宏观经济计量学发展的研究

作者简介：汪涛中国人民大学统计学系，北京100872
    作为经济计量学的主要部分，宏观经济计量学研究总收入、消费、投资、价格指数、利率、汇率和失业等如何影响包括业主、消费者、投资者和政府官员在内的主要经济决策者。宏观经济计量学主要通过有效的经济计量方法对这些变量之间的关系进行度量和建模，并试图解决在经济计量学发展过程中出现的问题。具体思路：在经济理论指导下，寻找一个宏观经济计量模型，使用合理的统计方法估计并检验参数，使之和经验证据一致。该模型所得结果可以用来检验经济理论，进行经济预测，当然也可以用来帮助决策者。
    一、宏观经济计量学的历史成就
    在宏观经济计量学中，一般情况下，首先完全按照广泛认可理论建立宏观经济计量模型，然后估计参数。起初，模型并不是动态的，建模使用的变量较少，与之相对应的方法——时间序列分析对经济理论利用也很少。后来，这两种方法逐渐融合，相互影响，相互借鉴。宏观经济计量模型中逐渐引入动态，涉及单位根和协整，时间序列分析也开始考虑变量的多少，并越来越重视经济理论的应用。
    现在，宏观经济计量学得到了长足的发展。无论在建模的思想认识上，还是在方法上都发生了许多明显的变化。例如在大型联立方程中，强调可识别性在降低，曾经觉得很重要的合理期望也逐渐淡化了。在时间序列中，尽管单变量模型在研究新模型和新技术时被作为试验性工具，但人们认为它在现实研究中并不适合。一些过去认为很重要的方法，诸如谱分析和混浊等方法以及分数长记忆过程，尽管人们对它们的理论感兴趣，但现在在经济学中也较少应用（见文[1]）。近五十年来，宏观经济计量学研究取得的主要成就体现在如下几个方面（见文[9]）：
    (1)工具变量（Ⅳ）方法
    Ⅳ方法作为经济计量工具，被发展用来研究经济变量之间相关性，进行可靠和有效的统计推断。这些工具的中心是近年来发现的工具变量回归(Instrumental Variables Regression)。一批一流的宏观经济计量学家花了几十年的时间，经过艰苦卓绝的工作，对最初独立同分布的高斯分布的线性模型进行扩展。Ⅳ方法的现代代表是广义矩估计方法(Generalized Method of Moments)(GMM)。该法允许从不同于古典假设出发，估计带有非高斯分布的非线性模型，甚至在序列不相关分布的线性模式中，广义矩估计允许放松古典的同方差假设。这种联合估计异方差和自相关方差——协方差矩阵的方法使应用经济计量学家们从广义最小平方方法的纠缠中解脱出来。高效的广义矩估计取得了飞速进步，不断有新的更复杂模式出现，例如带有大量工具变量的广义矩估计方法。
    (2)非平稳的时间序列回归
    尽管早期经济计量学家们也意识到需要发展特殊方法来分析带有强依赖变量或者带趋势的时间序列，如大多数宏观经济总体和金融时间序列都是带有趋势的随机游动行为，但是大多数相关经济理论是在过去二十年才得到发展。如现在发展比较好的带随机趋势回归理论（自回归单位根）和协整理论以及解决强依赖的分数积分理论。当时间序列非平稳时，可以用这些方法来解决早期该领域存在的问题。另外，近几年来Panel Data单位根和协整理论的研究，是对时间序列的单位根和协整理论研究的继续和发展。
    (3)使用最小可识别假设的宏观经济建模
    过去，识别古典联立方程通常需要加入识别约束。但长期实践表明这些约束似乎并不可信。这就提出了这样一个问题：是否能发现使用很少的可识别约束的政策模型。结构向量自回归(VARs)可以解决这个问题。
    (4)经济预测
    经济预测是宏观经济计量学的一个古老的话题。随着时间的推移，它也在不断地发展、完善。从结构估计和经济政策的宏观经济计量学分析中分离出来的经济预测，除了具有明显的实际优点外，还能够从理论上证实由历史和当前数据所形成的函数即结构模型的预测是合理的。即使是在未知真实的理论模型情况下这个函数能被一致估计，它得到的预测在一阶渐近上将与理论模型有相同的预测误差方差。
    二、宏观经济计量学发展存在的问题
    宏观经济计量学研究虽然取得了以上这些重要成就，但仍有许多问题尚未解决。如以上四个方面本身仍有不足之处，主要表现在：在Ⅳ方法中，广义矩估计不能有效地运用精确分布理论，而且大多数广义矩估计的结果依赖于一阶渐近条件。然而，模拟研究证实：在许多模式中，一阶渐近理论只是有限样本分布不太好的近似，因而在应用中不能提供较好的推断。当时间序列非平稳时，研究存在的明显问题是在模拟研究中发现的协整（可能不存在协整或可能存在协整）检验在有限样本中执行不太好，它需要更佳的有限样本容量和功效检验。更严峻的问题是：协整参数有效推断的理论依赖于正确单位根假设，而且对于这种假设背离只能以较低的概率进行识别，甚至无法识别。这些会严重破坏协整系数的检验，同时，这里还有一个模型选择的问题：是选择带有突变和（或者）中断趋势还是选择带有纯随机趋势的模型。关键是要找到较稳健的方法来研究一个序列怎样以及为什么非平稳。在用结构向量自回归(VARs)解决模型识别时，例如用一个超前结构的VARs来估计货币政策对产出和通货膨胀的影响，得到了货币政策冲击所产生的时间序列结果，此序列实际上是不相关的，这是否意味着VARs陷于了自身难处理的识别问题之中或者仅仅是人们对这个问题的认识还尚待提高。经济预测需要使用大量的数据集，能否证实数据越多，预测就越准确。除此之外，有关模型本身的问题也存在：(1)一个模型到底应该多大，在模型中应该使用什么样的理论，应该是把理论植入到模型内，还是作为模型的约束条件。(2)现代宏观经济理论强调在决策规则和决策目标中存在各类基本非线性，但是未能找到提供一种可靠框架进行宏观预测的非线性模型。而且无论是从参数或者非参数，还是从待预测样本的比较来看，简单线性模型均要优于非线性时序模型。(3)在一个模型中应包括多少非线性，是否要考虑可能替代非线性的时变参数。(4)怎样处理结构变化、体制变化和异常值等等（见文[1]）。
    三、宏观经济计量学发展的断想
    1、扩展使用数据的范围。有证据表明，在宏观数据中存在非线性，但不太明显，主要是在一、二阶矩上。如果用得到的月度数据来代替年度（季度）数据，用相关的月度时间序列和卡曼滤波进行外推，解决问题的方式会有很大变化。对宏观数据而言，甚至可以利用更高频的数据，如周数据。但是，季节因素的影响可能会部分失效。使用将时间序列宏观数据和截面信息混合的数据，这种数据能提炼出反映趋势变化等因素，有助于提供解释宏观经济变化的原因，像panel以及伪panel的数据和人口统计学的数据。
    2、扩展评价的思路。如果能获得更多数据，仅仅预测条件均值和方差是不够的，还需要预测整个分布。对于预测分布的出现，怎样评价它们，如何与备择模型和预测分布进行对比，仅仅只有统计标准是不够的，还需要一个既经济又可以量化的衡量尺度。这个尺度可能依赖于决策者使用备择形式所获得的效用和财富。例如，如果能有一些国家的资料，并且使用的模型具有普遍的适用性，在具有时空联合挖掘能力的Panel Data分析中，评价将会容易些。但目前这种清楚的思路在宏观数据中却使用较少。
    3、扩展数据的处理模型和方法，正确反映时间序列的趋势。现有针对时间序列趋势的方法不能有效地解决问题，需要寻找新的模型（见文[4]）。
    由于那些重要的计算机技术在提高生产率的过程中包含着一些复杂相互作用和人力资本协同，个人之间、经济机构之间和各种新出现的技术革新之间也存在相互作用。应该将这些协同作用全部引入到经济计量模型中，这个模型依赖于确定性时间多项式和反映趋势变化机制的单位根。必须采用新的经济计量公式和新的方法来处理这些问题。
    重新认识描述趋势方式。新的看法（见文[5)）就是描述趋势方式。只是提供了理解趋势影响的等同系统，这些等同体系提供模拟真实趋势的有效替代方式，而且每种等同体系都提供了自己验证趋势行为的独特框架，甚至滞后的变量和确定性函数能够成功共存并解释相同的趋势行为——搭配比例的调整可以联合解释这个趋势（见文[6]）。在实际中，我们必须学会在这样的框架中推断趋势，在这个框架中，数据真正的趋势比我们所描述的等同体系要复杂得多。
    4、预测时使用随机趋势。即使我们知道数据中的真实趋势形式，但往往由于这样的趋势形式需要大量的复杂的数据，人们不得不或者偏爱采用简单模型。有用的模型需要有合适的参数，同时正是数据中的信息决定了我们在经验上接近真实的运转机制和最优预测的程度，使用确定趋势时，该差距就会变大；而使用随机趋势时，差距就会缩小（见文[8]）。选择优化模型的方法有助于发现变化（见文[3][9]）。预测时随机趋势优于多项式趋势。使用常数的时间趋势更容易失去早期变化的信号。
    5、把握经济政策的变化。经济政策干预（象中央银行现金流通速度变化）来源于无数宏观经济、微观经济和金融统计诊断的结果。0-1决择是一种复合各个指示指标的宏观经济二元选择，这些指示指标中有许多是不平稳的。刻划这样干预的概率法则依赖于非平稳性。最简单如Philips和Park（见文[2]）最近提出的关于干预的一个新正弦弧法则，它表明这种干预很可能在一段时间内产生一系列的干预（象最近美联储降低利率）或者在一段时间没有丝毫干预（象美国最近一次长时间的经济增长）。这些概率法则产生于一类广泛的过程，并能够被经验所检验。具有讽刺意义的是，甚至在生产率和技术进步等变化知之甚少的情况下，这些法则却能够刻划政策决择。
    6、使用描述技术表明数据的特征，而不能只是盯着某种特定的模型。对于非平稳数据，意味着需要用一种刻划局部邻域时间特征的逗留密度，而这种密度可以用非参方法来估计（见文[7]）。采用描述技术这种方法能够估计像汇率、利率和通货膨胀等的风险率，也可以度量通货紧缩的历史风险。这种形式的描述分析具有展现数据特征的优点，而即使是能体现制度变化的模型有时候却做不到这点。
    总的说来，早期宏观经济计量学家的最终目标——一个可靠的宏观经济模型——距离我们似乎和以前一样远。宏观经济计量学的未来在很大程度上依赖于宏观经济计量学家提出的问题，决策者可能采取或已经运用的管理方式对宏观经济计量学的未来也会有一定影响。经济制度正在发生变化，技术进步是无情的。也许经济运行太精细，技术进步很难预测，也很难用模型刻划，宏观经济发展太快以至于不能从统计上被预测。宏观经济计量学家正试图用经验完成对经济活动建模。我们面临的挑战是革新我们的技术，抓住数据特征，用数据进行经济预测去形成有用的经济政策规则来认识数据的趋势和其它特征。
    参考文献：
    1Granger W.J.(2001)Macroeconometrics-Past and future,Journal of Econometrics,Vol.100,17-19
    2Park J.Y.and Phillips P.C.B.(2000)Nonstationary binary choice,Econometrica
    3Phillips P.C.B.(1996)Econometrics model determination,Econometrica 64(4),763-812
    4Phillips P.C.B.(2001)Trending time series and macroeconometric activity:Some present and future challengs,Journal of Econometrics,Vol.100,21-27
    5Phillips P.C.B.(1998a)New tools for understanding spurious regressions,Econometrica 66,1299-1326
    6Phillips P.C.B.(1998b)New unit root asymptotics in the present of deterministic trends,Cowles Foundation Discussion Paper,No 1196,Yale University
    7Phillips P.C.B.(1998c)Econometric analysis of Fisher s equation,Cowles Foundation Discussion Paper,No.1180,Yale University
    8Ploberger W.and Phillips P.C.B.(1999)Empirical limits for time series econometric models,Cowles Foundation Discussion,No 1219,Yale University
    9Stock J.H.(2001)Macro-econometrics,Journal of Econometrics,Vol.100,29-32
    10West M.and Harrison P.J.(1989)Bayesian Forecasting and Dynamic Models,Springer,New York