[肖临骏：计量经济学研究方法的演进与比较.docxVIP

回顾经济学尤其是数理经济学的发展历程，可以认为，经济理论的演进同时伴随着实证研究新技术的推陈出新，新颖巧妙的数理模型为经济思想的阐述和表达提供了舞台。比如广义矩阵估计(GMM)方法在“单位根运动”①和附加理性预期的时间序列经济学中成为一种主要的分析工具；结构向量自回归模型(SVAR)为经济学家思考动态经济系统提供了大量可供参考的模型；由Kydland Prescott(1982)开创的真实经济周期模型(RBC)使得宏观经济研究更加关注外部冲击以及政策制定在熨平经济波动方面的效果。因此，宏观经济学的研究命题与宏观计量的研究方法是紧密联系在一起的。本文的任务是对宏观计量经济学研究领域内的新成果做非技术性的综述和比较，说明RBC模型在宏观结构计量经济学研究方法中所处的地位、优势及其不足。　一、宏观计量经济学研究方法的演进：从简约式到结构式　宏观经济数据多以低频、加总的时间序列形式出现，这就决定了宏观和微观经济分析所采用的计量方法存在明显的区别。在20世纪30年代，宏观计量经济学的诞生离不开考尔斯经济研究委员会(Cowles Commission)的工作，其中包括资助计量经济学会创办《计量经济学》(Econometrica)，以及对计量经济学基本方法论和学科规范等重要课题所进行的系统性研究，从而奠定了计量经济分析的概率方法基础，形成了一整套连贯而有效的方法体系，如对计量模型的设定、识别、估计和检验进行研究，引入假设检验技术，建立联立方程组，区分外生变量和内生变量，对基于模型的短期动态性加入限制条件，提出间接最小二乘法、工具变量法(IV)、有限信息最大似然估计的技术。这些工作形成了传统计量经济分析②的完备框架和精确的计量经济分析方法论，亦称“CC方法论”。　在“CC方法论”的推动下，传统计量分析从小型的市场均衡模型发展到大型的宏观经济模型；从一国模型发展到多国联网的LINK计划；从线性回归分析发展到非线性回归分析。但随着研究目标的扩大，“CC方法论”显含或隐含的假设与现实情况不符的弊端也逐渐显现，同时，基于简约化方程(Reduced Form Equation)的计量模型也不能反映行为主体的最优化过程，“CC方法论”被更适合处理时间序列数据的“BJ方法论”(Box Jenkins,1976)所取代，简约化方程向自回归移动平均随机过程模型(ARIMA)过渡和发展。随后出现的三篇经典论文(Sims,1980; Engle Granger,1987; Johansen,1988)为向量自回归模型(VAR)的成功奠定了基础，这是一种处理宏观非平稳数据的模型化方法，它把ARIMA模型发展到多个时间序列向量，用模型中所有当期变量对所有变量的若干滞后变量进行回归。但正如Cooley LeRoy(1985)所指出的，VAR模型从本质上讲，仍具有简约化方程的性质，它只刻画了数据的动态表现，而没有涉及任何消费者偏好、生产技术和最优化行为等经济结构方面的信息，单纯由数字驱动的参数估计难以得到经济理论的合意解释。　20世纪80年代初，一种被称为“RBC方法”的结构模型(Structure Form Equations)出现了，它是一种基于宏观经济理论的结构计量模型，真实经济周期理论(Real Business Cycle)为研究各类外生冲击，以及冲击在经济体内部的传导方式提供了可能。在Lucas Prescott(1989)看来，RBC模型就类似于阿罗—德布鲁(Arrow-Debreu)范式的一般均衡模型，因为它不仅考虑到理性消费者的跨期最优决策，而且还考虑到生产者的投入产出决策。起初这类模型只能分析技术冲击对实际变量的影响，因而属于新古典经济学的阵营。但随着研究的深入，一些更深层次的冲击，如政府支出的需求冲击和货币供给冲击等也都被纳入到这个动态随机一般均衡(DSGE)模型中来，新凯恩斯主义逐渐把它发展成为一种政策研究的工具。前瞻性的研究包括：货币冲击、工资和价格粘性，新兴国家或市场，开放经济、国际贸易和汇率，干中学，内生增长以及波动造成的福利损失等等。模型的发展已远远超出RBC理论先驱者们的预计，不仅融入了物价和工资等名义和实际的非瓦尔拉斯内容，而且还出现了研究经济增长的DSGE模型。在实际应用方面，比利时国家银行等一系列国外商业金融机构也正在通过建立DSGE模型强化信贷政策方面的研究。　与此同时，为弥补VAR模型缺乏经济理论基础而不能进行结构分析的缺陷，Sims(1980、1986)、Shapiro Watson(1988)和Bernanke(1986)提出了结构向量自回归(Structure VAR)模型。Blanchard Quah(1989)率先在SVAR中添加长短期识别约束条件，用于分析经济变量对结构冲击的响应，同时还可以减少模型的待