DSGE模型的一点经验

猪人 说点具体的，长篇大论看着有点眼花哦！
补充一点新凯恩斯经济学除价格、工资黏性外，还有信息粘性！！！
我想建立的模型上面已解释得很清楚，它怎么看起来仅是为了实证呢！！！

King、Plosser and Rebelo (1988a、b)是新古典的经典！！！！

wang师兄，能否介绍点信息黏性的经典文献给我？实在感谢了。

写长篇大论是为了梳理一下知识，可能没说到点子上，抱歉

manki的个人网页很多！！google上搜搜吧！！！！

对了，猪人，，对工作搜寻和均衡失业理论 有何较详细的见解，我对此正犯愁???谢谢！！！！

路过，看一看

今天看到您的回帖，很高兴有这么多同好一起探讨。但是我自己所能达到的水平有限，只是简单运用而已，的确还难以对方法本身的好坏做出判断。但是我觉得，您说的“中国数据较少导致这个问题”的思路是正确的。因为我就是搞统计工作的，我深知统计数据收集之难，而且由于种种原因，我国的数据很多即便在相关部门收到了，也是不对外公布的。如果您确实需要做这方面的研究，我的建议是：通过学院或者导师与相关部门建立数据联系，可以付费给他们，而且他们听说是高校搞研究，一般是会提供的，这样或许能得到些数据。但这只是可能，呵呵。

最后，您说“贝叶斯估计流行是因为中国样本量少”，这个我个人不认同。就我所知的贝叶斯估计方法来看，其关键就是对待估参数的先验分布有一个人为设定。而只有在大样本情况下，对待估参数不同的先验分布设定才不影响估计结果。否则，不同的先验分布设定，在样本少的时候，估计结果偏差很大。这就是我所了解的，希望能对您有所帮助！顺便向您拜年！ 46# wangfaxian

作为一个外行，我是来给lz捧场的。

就我很浅薄的宏观知识而言我只晓得现在RBC中比较热的是news shock，呵呵。

当然“异质性”概念在宏微观中都属于显学了，国际贸易理论在搞异质企业模型，宏观在引入异质人到DSGE中。

其实在实证，尤其在微观计量中也在强调控制异质性问题。

祝诸位宏观领域的大牛们兔年快乐！

鲁峰 看来我们是同行  我是搞统计及计量教学的；正因此容易进入方法细节，否则，就成了“纸上谈兵”；另外，先验是个人是认定的，但也不是随意认定的，一般，根据数据的边缘似然函数设定，当然还有一些主观因素；估计结果是后验分布，然后再从后验中计算抽取出序列进行诸如：脉冲、方差分解之类的分析。因此，它避免了小样本下点估计易出现的有偏性、渐进一致性等等问题。

马克。。。。。。。。。。。。