论文：技术冲击的量度及其对真实商业周期的影响.doc

论文：技术冲击的量度及其对真实商业周期的影响论文：技术冲击的量度及其对真实商业周期的影响内容提要：本文采用价格数据，运用二元方法，量度了技术冲击及其对真实商业周期的影响。研究发现，与采用总量数据、运用初始方法的真实商业周期文献中的大多数研究结果相比，运用二元方法计量得出的技术冲击的相对变化度以及产出波动与技术冲击两者之间的相关系数要小很多。我们的研究结果支持Burside、Eichenbaum和Rebelo（1996）的研究结论，他们的研究结论是，真实商业周期文献中的许多研究结果都夸大了技术冲击与产出波动之间的相关程度。因此，我们的研究结果意味着，如果要更加深入地弄清楚商业周期现象，除了技术冲击的波动之外，我们可能还需要寻找其它的原因。关键词：真实商业周期；技术冲击；索洛余值一、引言在真实商业周期（）的文献中，其代表人物Kydland和Prescott（1982）以及他们的追随者将二战后美国经济总量波动的大部分解释为是外生的技术冲击的结果。按照真实商业周期理论，即使在短期内，价格也被假定为是充分灵活的；名义变量并不影响产出和就业的实际波动；真实商业周期的理论学家挑选出真实冲击技术冲击作为总量波动的主要源泉，譬如，Kydland和Prescott（1991）将真实技术冲击作为周期性波动的唯一驱动力。为了验证技术冲击对真实商业周期的影响和作用，Kydland和Prescott计算了初始索洛余值（theprimalSolowresidual）产出变化的百分数减去投入变化的百分数，在此，不同种类的投入物均按照它们的要素份额进行加权。初始索洛余值量度了产出增长中无法由资本或劳动的增长所解释的部分。Kydland和Prescott采用初始索洛余值来量度技术进步增长率，即全要素生产率的增长率或技术冲击，通过运用这种以数量为基础的初始增长核算方式，作者得出结论：“技术冲击解释了真实商业周期波动的70%”；运用略加改良的模型，Prescott（1986）将产出波动的75%归因于生产率的冲击。但是，采用初始索洛余值来研究技术冲击对真实商业周期波动的影响一直富有争议。批评者们，比如，Summers（4）在此，、分别是资本和劳动的要素收入份额，在各变量上方加上小尖表示该变量的百分数的变化量或增长率，也就是，其它依此类推。重新组织（4）式各项，我们有：（5）请注意可以用等式（5）的左边计量初始索洛余值，即：（6）而用等式（5）的右边计量二元索洛余值，即：（7）有关增长核算的初始方法和二元方法的更加详细的讨论请看Barro的论文(1999)。当资本或劳动的类型不止1种时，我们可以通过计算不同类型资本或劳动的租金价格或工资的加权平均值，来求得租金价格或工资的总增长率，即:（8）这里为对第类资本的支付份额，为第类资本的租金价格的增长率，为不同类型资本的数目。同样有：（9）这里为对第类工人的支付份额，为第类工人的工资增长率，为不同类型工人的数目。综上所述，假定生产函数的规模收益不变，给定国民账户恒等式，从理论上来说，无论是采用初始方法还是采用二元方法，所计量出来的索洛余值应该是一致的；然而，实际情况是，由于存在量度误差，经常使运用这两种方法所得出的结果存在较大的差异。根据前面的讨论，资本和劳动的统计量就经常存在量度误差，其结果是，无论我们采用哪种方法来量度索洛余值都可能会存在误差。在等式（6）中，用来计量初始索洛余值的所有变量、和都存在着不同程度的量度误差；在等式（7）中，由于变量和存在着量度误差，那么即使利率和工资的统计是准确的，二元索洛余值也会存在着量度误差。为了弄清楚资本和劳动的统计误差对初始索洛余值和二元索洛余值两者的影响，下一部分将进行模拟实验。三、蒙特卡罗模拟试验结果在这部分，我们将进行蒙特卡罗模拟试验（MonteCarloSimulationExperiment），以检验量度误差对初始索洛余值和二元索洛余值的影响。我们将集中研究资本和工资存在量度误差的情形，劳动和租金价格存在量度误差的情形与此类似，在此不再赘述。我们将会看到，量度误差对初始索洛余值精确度的影响巨大，而它们对二元索洛余值精确度的影响却要小得多。因此，模拟结果支持本文前面的论点二元方法更加精确地量度了索洛余值。我们在变量的右上角标上星号以表示该变量取真实值，并且假定真实租金价格、劳动和产出均被精确地量度，不存在量度误差，而资本和真实工资存在量度误差，此时，、，但是，、，因此，可由（10）式生成：（10）由等式（5），可直接推导出（11）式：（11）在此，有：（12）（13）这里、。假定所观察到的资本数量含有量度误差，且令表示所观察到的资本数量，并假定可以用等式（14）表示：（14）在此为资本的量度误差，它是反周期性的，在经济繁荣时期，真实资本会由于较高的利用率而随之增加，此时所观察到的资本存量很显然与真实资本存量的差距并不大；在经济衰退时期，却正好相反。我们还假定所观察到的真实工资也含有误差。如同Gemme和Greenwood（1995）所显示的那样，所观察到的真实工资由两部分构成：一部分是实际真实工资（truerealwage），即劳动的边际产品；另一部分为工资的保险费用部分，保险费用能够被看作是对真实工资的扭曲或误差，在商业周期波动中，起着平滑所观察到的真实工资的作用，所以，它也是反周期性的。因此，我们有：（15）那么，基于观察值的初始和二元索洛余值可以用如下等式表示：（16）（17）这里、。初始索洛余值和二元索洛余值两者都含有量度误差。在此，我们将通过模拟试验，来检验量度误差的存在是对初始索洛余值的影响大，还是对二元索洛余值的影响大。模拟试验的具体步骤如下：步骤1：生成真实数据：、和。在此，我们从真实观察数据中选择、和；特别是，、和分别是真实租金价格、资本存量和工资的加权平均值，这些数据在本文的第四部分还会用到；是所观察到的实际雇用总数。当然，也可以运用其它数据生成过程来产生这些变量的数据，但是，模拟试验的结论将不会发生变化。在获取、和的数据后，我们就可以运用等式（10）来生成。步骤2：分别运用初始方法和二元方法来计量真实索洛余值，根据等式（11），这两种方法计量出来的结果应该是一致的，即。步骤3：分别生成资本和真实工资含有量度误差的观察数据。资本误差由等式（18）生成。（18）这里是产出增长率，是均值为0且独立同分布的正态随机变量，的标准差与的样本标准差是同样的。我们选择，以便与负相关；选择使得分别等于5%、10%、20%，在这里和分别是和的样本方差。因此，在量度资本时，我们允许噪音与真实信号的比率的变化幅度从5%到20%。类似地，我们假定：（19）这里我们也选择，也就是说，真实工资的误差或扭曲也是反周期性的。我们选择使得分别等于5%、10%、20%。以下我们运用等式（16）和（17）分别计量观察数据的索洛余值和，两者都含有量度误差。然后，再估计观察数据的初始索洛余值（由（16）式给出）与真实索洛余值（由（11）式给出）的相关系数，以及观察数据的二元索洛余值（由（17）式给出）与真实索洛余值（由（11）式给出）的相关系数；蒙特卡罗模拟试验的次数是1000，我们在表1中列出了相关系数的均值和标准差。从表1可以清楚地看出，当资本和工资两者都含有量度误差时，观察数据的二元索洛余值依然是真实索洛余值的较精确估计，因为在所有模拟试验中两者之间的相关系数都很接近于1（最小为0.927）；而观察数据的初始索洛余值对真实索洛余值估计的精确度却要差很多，两者之间相关系数的变动幅度为0.8090.930；随着量度误差的方差的增大，初始索洛余值的精确度迅速恶化，而二元索洛余值依然是真实索洛余值的一个较好的估计，即使当量度误差的方差分别为真实资本和真实工资方差的20%时。运用二元方法所产生的模拟标准差要比运用初始方法所产生的模拟标准差小很多，这进一步加强了本文的论点采用二元方法对真实索洛余值的估计更加精确一些。我们还