作者：Anton Korinek
Anton Korinek是约翰霍普金斯大学经济系助理教授，2007年获得哥伦比亚大学博士学位。专业领域为国际金融与宏观经济学。目前主要研究资本控制、宏观审慎政策降低未来金融危机的风险。2016年发了一篇AER。
译者：许文立
武汉大学经济与管理学院
xuweny87@163.com
本文只是一个summary，完整中文翻译版本将在Anton Korinek的个人主页挂出来，届时可参考，也可以参考英文版《Thoughts on DSGEMacroeconomics: Matching the Moment, But Missing the Point?》 。
当代宏观经济学严重依赖动态随机一般均衡模型（DSGE）。2008/09金融危机之后，DSGE宏观经济学家已经受到了严厉的指责。这些指责不仅来自于他们的同行，也来自于这个领域以外的学者。因此，DSGE方法遭遇到了严峻的责难。
在继续我的探讨之前，我需要强调的是，由于作为宏观经济专业领域的一员，我们偶尔也会用DSGE模型来分析一些有趣的宏观经济问题，因此，有两点注意事项需要说明。
第一，DSGE宏观经济学领域非常广泛。
第二，我并不认为DSGE宏观经济学只需要唯一的研究方法。相反，我认为最合意的宏观经济学未来发展方向应该是更少的教条，更多的多样性，以及更加包容宏观经济学领域内的思想多样性。
1 DSGE方法论
从最基础的层面上来看，DSGE方法是宏观经济学领域的一种研究方法。一种研究性方法论通常定义为一般性策略，其被应用于一个领域的研究问题，即研究如何进行，如何识别一系列方法，以及哪些限制条件可以用于该领域。
一种方法论不仅仅由一些正式方法组成，也包括研究者强加的一些隐含要求和限制，有时候更像是不可言明的社会惯例。因此，本文既考虑一些明晰的要求和限制条件，也考虑那些隐含的，不可言明的要求和限制。
由DSGE方法所强加的一些方法论限制条件可以划分为两种类型。第一类是概念性限制条件，例如模型设置为动态、随机、一般均衡型（正如该方法的名字一样）的要求，微观基础的应用，静态均衡分析等等。第二类是作为DSGE方法一部分的定量方法和限制条件。
我的评价标准就是要理解宏观经济运行，从而指导经济政策，并预测经济未来走势。
2 概念性限制条件——动态，随机，一般均衡和其它
由DSGE方法所强加的概念性方法论限制主要有三个：DSGE方法要求模型是动态的，是随机的，以及一般均衡分析。然而，实际中对这三个要素的理解远比“DSGE”缩写的字面意思要特殊得多。也就是说：
动态意味着运用DSGE方法的模型是一个无限期模型——从社会层面来说，如果一个动态随机一般模型只由两期组成，那么该模型就不能称为DSGE模型，即使它也包含动态，随机，一般均衡三种元素。
从积极方面来说，该类模型为经济模型提供了一种优美而简洁的描述形式，因为每一期都能被描述为按照相同的运动法则演化。
从消极方面来说，引入无限时期会大大增加解模型的复杂性，并造成了一种偏向性，即偏向那些具有良态随机稳态（well-behavedergodic steady state）的模型。
随机不仅仅意味着模型应该解释不确定性，而且在传统的DSGE方法（继承于实际商业周期分析）中，不确定性的一种基本驱动力是生产率冲击。生产率冲击是DSGE模型中最常见的不确定性来源，也是DSGE中的首要冲击形式。这种普遍的做法与缺乏稳健的生产率冲击经验证据形成鲜明对比。我们并不清楚生产率冲击类型是否是最好的经济冲击基准情形。
一般均衡意味着宏观经济模型需要基于坚实的微观基础，由下自上的构建。在宏观经济学中引入微观经济的动机之一就是使得经济学方法论更加一致。我们考虑这样一个问题：从一个更加宽泛的视角来评价宏微观经济方法论统一的合意性。
世界上，仍有许多科学在微观和宏观层面上存在不同的方法论。例如下列科学领域：核物理和化学，化学和微生物学，微生物学和医药学。在这些领域中，与微观研究者相比，宏观研究者采用不同的方法论。一般来说，在所有描述性科学领域，许多宏观现象都是系统理论学家所称之为的“层展现象（emergent phenomena）”。该现象是由于微观层面实体之间的相互作用而产生。
更明确地说，我们都知道物理学家对于我们身体中的微观层面过程了解得比医生更详细、更精确。但是，基于物理学家更了解人体微观层面的运行机制这样一种认识，当你生病了，你是去看医生还是去找物理学家呢？
在宏观经济学中，存在许多层展现象，但是精确追溯它们的微观起源仍然十分困难。
在任何既定的领域中，微观和宏观方法都会相互指责。但是在大多数领域中，宏观研究者（例如，工程师或者医生）都不愿意放弃原有的一套宏观法则和经验启示，这些法则和经验启示都是在其领域内经过数个世纪的积累而形成的，因此，他们也不愿意只利用微观基础。然而，当DSGE方法成为主导方法时，上述事情正是宏观经济学领域所发生的事情。
我也想强调一下微观和宏观彼此相互学习促进的合意性。例如，过去十年许多医药进展都是由生物化学的理论观点推动的。
理性预期是20世纪70年代之后DSGE方法最重要的进展之一。如果宏观经济模型运用宏观经济变量之间的统计关系，而这些统计关系建立在过去所观察到的行为基础上，从而忽略了预期的变化，那么，这些模型一定是错误的。
卢卡斯批判也为宏观经济学带来了理性预期效应。虽然DSGE模型基于微观基础，例如偏好和技术，但这些微观基础并未受到政策措施的影响。从这个角度来讲，利用DSGE进行政策分析仍然需要变得更加稳健。例如，在新凯恩斯DSGE模型中，货币政策并不能恒久性地增加产出，因为经济行为人有理性预期，并预见到货币政策仅仅只会提高通货膨胀。
但DSGE模型应用并不必须处理这个问题。例如，许多央行的宏观计量模型已经明确引入通胀预期来应对卢卡斯批判，但它们并不是完全依赖于微观基础才这么做。
如果这些模型只是为了拟合某些宏观经济统计量，那么，它们就没有真正抓住经济行为人所面对的微观激励，而只是为了拟合数据。
运用DSGE模型的研究者必须保持清醒的认识：任何宏观模型必然做了一些简化，而这些简化会牺牲某些政策干预措施的稳健性。当调查研究某个特殊课题时，一个优秀的研究者必须要能区分哪些简化是很关键的，哪些则不太关键。
福利实验是DSGE模型构建在微观基础上的第二个方面，而且这个方面被证明非常有用。在20世纪70年代，即传统宏观经济模型环境下，不可能直接讨论福利，尽管那些模型也被用于讨论影响福利的实际变量，例如增长或失业。因为DSGE模型明确假设了所有经济行为人的效用函数，因此，评价不同经济政策对行为人效用的影响就是研究福利效应的一种有用方式。
我们在卢卡斯批判中所讨论的内容也可以应用于此：任何福利计算仅仅与其宏观经济模型的可信度一致。如果一个模型做了错误的简化，那么，由它得到的福利含义也不会与现实相符。再次强调，作为一个优秀的研究者必须要将那些在既定政策实验中对福利有关键性影响的方面囊括在模型中。更一般地说，微观基础对于许多宏观经济问题都是很有用的工具，但是微观基础本身并不是一个目标。对于许多问题来说，微观基础是不可或缺的，而对于另一些问题来说，也可以不要微观基础。
3 定量宏观经济学——矩匹配，却遗漏了点匹配？
我想要讨论DSGE方法的第二个重要方面就是其定量目标。DSGE模型旨在以一种工程式的方式来定量描述宏观经济。
写一篇DSGE宏观经济学文章的一个典型步骤如下：
提炼出某些宏观变量定量关系的特征事实（例如，数据的各阶矩——方差、自相关系数、协方差等），这些特征事实也是迄今还未被解释的；
构建一个经济的DSGE模型，并加入明晰的冲击集，以使得模型能刻画上述定量关系；
由假设的冲击过程产生的随机冲击反馈到模型系统时，所构建的模型能“复制”或“匹配”所选宏观变量的矩。
上述最后一步将模型的模拟矩与数据的观测矩进行比较，来检测DSGE模型的拟合程度。大致与观测矩相匹配的模型就可以接受；而那些与数据不一致的模型则应该被决绝。
然而，与数据相匹配匹配的DSGE模型强加的检测至少在以下三个方面存在问题：
第一，选择用于评价模型的矩集很大程度上比较随意。
第二，对于既定的矩集，又没有良好的统计量来测量DSGE模型的拟合优度，或者在此框架下如何改进的统计量。
第三，评价现实世界非常复杂，从某些角度来看，所有的经济模型都会被数据所拒绝。
例如，二阶矩是评价宏观经济模型的常用工具，但像金融危机这样的、最重要的宏观经济事件并不总能被二阶矩刻画。也就是说，这些最重要的宏观经济事件通常是极端事件。因此，刻画金融危机的一个好模型可能并不能靠匹配这些矩（而矩匹配经常被用来评价商业周期模型）来进行识别。
次优理论认为在一个多重市场失灵的经济中，只矫正一种市场失灵可能会降低总的经济效率。
艾尔伯特.爱因斯坦指出：“并非所有重要的事物都在我们的考虑之内，而能考虑到的事物又并非都重要（Noteverything that counts can be counted, and not everything that can be countedcounts.）”。DSGE模型能很容易地依靠明确的方法集得到许多数值结果。但对研究者来说，以下行为存在一定风险：过多的关注于可靠性存疑的数值预测，在相关问题上花费太多时间和精力，而不去关注于更深刻的，与社会更相关的概念性问题。
4 DSGE模型的复杂性——限制了我们研究的范围？
DSGE模型解起来并不容易。在许多情形，DSGE模型的概念性要求与其定量目标彼此矛盾——概念性限制条件使得定量分析更加困难，反之亦然。
偏见综上所述，DSGE模型的复杂性给宏观经济学专业带来了很多偏见：
第一，在宏观经济学领域中，存在一种对DSGE模型描述的实证机制的理解偏误。数学和计算的复杂性给DSGE宏观经济学家所能使用的一些模型施加了严格的限制条件。换句话说，我们能用严格地定量DSGE模型来描述的想法比利用一些更简单模型来表达的想法更少。这些方法论限制条件制约了我们的建模，最终制约了我们的思考。
第二，复杂性也带来了一个规范性方面的误解。当在经济模型中增加摩擦的时候，最简单的就是把它们假设为一种良态的分析形式。因此，把经济摩擦引进良态分析形式中的合意性就给宏观经济学带来了规范性误解，即更频繁假设福利理论成立，而较少关注对经济精确描述所得到的启示。
第三，由DSGE方法带来的复杂性与奥卡姆剃刀相矛盾，例如，根据科学原则，模型应该尽可能简单。
第四，由解DSGE模型的复杂性所带来的误解则是花费大量的时间在方法上，而不太关注主旨内容。方法论创新经常会造成方法论陷阱。每种方法论创新后，有些研究更关新理论新技术，而不是关注于他们本身所要解决的根本性问题。然而，应用最新的方法并不能保证得到经济含义——不是每一个数学真理都是一种有用的经济理论。事实上，这两者经常被混淆。
最后，DSGE模型的复杂性也带来了一个谁将成为宏观经济学家的选择性偏差。DSGE模型所要求的越来越高的技术就会使得宏观经济学家群体成为那些缺乏经济思想的人。（马克思.普朗克的一个著名评论：他在1874年决定去学习物理，而不是经济学，因为他觉得后者太难了——可能对他那聪明而又数学式的思维确实太难了。但是，人们可能仅仅想知道如果他现在选择，他会选择物理还是经济呢。）
5 宏观经济学的统一——多样性危机？
包括DSGE方法在内，科学方法论的一个有趣特性就是它们会产生网络式外部性。使用一种既定方法的人越多，使用它所得到的回报越大。一种方法论为促进思想交流和科学进展提供了一个通用的框架。但是正因为这样，科学方法论中才会出现自然垄断。根据一些统计证据，DSGE方法已经处于自然垄断的位置了。的确，有一些宏观经济学家倾向于否定任何非DSGE即非宏观经济学或者非科学的东西。
如果一种方法论能有效地包括一个科学领域中所有重要的现象，那么，在该领域中由该主导方法论所形成的统一性就是合意的。然而，宏观经济学领域离这一目标甚远。
稳健性如果一种方法论变成了主导方法，却有不足以涵盖既定领域中所有有趣的现象，那么，这就将该领域置于是否稳健的危险之中。
最后，方法论的统一对于宏观专业领域来说可能并不合意。
总之，正如其他研究宏观现象的科学领域一样，对于宏观经济学家来说拥有多样化的方法论可能更好，它们中有一些关注于定量洞见，有一些则关注于概念性洞见，还有一些可以将两者结合起来研究。回顾一下，即使在物理学中——它可能是最接近于具有统一框架的科学，人们仍然没有找到一个解释所有事物的理论。
