2015年-世界发展银行全球_Estimating_Parameters_and_Structural_Change_in_CGE_Models_Using_a_Bayesian_Cross-Entropy_Estimation_Approach_44页_1mb

总结：使用贝叶斯交叉熵方法估计CGE模型参数与结构性变化

核心内容

本文介绍了一种三步贝叶斯交叉熵估计方法，用于在数据稀缺和噪声较大的环境下估计计算一般均衡模型（CGE）的行为参数，并测量劳动增强型生产率和其他结构性参数随时间的变化。该方法不仅提高了参数估计的准确性，还能够捕捉经济结构的历史演变，从而为政策模拟提供支持。

主要观点

1. CGE模型的挑战

   • CGE模型常因缺乏可靠的时间序列数据（特别是发展中国家）而难以进行有效的参数估计和结构性变化分析。
   • 社会核算矩阵（SAM）是CGE模型的重要数据基础，但通常缺乏长期的SAM时间序列数据。
   • 本文提出的方法能够在数据有限的情况下，通过整合SAM更新与参数估计，提高模型的稳健性和一致性。

2. 贝叶斯交叉熵方法

   • 该方法基于信息理论和贝叶斯经济学，利用交叉熵（Cross-Entropy, CE）方法对参数进行估计。
   • 参数被视为固定但未观测的，通过先验误差质量函数进行建模，并在后续估计过程中使用后验分布进行调整。
   • 方法通过最小化Kullback-Leibler散度来衡量先验与后验分布之间的差异，从而实现对参数和结构性变化的估计。

3. 三步估计流程

   • 数据步骤：将历史SAM调整为同一基年价格，以减少噪声影响，并确保与宏观经济数据一致。
   • 参数估计步骤：在CGE模型框架下，同时估计行为参数和结构性参数的变化，并通过误差概率分布进行调整。
   • 统计分析步骤：整合模型精度与预测能力，检验不同参数设定对经济结构演变的解释力。

4. 方法的适用性与扩展

   • 方法适用于发展中国家和区域经济分析，如对韩国和**撒哈拉以南非洲（SSA）**的实证应用。
   • 随着全球SAM数据的增加，该方法为区域CGE建模提供了新的可能性。
   • 该方法能够识别经济结构的结构性变化，例如贸易弹性、贸易份额和生产率的变化趋势。

5. 模型选择与验证

   • 方法支持模型选择，即在相同模型规格下，选择最能解释经济结构变化的参数设定。
   • 模型选择和验证过程通过交叉熵方法实现，确保参数估计与微观经济理论一致。

6. 技术细节与实现

   • 本文开发了一种GAMS编程代码，将三步方法整合，便于其他研究者使用和扩展。
   • 参数误差模型分为加法误差和乘法误差，并基于不同的误差支持值和概率权重进行估计。
   • 模型中的每个步骤都依赖于概率权重的设定，这些权重用于衡量不同参数的不确定性。

关键信息

• 研究对象：韩国（1990-2011年）和撒哈拉以南非洲（SSA）。
• 方法特点：
  • 三步贝叶斯交叉熵方法，结合数据调整、参数估计与统计分析。
  • 使用Kullback-Leibler散度作为优化目标。
  • 能够处理数据噪声和缺失信息，适用于发展中国家和区域研究。
• 参数估计目标：
  • 行为参数（如贸易弹性、生产函数参数）。
  • 结构性参数（如劳动增强型生产率、贸易份额）。
• 模型应用价值：
  • 支持政策模拟。
  • 提供对经济结构演变的统计分析。
  • 增强CGE模型的可验证性和政策相关性。

方法论概述

• 数据步骤：
  • 将不同年份的SAM调整为同一基年价格。
  • 使用GDP平减指数对名义SAM进行调整，以确保与宏观经济数据一致。
• 参数估计步骤：
  • 参数被建模为先验值与误差项的组合。
  • 使用交叉熵方法对参数进行估计，同时考虑误差分布和SAM目标。
• 统计分析步骤：
  • 检查模型精度和预测能力。
  • 通过后验分布评估参数的收敛性和稳定性。

结论与未来方向

• 本文的方法在处理数据稀缺和噪声问题上具有显著优势。
• 通过使用交叉熵方法，可以更准确地估计CGE模型的参数和结构性变化。
• 未来研究可以进一步扩展该方法至更多国家和地区，并探索其在政策模拟和经济预测中的应用。