結構式

宏觀經濟數據多以低頻、加總的時間序列形式出現，這就決定了宏觀和微觀經濟分析所採用的計量方法存在明顯的區別。在20世紀30年代，宏觀計量經濟學的誕生離不開考爾斯經濟研究委員會(Cowles Commission)的工作，其中包括資助計量經濟學會創辦《計量經濟學》(Econometrica)，以及對計量經濟學基本方法論和學科規範等重要課題所進行的系統性研究，從而奠定了計量經濟分析的概率方法基礎，形成了一整套連貫而有效的方法體系，如對計量模型的設定、識別、估計和檢驗進行研究，引入假設檢驗技術，建立聯立方程組，區分外生變數和內生變數，對基於模型的短期動態性加入限制條件，提出間接最小二乘法、工具變數法(IV)、有限信息最大似然估計的技術。這些工作形成了傳統計量經濟分析的完備框架和精確的計量經濟分析方法論，亦稱「CC方法論」。

在「CC方法論」的推動下，傳統計量分析從小型的市場均衡模型發展到大型的宏觀經濟模型；從一國模型發展到多國聯網的LINK計劃；從線性回歸分析發展到非線性回歸分析。但隨著研究目標的擴大，「CC方法論」顯含或隱含的假設與現實情況不符的弊端也逐漸顯現，同時，基於簡約化方程(Reduced Form Equation)的計量模型也不能反映行為主體的最優化過程，「CC方法論」被更適合處理時間序列數據的「BJ方法論」(Box & Jenkins,1976)所取代，簡約化方程向自回歸移動平均隨機過程模型(ARIMA)過渡和發展。隨後出現的三篇經典論文(Sims,1980; Engle & Granger,1987; Johansen,1988)為向量自回歸模型(VAR)的成功奠定了基礎，這是一種處理宏觀非平穩數據的模型化方法，它把ARIMA模型發展到多個時間序列向量，用模型中所有當期變數對所有變數的若干滯後變數進行回歸。但正如Cooley & LeRoy(1985)所指出的，VAR模型從本質上講，仍具有簡約化方程的性質，它只刻畫了數據的動態表現，而沒有涉及任何消費者偏好、生產技術和最優化行為等經濟結構方面的信息，單純由數字驅動的參數估計難以得到經濟理論的合意解釋。

20世紀80年代初，一種被稱為「RBC方法」的結構模型(StructureForm Equations)出現了，它是一種基於宏觀經濟理論的結構計量模型，真實經濟周期理論(Real Business Cycle)為研究各類外生衝擊，以及衝擊在經濟體內部的傳導方式提供了可能。在Lucas & Prescott(1989)看來，RBC模型就類似於阿羅—德布魯(Arrow-Debreu)範式的一般均衡模型，因為它不僅考慮到理性消費者的跨期最優決策，而且還考慮到生產者的投入產出決策。起初這類模型只能分析技術衝擊對實際變數的影響，因而屬於新古典經濟學的陣營。但隨著研究的深入，一些更深層次的衝擊，如政府支出的需求衝擊和貨幣供給衝擊等也都被納入到這個動態隨機一般均衡(DSGE)模型中來，新凱恩斯主義逐漸把它發展成為一種政策研究的工具。前瞻性的研究包括：貨幣衝擊、工資和價格粘性，新興國家或市場，開放經濟、國際貿易和匯率，干中學，內生增長以及波動造成的福利損失等等。模型的發展已遠遠超出RBC理論先驅者們的預計，不僅融入了物價和工資等名義和實際的非瓦爾拉斯內容，而且還出現了研究經濟增長的DSGE模型。在實際應用方面，比利時國家銀行等一系列國外商業金融機構也正在通過建立DSGE模型強化信貸政策方面的研究。

與此同時，為彌補VAR模型缺乏經濟理論基礎而不能進行結構分析的缺陷，Sims(1980、1986)、Shapiro & Watson(1988)和Bernanke(1986)提出了結構向量自回歸(Structure VAR)模型。Blanchard & Quah(1989)率先在SVAR中添加長短期識別約束條件，用於分析經濟變數對結構衝擊的響應，同時還可以減少模型的待估參數。儘管經濟學家們往往不能就模型的真實結構達成共識，但是20世紀90年代以來，對SVAR的廣泛研究涉足貨幣衝擊和實際衝擊的各個領域。即使是在RBC理論盛行的年代，SVAR及其擴展模型依舊能夠與RBC模型共同分享宏觀結構計量經濟學的美譽，這不僅是因為RBC模型的代表性變數同樣可以在SVAR模型中通過建模得到參數空間的估計，而且RBC模型中各類外生衝擊也可以在SVAR模型中得以實現。但RBC模型更強調，只有對深層次的參數空間作出正確估計，具有微觀基礎的模型才可通過校準(calibration)而用於相關的政策分析。

二、RBC模型在宏觀結構計量經濟學研究方法中的地位

RBC和SVAR模型的相似性使得越來越多的研究聚集到對這兩種模型預測結果的比較，由於RBC模型（或DSGE模型）一般通過校準法得到模擬結果，而SVAR模型（或VAR模型）則多以計量法（OLS方法）對參數空間進行估計，所以比較的範圍也從預測結果延伸到模型方法上。在預測結果的比較方面，多數研究認為兩類模型存在不同，但沒有任何一類模型對另一類模型而言具有壓倒性的優勢。Cooley & Dwyer(1998)發現SVAR模型的結論對結構衝擊的識別假設(identification assumption)非常敏感，並且可能產生與RBC模型不一致的預測結果；Breitung & Heinemann(1998)使用德國的數據發現兩類模型在預測宏觀經濟變數的變化方向上是一致的，但在變化量上存在差異；Kim(2000)則認為DSGE模型和VAR模型之間沒有顯著的區別；Fernández-Villaverde & RubioRamírez(2004)比較了各類DSGE模型和VAR模型，認為RBC模型優於不加任何約束的VAR模型，但卻不及一個帶先驗概率的BVAR模型。Ireland(2004b)在簡單RBC模型中融入互相不獨立的外生衝擊，由於簡單RBC模型所引入的靜態階數和動態階數都相對較少，而且還能夠反映消費者偏好和生產技術方面的信息，所以在經濟預測方面的表現優於VAR模型，Ireland把這樣的模型稱為混合的RBC-VAR模型。

在校準和計量方法的比較方面，黃賾琳(2008)認為校準方法的優勢在於，首先由於參數值是在微觀經濟證據的基礎上選擇出來的，所以除通常採用的信息外，校準法還可使大量其他信息得到應用，因此模型可建立在更高的標準之上。其次，按計量法估計的模型在統計上被拒絕或不能被拒絕，其在經濟上的重要性通常很難解釋，而校準法則不存在類似的問題。然而校準法也存在相應的缺點，如對參數進行校準時，是在沒有其他因素影響模型內生變數值的假設下作出的，而且在將來任何時候也不會影響，這顯然是一個很強的假設。另一方面的指責來自缺乏對模型穩健性及其參數的檢驗，如果參數用校準法得到，那麼參數對基期的選擇相當敏感；如果參數是從其他相關研究中得到，那麼模型中變數的取值範圍可能會存在偏誤，比如其他模型可能是基於局部均衡而非一般均衡。因此，在運用校準法時應當結合計量法，不僅要充分利用政府統計部門公布的經濟數據，還要對校準的參數做敏感性分析和模型的穩健性檢驗。

那麼，RBC模型在宏觀結構計量經濟學研究方法中的地位，或者說，RBC方法和SVAR方法等其他結構模型的相對地位又是怎樣的？

一種簡單的理解是SVAR方法為RBC方法提供了研究的參照系(Liedo,2006)，因為RBC模型的解一般都可以由一個SVAR模型給出，但RBC模型具有更多關於隨機階數方面的限制。以Kydland & Prescott(1982)為例，模型描述了代表性行為人在單一技術衝擊下產出和消費等經濟變數的最優反應，衝擊在經濟體內部的傳導機制既取決於行為人對未來的理性預期，又同行為人消費和勞動的跨期替代有關，資本存量的積累在傳導過程中起到了放大波動的作用。行為人立足於本期的技術衝擊和上一期的資本存量（資本存量是前定變數），對本期的產出、消費和勞動等經濟變數作出最優決策。因此，技術衝擊和資本存量的轉移狀態決定了經濟運行的動態。模型中外生衝擊和前定變數的個數（一般小於內生變數個數）決定了模型生成波動數據二階矩的性質和波動數據譜密度(spectral density)的性質，分別稱為模型的靜態階數和動態階數。但在SVAR模型中，不存在對隨機階數的限制。

事實上，如果RBC模型中的內生變數不僅可以由前定變數和外生衝擊表出，而且還包含表出的測量誤差，那麼這樣的模型就轉化為典型的動態因素模型(Dynamic Factor Models,DFM)。DFM模型約化了RBC模型中關於消費者偏好和生產技術方面的信息，SVAR模型則取消了DFM模型和RBC模型在隨機階數方面的限制，而把模型設定的重點轉移到衝擊的結構識別上。因此，從這個意義上講，SVAR模型是DFM模型的一般化，而DFM模型則是對RBC模型的一般化。當然，這三類模型的參數校準（估計）也都可以在貝葉斯框架下進行。關於RBC、DFM和SVAR模型之間的進一步比較可以參閱Giannone、Reichlin & Sala(2004)和Liedo(2006)。

三、RBC研究方法的優勢和不足

到目前為止，RBC模型究竟可以對現實經濟中的經濟波動現象作出多大程度的解釋，仍是一個仁者見仁智者見智的問題。但是RBC方法的確具有其他方法所無法比擬的優勢，並且對宏觀結構計量經濟學的發展具有深遠的影響。

1.RBC模型帶來了方法論上的突破。在理論研究方面，以代表性行為人為基本分析單位的隨機動態一般均衡模型已經成為宏觀經濟學的主要研究模式，消費者在既定的收入約束和消費偏好下作出最優消費決策，生產者在既定的成本約束和生產技術下作出最優生產決策，最終達到市場出清的狀態，隨機最優規劃的廣泛應用為宏觀經濟理論奠定了堅實的微觀基礎。與此同時，分離周期數據和分析包含單位根的時間序列的方法也得到了很大的改進，經驗研究的結論因而變得更為可信。

2.RBC模型從實踐上回應了「盧卡斯批判」。盧卡斯批判是基於理性預期理論的一種反思，傳統的假定不可觀測的預期變數為可觀測變數之現期和滯後各期函數的做法，實際上是一種後向預期，這種做法不可避免地遇到「盧卡斯批判」所提及的問題。而RBC模型將預期變數與基於模型本身及所有可能信息的條件預期相結合，即所謂的「與模型相一致的預期」(Wallis,1999)。在模型求解過程中，要求刻畫動態遞歸的轉移矩陣的特徵值至少有一個大於1，從而體現模型的向前解，這是RBC模型對理性預期理論的特有詮釋。

3.RBC模型是第一個同時從需求和供給角度考察經濟波動的宏觀經濟理論。這些衝擊從「技術」層面擴展到「貨幣」、「政府支出」和「消費習慣」等各個方面，隨著經驗證據的不斷累積，已經有越來越多的經濟學家承認經濟波動是需求衝擊和供給衝擊的共同產物。

4.RBC模型和DFM模型的脈衝反應在一定條件下優於VAR模型。正如Giannone Reichlin & Sala(2004)所指出的，當前定變數和外生衝擊個數小於模型所需解釋的內生變數的個數時（多數情況），由於VAR模型缺乏對隨機階數的限制而導致模型參數估計的不準確。

5.RBC模型不僅可以處理線性系統，還可以處理一些非線性系統。RBC模型對非線性系統的處理能力基於模型在穩態附近對策略函數(policy function)泰勒展開的階數，一般而言，高階泰勒展開總是比低階泰勒展開更精確，然而，實證研究並未在兩者的比較中發現較大的差異。比如Uribe的學生Kang Long(2003)在其碩士論文中比較了Hansen(1985)的一階展開和二階展開，指出一階展開和二階展開在模型模擬的二階矩方面差異很小，當相對風險規避係數標準取值範圍內，模型的脈衝反應差異也不大。

但值得注意的是，RBC模型主要依據微觀經濟主體的跨期最優行為進行理論推導，卻在參數校準的過程中採用加總的宏觀數據，因而隱含宏觀經濟行為（多體問題）等同於微觀經濟行為（單體問題）的假設，也就是說，加總微觀經濟行為的過程不會對宏觀經濟行為產生任何影響，這顯然是一個非常強的假設，尤其是在個體行為存在差異的情況下其可行性更加值得懷疑（陳平，2002；何新華，2007）。一種可能的改進方法是在模型中引入異質性行為人，或者行為人類型的先驗分布，從而打破消費偏好或生產技術的同質性(Bugarin & Ellery,2002; Graham,2008)。

RBC模型的另一個問題是，在計算機程序的輔助下，似乎所有的經濟變數都能納入模型，而且能夠容納的經濟變數越多，模型的數值解就與現實經濟越接近。於是模型變得越來越龐大，經濟假設也越來越多，但經濟學家們往往不能就模型的真實結構達成共識，而且當待估參數較多時，參數空間就會變得非常龐大。在這種情況下，校準方法的精確程度是值得懷疑的，這就是模型的設定錯誤和無法識別問題。一種可能的改進方法是在貝葉斯框架下進行參數校準(An & Schorfheide,2007; Dejong & Dave,2007)，當然，這無疑會引入大量的數學計算。

四、國內研究經濟波動問題的兩種技術性傾向

當前，用宏觀結構計量經濟學的方法研究中國的經濟波動問題，尚處於起步階段。國際研究通常將幾種不同的（結構）模型放在同一組參數下進行比較，但有所不同是，國內研究一般不會在同一項研究中出現一種以上的模型和方法，對於結構方法適用性的研究仍屬空白。在已有的研究中，以是否建立RBC模型為標準，可以將它們大致分成兩種技術性傾向，一種是基於經濟理論的動態隨機一般均衡方法，或稱為RBC方法(RBC approach)；另一種則純粹從宏觀經濟時間序列的特徵分析出發，多以建立VAR模型和變數之間的Granger因果檢驗，稱為non-RBC方法(non-RBC approach)。但無論哪種技術性傾向，都必須先進行時序數據的整理和經驗事實的歸納，然後再分別建立RBC模型和VAR模型。

首先，回顧國內研究對RBC（或DSGE）方法的應用。較早的一些研究表明，技術衝擊可以在70%～80%的水平上解釋中國的經濟波動問題，但這些模型對於消費和就業波動的特徵描述不符合中國經濟波動的經驗事實，如卜永祥和靳炎(2002)不能刻畫1978年以後消費波動大於產出波動的經驗事實；陳昆亭、龔六堂和鄒恆甫(2004a)模擬的就業波動與經驗事實存在較大偏差。為進一步說明中國的經濟波動同RBC方法的發源地——美國等發達國家——的經濟波動存在根本上的區別，更多特徵化的波動源和波動的傳導機制被引入模型，如陳昆亭、龔六堂和鄒恆甫(2004b)區分了供給衝擊和需求衝擊，指出中國的經濟波動在一定程度上主要是由供給衝擊造成的；而黃賾琳(2005)則在模型中引入另一種特殊的需求衝擊——政府支出衝擊，考察了中國宏觀經濟波動的周期特徵和財政政策效應問題，發現中國的經濟波動是技術衝擊和政府支出衝擊共同作用的產物；杜清源和龔六堂(2005)在RBC模型中引入「金融加速器」，分析中國金融信貸市場中存在的信息不對稱對經濟造成的影響，研究證實了「金融加速器」的存在。此後，受國際上RBC模型向DSGE模型演變運動的啟發，國內研究也開始注重貨幣因素對中國經濟波動的影響，如陳昆亭和龔六堂(2006)建立了包含粘滯性價格和內生貨幣機制的動態周期模型，預測結果比標準RBC模型有了顯著改進；李春吉、孟曉宏(2006)在新凱恩斯主義的壟斷競爭框架下，認為消費偏好衝擊和技術衝擊的持久性對經濟波動變化具有較明顯的影響，強調持久的正向消費偏好衝擊對穩定經濟增長非常重要。另外，開放經濟、勞動的調整成本和流動性約束等因素也成為解釋中國經濟波動經驗事實的著力點，如李浩等(2007)借鑒Schmitt-Grohé & Uribe(2003)的研究，表明開放經濟模型比封閉經濟模型更能準確刻畫中國經濟運行的特點；胡永剛和劉方(2007)注意到就業的非周期性和隱性失業之間的聯繫，指出中國信用制度的不完善是導致消費波動較大的主要原因，並運用含勞動調整成本和流動性約束的RBC模型模擬1978年以後中國經濟波動的經驗事實。

其次，在國內non-RBC方法的應用方面，錢士春(2004)最先運用HP濾波法對1952～2002年以及1978～2002年的宏觀經濟變數進行濾波。陳昆亭、周炎和龔六堂(2004)介紹了帶通濾波器的概念、原理及其應用。呂光明和齊鷹飛(2006)運用CF濾波運算元分別對1978年前後23個主要宏觀經濟變數數據進行周期性分解，認為中國和美國經濟波動的經驗事實差異非常大，但兩者之間又存在一定的聯動性。簡澤(2006)運用HP濾波運算元考察了建國後經濟周期性波動的統計規律性，在經濟波動的持久性、不同變數的相對波動程度和協同變動方面，中國經濟周期性波動的特徵與其他國家經濟周期的經驗事實基本一致，不過在波動幅度上存在很大差異；改革開放以後我國經濟周期性波動的幅度顯著降低，但經濟周期的多數經驗事實具有時間上的穩定性。梁琪和滕建州(2007)運用CF濾波運算元對建國以來13個宏觀經濟總量的波動性、共動性和Granger因果關係進行了分析，結果表明中國總產出的周期長度在改革開放之後呈現出延長且波動幅度下降的趨勢。黃賾琳(2008)運用HP濾波運算元分析了經濟波動和消費波動之間的聯繫，Granger因果檢驗表明，經濟波動和消費波動之間是相互影響和共同演進的。

總之，從方法論上講，首先，現有RBC模型都只是建立在單個代表性行為人的最優決策之上，屬於一元情景模型，因而無法在模型中分析收入差距、消費差距和流動性約束等結構因素對經濟波動的影響。其次，樣本時期和濾波運算元的選取會對non-RBC方法的研究結果產生一定的影響，哪一種濾波運算元才最適合中國數據生成的特點？再者，正如前文所指出的，non-RBC方法為RBC方法提供了研究的全景圖和參照系，而RBC方法則是對經濟波動某些具象的詮釋，前者寫意，後者寫實，應當加以相互結合。這些可能代表著宏觀結構計量經濟學應用於中國經濟問題的新的發展方向。

注釋：

Nelson &

Plosser(1982)在實證研究中發現大多數宏觀經濟時間序列都是單位根過程，這一經驗事實掀起了宏觀時序的「單位根運動」，這裡所指的「單位根運動」還包括後來發展出來的協整和Granger因果檢驗等一系列分析宏觀時間序列的方法。

從概率結構和參數穩定性的角度可以把計量經濟學劃分為傳統計量經濟學和現代計量經濟學，概率結構已知但參數未知的問題是傳統計量經濟學的研究對象；而概率結構和參數都未知，以及概率結構和參數不穩定的問題，則是現代計量經濟學的研究對象。現代計量經濟學主要研究時間序列數據。

指各變數偏離穩態的波動值，它們一般都是平穩過程。

校準法是通過參數的設置生成一些模擬結果比如變數的周期性和變化幅度，並將模擬結果與經濟周期的特徵事實相比較的評價方法。

雖然胡永剛和劉方(2007)注意到了流動性約束對經濟波動的影響，但他們的模型將兩類行為人的決策平均化為一個人，而不是在一個分散決策的經濟中開展分析，歸根結底，他們的模型還是一元情景的。

系指經驗事實的歸納和Granger因果檢驗。