一 引言

由于宏观经济数据多为低频、加总的时间序列数据，宏观经济分析中所采用的经济计量方法与微观经济分析方法有着明显的不同。在宏观计量经济学诞生初期，无论从其所依据的宏观经济理论基础，还是其所采用的宏观经济计量建模方法上都曾存在高度的共识（见Favero，2001），即考利斯委员会方法（CC—Cowles Commission Approach）。然而，在经历了20多年辉煌的历史之后，当面对20世纪70年代初期的石油危机，在经济学家最需要参考计量模型的预测结果之时，所有宏观经济计量模型均未能预计到石油危机对许多基本经济变量的动态影响（韩德瑞、秦朵，1998），从而使宏观经济模型失去了人们的宠爱（Diebold，1998）。其后，著名的“卢卡斯批判”（Lucas，1976）则在某种程度上几乎宣告了宏观经济计量模型的终结。佩萨兰（Pesaran）与史密斯（Smith）曾指出，这一时期的宏观经济模型“……未能反映出数据信息……缺乏理论基础……在政策分析与预测中未能发挥其应有的作用……”（见Favero，2001，p.1）。

传统的CC方法“以先验给定的经济理论模型为基点，以测量估计模型的参数值（结构）为重心，以参数值呼应理论预期值域为估计的标准，以发展既不触动先验给定理论模型结构又能覆盖计量模型之统计问题的估计方法为研究主向”（韩德瑞、秦朵，1998，第21页）。

对CC建模方法失效原因的不同认识，使宏观经济计量建模方法在不同方向上得到了发展，即VAR方法 （Vector AutoRegressive model approach—向量自回归模型方法）、LSE方法（London School of Economics approach—伦敦经济学院方法）和跨时最优/校准方法（the intertemporal optimization/calibration approach）。VAR方法认为，经过简化的模型损失了太多的信息，而且在模型约化中加入的理论约束并非一成不变的真理，因而该方法主张，直接以原始数据构建向量自回归模型才最有利于对经济运行的分析。VAR方法并不提供任何最优政策选择，但可以通过所建模型仿真各种政策对不同变量产生的影响。LSE方法认为，传统经济计量方法之所以失败，主要在于其方法论上存在缺陷：CC方法忽视了统计模型所依据的特定的计量经济结构而误将其用在了不适宜的政策分析中。跨时最优/校准方法认为，只有对深层次的参数做出正确估计，具有微观基础的模型才可以通过校准（calibrated）后用于相关的政策分析（Favero，2001）。与自然科学相比，目前宏观应用计量经济学研究依然缺乏一个广为接受的研究模式。经过多年的发展，以上3种方法不仅没有向同一的方向逼近反而发展成了几乎互不相容的分支。

本文安排如下：第二部分将围绕VAR方法展开讨论；第三部分将集中阐述LSE方法；第四部分将主要论述跨时最优/校准方法；第五部分将对以上3种方法进行比较；第六部分概述3种方法的实际应用情况；第七部分展望未来宏观计量经济模型可能的发展趋势。

二 VAR方法

VAR方法最初由西姆斯（Sims）创立于20世纪70年代（Canova，1999）。利特曼（Litterman，1986）的论文则进一步强化了VAR方法的实用性。正如马达纳和金（Maddala and Kim，1998）所述，整个80年代VAR方法曾风靡全美。

帕甘（Pagan，2003）根据不同经济计量方法对数据和理论的依赖程度给出了一幅非常形象的示意图，在此我们仿照他的做法绘制出了图1。

如图1所示，VAR方法是所有方法中对数据依赖程度最高，而最缺乏经济理论基础的方法。这一特点使得该方法在创立之初即广受批评。然而，随着时间的推移，VAR方法已在实践中得到了不断的改进。从最初完全依赖数据的、不加任何约束条件的UVAR（Unrestricted VAR），到考虑宏观经济数据小样本特性、在对待估计参数施加某些先验约束后再行估计的改进型BVAR（Bayesian VAR），直至以宏观经济理论作为约束条件的SVAR（Structural VAR），VAR方法已拥有了越来越多的追随者（见Genberg and Chang，2007；刘斌，2003），并且在经济预测领域发挥了重要作用（见Diebold，1998；Allen and Morzuch，2006）。

图1 各种宏观经济计量建模方法比较

作为单变量自回归（AR）方法在向量空间中的延伸，VAR方法突出反映了经济系统所固有的惯性和动态特性。正如艾伦和莫朱克（Allen and Morzuch，2006）所指出的，VAR方法的出现无异于经济计量预测领域内的一场革命，因为在此之前人们把太多的注意力放在了由经济理论所决定的具有因果关系的变量上，而忽略了经济系统的动态特性。