复旦大学：《宏观经济学》课程PPT教学课件（初、中、高级篇）12 第十二章动态模型基础

第12章 动态模型基础 院

第 12 章 动态模型基础 01 0 10 20 30 40 90 91 92 93 94 95 96 97 98 99 00

主要内容 ⊙建立宏观经济学模型的基本准则 ⊙宏观经济学的微观基础 家庭的选择 厂商的选择 ⊙劳动力市场简介 ∠复要存院

主要内容 建立宏观经济学模型的基本准则 宏观经济学的微观基础 ❖家庭的选择 ❖厂商的选择 劳动力市场简介

121建立宏观经济学模型的基本准则 ⊙静态经济学 ÷静态分柝外生变量+参数==>内生变量 ⊙比较静态经济学 比较静态分析:外生变量=>内生变量 ⊙动态经济学 动态内生变量 院

12.1 建立宏观经济学模型的基本准则  静态经济学 ❖静态分析:外生变量+参数==>内生变量  比较静态经济学 ❖比较静态分析：外生变量==>内生变量  动态经济学 ❖动态:内生变量

12.1建立宏观经济学模型的基本准则 ⊙微观中的动态经济模型 考虑变量的时间顺序,考虑变量调整所需的 时间和过程。 蛛网理论 应 Q=-y+ Q=Q 院

微观中的动态经济模型 ❖考虑变量的时间顺序，考虑变量调整所需的 时间和过程。 ❖蛛网理论 12.1 建立宏观经济学模型的基本准则 t D Qt = a − p = − + t−1 S Qt  p D t S Qt = Q

12.1建立宏观经济学模型的基本准则 ⊙宏观中的动态经济模型 收入支出模型 yt=C+It c=a+byt yt-by 1=It+a 学子务详院

宏观中的动态经济模型 ❖收入支出模型 12.1 建立宏观经济学模型的基本准则 yt=ct+It ct=a+byt-1 yt -byt-1 =It+a

121建立宏观经济学模型的基本准则 ⊙宏观经济学模型是对真实经济活动的高度简化 抽象,建立模型的过程就是一个凸显最主要的 因素(变量),忽略掉所有不重要或次要因素 的过程。 ⊙同一经济现象,根据不同经济模型很有可能推 导出不同的甚至是相反的结论。 ⊙是否有一个统一的标准来判断模型的好坏呢? 济学院

12.1 建立宏观经济学模型的基本准则  宏观经济学模型是对真实经济活动的高度简化 抽象，建立模型的过程就是一个凸显最主要的 因素（变量），忽略掉所有不重要或次要因素 的过程。  同一经济现象，根据不同经济模型很有可能推 导出不同的甚至是相反的结论。  是否有一个统一的标准来判断模型的好坏呢？

121建立宏观经济学模型的基本准则 ⊙建立宏观经济学模型的基本准则 ÷实践数据检验 ÷微观相容性 ∠复要存院

12.1 建立宏观经济学模型的基本准则  建立宏观经济学模型的基本准则 ❖实践数据检验 ❖微观相容性

12.1建立宏观经济学模型的基本准则 ⊙建立宏观经济学模型的基本准则 实践数据检验 *经济数据是对经济运行的真实的客观的记录 鼓星务学配颖里各地程雪砌警 的程度,并由此定量预测末来经济的发度。 济学院

12.1 建立宏观经济学模型的基本准则  建立宏观经济学模型的基本准则 ❖ 实践数据检验 经济数据是对经济运行的真实的客观的记录。 计量经济学家运用各种数学的和统计的方法来检 验经济学理论模型，考察这些模型与真实相吻合 的程度，并由此定量预测未来经济的发展

121建立宏观经济学模型的基本准则 举例: 国民生产总值时间序列( Time Series) Y t-15t-2 Y t-L 上式含义:今年的产值受去年及以往各年产值的影 响。但影响到底有多大,显著性如何? 很有可能被描绘为以下四种不同的情况: 济学院

12.1 建立宏观经济学模型的基本准则  举例： ❖ 国民生产总值时间序列（Time Series） ❖ 上式含义：今年的产值受去年及以往各年产值的影 响。但影响到底有多大，显著性如何？ ❖ 很有可能被描绘为以下四种不同的情况： ( , , , ) t Yt 1 Yt 2 Yt i Y f − − − = 

121建立宏观经济学模型的基本准则 ⊙自回归过程 Y=ar-+e Autoregressive) ⊙移动平均误差过程 X=+e1+Ben-1+e12+ Moving Average, MA) ⊙自回归平均移动误差过程 Y=aY+e,+Be-1+re,-2 Autoregressive-Moving Average, ARMA) ⊙集成自回归平均移动误差过 程 △Y,=aY+e1+Be=+ye,,+ △Y.=Y-Y Integrated Autoregressive Moving Average, ARIMA) 洋院

12.1 建立宏观经济学模型的基本准则  自回归过程 （Autoregressive）  移动平均误差过程 （Moving Average，MA）  自回归平均移动误差过程 （Autoregressive-Moving Average，ARMA）  集成自回归平均移动误差过 程 （Integrated Autoregressive￾Moving Average，ARIMA） Yt = aYt−1 + et = + + + +  t t t−1 t−2 Y  e e e = + + + +  t t−1 t t−1 t−2 Y aY e e e 1 1 1 2 − − − −  = −  =  + + + +   t t t t t t t t Y Y Y Y a Y e e e