实证宏观经济学最新研究进展综述

一、引言

萨金特(Sargent)是现代结构宏观计量经济学之父;西姆斯(Sims)则是宏观经济学实证工具向量自回归(VAR)之父。他们被授予2011年诺贝尔经济学奖源于其重塑和发展了现代实证宏观经济学，其学术贡献是宏观经济实证研究的核心内容。

在萨金特和西姆斯研究之前，传统的宏观经济实证方法主要运用统计方法估计一个大型线性模型，而这一模型主要建立在凯恩斯宏观经济模型基础之上。然后运用这个模型解释宏观经济时间序列、预测经济走势及指导政策制定。这么庞大的模型看似成功地解释了历史数据，但许多西方国家在1970年代均出现了高通胀、低增长与高失业率共存的“滞涨”现象，使得该模型不再稳定并开始引发激烈争议。此外，在1970年代之前，预期在宏观经济分析中最多只占有次要地位。而在弗里德曼、卢卡斯、菲尔普斯及其他经济学家的研究成果问世以后，预期不仅成为宏观经济理论必不可少的部分，而且更重要的是被广泛应用于实践中。然而，这带来了很大的难题，原因是此前的估计方法在评价以“积极”形成预期为特色的宏观经济理论时，均无法识别和分析外在的冲击。

在此背景下，萨金特和西姆斯提出了新的研究方法，使研究者能够具体检验和评价以预期为中心的宏观经济学动态模型。他们的贡献已经成为学术界和政策制定机构方法论研究和应用研究中的重要文献。萨金特的现代结构宏观计量经济学展示了如何完全基于微观基础去描绘和估计宏观经济模型，同时在很多应用领域证明了该方法的实用性。萨金特是预期形成实证研究的先驱，他不仅证明了如何将积极预期融入实证模型，而且通过考虑多种替代方法(包括学习)一直活跃在该研究领域的最前沿。西姆斯的VAR已成为应用研究和结构计量经济学不可或缺的工具。从1970年代开始，西姆斯的论文在很多方面发展VAR方法并成功地进行应用。VAR分析提供了丰富途径识别诸如货币政策和技术等变量的宏观经济冲击并检验其带来的影响。

二、萨金特的贡献

(一)历史背景及对当前研究的重大影响

在包括诺奖得主卢卡斯、菲尔普斯和Prescott在内的一些经济学家颠覆以前基于简化模型的宏观经济研究方法之时，萨金特开始了他的研究。他们提出了新宏观经济学，其中预期占非常重要的地位。更有甚者，他们主张重构宏观经济理论和实证方法。新理论模型要有微观经济基础，认为关键经济决策与政策变化无关。新实证方法要基于模型中结构参数的估计，如描述个人偏好和生产函数的参数。萨金特是理性预期学派中非常重要和杰出的一员。

这一新研究使宏观经济学发展方向出现了巨大变化。政策观发生了转变，卢卡斯和菲尔普斯因其关于政策影响的研究而获得诺贝尔奖。经济周期的观点也发生了变化，这要归因于卢卡斯和萨金特以及后来的Kydland和Prescott的贡献。再后来，凯恩斯思想在“新凯恩斯宏观经济学”中得到复兴。这一理论直接建立在Kydland和Prescott研究之上，加入了诸如粘性价格和工资的各种市场摩擦。现代实证宏观经济学研究非常依赖于结构估计方法，而萨金特是这一方法的奠基人。

(二)实证方法及其早期应用

从1970年代早期到中期，萨金特写了一些非常有影响的论文。他揭示的理性预期彻底重塑了实证宏观经济学并宣判了宏观经济变量之间关系(如基于菲利普斯曲线的Friedman-Phelps假设)的传统实证方法无效。这些论文综合在一起对货币政策作用和菲利普斯曲线的核心假设产生了深远影响。

与同时期的其他学者相比，萨金特更多关注现实数据，并考虑积极预期形成机制。他因此证明了为什么之前的检验是错的，以及如何才能建立新的、更加精确的检验模型。

萨金特提出的方法一般是在微观基础上构造、解决和估计结构宏观经济模型。模型中，除描述政策参数外的所有参数都不受政策干预的影响。参数一旦被估计出来，模型就可当作分析政策实验的“实验室”。

萨金特将一般模型发展与实际应用相结合。在很早的一个贡献中(先于卢卡斯在同一问题上的研究)，萨金特(1971)证明了预期在菲利普斯曲线计量研究中起到关键作用。这些研究的一个关键问题是长期菲利普斯曲线是垂直的还是像短期那样向下倾斜的。萨金特认为一般计量模型都建立在预期是消极被动假设的基础之上，而理性预期的前瞻性则揭示了预期本身就依赖于长期菲利普斯曲线斜率。否定了菲利普斯曲线不是垂直的说法。萨金特的文章激发了大量文献探讨长期菲利普斯曲线的斜率。

萨金特(1973)首次在理性预期下成功地进行经济计量估计。该估计基于美国经济的一个简单完整的模型，引入费雪理论即名义利率随预期通胀的变化而变化。萨金特认为检验费雪理论也相当于检验了自然率假说。他的计量结果拒绝了这一理论(虽然显著性水平很低)。这篇论文为其后所有实证运用提供了样板。萨金特(1976)还构建并估计了美国经济遭受实际和名义冲击的模型。估计结果第一次表明包含实际冲击的模型在实证上可能是成功的，后来Kydland和Prescott对此进行了进一步研究。

萨金特在宏观经济领域的其他重要贡献包括萨金特(1978)以及和Hansen(1980)合作的论文。在预测方面，萨金特和西姆斯(1977)提出了“指数模型”，这一模型后来得到Qauh和萨金特(1993)的扩展。萨金特(1989)说明了在数据不准情况下如何用滤波方法估计线性理性预期模型。

在萨金特近期贡献中，萨金特和Surico(2011)表明货币数量论(货币主义观点的支柱)的标准检验对过去货币政策制度敏感。运用结构估计和VAR模型，他们认为数量论的明显缺陷可从政策制度变化角度来解释。

他的主要方法收集于其两本专著《宏观经济理论》(1979)和《动态宏观经济理论》(1987)以及由卢卡斯和萨金特合编的《理性预期和计量经济学实践》(1981)。这些著作已成为几代宏观经济研究者的必读文献。

(三)对高通胀的研究

萨金特深入研究了高通胀，特别是恶性通胀。这方面研究包括早期论文“四次大通胀的终结”(1983)，该文分析了欧洲历史上的几次恶性通胀。他的书《征服美国通胀》(2001)研究了美国1970年代的通胀如何产生、如何逐渐下降。该书建立在早期萨金特和Marcet合作研究之上(Marcet和Sargent，1989a，b)，强调学习和不完全理性预期(也考虑了适应性预期且很重要)。

萨金特、Williams和Zha(2006)近期的一个贡献是很好地解释了萨金特分析通胀动态的观点和方法。该文假设货币当局以福利最大化为目标且信赖菲利普斯曲线。特别是央行不相信附加预期的菲利普斯曲线，但在时变曲线中，私人部门具有理性预期，因此“真实”曲线确实附加了预期。他们运用贝叶斯马尔可夫链蒙特卡洛法结构性地估计了这一模型，发现与数据很吻合。其结论意味着央行在初始就因错误相信菲利普斯曲线而被“愚弄”，从而导致通货膨胀逐渐上升。但1970年代的冲击以及央行观念的修正使得通货膨胀下降。令人惊叹的是，该模型的预测力比先进的非理论预测模型(贝叶斯VAR模型)要好。1970年代到底发生了什么以及当今政策制定者应如何从中吸取教训尽管仍争论不休，但萨金特的历史诠释仍是当前研究须遵守的重要标准。

三、西姆斯的贡献

(一)历史背景及对当前研究的重大影响

西姆斯的里程碑式贡献在于认为建立在传统宏观经济学实证方法基础上的解释、预测及政策结论非常不稳定，因为对这些线性系统的估计通常要依赖难以令人信服的一些识别假设。

为了说明识别问题，我们假设一个咖啡市场并试图去解释咖啡数量和价格变动。传统方法是分离出一个变量，该变量要么只影响供给，要么只影响需求，天气属于这类变量。坏天气可能会降低所有价格水平下的咖啡产量，使供给曲线向内移动。如果需求曲线没有受到影响，这一天气变化会降低均衡数量、提高均衡价格。因此，无论天气变化与否都能够描绘出需求曲线的形状。但假设天气不影响需求曲线是可信的吗?正如西姆斯所言，咖啡购买者知道天气是变化的，因而可能会在不利天气出现时进行储备。因此，天气预期可能对供给和需求都有影响，这样可能得不到所预计的结果。

虽然经济计量模型的识别一般很难，但西姆斯(1980)将其具体定位在宏观经济学(主要但不限于货币经济学环境)中消费者和企业的预期，特别认为很难找到只影响一些宏观经济变量(如消费、投资、货币)供给或需求的变量，因为对宏观经济结果的预期可能基于所有可用变量。因此，基于标准需求－供给观的宏观经济系统中的识别不可能有用。

西姆斯(1980)不仅批评传统宏观经济计量模型，还提出一种新的识别策略，与估计大型凯恩斯经济模型在逻辑上完全不同。该识别策略是:具有积极预期形成机制的宏观经济系统的解决方案可以表示成向量自回归即VAR。VAR模型可用以探索模型参数识别途径。西姆斯(1980)提出了一种递归法。此后，西姆斯和其他许多研究者相继提出了一些VAR识别策略。研究通过把识别问题置于宏观经济学关注的中心而使其成为学术讨论的焦点。

为了说明所提出的方法如何运用于实践，西姆斯(1980)用VAR模型对美国和德国经济进行了估计，模型采用六个宏观经济变量(货币，GNP，失业，工资，价格水平和进口价格)的季度时间序列。然后，估计和识别VAR系统，通过脉冲响应和方差分解分析冲击的动态影响。

从第一篇论文开始，西姆斯在方法论等方面不断推进宏观经济VAR分析前沿的发展。例如，西姆斯(1986)最早探讨比他之前提出的递归方法更加结构化的识别替代方法;西姆斯、Stock和Watson(1990)揭示了非平稳时间序列(包括由Engle和Granger首先提出的协整时间序列)VAR模型如何进行估计和推断;Doan、Litterman和西姆斯(1986)在利用贝叶斯方法估计的VAR模型进行预测方面做出了重大贡献;西姆斯(1992)通过描绘世界五个最大经济体月度数据的六变量VAR模型，全面讨论了货币政策对宏观经济的影响。

根据西姆斯观点，VAR模型在解释时间序列、预测以及理解政策变动影响方面非常有用，并获得了后来文献的强烈支持，特别在解释和预测方面。在政策实验中，VAR已成为分析政策暂时变动所产生影响的主要工具，但至少目前尚未成为分析政策长期持续变动的主要工具。

(二)VAR估计方法

西姆斯从模型识别方面对1970年代初期占主导地位的宏观经济范式进行了强有力的批评。模型识别是以已观测数据为基础进行因果推断的核心要素。西姆斯认为以前方法依赖于难以令人信服的一些识别假设，因而对宏观经济时间序列中“什么引起什么”的解释大多存在缺陷。估计错误的模型不能作为工具用于货币政策分析，甚至不能用于预测。西姆斯第一个提出宏观经济变量的实证分析可以建立在向量自回归的基础上。从技术上讲，VAR模型是包括N个方程、N个变量(通常是线性的)的系统，用于描述每个变量如何依赖其过去值、其他N-1个变量值以及一些外生“冲击”。西姆斯认为合理构造和解释VAR模型可以解决很多识别问题，因而在预测及解释宏观经济时间序列和指导政策制定中具有很大的潜在价值。近30年来，VAR模型在很多方面获得了重大发展，而西姆斯一直坚守在该研究领域的前沿。如今，VAR模型已经得到实证研究学者和政策制定者的广泛应用，同时还成为货币经济以外其他领域的主要研究工具。VAR估计即从历史数据中分解出结构性宏观经济冲击，然后分析其对经济的影响。构建典型的VAR模型通常需要三个步骤:①建立预测模型，用以捕捉宏观经济的关键动态变化。②识别结构冲击，将未预期变动分解成引起宏观经济波动的结构性冲击。③获得脉冲响应函数，描述给定结构冲击对宏观经济变量后续变动的动态影响。

首先，建立VAR预测模型。即使包括有限变量且没有将结构性冲击从预测误差中分离出来，该模型也能直接用于预测。这类预测现在很常见。Stock和Watson(2001)做如是评价:像三变量系统这样的小型VAR已成为判别新预测模型的基准。VAR预测方法与其他简单方法如单变量模型或随机游走进行比较，前者通常优于后者。但小型VAR模型可能不稳定，不能对未来变量进行稳定预测。故而高级VAR预测技术倾向于包含三个以上变量并且采用时变系数，但估计的参数量迅速增加。解决该问题的常用方法是采用BVAR，即用贝叶斯先验(Bayesianprior)估计向量自回归。当然，先验的准确性影响结果，因此很多研究采用所谓的明尼苏达先验(Minnesotaprior)或其变种。如今，基于现代宏观经济理论先验的新方法正在普及，也即限制条件基于计量经济学家的先验认识，并用模型表达出来。另一种预测方法依赖于结构式估计的完整模型(可能为非线性)。如何判断不同预测方法优劣仍是重要课题。

其次，识别结构冲击。也即将基础冲击从预测误差中分解出来。①递归识别。最常用的识别方法是西姆斯使用(1980，1989)的递归方法。该方法需要对经济变量进行排序。排序方式通常基于对这些变量及隐藏于背后决策的理解，而无需用以解释相互间如何联系的特定结构理论。变量顺序通常假设为基于不同变量对各种冲击做出反应的速度。在一个三变量模型中，变量1不会对变量2、3中的基础冲击做出反应;变量2会对变量1中的冲击做出反应但不会对变量3中的冲击做出反应;变量3会对变量1、2中的冲击都做出反应。例如，大多数冲击不会立即影响政府支出(如果时期短到一个季度或一个月)，因为多数政府活动事先已计划好并逐渐进行;但股价变化迅速，即使在短期也会受所有瞬时变量冲击的影响。②其他识别方法。更具有结构性的一种方法叫“长期识别”，最先由Blanchard和Quah(1989)提出。其中哪些冲击长期影响经济的假设根据经济理论来设定。Blanchard和Quah认为凯恩斯式的需求冲击在长期对产出没有影响，即使在短期确实影响产出。但其他冲击如技术或制度变化对长期产出有潜在影响。变量的长期冲击方差可描述成单个冲击向前迭代的方程。限定长期方差矩阵的因素为0相当于一个识别假设。其他识别方法还包括西姆斯(1986)提出的早期结构性方法。还有一些识别方法结合了短期和长期约束，从理论上涉及更多的复杂假设。一些学者如Uhlig(2005)使用“符号约束”形式的假设，其中假定某些(通常是短期)响应或交互相关具有确定符号，而其他的没有限制。虽然这类限制可能不能确定唯一的矩阵，但还是排除了多种可能。如“正利率冲击不会提高当期通胀假设意味着这类冲击会降低当期产出”并非基于定量而是基于定性考虑。符号约束和不可识别的有用性取决于整个环境。例如，在通货膨胀、产出及利率的三变量模型中，每个变量会同时影响所有变量，这与递归识别方法不同，因为没有变量仅受自身或仅受到两变量结构冲击的影响。但结构冲击仍可通过符号约束和不可知过程得到一致识别，因为他们严格依赖于不同变量间相关性的理论约束。VAR识别基于多种结构模型而非特定结构在实际应用中很常见，而且是非常活跃的研究领域。

第三，脉冲响应分析。西姆斯(1989)创立的脉冲响应分析是VAR方法的一个核心部分。VAR系数及其标准差估计很简单，但脉冲响应函数的误差范围与置信区间较复杂。早期所做的VAR分析并不总给出误差范围，但如今都会计算和展现出来。西姆斯自己的方法及相当大部分文献都用贝叶斯方法，但通常给出传统的置信区间。脉冲响应分析已成为比较数据模型的有用工具。由于脉冲响应函数估计提供一种新“程式化事实”，学者在构建宏观经济理论模型时通常要用脉冲响应进行模拟。VAR方法的另一组成部分是与脉冲响应分析密切相关的方差分解，用以计算不同时间范围内每个变量方差有多少可由不同类型的结构冲击所解释。因此，通过方差分解可得出不同冲击在不同时间范围内产生的影响，与其他部分结合起来共同解释宏观经济变量的整个动态过程。

(三)VAR的应用

(1)货币政策的影响。VAR在货币经济学中最为重要，在分析货币政策影响方面尤为如此。货币冲击(如由央行控制的货币政策工具)对货币和实体变量均产生重大影响，尽管有些缓慢且经常呈驼峰型。西姆斯(1992)在其影响深远的一篇文献中讨论了五个不同经济体货币政策的影响，发现一些共同特征及区别。

(2)财政政策的影响。在2008－2009年衰退中，政策制定者面临的一个核心问题是经济对暂时性政府支出(或暂时减税)的反应。这个复杂问题的合理答案还涉及增加的支出如何获取(如何融资)。历史数据能提供教训吗?显然，区分政府支出的预期和未预期变化即结构(内生)冲击和(内生)反应非常重要。在不同方案中，一种是考虑军用支出，该支出是很重要的外生成分;另一种是描述法。但最广为引用的研究则是用VAR方法识别经济对支出如何做出反应。一个例子是Blanchard和Perotti(2002)的重要研究，他们构造了政府支出、税收和产出的三变量VAR。其识别方法依赖于税收总额在给定税收政策下随收入变动如何反应的认识，而将其他变化解释为财政政策的基础冲击。Blanchard和Perotti的估计揭示了政府支出增加和减税会增加产出，并对经济产生重大影响。这些反应的大小一直以来是借助VAR方法研究的主题。

(3)什么引发经济周期?VAR运用的另一重要领域是什么引发经济周期这一永恒课题。特别是学者用VAR方法检验Kydland和Prescott的观点:技术(生产率)变化是根本驱动因素。运用多种识别方案比较技术冲击与其他冲击如货币政策冲击。西姆斯对该主题的研究(特别是1972年的论文“货币、收入和因果关系”)产生了重要影响。他发现货币变化引起收入变化(即货币是收入的Granger原因)，部分支持货币主义观点。但方差分解显示只有很小部分的产出变动得到解释，尤其在较长时期。这与实际经济周期理论和凯恩斯理论共同引发了随后大量文献的问世。沿着这些思路，Galì(1999)基于长期约束识别方法，通过VAR分析检验了技术冲击与其他冲击。在包括产出与总工作小时的非常简单的2×2VAR模型中，Galì认为技术冲击具有相对有限的短期影响(与我们直觉不同)。随后许多学者沿用VAR并引发持续到现在的争论，因为它与主流经济周期波动理论相比代表了模型测度的另一种方法。基于VAR模型并通过长期约束对技术冲击进行识别(可以说很难直接度量)的方法已成为近期经济周期实证分析中的重要子领域。

四、后续研究贡献

萨金特和西姆斯一直在积极探索新的研究，旨在进一步拓展货币等与宏观经济活动相互影响的研究;更深层次地理解预期形成机制及其在经济中的作用。萨金特主要基于“稳健控制”来探讨预期形成机制，认为决策者并不能完全理解经济是如何运行的。类似地，西姆斯则主要基于“理性疏忽”来探讨预期形成机制，认为决策者处理信息的能力是有限的。

(一)萨金特和稳健控制

近十多年来，Hansen和萨金特一起探讨被称为稳健控制理论的政策制定和预期形成方式。该方法假设家庭和企业在决策时非常厌恶经济模型的不确定性，并在预期形成过程中加入新的维度。该类文献的核心思想是政策制定者不仅厌恶风险，而且不知道产生不确定性的随机过程。此外，他们非常谨慎，表现得像与试图伤害他们的“自然”进行博弈。形式上，政策制定者解决最大化问题，即在自然对其最不利的假设下最大化自己的目标。这种行为反映了谨慎原则以保证解决方案有个高的下限。对未来的预期不再基于客观不确定性(理性预期)，体现了某种程度的悲观。经济学中对稳健控制理论的一个解释是家庭和企业可能不知道模型，即不完全理解经济环境如何产生不确定性。从这个意义上去理解，萨金特和Hansen的研究探讨了有限理性，尽管存在能够处理复杂问题的一些高度成熟的主体。

(二)西姆斯和理性疏忽

理性预期形成机制的另一种替代方式是假定经济主体信息处理能力是有限的。该方法是由西姆斯(2003，2006)首先提出，被称为理性疏忽。与以前所有市场参与者可能拥有不同信息的早期金融经济学文献相关。金融文献经济学通常认为不同主体收到不同信号。由于信号提取与市场不完全性，并非所有信息都会通过价格显示和传播。理性疏忽可解释不同主体基于不同信息集如何行动。并非他们不能获得信息，而是解读信息的成本太高。西姆斯引入了信息理论的香农容量概念，揭示了市场主体如何最优选择接收到的信号性质并据此行动。更多信息带来更好决策，但成本也更高。市场主体处理不同任务的能力有限。因此即使信息丰富，也会受到解释信息并据此行动的能力限制。

该研究意味着理性疏忽能使价格和数量都缓慢变动，在大多数情形中可以观测到，如同上文讨论的VAR。而以前基于各式各样调整成本的一些模型却只能引起价格或数量中的一个缓慢变动。另一个有趣观点是卖方在选择最优价格时并非在一个连续而是在离散集合中进行选择，因为这样才能为买方进行有效的信息处理，或者因为卖方自己遇到信息处理的限制。这篇理性疏忽文献对预期形成提供了一个新颖视角，引起了广泛研究。