预期与中国经济波动，本文主要内容关键词为：中国经济论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
关于未来的信息既具有价值又具有不确定性。在古时候，为了确保自己的决策的正确性，君主、官员、甚至是商人均借助于巫师的预言来推断未来。在今天，中国政府根据自己对未来经济发展形势的预测来编制下一年的政府预算；企业家根据经济先行指标(如，消费者信心指数、订单数等)调整自己的投资决策。另外，值得注意的是，越来越多的官方或非官方研究机构定期推出自己对未来经济形势的预测，如，国家统计局中国经济景气监测中心(中国经济景气月报)、国家信息中心经济预测部、中国社会科学院数量经济与技术经济研究所(1991年率先推出中国经济蓝皮书)、北京大学中国经济研究中心(自2005年7月起“CCER中国经济观察”开始实施“朗润预测”项目)和中国人民大学经济学院经济研究所(人民大学近年推出的“三大发布”之一“中国宏观经济预测”)等。这些机构发布预测的目的，一是促进各方的交流，二是为政府、企业和家庭的生产和生活决策提供决策依据。但是，即使在预测方式更为先进和透明的今天，人类面临的主要挑战依然没有改变，那就是人们在日常生活中仍然面临着不确定性。因此，在充满不确定性的世界里，与未来相关的信息会改变人们对未来的预期，从而影响人们当前的行为。 由于预期的变化(即，预期冲击①)会对个体行为以及政策效果产生实际影响，今天中国的经济政策制定者已经越来越重视预期管理。②预期管理的目标是平滑宏观经济的波动，使经济运行的环境尽可能稳定，避免因预期变化而产生的非理性行为。然而，预期冲击导致宏观经济波动的机制是什么？预期冲击驱动的宏观经济波动有什么特征？更为重要的是，预期冲击是驱动我国宏观经济波动的重要因素吗？遗憾的是，至今鲜有国内学者尝试将预期冲击与中国经济结合起来研究。本文将进行这方面的尝试，希望本文的工作能够起到抛砖引玉的效果。 众所周知，自Kydland and Prescott(1982)和Long and Plosser(1983)建立RBC理论以来，很多经济学家认为RBC模型能很好地解释现实中的经济周期，RBC模型也逐渐成为研究经济周期问题的基准模型。近年来，越来越多的国内学者开始运用RBC模型及其扩展模型研究中国的经济周期问题，而且许多国内学者认为RBC模型能够较好地解释中国的经济周期波动。因此，一个自然而然的想法就是直接在标准的RBC模型中引入预期冲击，以探讨预期冲击导致宏观经济波动的机制和效应。研究思路如下，我们首先将预期冲击引入标准RBC模型，建立一个扩展的RBC模型，以此模型为基础利用脉冲响应分析探讨预期冲击驱动经济波动的动态特征。脉冲响应的结果表明：在标准RBC模型中，预期冲击难以形成经济波动的共动特征。接下来，应用极大似然方法估计扩展模型，以考察扩展模型解释中国经济波动的能力。一方面，我们利用这个扩展的RBC模型模拟中国1981～2008年的经济数据，并比较模型经济与实际经济各变量之间矩的一致性。结果表明：(1)模型各经济变量的波动性与实际数据的波动性基本接近；(2)模型各变量与产出之间的共动性远远高于实际中各变量与产出之间的共动性；(3)扩展模型中领先一期的消费与产出的相关系数远远高于实际数据中领先一期的消费与产出的相关系数。另一方面，我们使用方差分解方法详细地分析了扩展模型中不同的冲击对实际经济波动的解释力。对于技术冲击，模拟结果表明：(a)技术冲击在解释短期(1年)经济波动上表现良好；(b)技术冲击对中长期(4年以上)的经济波动缺乏解释力，技术冲击大约能够解释总产出的45%的无条件方差；(c)技术冲击在解释就业的无条件方差方面比标准RBC模型有了很大的改进。对于预期冲击，模拟结果是：(a)预期冲击对短期经济波动缺乏解释力；(b)相反的是，预期冲击在解释中长期经济波动上的表现比技术冲击好，预期冲击可以解释50%以上的中长期经济波动。 本文模型的构建(即，如何将预期冲击引入RBC模型)借鉴了Hairault、Langot和Portier(1997)(以后简称为HLP(1997))的方法。HLP(1997)是最早尝试将预期冲击引入标准RBC模型的一篇文献。他们构建模型的主要目的并不是解释经济周期问题，而是研究预期冲击对消费领先性的影响(这里消费的领先性是相对于产出而言)。在模型中，他们假设家庭事先获得关于全要素生产率(TFP)的未来信息(future innovation)的信号，这种信号既包含信息又包含噪声，因此对于家庭而言是不完全的。信号中的信息将改变家庭对未来TFP的预期，从而家庭的决策将做出相应的调整。其调整机制如下：由于未来信息影响未来的技术，因此今天的好信息使得家庭预期未来的收入将增加，从而家庭将增加消费。同时，这种财富效应使得当期的工作时间和产出出现小幅下降(因为当期只有财富效应没有替代效应)。虽然当前的产出水平接近其稳态水平(即，产出几乎没有发生变化)，但是由于预期冲击的影响消费已经增加了。因此，预期冲击的引入将使得消费相对于产出的领先性增强。 在现有文献中，采用与HLP(1997)类似的方法将预期冲击引入模型的文献还有Beaudry和Portier(2004)以及Jaimovich和Rebelo(2006)的文章。Beaudry和Portier(2004)构建了一个三部门模型，三个部门分别为：最终消费品部门、非耐用品部门和耐用品部门。他们利用这个三部门模型来模拟美国经济的周期特征，尤其是美国经济的衰退特征。他们认为，这个三部门模型能够很好地拟合美国经济周期的特征(见其文章中的表4和表6)。另外，即使在排除技术倒退的情况下，这个三部门模型也能够很好地拟合美国经济的衰退特征(见其文章中的表3和表5)。与Beaudry和Portier(2004)不同，Jaimovich和Rebelo(2006)沿袭了单部门最优增长模型的框架，但是他们在模型中引入了三个不同的要素：可变资本利用率、投资调整成本和一类特殊的偏好(这类偏好具有以下特征：短期劳动供给的财富效应非常弱)。同样地，他们的模型也能够很好地模拟美国经济的周期波动特征。 本文与上述文献在两方面存在不同之处：(1)上述三篇文献均使用模拟矩估计法(SMM)估计其模型中的参数，本文使用极大似然估计法(ML)估计参数。前者是有限信息方法，后者属于完全信息方法。(2)虽然在如何将预期冲击引入模型方面本文与上述文献相似，但是HLP(1997)的目的是研究预期冲击对消费领先性的影响，Beaudry和Portier(2004)以及Rebelo(2006)的目的是构造不同模型以便在排除技术倒退的情况下其模型也可以解释美国的经济周期波动。而本文的目的是考察引入预期冲击的RBC模型能否很好地拟合中国经济，并考察预期冲击是不是导致中国经济周期波动的重要因素。 本文余下的内容安排如下：第二节在标准RBC模型中引入预期冲击，建立理论模型；第三节简单介绍模型的数值解法；第四节对模型的部分参数进行校准和估计；第五节详细分析预期冲击导致经济波动的机制和效应；第六节是结论及进一步的研究方向。 二、理论框架 (一)模型设置 我们在一个竞争均衡的标准RBC模型③中引入预期冲击，这里我们沿用Cooley & Prescott(1995)的模型。假设经济由
个同质的且具有无限生命的家庭构成。由于家庭是同质的，所以每个家庭具有相同的偏好。家庭通过消费产品获得满足，但是因不得不付出劳动而遭受痛苦。因此，消费和休闲(劳动的反面即休闲)都会给家庭带来效用。家庭拥有时间禀赋。为分析方便，假设每个家庭每期拥有1单位时间。假设家庭把其中的1-
单位时间用于工作，把剩下的
单位时间用于休闲。具体地，假设家庭的效用为：
。这里，家庭的偏好不仅关于时间可加可分，而且关于消费和休闲也是可分的。 家庭拥有经济中的初始资本存量。家庭每期把资本租给企业，并且通过投资来扩大自己的资本存量。因此，社会总资本的积累方程为：
，这里
是社会总投资。 假设经济中的企业是竞争和同质的。企业雇佣劳动和资本并生产产品。每个企业有相同的生产技术。假设企业面临的加总生产函数为：
,0＜α＜1。这里
表示经济中全要素生产率(TFP)的参数。
是一个随机变量，且服从一个给定的稳定过程。
代表一种确定的劳动扩大型技术进步，这种技术进步包括人口增长和体现为有效劳动增长的技术进步，且这种技术进步以指数增长：
。 信息结构：将预期冲击引入标准RBC模型 在标准RBC模型中，我们通常假设全要素生产率(TFP)服从如下过程：
。这里
代表技术创新。从上式可以看出，技术创新被立即应用于生产过程。也就是说，技术创新从发明到转化为社会生产力不需要任何时间和成本。 与标准RBC模型的假设不同，在本文中，我们沿用HLP(1997)关于技术创新的假设。即，假设(i)在每期，经济中将产生一定数量的发明S[,t]；(ii)这些发明转化为可应用于生产的技术创新需要的时间；(iii)某些发明不能成功地转化为技术创新。按照上述假设，我们可以把全要素生产率(TFP)过程重新表述为：
这里，n表示发明转化为技术创新所需时间。
表示第t期的发明在n期以后成功转化为技术创新的部分，
表示第t期的发明在n期以后未成功转化为技术创新的部分。ε是独立同分布的随机变量且服从期望为0、方差为
的正态分布。v也是独立同分布的随机变量并服从期望为0方差为
的正态分布，而且ε和v相互独立。 在任何时期，例如第t(t=0，1，2…)期，家庭确切地知道经济中产生的发明需要n期才能转化为技术创新，而且观察到经济中产生的发明为
。但是，家庭并不能确定有多少比例的发明能够成功地转化为技术创新，因为这一比例只有到n期以后才能被观察到。也就是说，家庭每期都会观察到信号
，但是不能区分这些信号中的信息
和噪声
。这里，
也被称为预期冲击(因为，信息会改变人们对未来的预期)，
被称为噪声冲击。 在这种新的信息结构下，家庭如何利用事前信息(
)来预测未来全要素生产率(
)的变化(
)？从统计意义上来说，
的最佳预测值是它的无条件期望值。但是，在观察到信号
后，家庭可以通过解如下信号萃取问题对全要素生产率的信息
做出最佳预测：
也就是说，在观察到信息
后，家庭认为平均有χ%的发明将在n期以后被转化为技术创新。显然，χ是一个随机变量，χ的值取决于噪声
的实现值。为什么χ是随机的？一方面，研发(R&D)活动所固有的不确定性导致了技术创新的不确定性；另一方面，正如Hansen和Prescott(1993)所说，这种不确定性可能是由一国的制度变迁所引起的(因为制度的变迁可能对技术进步造成正面的影响也可能对技术进步造成负面影响)。 事实上，家庭在每期都会观察到n个信号
。但是，在本文中，我们假设第t期的信息
只与第t+n期TFP的信息
有关。这一假设简化了家庭对未来TFP的预测。因此，家庭对未来TFP的预测值可表示为：
因为，由(1)式可以得出
。而且，由于我们假设信号
只与第t+n期TFP的信息
相关，所以对
求条件期望便得到(4)式。 (二)模型求解 由于上述经济中不存在(信息)外部性，根据福利经济学第一定理，分散经济的均衡配置是帕累托有效配置。另外，由于经济中只有唯一的帕累托有效配置，根据福利经济学第二定理，中央计划者问题的解(帕累托有效配置)可以被竞争均衡所支撑。因此，我们可以通过求解中央计划者问题得到经济的竞争均衡。 中央计划者的目标是在受到资源约束的条件下最大化代表性家庭的效用。因此，中央计划者问题可表示为(我们考虑n=1的情形)：
(三)系统转换(稳定化系统) 在本文中，经济系统的不稳定来自于以指数增长的技术进步。显然，当不存在外生随机冲击时，上述经济系统中的实际变量
(除了劳动
，因为我们假设没有人口增长，所以
是稳定的。)的增长率均与
一致。因此，消除趋势后，这些变量将是稳定的。我们用小写字母表示稳定变量：
。因此，稳定化的经济系统可以表示如下：
上述等式表明，稳态的产出、消费、资本、投资和劳动均取决于模型的偏好参数(β和θ)以及模型的技术参数(α、γ和δ)。但是，描述生产率冲击的参数(ρ和
)均不影响实际变量的稳态值。 (五)线性化系统 接下来，与标准RBC模型一样，我们对稳定化的经济系统进行对数线性化。对数线性化后的系统如下(我们定义
：
上述线性化系统表明，模型的动态取决于参数α，β，γ，δ以及ρ。但是，参数θ和
不影响模型的动态；参数θ仅影响各实际变量的稳态值；参数
决定技术冲击的大小，但是对脉冲反应函数的形状没有影响。 从表面上看，存在预期冲击的对数线性化系统与标准RBC模型的对数线性化系统完全一致。但是，当存在信息不完全④时，对未来TFP(
)的预测可以减少人们关于未来经济发展的不确定性。因此，预期冲击的影响将在欧拉方程((14)式)中得到体现，因为欧拉方程是人们权衡当前决策和未来决策的最优方式。因此欧拉方程可以重新表示为：
三、数值方法 显然，上述包含预期冲击的标准RBC模型可以理解成一个随机动态优化问题。一般情况下，我们无法求得该问题的解析解。通常人们所使用的解法是数值解法。按照Uhlig(1995)的方法，随机动态优化问题的求解一般遵循如下程序：(1)求解刻画上述模型的必要条件；(2)求解模型的稳定状态；(3)对必要条件进行对数线性化；(4)使用待定参数法(method of undetermined coefficients)求解线性系统的递归均衡法则(recursive equilibrium law of motion)(正是本节的任务)；(5)通过脉冲反应分析和二阶矩的性质对模型的解作出详细分析。(这一任务将在下面几节展开。) (一)n=0的情形 当n=0时，包含预期冲击的RBC模型退化为标准的RBC模型。求解标准RBC模型的方法有很多。比如，Blanchard & Kahn(1980)的方法、Sims(2001)的方法、Klein(2000)的方法以及Uhlig(1999)和Christiano(2002)的方法。在以下的分析中，我们采用Uhlig(1999)的方法，这种方法通常被称为待定参数法。 按照Uhlig的方法，我们可以把线性系统((9)～(14)式)表示成如下矩阵形式：
这里，
表示内生状态变量(在本文中代表变量
表示内生控制变量(在本文中代表向量
)，
表示外生状态变量(在本文中代表变量
)。A、B、C、D、F、G、H、J、K、L、M和N为各变量的系数矩阵。按照待定参数法求解上述线性系统后，我们得到如下递归均衡法则⑥：
(二)n=1的情形⑦ 当n=1时，标准的RBC模型扩展为存在预期冲击的RBC模型。n=1表示预期冲击在一期之后实现。也就是说，经济个体在第t期获得信息
，然后根据这一信息对t+1期的生产效率作出预测。求解存在预期冲击的RBC模型的方法与求解标准RBC模型的方法相似。同样地，在以下的分析中，我们采用Uhlig(1999)的方法。 按照Uhlig的方法，我们可以把线性系统((9)～(13)式以及(16)式)表示成如下矩阵形式：
这里，
表示内生状态变量(在n=1时代表变量
表示内生控制变量(在n=1时代表向量[
]′)，
表示外生状态变量(在n=1时代表向量[
，
]′)。
为各变量的系数矩阵。同样地，按照待定参数法求解上述线性系统后，我们得到如下递归均衡法则：
四、参数校准与参数估计 (一)数据处理 在本文的分析中，我们使用的数据包括：支出法GDP、家庭消费、私人投资和劳动力提供。由于上述部分序列仅有年度数据可用，我们在估计参数时使用的是1981-2008年各时间序列数据。上述数据均可在国家统计局网站找到。但是，国家统计局公布的是现价数值。为了获得真实值，我们利用统计局公布的GDP真实增长率数据以及名义GDP数据，计算了GDP缩减因子。然后，利用计算得到的GDP缩减因子将所有的名义变量转换成了以2000年不变价格计算的真实变量。这里所有的GDP名义数据和真实增长率数据均来自国家统计局网站。最后，我们将这些实际变量除以总劳动力便得到各人均实际变量。在估计参数时，我们仅使用两个时间序列数据：家庭消费和私人投资。我们没有使用劳动时间的原因是，我国从未有官方公布的劳动时间数据。另外，我们也没有使用GDP数据。因为由预算约束方程可知，使用了消费和投资数据后，GDP数据便是多余的了。 本文的模型设置意味着，经济中的各主要变量(产出、消费和投资)在稳态时将以一个不变的比率增长。这里，这个比率为劳动扩大型技术进步的增长率。因此，参数估计所用数据应该去除共同的趋势。 模型的结构参数总共有八个：资本份额α、折旧率δ、贴现因子β、体现技术冲击持续性大小的参数ρ、劳动扩大型技术进步率γ、休闲带来的效用比率θ、预期冲击的标准差
、噪声冲击的标准差
以及信号中信息的比例χ。本文接下来的做法是，首先利用我国经济的增长特征对控制模型稳态的参数进行校准，然后再使用极大似然估计方法对控制模型动态的参数进行估计。 (二)参数校准 根据上面给出的各时间序列数据，我们计算出消费与产出的比率以及投资与产出的比率。在参数校准时，我们把这些比率的平均值视为模型在稳态时各变量的取值。下表中归纳了我国经济的增长特征。 需要说明的是，对于资本产出比，我们参照的是张军和邹至庄的数据。这个数据在两个人的数据中比较接近，我们取k/y=3.4。γ的取值为劳动扩大型技术进步的增长率，国外对γ的通用估计值为0.004(例如King & Rebelo(1999))。由于本文模型意味着各主要经济变量(产出、消费和投资)在稳态时以一个不变的比率γ增长，所以我们以这些变量的共同趋势的增长率的平均值代表γ的取值。另外，由于在对所有参数进行初步极大似然估计的试验中θ的估计值非常稳健，我们取θ的值为极大似然估计值。最后，对于稳态的劳动投入值，我们借鉴了已有文献的通常做法，取稳态的劳动时间为总时间禀赋的三分之一。 接下来，根据上述中国经济的增长特征，我们对参数(α、β和δ)进行校准。校准的方法是选择参数(α、β和δ)使得模型的平衡增长路径拟合中国经济的增长特征。描述模型经济的稳定状态的方程为(8)式。根据(8)式，我们得到参数α、β和δ的表达式分别为：
。根据表1，我们得到参数α、β和δ的校准值如表2。
(三)参数估计：极大似然估计(ML) 我们无法使用校准方法确定描述技术冲击的参数
。因为这些参数均不影响实际变量的稳态值。因此，本文采用极大似然估计方法对这些参数进行估计。估计结果见表3。 从上表可以看出，各参数的极大似然估计值都比较合理。
表示随机技术冲击的方差，其估计值为0.1032。因此技术冲击的标准差(
)的估计值为3.21%，这一数值与国内其他学者(如黄赜琳(2005))的估计结果基本近似。
表示信号的方差，其估计值为0.1568。由于每个信号既包含信息又包含噪声，另外我们假设这二者独立同分布且相互独立，利用(3)式计算得到预期冲击和噪声冲击的标准差分别为3.75%和1.26%。这里预期冲击表示预期的下一期技术冲击的实现值，因此预期冲击的标准差与随机技术冲击的标准差应该比较接近。从上述结果我们可以看出，事实也确实如此(3.75%与3.21%)。接下来，χ表示人们预期信号中信息所占的比率，其估计值为89.77%。与国外学者(见Hairault，Langot and Portier(1997))利用美国数据所得的估计结果(72%)相比，本文利用中国的数据所得的估计结果略显偏高。这一结果表明，在中国经济中，关于未来经济状态的信号(signal)中的信息(news)含量比较高。出现这一结果的原因可能是，在中国经济中关于未来经济状态的信号多数与政府的政策相关，而中国的政治体制又决定了中国政府具有很强的承诺能力。最后，ρ表示技术冲击的一阶自相关系数，其估计值为0.9981。这表明技术冲击的粘滞性非常高。出现这一结果的原因是，在本文的经济环境下，经济人在决策时不仅要考虑当前的冲击而且还要预期未来的经济冲击。
图1 主要经济变量对预期冲击(左图)和技术冲击(右图)的脉冲响应 五、预期冲击导致经济波动的机制和效应 在获得参数的估计值后，我们可以对扩展的RBC模型进行如下分析。首先，我们讨论模型经济中预期冲击的动态调整特征，以此揭示其驱动经济波动的机制。其次，我们运用这个扩展的RBC模型模拟中国的经济数据，得出模拟经济的周期波动特征，并与现实中国经济周期波动特征进行比较。最后，我们利用方差分解技术考察这个扩展的RBC模型对中国经济周期波动的解释力。 (一)模型经济的动态调整 图1给出了模型中主要经济变量对预期冲击的脉冲响应。经济在第t期获得一个信号
，根据这个信号人们预期未来的技术冲击为
。正如图1所示，预期的未来技术冲击为正的实现值(即t+1期的冲击为预期冲击)使得信号
从t期开始影响经济。而且这种好的预期引起未来(t+1期及以后各期)的经济繁荣但是导致了今天(第t期)的经济衰退。 关于未来技术冲击的预期对现期经济的影响与预期未来财富的增加所导致的效应是一致的。当人们预期的未来财富增加时，人们将调整其当前的行为。因为在给定确定性等价情况下，一部分预期的未来财富的增加值可以被确定地视为在当前已经实现。在本文偏好的假设下，现期收入增加的财富效应占优于替代效应。因此，消费者将增加当前的消费和休闲(休闲是正常品)。另外，现期的产出将下降，因为消费者提供的劳动时间减少了(因为休闲增加了)。最后，因为消费的增加，现期的投资也将下降(因为在资源约束下产出为消费和投资的加总，现在产出下降了而消费又增加了，所以投资必然下降)。因此，关于未来的好信息却导致了今天的经济衰退！这一结论不免让人迷惑，从直觉上来说⑧，当面临关于未来技术冲击的好信息时，人们对此的反应应该是增加当前的消费和投资。人们增加当前的消费是因为正的财富效应的结果；人们增加当前的投资是因为他们必须积累资本以应对未来总需求的增加。 然后，到了第t+1期，人们可以观察到实际的技术冲击的实现值，而且发现技术冲击的实现值符合他们之前的预期。因此，在第t+1期之后，经济进入一段繁荣时期。值得注意的是，各经济变量在t+1期以后的反应与其在标准RBC模型中的反应在本质上是相似的。当人们发现技术冲击在t+1期的实现值为正时，人们将增加劳动供给，因为此时替代效应占优于财富效应。对于给定的资本存量，劳动时间的增加使得产出增加。另外，由于生产率的增长，人们将迅速增加投资以应对未来总需求的增加。投资的增加导致资本存量的增加。资本的增加进一步促进了产出的增长。由于产出的增长率高于投资的增长率，所以最后消费也将增加。而且，从图形上来看，扩展的RBC模型中各经济变量在t+1期以后的反应与其在标准RBC模型中的反应也非常相似(见图1)。二者有两点细微的差别：一是，扩展的RBC模型中各经济变量在t+1期的增加幅度比其在标准RBC模型中的增加幅度小。因为在前者的脉冲响应实验中冲击的大小等于
而后者的为
。二是，在前者的脉冲响应实验中，当冲击到达时，各经济变量的起点不再是稳定状态，而后者却是。 (二)模拟经济的波动特征 表4和表5分别给出了χ等于0.8977和χ等于0时模型各主要经济变量的波动特征(标准差以及各变量与产出的交叉相关系数)。χ等于0.8977表示人们预期信号中信息所占的比率为89.77%。χ等于0表示人们预期信号中信息所占的比率为0，也就是说经济此时只受到随机技术的冲击，因此扩展的RBC模型回归到标准RBC模型。 通过比较表4和表5，我们可以看出，扩展的RBC模型模拟的经济数据的特征与标准RBC模型模拟的经济数据的特征有很多差异之处。首先，扩展的RBC模型中各经济数据的波动性明显高于标准RBC模型，这体现在表4中各经济变量的标准差高于表5中各经济变量的标准差。这一点很容易理解，因为在扩展模型中经济系统不仅受到随机的技术冲击而且受到预期冲击，而标准模型中经济系统仅受到随机技术的冲击。其次，与标准模型相比，扩展模型中产出的粘滞性更高，这体现在表4中产出的一阶自相关系数高于表5中产出的一阶自相关系数。另外，值得注意的是，与标准模型相比，扩展模型中领先一期的消费与产出的相关系数有很大的提高(从0.28上升到0.52)。这一点也很容易理解，因为在扩展的模型中，在第t期(信号到达，此时生产率并没有改变，改变的是人们对未来生产率的预期)时财富效应占优于替代效应，因此消费上升；在第t+1期(信号实现，生产率受到冲击)替代效应占优于财富效应，因此产出上升。所以，正是这种不完全信息所导致的预期冲击使得消费更像是产出的领先指标(相对于标准RBC模型而言)。最后，在两个模型中，领先一期的投资和就业与产出的相关系数均高于其滞后一期与产出的相关系数，但是扩展模型中领先一期的相关系数比标准RBC模型低。 接下来，我们分析扩展的RBC模型模拟的经济数据的特征与实际中国经济数据的特征之间的比较。通过比较表5和表6，我们可以发现，模型各经济变量的波动性与实际数据的波动性基本接近。差异之处有：一是模型产出和就业的波动性大于实际数据的波动性；二是模型各变量与产出之间的共动性远远高于实际中各变量与产出之间的共动性；三是扩展模型中产出的粘滞性(一阶自相关系数)低于实际产出的粘滞性；四是扩展模型中领先一期的消费与产出的相关系数远远高于实际数据中领先一期的消费与产出的相关系数。
(三)扩展模型的解释力：方差分解 预期冲击可以在多大程度上解释改革开放以来中国经济的周期波动？与技术冲击相比，其重要性如何？为了回答这些问题，我们对主要经济变量(产出、消费、投资和就业)超前k步的预测误差的方差(k-step-ahead forecast error variances)进行分解。这些变量的预测误差的方差可以分解为两部分：一部分归因于随机技术冲击，另一部分归因于预期冲击。 上表给出了各主要经济变量超前k步的预测误差的方差分解，这里k的取值分别为1年、4年、8年、12年、20年、40年以及无穷远。从表7我们可以看出，技术冲击在解释短期经济波动上表现良好。例如，技术冲击可以解释各主要经济变量(产出、消费、投资和就业)超前1年的预测误差的方差分别为98%、71%、85%和57%。但是，技术冲击对中长期(4年以上)的经济波动缺乏解释力，因为技术冲击可以解释的各主要经济变量超前k(k＞=4)年的预测误差的方差均不超过50%。而且，随着k的增加，技术冲击解释经济波动的能力呈逐渐下降的趋势，技术冲击大约能够解释总产出的45%的无条件方差(k趋于无穷时)。这也从某种程度上说明了在扩展的RBC模型中技术冲击难以解释总产出的波动。另外，值得注意的是，技术冲击在解释就业的无条件方差方面比标准RBC模型有了很大的改进。例如，Ireland(2004)认为标准RBC模型只能解释战后美国就业波动的2%左右。而本文中扩展的RBC模型可以解释改革开放后中国就业波动的40%左右。 接下来，我们看预期冲击在解释经济波动方面的作用。与技术冲击的表现相反的是，预期冲击对短期(k=1年)经济波动缺乏解释力。例如，预期冲击可以解释的各主要经济变量(产出、消费、投资和就业)超前1年的预测误差的方差分别为1%、28%、14%和42%。但是，预期冲击在解释中长期经济波动上的表现比技术冲击好。例如，预期冲击解释的各主要经济变量(产出、消费、投资和就业)超前k(k＞=4)年的预测误差的方差几乎都超过了50%。而且，随着k的增加，预期冲击解释经济波动的能力呈逐渐上升的趋势。这一点也非常符合中国的经济事实，随着市场经济改革的深入和经济的发展，各经济部门(企业、政府和私人)之间的相互作用越来越紧密，经济系统变得越来越复杂，因此为了应对不断变化的复杂环境各经济主体的决策工作越来越依赖关于未来的信息。也就是说，经济系统受到的冲击更多地是来自于预期冲击。
六、结论和进一步的研究方向 Lucas(1977)把经济周期现象描述为：产出沿趋势的反复震荡及其与其他经济总量时间序列的共动性。实证结果也显示，宏观总量间存在很强的共动性。因此，总量宏观经济变量(产出、消费、投资和就业)之间的共动性是经济波动的一个重要特征。所以，能否拟合经济总量之间的共动性是检验经济周期理论模型好坏的一个重要指标。 本文在标准的RBC模型中引入预期冲击，详细地分析了预期冲击导致经济波动的机制和效应。脉冲响应分析的结果表明，在标准RBC模型中，预期冲击难以形成经济波动的共动性特征。与此相反，关于未来的好信息却导致了今天的经济衰退！这正是本文模型的一个缺陷。正是这种缺陷促使我们下一步的研究：什么样的模型设置才能产生经济波动的共动性？ 另外，我们详细分析了这个扩展的RBC模型在解释中国经济波动方面的能力。一方面，我们利用扩展模型模拟中国1981-2008年的经济数据，并比较模型经济与实际经济各变量之间矩的一致性。我们发现：(1)模型各经济变量的波动性与实际数据的波动性基本接近；(2)模型各变量与产出之间的共动性远远高于实际中各变量与产出之间的共动性；(3)扩展模型中领先一期的消费与产出的相关系数远远高于实际数据中领先一期的消费与产出的相关系数。另一方面，我们使用方差分解方法详细地分析了扩展模型中不同的冲击对实际经济波动的解释力。结果表明：技术冲击在解释短期(1年)经济波动上表现良好，但是对中长期(4年以上)的经济波动缺乏解释力；预期冲击对短期经济波动缺乏解释力，但是在解释中长期经济波动上的表现比技术冲击好，预期冲击可以解释50%以上的中长期经济波动。模型经济对中国经济波动的解释力不够理想是本文模型的另一个缺陷。我们认为原因可能有以下几点：一是，本文模型是标准的RBC模型，没有考虑任何市场不完全；二是，本文模型仅考虑了技术冲击这一种实际冲击，如果引入更多的冲击(如货币冲击和其他实际冲击)结果可能会更令人满意；三是，本文中的预期冲击只是关于技术冲击的预期冲击，如果在引入更多冲击的同时也引入预期冲击情况又会怎么样？以上三点也是可以进一步研究的方向。 数学附录： 附录A：n＞1时，欧拉方程的推导 当n＞1时，线性化系统可以表示如下：
对于n＞1的情形，我们可以得到类似于(16)式的欧拉方程。具体方法是：首先，由欧拉方程(14)向前递推n期，得到如下n个方程：
然后，把(4)式代入上式便得到如下无条件欧拉方程式：
例2：n=3 当n=3时，线性化后的欧拉方程为：
①在动态宏观经济模型中，预期的外生变化可以体现为两种不同冲击的后果：news shocks和sunspot shocks。sunspot shocks指那些所谓的“动物精神”或者那些难以解释的乐观和悲观情绪的波动。news shocks指那些经济人今天获得的与未来经济发展状态相关的信息。这些信息有助于人们预测未来的经济状态的变化，但是不影响现在和过去的经济状态。例如，关于未来研发策略的公告、即将到来的政策改革或者中央银行改变政策目标的意图，都可以被视为news shocks。虽然，news shocks和sunspot shocks都可以用来刻画预期的外生变化。但是在本文的研究中，我们仅考察由news shocks引起的预期变化如何驱动经济波动。因此，本文中所指的预期冲击即指news shocks。虽然sunspot shocks也可以用来刻画预期的外生变化，但是这种预期变化是由那些本身与经济毫不相干的外在不确定性(如，太阳黑子、动物精神和莫名其妙的情绪波动)引起的。所以，本文没有考察sunspot shocks。 ②国家统计局新闻发言人李晓超日前说，从当前的现实来看，不存在通货膨胀问题，但对通胀预期要给予高度关注。国务院常务会议也提出要“管理好通胀预期”。 ③标准RBC模型是指在现代经济周期理论中被视为基准模型的某一类RBC模型。这些模型通常具有下列特征：效用关于时间和自变量是可分的、Cobb-Douglas生产技术而且不考虑政府部门的单部门模型。例如，Hansen(1985)和Cooley & Prescott(1995)就是这类RBC模型。 ④也就是说，虽然家庭每期都会观察到一个信号
，但是不能区分这个信号中的信息
和噪声
。 ⑤对于n＞1时欧拉方程的推导，见附录A。 ⑥文中未给出计算过程，原因是这些方法在动态宏观(尤其是RBC模型)领域应用广泛且已经成为标准方法。而且，在作者的主页有现成的Matlab Code。感兴趣的读者请参见：http://www.wiwi.hu-berlin.de/wpol/html/tookit.htm。 ⑦对于n=2、n=3以及n=4的情形，见附录B。 ⑧Fama(1992)分析了消费、产出和投资之间的共动性。他的结论是，在控制某些领先和滞后项后，消费和投资的增长率之间存在显著的正相关性。因此，他的结论在一定程度上支持了上述经济直觉。
标签：经济论文; 经济模型论文; 标准模型论文; 预测模型论文; 经济学论文; 解释变量论文;
