DSGE模型的识别约束及参数校准优化

近年来，DSGE模型已成为宏观经济波动性研究和央行确定货币政策的重要分析工具。与此同时，对DSGE模型的识别和估计研究也备受计量经济学家们的广泛关注。Kydland＆Prescott（1982）率先提出了估计实际经济周期（RBC）模型的参数校准（calibration）方法，但是因无法对参数估计值进行有效的统计显著性检验而受到传统计量经济学派的批判。为此，计量经济学家们相继提出了许多可行的估计方法。例如，Christiano＆Eichenbaum（1992）利用广义矩方法（GMM）估计了一类改进的RBC模型；基于GMM原理，Mcfadden（1986）、Duffle＆Singleton（1993）等提出了模拟矩（SMM）估计方法；Kim（2000）以及白仲林等（2015）利用完全信息的极大似然估计方法估计DSGE模型并进行了脉冲响应分析；Smet＆Wouters（2003）利用Bayes方法对欧元区的DSGE模型进行了分析并获得良好的效果，而且，Bayes方法业已成为近年来DSGE模型的主流分析方法。例如，An＆Schorfheide（2007）和刘斌（2010）等。

由于DSGE模型是一类典型的结构模型，无论应用何种方法确定或估计结构参数，都必须首先讨论模型可识别性。事实上，若结构模型不可识别，则无法得出结构参数的一致估计。Ivana＆Serena（2011）指出，由于DSGE模型简化型的不确定性，使得对DSGE模型的识别研究始终没有形成统一的分析框架。上一节已经介绍了Ivana＆Serena（2011）给出的利用状态空间模型讨论DSGE模型可识别性的方法；Iskrev（2010）利用自协方差矩阵讨论了DSGE模型的局部识别问题。并且，Iskrev（2010）和Ivana＆Serena（2011）均发现，无结构参数约束的DSGE模型往往是不可识别的。尽管这些研究文献给出了检验模型可识别性的方法，或者提出了需要对哪些结构参数施加约束的方法，但是，对于结构参数的约束形式和如何施加约束并未给出切实可行的建议。然而，对结构参数约束形式的设定与选择又是理论与实务界十分关注并亟待解决的重要问题。

纵观有关建立DSGE模型的中外文献可见，近年来流行的Bayes分析方法一般是将结构参数区分为稳态模型参数（简称为稳态参数）和非稳态参数；并对一部分稳态参数进行参数校准，其余结构参数使用Bayes方法确定。例如，Smets＆Wouters（2003）指出“通过校准方法确定一些参数的数值相当于十分严苛的约束，可以根据稳态方程和观测变量的均值计算稳态参数的值”，他通过计算校准了5个稳态参数（折现因子、折旧率、资产产出率、劳动及资本分别占总产出的比例）。Smets＆Wouters（2003）特别指出“由于实际工资加成率λw不可识别，需对λw给出设定值”。对于包含5个稳态参数的5个稳态方程，An＆Schorfheide（2007）利用人均GDP增长率、通胀率和名义利率校准了3个稳态参数（通胀率、折现因子和平均技术增长率）；类似地，Smets＆Wouters（2007）校准了5个稳态参数（折旧率、外生的GDP消耗率、实际工资加成率、商品和劳动市场的Kimball聚合率和不可识别的实际工资加成率）。可见，在国外文献中，对于部分稳态参数一般根据可观测的均值（稳态估计值）求解稳态方程计算校准值，并且，对于不可识别的参数直接给出校准值。然而，在国内文献中，刘斌（2010）不仅指出所有稳态参数均需校准，而且，对稳态参数的校准方法也略有区别——一部分通过求解稳态方程计算校准值，另一部分参考类似研究引用相应参数的估计值。例如，胡志鹏（2014）、纪洋等（2015）等文献。由此可见，在使用Bayes分析方法求解DSGE模型之前，究竟需要校准几个稳态参数？以及校准哪些稳态参数？截至目前对于这些问题鲜有文献研究。(www.xing528.com)

本节将从DSGE模型结构识别的视角出发，把参数校准视为对结构模型施加的识别约束，期望利用DSGE模型识别的秩条件确定待校准的稳态参数以及需校准参数的个数。因此，本书以Gali（2008）描述的古典货币模型为基准模型，按照标准的建模过程得到DSGE模型，并且推导出该模型的非线性联立方程组系数的表达形式及其简化型；最后，应用第3章研究的结构参数模型的识别定理讨论结构参数的可识别性，进而确定模型的待校准稳态参数及其需校准参数的个数。