动态计量方法在宏观经济学中的应用_2011年度诺贝尔经济学奖获得者学术成就评述 6页

·诺贝尔经济学奖专题·＊动态计量方法在宏观经济学中的应用———２０１１年度诺贝尔经济学奖获得者学术成就评述郭路刘霞辉内容提要：２０１１年度诺贝尔经济学奖授予了美国经济学家萨金特和西姆斯，以表彰他们在动态计量经济学和货币政策方面做出的杰出贡献。本文偏重于总结获奖者在方法论、计量思想方面的研究，并延伸到应用评述，同时，总结获奖成就对中国经济学研究以及经济决策的借鉴意义。关键词：诺贝尔经济学奖动态计量经济学萨金特西姆斯萨金特（ＴｈｏｍａｓＳａｒｇｅｎｔ）和西姆斯（Ｃｈｒｉｓｔｏ－批判”，在动态随机的环境中，经济人会根据变化的ｐｈｅｒＳｉｍｓ）分享２０１１年度诺贝尔经济学奖，可以认经济环境随时调整自身的参数。这样摆在计量经济为是对新古典宏观经济学动态建模的肯定。但萨金学家面前的问题就是如何使用随机性的数据来体现特、西姆斯与卢卡斯、普雷斯科特的所谓“纯粹理论理性预期思想。代表动态分析的时间序列分析中，家”（ＰｕｒｉｓｔｏｆＴｈｅｏｒｙ）有所不同，他们更重视实证对一个ＡＲ（自回归）过程的估计，可以转化为一个与理论的结合，更强调从数据出发对经济理论进行无限期随机项的ＭＡ（移动平均）过程。这样就可以验证，这些思想一直贯穿在他们的研究之中。本文利用代表经济随机性的误差项对真实经济参数进行侧重总结他们在方法论、计量思想方面的研究。估计了。最早把理性预期加入计量经济学的思想可以体现在萨金特（１９７１）的工作中，萨金特在计量检一、萨金特的动态计量经济学思想与方法验中暗含了理性预期的思想。真正在实证分析中体萨金特的成就可以追溯到上世纪７０年代他在现理性预期的思想应该是汉森、萨金特（１９８０）的工明尼苏达大学时的工作。他在明尼苏达大学工作期作，他们利用交叉方程约束（ｃｒｏｓｓ－ｅｑｕａｔｉｏｎｒｅ－间正是卢卡斯（ＲｏｂｅｒｔＬｕｃａｓ）等人通过“理性预期”①交叉方程约束包ｓｔｒｉｃｔｉｏｎｓ）条件来体现理性预期。革命，使传统的凯恩斯主义宏观经济学向新古典宏括待估计的经济参数和误差项，如果是理性预期思观经济学迈进的关键时期。新古典宏观经济学和旧想，则估计出的参数就应该与经济人主观预期的参的宏观经济学相比，不仅具有微观经济基础，还使得数相一致。如果对一个没有理性预期的动态模型进经济分析从静态跨向动态分析。萨金特不仅是一位行估计，就需要对代表经济人主观预期的参数和真新古典宏观经济学的倡导者，还是一位动态计量经实参数一起进行估计。而在理性预期的模型中，由济学的开创者。尽管萨金特在上世纪７０－８０年代于经济人的预期参数和真实参数是一致的，这样就主要从事动态计量经济学工作，但在货币经济学、货可以通过减少交叉方程约束来对参数进行估计。在币史方面也做出了一定的贡献。下面我们主要介绍这篇论文中，萨金特和汉森把对经济人决策规制萨金特动态计量经济学方面的工作。（ｄｅｃｉｓｉｏｎｒｕｌｅ）的参数转化为对经济人目标函数参（一）对理性预期的计算数的估计。通过对目标函数参数的估计，可以判断萨金特的工作是怎样在计量中体现新古典宏观当经济环境改变时经济人的决策行为。他们使用了经济学的基本假设———“理性预期”。根据“卢卡斯一个具有托宾ｑ值的厂商优化模型来体现理性预期＊郭路，中国社会科学院经济所，邮政编码：１００８３６，电子邮箱：ｇｕｏｌｕ＠ｒｕｃ．ｅｄｕ．ｃｎ；刘霞辉，中国社会科学院经济所，邮政编码：１００８３６，电子邮箱：ｌｉｕ＿ｘｈ＠ｃａｓｓ．ｏｒｇ．ｃｎ。—９８— 《经济学动态》２０１１年第１２期的思想。厂商的目标函数为：和普雷斯科特（１９７１）的工作提供了一个可以用于检Ｎ验的模型。尽管理性预期计量的思想比较简单，但ｊ［（γ）ｎ（γ／２）ｎ２ｌｉｍＥｔ∑β０＋αｔ＋ｊ－ｗｔ＋ｊｔ＋ｊ－１ｔ＋ｊ－Ｎ∞ｊ＝０是对这类问题的估计和检验很复杂。为此，汉森、萨（δ／２）（ｎ）２］（１．１）ｔ＋ｊ－ｎｔ＋ｊ－１金特（１９８０）对这类问题的估计和检验又进行了详尽其中，β为贴现率，ｎｔ是第ｔ期的劳动力投入，ａｔ的分析。在汉森、萨金特（１９８０）的工作中，他们通过是第ｔ期的技术冲击，ｗｔ是第ｔ期的均衡工资率。构造一个向量自回归过程对理性预期的利息期限结γ０、γ１、δ分别为大于零的常数，这些常数是需要进构进行估计（ＭＬＥ）和检验（Ｌｉｋｅｈｏｏｄｒａｔｉｏｔｅｓｔ）。行估计的。技术冲击符合一个ＡＲ（ｑ）过程，该过程汉森、萨金特（１９８２）又把这类研究扩展到了工具变具体如下所示：ａ…＋αａ。其中，ｔ＝α１ａｔ－１＋ｑａｔ－ｑ＋ｖｔ量方面。利用工具变量与误差项的协方差对参数进ａ是技术冲击过程的扰动项。这样上式就可以转ｖｔ行估计。在某种程度上，这种估计可以看成是广义化为：α（Ｌ）ａａ，其中，Ｌ是滞后算子。另外，ｗ是ｔ＝ｖｔｔ矩估计（ＧＭＭ），此后，汉森（１９８２）又通过大样本条一个向量自回归过程（ｘｔ）中的第一个元素，该自回件下的广义矩估计法进行了详细的分析。归满足ξ（Ｌ）ｘｘ，ｖｘ为该自回归过程的误差向ｔ＝ｖｔｔ（二）经济人的学习机制量。厂商对所雇佣的劳动力进行选择使长期利润最如果说萨金特在上世纪７０、８０年代初的有关工大的行为满足欧拉条件，并递归求得最优劳动力使作主要是如何在动态计量模型中体现理性预期，在用为：８０年代后期，萨金特则把如何形成理性预期的机制Ｎｎ（）ｊ放入到计量模型中。马赛特（Ｍａｒｃｅｔ）和萨金特ｔ＝ρｎｔ－１－（ρ／δ）∑βρＥｔ［ｗｔ＋ｊ－ａｔ＋ｊ－γ０］ｊ＝０（１９８９ａ）在线性随机模型中考虑了经济人的学习机（１．２）制，在一定的时期内，经济人可以通过学习对经济的其中，ρ是一个大于零小于１的常数。运用维未来准确地预测。当经济人的学习过程是一个最小纳－柯尔莫戈洛夫（Ｗｉｅｎｅｒ－Ｋｏｌｍｏｇｏｒｏｖ）算子把二乘过程时，经济人可以通过学习预测到真实的经上式中的ｔ＋ｊ期的工资率和技术冲击内生化，可济参数。由于经济人对真实参数的估计是一个渐近得：过程，因此就需要考虑经济的参数估计能否收敛到ｒ－１ｒ－１［Ｉ＋∑（∑（λ）ｋ－ｊｎｔ＝ρｎｔ－１－（ρ／δ）Ｕξ（λ）真实参数。马赛特和萨金特假设当学习算子有唯一ｊ＝１ｋ＝ｊ＋１ｑ－１ｑ一个不动点时，经济人所估计的参数会渐近收敛到）Ｌｊ］ｘ（／δ）α（λ）－１［１＋∑（∑（λ）ｋ－ｊｊ］ａξｋｔ＋ραｋ）Ｌｔｊ＝１ｋ＝ｊ＋１真实参数。同年，马赛特和萨金特（１９８９ｂ）在经济＋ργ０／［δ（１－λ）］（１．３）人的最小二乘学习过程中加入了私人信息与隐藏状其中，λ＝βρ，Ｕ是一个１×Ｐ维的列向量，该向态变量（ｈｉｄｄｅｎｓｔａｔｅｖａｒｉａｂｌｅｓ），这意味着当经济人量的第一个元素为１，其他元素为零。ｘｔ的滞后期在第ｔ期做决策时，只能在有关自己和其他经济人ｑ－１ｑ为ｒ。定义π（Ｌ）＝ρ－１［１＋∑（∑（λ）ｋ－ｊα（λ）αｋ）历史信息和自身当期信息的情况下进行决策。马赛δｊ＝１ｋ＝ｊ＋１Ｌｊ］，则上式中的误差项ｅ为：α（Ｌ）ｅ（Ｌ）ｖａ，定特和萨金特证明在该情况下经济人所估计的参数渐ｔｔ＝πｔｒ－１ｒ近收敛到真实参数。由于经济人的决策依赖于历史义μ（Ｌ）＝（ρ／δ）ξ（λ）－１［Ｉ＋∑（∑（λ）ｋ－ｊ）Ｌｊ］，ｃξｋｔ信息，经济人需要使用观测到的变量通过自回归对ｊ＝１ｋ＝ｊ＋１ａｘ，其中ｖｖｘ是在给定ｖｘ的时候，对ｖａ的线＝ｖｔ－ｖｖｔｔｔｔ未来进行预测。由于信息集是历史信息（无限期信性最小二乘算子。则可得第ｔ期的最优劳动力投入息集），因此自回归的滞后阶数就应该趋于无限，这为：在计量中无法实现。对此，萨金特（１９９１）使用自回－１［（Ｌ）＋π（Ｌ）α（Ｌ）－１ｎｔ＝（１－ρＬ）μｖξ（Ｌ）］ｘｔ归移动平均过程（ＡＲＭＡ）来克服自回归滞后阶数－１－１＋（１－ρＬ）π（Ｌ）α（Ｌ）ｃｔ（１．４）过多的问题。假设，Ｅｃ，Ｅｖｘｘ′，ｊ≠０。Ｅｃｘｔｃｔ－ｊ＝０ｔｖｔ－ｊ＝０ｔｖｔ－ｊ＝０如果说递归方法是动态随机一般均衡分析的基。对上式通过极大似然法估计出参数：γ０、γ１、δ、ｖ、α础，那么萨金特所使用的随机差分方程则给经济实（Ｌ）、ξ（Ｌ）。由于所估计的参数是具有理性预期的证提供了理论与应用基础。在动态随机一般均衡分经济人所优化目标中含有的参数以及技术冲击参析中，学者们首先建模得到具有参数的均衡解，然后数，这样就可以通过所估计的参数来体现理性预期通过对参数进行赋值和校准，得到模型所模拟的状了。利用这种思想和方法，萨金特（１９８１）对卢卡斯况，然后利用模拟值与真实经济进行比较分析。而—９９— 萨金特在考虑宏观经济的动态问题上，把一个经济为此，我们分别介绍西姆斯在计量经济学方面和动递归问题理解为一个自回归过程（ＡＲ），递归经济的态一般均衡方面的研究。解可以通过自回归过程的参数和边界条件得到。这（一）对经济周期的计量研究样，动态经济问题中（如具有跨期调整成本的厂商利对经济周期计量研究可以从两种不同的形式展润最大化问题）的自回归过程参数就需要通过计量开。一是利用频域分析中的角频来体现周期，或是的方式得到。由于动态宏观经济问题被理解为一个利用时域分析中的参数和误差项体现周期。西姆斯自回归过程，因此，动态宏观经济学就与计量经济学（１９７２ｂ）对时间序列的频域与时域分析等价性问题中的时间序列分析得到了很好的结合，使得宏观经进行了研究。他发现在一个Ｌ２（二次可积函数）度济分析不会局限于纯粹计量分析或是理论模拟。量空间中，具有滞后分布的时间序列分析的时域空（三）萨金特方法的应用间和频域空间是等距同构的。通过这个度量空间，萨金特方法论方面的工作可以很好地对实证工时域分析和频域分析就可以互相转化。最小二乘的作进行指导。比如在消费方面的研究中，观测到的最小估计误差就可以转换为在频域空间中的估计参消费序列是很平滑的，而收入的波动就比较大，运用数最小平方可积。１９７４年西姆斯利用这种转换，对旧宏观经济学理论是很难解释这种现象的。如果运如何在回归中消除季节因素提出了一种处理方法。用动态分析，当效用函数是二次函数，收入水平是一该方法是通过选择一些滤子（ｆｉｌｔｅｒ）对原序列进行个平稳序列时，消费是收入的加权平均。这样就在某种形式的转换，并使得转换后的解释序列与误差消费理论中，解释了消费序列的平滑和收入序列的项正交。当这些滤子在季节频率中出现偏斜非平滑特征。利用动态计量的方法，萨金特等人（ｄｉｐｓ），就可以消除原序列的季节因素。西姆斯认（Ｓａｒｇｅｎｔ，Ｆａｎｄ＆Ｇｏｌｄｆｅｌｄ，１９７３）对产出、失业为，尽管这些滤子在理论上是可行的，但在实证中这率、货币发行、价格、工资、政府赤字等方面进行了实些滤子未必能完全消除季节性因素，因此如果有消证分析，证明了真实利率与通胀率是无关的。５年除了季节性因素的数据，最好还是使用这些消除了后，萨金特（１９７８ａ）对弗里德曼（Ｆｒｉｅｄｍａｎ）的“永久季节性因素的数据。收入假说”给出了检验。尽管实证结果有些缺陷，但（二）扩展格兰杰因果性检验实证结果支持了“永久收入假说”。同样在劳动力需西姆斯（１９７２）对格兰杰（Ｇｒａｎｇｅｒ）因果性检验求和工资方面，动态分析就比静态分析能更好地解进行了扩展。在经典的格兰杰因果检验中，变量之释实际经济情况，经典的静态分析简单认为，真实工间因果关系的确定是假设一个变量为被解释变量而资对厂商的劳动力需求是负相关的，而在实际中，工另外一个变量的不同滞后值③为解释变量时，回归资和劳动力的关系很复杂，真实工资的提高很可能后的整体性检验是否成立。该检验只考察变量与滞引起劳动力需求的减少，但劳动力需求的减少往往后变量的整体性关系，这意味着仅需要考察一个变未必会引起真实工资的提高。经济变量间的动态关量的历史信息对另外一个变量所产生的影响。格兰系往往比它们的静态关系更加显著。为此，萨金特杰因果检验是检验历史信息所产生的因果性，西姆（１９７８ｂ）对厂商的劳动力动态需求进行了估计，以斯把格兰杰因果性的思想扩充到对未来信息检验方解释真实经济中劳动力需求和真实工资的关系。②面，其检验的思想与格兰杰因果检验的思想正好相反。西姆斯认为在时间序列分析中，当解释变量是二、西姆斯的动态计量经济学思想与方法外生的时，对变量的滞后值进行联合检验会存在问相对于萨金特研究方向的多样性，学术生涯同题。西姆斯因果性检验是比较一个变量为被解释变样起始于明尼苏达大学的西姆斯则更加集中于计量量与另外一个变量的未来值④为解释变量时，回归经济学方面的研究，即使有实证方面的工作，也往往后的整体性检验是否成立。西姆斯利用这个检验对是对其所开发的计量方法的延伸应用。上个世纪美国的产出和货币存量的因果关系进行研究发现，７０－８０年代，西姆斯的工作主要集中在对经济周期货币存量是产出的原因，而产出不是货币存量的原计量和计量方法方面。进入９０年代，西姆斯与李普因。在货币研究方面，西姆斯（１９８３）对货币是否是尔（Ｌｅｅｐｅｒ）合作，在动态一般均衡的框架下研究财引起经济周期变化的实证工作提出了置疑，西姆斯政、货币政策。尽管后期研究方向有所变化，但西姆从经济理论的角度对这类实证工作提出了反驳。在斯与萨金特相比，更像一位典型的计量经济学家。货币是否是引起经济周期变化的实证工作中，典型—１００— 《经济学动态》２０１１年第１２期的分析思路是用滞后期的货币对当期的产出进行回往需要对所估计的分布滞后增加平滑（ｓｍｏｏｔｈｎｅｓｓ）归，然后使用滞后期的产出与当期货币进行回归，以约束以使得估计准确。西姆斯在《宏观经济学与真验证货币和产出的因果性。西姆斯利用ＭＩＵ模型实性》（１９８０）一文中总结了联立方程组的识别问题，发现，当时间间隔较短且效用函数是分离可加时，滞并介绍了向量自回归方法（ＶＡＲ）。在大型联立方后期的货币对当期产出的影响总是显著的。也就是程的参数识别方面，往往需要引入先验约束（ｐｒｉｏｒｉ说，这类实证的结果总是会得到“货币是产出的原ｒｅｓｔｒｉｃｔｉｏｎｓ）来进行参数识别。西姆斯认为大型的因”。西姆斯的思路是在一个具有货币的经济中，经联立方程存在很多难以克服的识别问题，比如结构济人的目标是为了长期效用最大。资本和真实货币性的大模型很难识别，只能用简化形式来替代；动态的转移动态满足下式：模型的参数识别需要更多的外生变量；如果考虑理Ｍｔ／Ｐｔ＋Ｋｔ＝ｆ（Ｋｔ）－ＣｔＴｔ＋εｔ（２．１）性预期因素，那么模型参数识别将会更加困难。由其中，Ｍｔ是货币的增量，Ｋｔ为资本的增量，ｆ于先验约束给联立方程组的识别带来如此之多的问（Ｋｔ）是生产函数，Ｐｔ为第ｔ期的名义价格，Ｔｔ为第ｔ题，西姆斯认为向量自回归是一个可行的办法。在期的税率，Ｃｔ为第ｔ期的消费，εｔ是一个扰动，满足模型的参数识别方面，将不再需要引入更多的先验Ｅεｔ＝０。经济人的目标函数为：约束。林文夫（Ｈａｙａｓｈｉ）和西姆斯（１９８３）对汉森和ＭａｘＥ∫∞－δｔ·［Ｕ（Ｃ）＋Ｈ（Ｍ／Ｐ）］·ｄｔ萨金特（１９８２）中提出的具有理性预期的计量方法进０ｅｔｔｔ（２．２）行了一定扩展。在汉森和萨金特的工作中，需要在通过上式，我们可以看到，经济人的效用函数分工具变量和误差项是不相关、误差项没有序列相关为两部分，其中一部分是关于消费的效用函数，另一的条件下进行估计。林文夫和西姆斯把汉森和萨金部分是关于真实货币余额的效用函数。由于经济中特的估计前提放松到误差项具有序列相关的情况的转移动态是随机的，使得消费也将是随机的，当效中，他们发现通过当期和滞后的工具变量与误差项用函数中的消费是对数形式时，通过Ｈａｍｉｌｔｏｎ算正交，可以渐近得到关于参数的一致估计，或者通过子，消费将满足下式：提前过滤估计（ｆｏｒｗａｒｄ－ｆｉｌｔｅｒｅｄｅｓｔｉｍａｔｉｏｎ）得到ＬｏｇＣ∞［ｆ′（Ｋ）＋γ＋δ］ｄｔ＋Γ（２．３）参数的一致估计。ｔ＝－∫０Ｅｔｔ其中，Γ是关于效用函数的误差项。对消费求西姆斯在《模型中的不确定性》（１９８８）中对实证导，可得：分析中存在的问题做出了总结。西姆斯认为，在贝ｄＬｏｇＣ′（Ｋ）＋γ－δ）ｄｔ＋（２γ）１／２叶斯分析中，由于某些参数是无法量化或量化不够ｔ＝（ｆｔｄＷｔ（２．４）准确，因此无法使用事前（ｐｒｉｏｒ）概率分布给参数赋其中，Ｗｔ为维纳过程，２γ为随机微分方程的方值。研究者出于简化模型的需要，往往只估计有限的参数，这样会导致事前事件的似然性降低。⑤在实差。由于消费不是确定的，在真实经济中，消费的增长率（ｇ）往往满足ｇ＝ｆ′（Ｋ）＋γ－δ＝０，因此当δ→证中，研究者往往选择通过检验的模型，这就类似贝ｔ叶斯分析。在时间序列分析中，通过模型检验选择０时２］模型形式的方法并不可靠，检验的显著性会受到样Ｅｔ［Ｃｔ＋δ－ＥＣｔ＋δ）２→１（２．５）Ｅｔ［（Ｃｔ＋δ－Ｃｔ）］本量的影响，而不是样本本身。另外，研究者往往利式（２．５）的左侧可以看成是关于消费的格兰杰用估计好的模型进行事后检验，通过对未来值的拟因果检验，该式意味着，当时间间隔很小时，总是能合以检验模型是否合适，这种方法仅仅适用于短期得到关于消费的格兰杰因果关系。由于效用函数中情形，模型无法在长期内准确成立。在预测方面，往的消费和货币余额是分离可加的，所以也可以得到往需要正则性和协方差平稳的前提，然而在实际预关于名义货币余额的格兰杰因果关系。西姆斯的这测方面，非正则性和非平稳性会经常出现，这使得预个思想无疑使得那些利用货币作为先行指标来分析测误差变得很大。宏观经济变量的工作不再值得相信。（四）宏观经济学中统计方法的使用（三）连续时间计量转化为离散时间计量思想对宏观经济学中统计方法的使用，西姆斯在《宏西姆斯（１９７１）对如何把连续时间计量转化为离观经济学和方法论》（１９９６）一文中采取了“中性”的散时间计量进行了研究。西姆斯认为当把具有连续态度。他认为统计方法在经济学中的使用与在科学时间分布滞后的计量转化为离散时间的计量时，往中的使用是有所不同的。宏观经济学无法进行试—１０１— 验，经济学家只能利用其所得到的数据对理论进行以及逻辑起点。验证。由于使用统计技术的困难，人们很可能接受萨金特与西姆斯的获奖无疑是对动态宏观计量简单的（能被统计方法检验的）理论，而忽视了复杂经济学的一种肯定。他们的工作成果在经济学研究的（无法被统计方法检验的）理论。在经济学研究方中得到了广泛的应用。从理论方面看，如果说卢卡法中，西姆斯认为货币主义修辞式的研究方法存在斯、普雷斯科特等人建立了宏观经济学的微观基础，明显缺点，学者们仅仅提出观点，而缺乏详细的论并完善了新古典宏观经济学的理论；萨金特、西姆斯证。西姆斯也对动态随机一般均衡（ＤＳＧＥ）提出了等人则发展与完善了新古典宏观计量经济学。与经置疑，西姆斯认为由于经典的真实周期模型忽视了典凯恩斯式的宏观经济学相比，新古典宏观经济学对真实数据的分析，使得该模型所产生的波动和真引入了时间、均衡等概念，这使得新古典宏观经济学实产出的波动显著不同。由于真实经济周期认为经具有了美感。但与其说经济学家被新古典宏观经济济中的波动来自于外生冲击（技术进步），所以，很难学的美感所吸引，不如说新古典宏观经济学更能有说真实周期模型是得到很好检验的理论（ｗｅｌｌ－力地解释现实经济。在动态计量方面，萨金特、西姆ｔｅｓｔｅｄｔｈｅｏｒｙ）这使得动态随机一般均衡方法很难斯等人使小样本的最小二乘估计被放弃，取而代之在经济政策选择中使用，它很难判断哪些经济政策的是大样本的极大似然估计、广义矩估计、贝叶斯估是合适的。对此李普尔（Ｌｅｅｐｅｒ）和西姆斯（１９９４）、计等方法。虽然这些方法可以克服最小二乘估计的西姆斯（１９９８）在真实经济周期的框架下考虑了财政一些缺陷并使计量思想与经济思想更加一致，但也政策和货币政策与政府预算约束，使得该分析方法存在一些问题。首先，这些方法都可以看成是参数具有一定的政策应用前景。估计，都需要估计出明确的参数，并用这些参数来验证经济理论。但是很难说经济人的长期决策就是依三、评述及对中国经济研究的借鉴赖于这些基本不变的参数。其次，在估计前还需要萨金特和西姆斯都在动态计量经济学方面做出对估计方程进行设定，而对模型的设定往往需要在了重要的工作，他们的工作和纯粹的经济理论研究经济理论和估计效果之间进行权衡，往往估计效果有很大不同，他们强调经济理论与真实经济的结合。好的设定与经济理论相悖。再次，估计方法在应用但是两人的研究方式有所不同。萨金特强调利用计中还存在一些不足，比如在广义矩估计中，柯西分布量的手段对经济理论进行验证。为此，他针对理性将造成估计的二阶矩不存在，贝叶斯估计中的研究预期在宏观经济学的引入，构造新的计量和检验方者的先验选择会对估计结果产生较大影响。法。萨金特工作的优点是经济理论与经验分析能很萨金特、西姆斯的工作同样对真实经济部门的好结合，通过相对不变的参数和经济扰动来解释经决策产生很大影响。经济政策当局的决策是否会引济变量的变化，萨金特给出了一个理想的分析框架。起相应的效果，货币政策对真实产出是中性的吗？这个框架不得不承认还有一些缺点：比如所估计的财政支出对私人经济是完全挤出的吗？到底是经济经济参数未必是长期不变的；由于有限期优化使得人的行为促使了经济政策的产生，还是经济政策的分析变得复杂，因此在分析中往往采用了无限期模变化改变了经济人的行为。对以上问题的回答需要型；另外，在使用扰动对参数进行估计时，对一个随对决策和经济变量进行因果性研究。只有搞清了经机变量来说，分析者是无法区分是由哪些扰动造成济政策和真实经济变量的关系，才能使政策当局做的；最后，使用包含了许多信息的数据对一个局部均出正确决策。其次，在制定经济政策时，需要分析经衡模型进行估计未必是可行的。西姆斯则更强调从济人对政策是否会做到理性预期，经济人的理性与数据本身出发对经济理论进行验证，这可以从他早否将会使得经济政策的效果完全不同。另外，在经期在经济周期、因果律和向量自回归的工作中得到济变量的因果性、冲击响应、波动分解等方面，ＶＡＲ体现。尽管西姆斯在后期转向了动态一般均衡的研具有天然优势，它不仅可以使得政策制定者合理制究，但是仍旧可以认为他是一位纯计量经济学家。定政策、还能对经济政策进行合适的评估。政策当西姆斯所倡导的方法简化了大型计量模型，使得估局还能通过结构向量自回归（ＳＶＡＲ），分析经济政计和预测变得相对精确，但他的方法与经济理论联策的长期效应和短期效应。最后，政策当局还需要系得不紧密，使用者往往不知道该方法的经济基础分析经济政策效果的持续性，如果经济人需要对某—１０２— 《经济学动态》２０１１年第１２期些经济政策有一个逐步认识的过程，且通过这种学ｖｅｒｓｙ"，ＪｏｕｒｎａｌｏｆＭｏｎｅｙ，Ｃｒｅｄｉｔ，ａｎｄＢａｎｋｉｎｇ３：７２１－习，经济人会最终认识到真正的经济政策，那么政策７２５．当局就必须考虑学习过程中经济变量的变化，经济Ｓａｒｇｅｎｔ，Ｔ．Ｊ．（１９７８ａ），"Ｅｓｔｉｍａｔｉｏｎｏｆｄｙｎａｍｉｃｌａｂｏｒｄｅ－ｍａｎｄｓｃｈｅｄｕｌｅｓｕｎｄｅｒｒａｔｉｏｎａｌｅｘｐｅｃｔａｔｉｏｎｓ"，Ｊｏｕｒｎａｌｏｆ政策需要多长时间才能达到应有的效果。如果真实ＰｏｌｉｔｉｃａｌＥｃｏｎｏｍｙ８６（６）：１００９－１０４４．经济的确体现了某种程度的理性预期（至少在美国Ｓａｒｇｅｎｔ，Ｔ．Ｊ．（１９７８ｂ），"Ｒａｔｉｏｎａｌｅｘｐｅｃｔａｔｉｏｎｓ，ｅｃｏｎｏｍｅｔｒｉｃ是这样），那么经济政策的制定者需要考虑理性经济ｅｘｏｇｅｎｅｉｔｙ，ａｎｄｃｏｎｓｕｍｐｔｉｏｎ"，ＪｏｕｒｎａｌｏｆＰｏｌｉｔｉｃａｌＥｃｏｎｏ－人对经济政策的反映。考虑到经济信号的传递以及ｍｙ８６（４）：６７３－７００．经济人的学习过程。可以看到，萨金特、西姆斯所提Ｓａｒｇｅｎｔ，Ｔ．Ｊ．（１９８１），"Ｉｎｔｅｒｐｒｅｔｉｎｇｅｃｏｎｏｍｉｃｔｉｍｅｓｅｒｉｅｓ"，出的思想与方法不仅在中国经济学的研究领域，而ＪｏｕｒｎａｌｏｆＰｏｌｉｔｉｃａｌＥｃｏｎｏｍｙ８９（２）：２１３－２４８．且还将在经济决策分析中得到广泛应用。Ｓａｒｇｅｎｔ，Ｔ．Ｊ．（１９９１），"Ｅｑｕｉｌｉｂｒｉｕｍｗｉｔｈｓｉｇｎａｌｅｘｔｒａｃｔｉｏｎ注：ｆｒｏｍｅｎｄｏｇｅｎｏｕｓｖａｒｉａｂｌｅｓ"，ＪｏｕｒｎａｌｏｆＥｃｏｎｏｍｉｃＤｙｎａｍ－①在这里理性预期的含义是经济人的主观信念是均衡概率ｉｃｓａｎｄＣｏｎｔｒｏｌ１５：２４５－２７３．分布的条件。Ｓａｒｇｅｎｔ，Ｔ．Ｊ，Ｄ．Ｆａｎｄ＆Ｓ．Ｇｏｌｄｆｅｌｄ（１９７３），"Ｒａｔｉｏｎａｌｅｘ－②厂商的目标函数是贴现跨期利润最大，劳动力的固定劳动ｐｅｃｔａｔｉｏｎｓ，ｔｈｅｒｅａｌｒａｔｅｏｆｉｎｔｅｒｅｓｔ，ａｎｄｔｈｅｎａｔｕｒａｌｒａｔｅｏｆ和加班对厂商的调整成本产生影响，进而影响厂商的跨期ｕｎｅｍｐｌｏｙｍｅｎｔ"，ＢｒｏｏｋｉｎｇｓＰａｐｅｒｓｏｎＥｃｏｎｏｍｉｃＡｃｔｉｖｉｔｙ选择。（２）：４２９－４８０．③即一个第ｔ期的变量对另外一个变量的第ｔ－１，ｔ－２，…，Ｓｉｍｓ，Ｃ．Ａ．（１９７１），"Ｄｉｓｃｒｅｔｅａｐｐｒｏｘｉｍａｔｉｏｎｓｔｏｃｏｎｔｉｎｕｏｕｓ期数据进行回归。ｔｉｍｅｄｉｓｔｒｉｂｕｔｅｄｌａｇｓｉｎｅｃｏｎｏｍｅｔｒｉｃｓ"，Ｅｃｏｎｏｍｅｔｒｉｃａ３９④即一个第ｔ期的变量对另外一个变量的第ｔ＋１，ｔ＋２，…，（３）：５４５－５６３．期数据进行回归。Ｓｉｍｓ，Ｃ．Ａ．（１９７２），"Ｍｏｎｅｙ，ｉｎｃｏｍｅ，ａｎｄｃａｕｓａｌｉｔｙ"，Ｔｈｅ⑤贝叶斯估计可以理解为，对一个具有先验概率分布函数的ＡｍｅｒｉｃａｎＥｃｏｎｏｍｉｃＲｅｖｉｅｗ６２（４）：５４０－５５２．似然函数进行参数估计。Ｓｉｍｓ，Ｃ．Ａ．（１９７２ｂ），"Ｔｈｅｒｏｌｅｏｆａｐｐｒｏｘｉｍａｔｅｐｒｉｏｒｒｅｓｔｒｉｃ－参考文献：ｔｉｏｎｓｉｎｄｉｓｔｒｉｂｕｔｅｄｌａｇｅｓｔｉｍａｔｉｏｎ"，ＪｏｕｒｎａｌｏｆｔｈｅＡｍｅｒｉ－Ｈａｎｓｅｎ，Ｌ．＆Ｔ．Ｊ．Ｓａｒｇｅｎｔ（１９８０），"Ｆｏｒｍｕｌａｔｉｎｇａｎｄｅｓｔｉ－ｃａｎＳｔａｔｉｓｔｉｃａｌＡｓｓｏｃｉａｔｉｏｎ６７（３３７）：１６９－１７５．ｍａｔｉｎｇｄｙｎａｍｉｃｌｉｎｅａｒｒａｔｉｏｎａｌｅｘｐｅｃｔａｔｉｏｎｓｍｏｄｅｌｓ"，Ｊｏｕｒ－Ｓｉｍｓ，Ｃ．Ａ．（１９７４），"Ｓｅａｓｏｎａｌｉｔｙｉｎｒｅｇｒｅｓｓｉｏｎ"，ＪｏｕｒｎａｌｏｆｎａｌｏｆＥｃｏｎｏｍｉｃＤｙｎａｍｉｃｓａｎｄＣｏｎｔｒｏｌ２：７－４６．ｔｈｅＡｍｅｒｉｃａｎＳｔａｔｉｓｔｉｃａｌＡｓｓｏｃｉａｔｉｏｎ６９（３４７）：６１８－６２６．Ｈａｎｓｅｎ，Ｌ．＆Ｔ．Ｊ．Ｓａｒｇｅｎｔ（１９８２），"ＩｎｓｔｒｕｍｅｎｔａｌｖａｒｉａｂｌｅｓＳｉｍｓ，Ｃ．Ａ．（１９８０），"Ｍａｃｒｏｅｃｏｎｏｍｉｃｓａｎｄｒｅａｌｉｔｙ"，Ｅｃｏｎｏ－ｐｒｏｃｅｄｕｒｅｓｆｏｒｅｓｔｉｍａｔｉｎｇｌｉｎｅａｒｒａｔｉｏｎａｌｅｘｐｅｃｔａｔｉｏｎｓｍｏｄ－ｍｅｔｒｉｃａ４８（１）：１－４８．ｅｌｓ"，ＪｏｕｒｎａｌｏｆＭｏｎｅｔａｒｙＥｃｏｎｏｍｉｃｓ９：２６３－２９６．Ｓｉｍｓ，Ｃ．Ａ．（１９８３），"Ｉｓｔｈｅｒｅａｍｏｎｅｔａｒｙｂｕｓｉｎｅｓｓｃｙｃｌｅ？"，Ｆｕｍｉｏ，Ｈ．＆Ｃ．Ａ．Ｓｉｍｓ（１９８３），"Ｎｅａｒｌｙｅｆｆｉｃｉｅｎｔｅｓｔｉｍａ－ＴｈｅＡｍｅｒｉｃａｎＥｃｏｎｏｍｉｃＲｅｖｉｅｗ７３（２）：２２８－２３３．ｔｉｏｎｏｆｔｉｍｅｓｅｒｉｅｓｍｏｄｅｌｓｗｉｔｈｐｒｅｄｅｔｅｒｍｉｎｅｄ，ｂｕｔｎｏｔｅｘ－Ｓｉｍｓ，Ｃ．Ａ．（１９８８），"Ｕｎｃｅｒｔａｉｎｔｙａｃｒｏｓｓｍｏｄｅｌｓ"，ＴｈｅＡ－ｏｇｅｎｏｕｓｉｎｓｔｒｕｍｅｎｔｓ"，Ｅｃｏｎｏｍｅｔｒｉｃａ５１（３）：７８３－７９８．ｍｅｒｉｃａｎＥｃｏｎｏｍｉｃＲｅｖｉｅｗ７８（２）：１６３－１６７．Ｅｒｉｃ，Ｌ．＆Ｃ．Ａ．Ｓｉｍｓ（１９９４），"Ｔｏｗａｒｄａｍｏｄｅｒｎｍａｃｒｏ－Ｓｉｍｓ，Ｃ．Ａ．（１９９６），"Ｍａｃｒｏｅｃｏｎｏｍｉｃｓａｎｄｍｅｔｈｏｄｏｌｏｇｙ"，ｅｃｏｎｏｍｉｃｍｏｄｅｌｕｓａｂｌｅｆｏｒｐｏｌｉｃｙａｎａｌｙｓｉｓ"，ＮＢＥＲＭａｃｒｏ－ＴｈｅＪｏｕｒｎａｌｏｆＥｃｏｎｏｍｉｃＰｅｒｓｐｅｃｔｉｖｅｓ１０（１）：１０５－１２０．ｅｃｏｎｏｍｉｃｓＡｎｎｕａｌ９：８１－１１８．Ｓｉｍｓ，Ｃ．Ａ．（１９９８），"Ｅｃｏｎｏｍｅｔｒｉｃｉｍｐｌｉｃａｔｉｏｎｓｏｆｔｈｅｇｏｖ－Ａｌｂｅｒｔ，Ｍ．＆Ｔ．Ｊ．Ｓａｒｇｅｎｔ（１９８９ａ），"Ｃｏｎｖｅｒｇｅｎｃｅｏｆｌｅａｓｔｅｒｎｍｅｎｔｂｕｄｇｅｔｃｏｎｓｔｒａｉｎｔ"，ＪｏｕｒｎａｌｏｆＥｃｏｎｏｍｅｔｒｉｃｓ８３：９ｓｑｕａｒｅｓｌｅａｒｎｉｎｇｍｅｃｈａｎｉｓｍｓｉｎｓｅｌｆ－ｒｅｆｅｒｅｎｔｉａｌｌｉｎｅａｒｓｔｏ－－１９．赵晶等，２０１１，《实证宏观经济学的因果分析范式》，《经济学ｃｈａｓｔｉｃｍｏｄｅｌｓ"，ＪｏｕｒｎａｌｏｆＥｃｏｎｏｍｉｃＴｈｅｏｒｙ４８：３３７－动态》第１１期。３６８．罗传健，２００７：《２００７年度美国经济学会会长萨金特学术贡Ａｌｂｅｒｔ，Ｍ．＆Ｔ．Ｊ．Ｓａｒｇｅｎｔ（１９８９ｂ），"Ｃｏｎｖｅｒｇｅｎｃｅｏｆｌｅａｓｔ献评介》，《经济学动态》第１１期。－ｓｑｕａｒｅｓｌｅａｒｎｉｎｇｉｎｅｎｖｉｒｏｎｍｅｎｔｓｗｉｔｈｈｉｄｄｅｎｓｔａｔｅｖａｒｉ－张进铭周才云，２００７：《西姆斯对宏观经济学与计量经济学ａｂｌｅｓａｎｄｐｒｉｖａｔｅｉｎｆｏｒｍａｔｉｏｎ"，ＪｏｕｒｎａｌｏｆＰｏｌｉｔｉｃａｌＥｃｏｎｏ－的贡献》，《经济学动态》第９期。ｍｙ９７（６）：１３０６－１３２２．Ｓａｒｇｅｎｔ，Ｔ．Ｊ．（１９７１），"Ａｎｏｔｅｏｎｔｈｅａｃｃｅｌｅｒａｔｉｏｎｉｓｔｃｏｎｔｒｏ－（责任编辑：李仁贵）—１０３—