凡是搞计量经济的，都关注这个号了
邮箱：
[email protected]
所有计量经济圈方法论
丛的code程序
, 宏微观
数据库和各种软
件都放在社群里.欢迎到计量经济圈社群交流访问
.
2019年贝茨克拉克奖获得者Emi Nakamura与coauthor在AEA旗下的JEP写了“Identification in Macroeconomics”。
本文讨论的是宏观经济学中的识别问题。与应用微观领域经常强调的识别问题相比，为什么宏观经济学更倾向于使用结构模型呢？宏观经济学中的识别问题又是如何界定的呢？
除了文章外，他们还做了一份70的Slides，非常简洁易懂，详情见后面。
Emi Nakamura，参考
1.
AEA的小诺贝尔经济学奖公布, 41位青年才俊做了些什么
，2.
AER的主编和编委偏好什么, 在哪个领域更容易发表
，3.
2021年世界计量经济学会士当选情况, 日裔异军突起, 华人学者不甘示弱
。
本文探讨了宏观经济学家采用的实证方法，以回答一系列关键问题：货币政策有何作用？财政刺激的效果如何？大衰退的成因是什么？为何某些国家的经济增长速度超过其他国家？在这个过程中，因果效应的识别扮演着双重重要角色。
在某些情况下，研究者能够直接识别政策中可能的外生变化，并利用这些变化来评估政策效果，从而取得进展。然而，外部效度（external validity）问题限制了这种方法能够得出的结论范围。精确识别出的因果效应估计同样可以作为结构性矩匹配过程中的关键参考点。作者用“识别矩”这个术语来简洁地表达“对已识别结构性冲击的响应估计”，这在应用微观经济学领域通常被称作“因果效应”。作者认为，这些识别矩是区分不同模型类别的重要诊断工具，有助于我们理解政策的实际效果。
为了阐释这些概念，本文还讨论了宏观经济学中横截面证据的日益重要性，并分析了关于货币政策效果的最佳现有证据。
简要介绍：
任何科学探索都必须建立在对研究现象的坚实实证知识基础之上。在宏观经济学领域，许多核心的实证问题自大萧条以来几乎未曾改变。它们包括：经济周期波动的根源何在？货币政策如何作用于经济？财政政策又如何影响经济？为何某些国家的经济增长速度会超过其他国家？对于新入行的研究者而言，可能会感到困惑：“为何经过如此漫长的时间，我们仍未能解答这些问题？”问题的关键在于，宏观经济学中的识别identification问题极为复杂。
以货币政策为例（遗憾的是），美联储在设定利率时并非随机行事。相反，美联储雇佣了数百名经济学博士，他们仔细分析每一条经济数据，力图使货币政策尽可能地内生化。这意味着，要识别出一种可能对未来产出产生外生影响的货币政策成分，并直接衡量政策对产出的影响，需要极大的创造力和细致的研究。
宏观经济学中的一个重要实证研究方向，是识别宏观经济政策中可能外生的变异，并利用这些变异来评估政策效果。我们将这类研究称为直接因果推断。稍后将对文献中用于评估宏观经济政策效果的主要方法进行批判性评估，包括识别向量自回归（VAR）模型，并探讨有关货币政策非中性化的最佳现有证据。
研究者在宏观经济学中进行直接因果推断时面临的一个重大挑战是，
数据中可找到的自然实验往往无法完全满足我们对政策问题的需求。
这种“外部效度”问题可以通过货币政策和财政政策来说明。
一方面，货币政策和财政政策的动态特性使其呈现出高维度。
例如，某些货币政策声明仅影响短期内的政策预期（例如，美联储本月或下月是否会收紧政策），而另一些政策则同时影响短期和长期的预期，甚至可能仅影响几年后的政策预期（例如，当政策利率处于零下限时，美联储承诺将其保持较低的时间比预期更长）。财政政策的情况也类似。最近的理论文献强调，政策行动的未来时间配置对当前产出和通胀的影响具有重要作用。因此，仅仅识别一种时间配置的政策冲击效果，并不能说明另一种时间配置的政策冲击效果。
另一方面，财政冲击的效果往往依赖于货币政策的反应，比如是否受到零利率下限的制约
。
同样，货币政策的效果也明显受到财政政策反应的影响。
此外，货币和财政政策的效果可能会因为经济中的闲置程度和经济的开放程度而有所不同。最后，政策行动是否具有意外性，也会影响经济反应的强度和时间。
这些外部效度问题（以及其他相关问题）意味着，即使是非常明确的货币和财政自然实验，最多也只能部分评估未来的货币和财政政策（这些政策的特性可能与过去的政策显著不同）将如何影响经济。
面对这些挑战，一种可能的应对策略是为每一种不同情境收集直接的因果证据。然而，这种做法可能并不现实。即便可行，也应当能够从一种情境的证据中提取出对另一种情境有价值的信息。
由于上述挑战，宏观经济学中的许多实证研究更倾向于采用结构性方法。
这类研究通常聚焦于数据中的一组关键统计特征，并利用这些特征来区分不同的经济模型。
在这一推断过程中，对因果效应的估计，即对识别出的结构性冲击的响应，扮演着至关重要的角色。正如模型需要拟合无条件均值、方差和协方差一样，因果效应的估计也可以被视为目标矩，模型应当与之相匹配。本文使用“识别矩”这一术语来简化“对识别出的结构性冲击的响应估计”，这在应用微观经济学中也被称作“因果效应”。
下面看看他们针对这篇文章的Slides，非常直观简洁。
Nakamura, Emi, and Jón Steinsson. 2018. "Identification in Macroeconomics." Journal of Economic Perspectives, 32 (3): 59–86.
*群友可直接前往社群下载原文PDF和Slides。
关于时间序列方法：
1.
时间序列分析的各种程序, 38页集结整理成文档
，2.
ARDL, ARIMA, VAR, (G)ARCH时间数据模型讲解及软件操作
，3.
R软件中的时间序列分析程序包纵览
，4.
时间序列分析的各种程序, 38页集结整理成文档
，5.
时间序列数据分析的思维导图一览, 金融经济学者必备工具
，6.
送书: 应用时间序列分析(经典)
，7.
为啥时间序列模型比较难学？时间序列的正名路
，8.
面板数据单位根检验软件操作和解读全在这里
，9.
动态面板回归和软件操作，单位根和协整检验（Dynamic Panel Data）
，10.
疫情期计量课程免费开放！面板数据, 因果推断, 时间序列分析与Stata应用
，11.
送书: 应用时间序列分析(经典)
，12.
时间序列模型分解，季节调整分析基础
，13.
动态因子模型是什么, 又怎么去实现？
14.
动态面板分位数估计怎么做？
15.
动态面板门槛回归程序公布, 使用方法介绍
，16.
把动态面板命令讲清楚了，对Stata的ado详尽解释
，17.
时间序列分析概览(今天的重点1)
，18.
全面比较和概述运用机器学习模型进行时间序列预测的方法优劣！
19.
一文读懂“非平稳时间序列计量经济学分析”, 包括单位根检验, 结构突变检验等
，20.
中断时间序列分析ITSA是什么? 很流行的政策评估新范式！
21.
可以在面板回归分析中使用时间序列解释变量或被解释变量吗？
22.
ARIMA时间序列模型的步骤, 程序和各种检验, 附上代码并通过示例进行解读！
23.
使用Stata做时间序列分析书籍, 包括模型讲解以及Stata示例操作
，24.
时间序列中的协整检验和VECM，以及回归后的系列估计操作
关于VAR方法：1.
R软件中的时间序列分析程序包纵览
，
2
.
时间序列分析的各种程序, 38页集结整理成文档
，
3.
时间序列数据分析的思维导图一览, 金融经济学者必备工具
，
4.
送书: 应用时间序列分析(经典)
，
5.
为啥时间序列模型比较难学？时间序列的正名路
，
6.
时间序列中的协整检验和VECM，以及回归后的系列估计操作
，
7.
时间序列模型分解，季节调整分析基础
，
8.
空间和时间的计量，关注二位国人
，
9.
TVP-VAR时变参数VAR系列文献和估计程序
，
10.
向量自回归VAR模型操作指南针,为微观面板VAR铺基石
，
11.
VAR宏观计量模型演进与发展，无方向确认推断更好
，
12.
应用VAR模型时的15个注意点，总结得相当地道
，
13.
面板数据单位根检验软件操作和解读全在这里
，
14.
动态面板回归和软件操作，单位根和协整检验（Dynamic Panel Data）
，
15.
面板向量自回归PVAR是什么? 数据, 程序和解读一步到位
，
16.
ARDL, ARIMA, VAR, (G)ARCH时间数据模型讲解及软件操作
，
17.
动态因子模型是什么, 又怎么去实现？
18.
SVAR模型的起源、识别、估计与应用, 系统讲述
，
19.
平滑转移自回归模型(STAR)应用与在R软件的操作
，
20.
Copula函数
，
21.
GVAR, 全局VAR模型是什么？该如何用软件实现, 有哪些研究文献和最新进展！
22.
前沿: BVAR, 贝叶斯VAR是什么, 为什么需要, 软件怎么做, 如何解读呢？
23.
结构性面板VAR是什么? 如何实现PSVAR呢？怎么解读？
24.
2021年AER上最新基于DSGE模型的宏观计量文章, 附上50篇时序, VAR模型文章！
下面这些短链接文章属于合集，可以收藏起来阅读，不然以后都找不到了。
7年，计量经济圈近2000篇不重类计量文章，
可直接在公众号菜单栏搜索任何计量相关问题
,
Econometrics Circle
