wizard324 发表于 2017-10-5 09:23
之前硕士论文做得是CGE,发现CGE里面的一些弊端,现在转到DSGE。说说自己对这两种方法差异的理解吧 ...
拿y来说,稳态值本身是没有特别的意义的,稳态值的比值才有意义,或者在比较不同情况下的稳态时才有意义。这个也好理解,我们在用其他计量方法的时候,一般用的也是经济增长率而基本上很难见到有用生产总值的。
回到dsge。比如说最初高宏里的索洛模型,它的均衡不是存量均衡而是增长率的均衡。这是RBC的最初形态。我们关注点是什么呢,罗默的高宏中,我们关注的是头上带小点的变量,即变量的导数或一阶差分,因为这个变量刻画了这个原始模型的动态情况。什么时候考察稳态值呢,罗默书中在分析消费的黄金率时才关注消费的稳态––换言之,在进行比较的时候稳态大小才有意义,比如如果你做福利分析,稳态值就有用了。这个我感觉概念上类似于序数效用。在简单线性非随机模型中,我们可以计算出一条“鞍点路径”,这条路径刻画了整个模型是怎样运动的––比如增加政府支出,模型会经历怎样的路径回到稳态,而这个过程中消费是怎样变化的呢––这恰恰是我们所关注的重点。回到最初那句话:我们不会关注中国居民消费了多少人民币的东西,我们只关心消费占gdp比值(比值有意义),或者消费增长了多少百分点(比较的意义)。我们最终目的就是要求出鞍点路径,它可以告诉我们想了解的一切。在dsge中,这条鞍点路径,就叫做政策函数(policy function)。
但是在非线性的、随机的模型中,鞍点路径没有解析解,因此我们只能用近似方法去求解(因为是非线性,我们要做线性化处理,因为随机,我们只能借助于数值求解),从而得到一条近似的政策函数,(the ABCs of RBCs一书中第5章的代码很生动地展现了这个逼近过程,当然那只是二阶markov即随机值只有两个的情况,真正dsge复杂到连展示都不可能,因为随机项不是服从简单的二项分布,而是样本点数无穷多的随机抽样的正态分布等分布)。所以说我们真正得到的,仅仅是鞍点路径在稳态附近极小邻域的部分,这个邻域的大小取决于数值计算方法,也取决于你线性化的阶数,但总之,我们总算得到了刻画模型动态的政策方程。接下来如何考察动态呢––脉冲响应。
鉴于我也只是初学阶段,所以有谬误还请多多指正。手机打字,我尽量用简单语言把我的理解说出来了。还请包涵