首页 理论教育 参数校准和数值模拟分析

参数校准和数值模拟分析

时间:2022-02-12 理论教育 版权反馈
【摘要】:接着,该似然函数结合结构参数的先验密度,进而得到参数的后验分布。设折现因子β的校准为0.99,这意味着每年稳态的实际利率为4%。这与Gali、 Gertler和Lopez-Salido的相应估计一致,但标准误差允许在三个季度到两年之间变化。第二组给出了通过Metropolis-Hastings抽样算法获得的参数后验分布的第5,第50和第95百分比。后验众数作为均值,相应的基于Hessian矩阵的估计作为标准误差。总体而言,大多数参数估计都与零显著地不同。这与Gali, Gertler和Lopez-Salido的结果相当一致。

(一)估计方法

为了估计上面的DSGE模型参数,我们对欧元区的七个关键的宏观经济变量使用1980年2月至1999年4月期间的数据:实际GDP,实际消费,实际投资,国内生产总值平减指数,实际工资,就业率以及名义利率。因为对大面积的资本存量、资本的价值或资本的租金率没有很好的度量标准,所以我们假定这些变量是不可观测的。此外,由于对欧元区总工作时间没有一致的欧元区数据可用,因此我们用就业率来进行替换。但因与总工作时间相比,就业变量可能对宏观经济冲击的响应更慢。因此假设,在任何给定的时间内只有个别厂商能够把就业调整到其所需总劳动投入的固定比例ξe,厂商整体存在差异,差异该是由每个雇主对工作时间未充分观测造成的。这样就产生以下就业辅助方程:

其中Êt表示就业人数。

该模型包含十个结构性冲击,仅有7个观测变量,引发了如何识别问题。本文假定结构性冲击是不相关的,还假定十个冲击中的四个,也即三个“成本推动型”的冲击和临时货币政策冲击,遵循一个白噪声过程,通过这样的假定可以完成识别。这使我们能够将这些冲击和持久性的“技术和偏好”的冲击以及通胀目标冲击区分开来。正如下面的讨论中,后者冲击下的自回归参数有比较严格的先验分布,其均值为0.85,标准误差为0.10,明确的将他们从白噪声冲击中区分出来。

为了计算观察数据序列的似然函数,我们使用了萨金特(1989)的卡尔曼滤波技术。接着,该似然函数结合结构参数的先验密度,进而得到参数的后验分布。在讨论估计结果之前,我们先讨论先验分布的选择。许多参数从一开始就保持固定,可以被看做是一个非常严格的先验。大多数参数可以直接与状态变量稳定状态的值相联系,因此可以从可观察变量的均值(或它们的线性组合)得到估计。但是,假定我们的观察变量数据质量被降低,就不能在估计过程中固定参数。设折现因子β的校准为0.99,这意味着每年稳态的实际利率为4%。设定折旧率τ为每季度0.025,这意味着资本年折旧等于10%。设α为0.30,大致意味着稳态的劳动收入份额占总产出的70%。稳态消费在总产出中的份额被假定为0.6,而稳态投资的份额被假定为0.22。这多少与估计期内欧元区总产出的投资和产出的平均份额相一致。这也意味着一个稳定状态的资本产出率约2.2。此外,因工资弹性参数不能识别,我们将该参数固定在工资能够提升的涨幅,即λw设等于0.5,这比Griffin (1996)基于美国数据的微观经济研究稍微大些。

表9-1的前三列概述了我们关于其他32个估计参数先验分布的假设。所有冲击的方差被认为是服从一个倒置的自由度为2的Γ分布。这种分布保证了正方差具有一个相当大的定义域。先验分布的精确均值是基于具有一个非常弱的先验的预估计产出试验。“技术和偏好”冲击自回归参数的分布假设遵循一个均值为0.85、标准差为0.1的β分布。该β分布在0和1区间,其标准差可表示出,持续性冲击和非持久冲击(各自)的时间间隔长度。假设技术、效用和价格参数为正态分布或β分布(对于被限制在0~1的范围内的参数),上述参数均值借用其他文献研究成果值,标准差按照在定义域内其参数合理性要求设定。例如,在价格和工资设定方程中的卡尔沃参数均值,合约平均长度设定为1年左右。这与Gali、 Gertler和Lopez-Salido的相应估计一致,但标准误差允许在三个季度到两年之间变化。同样,跨期替代弹性的平均值被设置为1,符合对数偏好和Casares对于欧元区的研究结果。资金效用成本函数的弹性均值为0.2,其定义域内包含了King和Rebelo的建议值0.1。对于一些其他参数,例如投资调整成本弹性或固定成本占总产量的份额,我们将接近于CEE对美国的估计值作为起始点的值。大范围的校准适用于劳动供给弹性。我们设定初始值为2,该值介于相对低的弹性(通常微观劳动力文献的估计)和较大的弹性(通常用在DSGE模型)之间。最后,按通常惯例定义货币政策反应函数系数均值的先验值,即在求解模型时,为助于保证模型存在一个唯一解的路径,定义相对较高的长期通胀系数(1.7),滞后的利率先验值定义为0.8,产出缺口反应系数的先验值,对应为泰勒系数的0.5。

表9-1 参数估计

*注:伽马函数倒数自由度。

(二)参数估计

表9-1还给出了关于参数估计的两组结果。第一组包含参数估计的后验众数,这是通过对参数的后验分布的对数值直接最大化而获得,还包含一个基于相应Hessian矩阵的近似标准误差。第二组给出了通过Metropolis-Hastings抽样算法获得的参数后验分布的第5,第50和第95百分比。通过绘制先验分布、后验分布和正态分布的概率曲线图(图略),形象地概述了此信息。后验众数作为均值,相应的基于Hessian矩阵的估计作为标准误差。在一般情况下,两个分布似乎都给出类似的信息。

总体而言,大多数参数估计都与零显著地不同。对除通胀目标冲击外的所有冲击的标准误差来说,这是正确的,其中通胀目标冲击似乎并没有起到多大作用。其在接下来要讨论的预测误差方差分解中也得到确认。对生产力持续冲击和对政府支出持续冲击的自回归参数的估计为0.82~0.95 。

反映价格和工资黏性程度的四个指数化参数估计值,等于或小于先验分布中假定的均值。例如,价格指数化参数γp =0.46,表示通胀方程中滞后通胀的权重只有0.31。这与Gali, Gertler和Lopez-Salido的结果相当一致。

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈