新凯恩斯宏观模型的符号限制：“准不可知”识别过程的结果

本文提出了一种“准不可知”的符号限制程序，用于识别非频繁主义结构向量自回归（SVAR）模型中的结构冲击。文章认为，不可知符号限制程序的低接受率并非必然意味着模型设定错误，低接受率可能是因为不可知程序未能利用关于宏观变量对结构冲击响应的先验信息。

文章首先构建了一个包含产出缺口、通胀和利率三个变量的递归SVAR模型，并使用零 contemporaneous restrictions 进行识别。结果显示，需求冲击对产出缺口和通胀有正向影响，而货币冲击导致通胀上升，出现“价格谜题”。

为解决“价格谜题”并放松递归假设，文章采用 Ouliaris 和 Pagan (2016) 提出的基于生成系数的 SRC 程序，对脉冲响应函数施加 agnostic sign restrictions。结果显示，该程序虽然解决了“价格谜题”，但接受率极低，表明模型设定可能存在问题或识别程序存在局限性。

为提高接受率，文章提出了一种“准不可知”识别程序，该程序类似于逐步细化的网格搜索，利用先验信息逐步缩小合理参数范围。结果显示，该程序显著提高了接受率，揭示了更多与宏观变量对结构冲击响应的先验符号一致的经济结构。

研究结论表明，即使缺乏对经济结构的全面了解，通过“准不可知”程序也可以获得比纯粹 agnostic 识别方法更高的接受率。未来研究应致力于为高维 SVAR 模型识别结构参数的先验限制。