| 内容摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第14-31页 |
| 1.1 选题背景及研究意义 | 第14-17页 |
| 1.1.1 选题背景 | 第14-16页 |
| 1.1.2 研究意义 | 第16-17页 |
| 1.2 文献综述 | 第17-28页 |
| 1.2.1 DSGE模型的发展脉络 | 第17-21页 |
| 1.2.2 DSGE模型的计量分析过程 | 第21-24页 |
| 1.2.3 DSGE模型的应用研究 | 第24-27页 |
| 1.2.4 对现有文献的评述 | 第27-28页 |
| 1.3 研究目标、研究方法、主要创新点 | 第28-29页 |
| 1.3.1 研究目标 | 第28页 |
| 1.3.2 研究方法 | 第28-29页 |
| 1.3.3 主要创新点 | 第29页 |
| 1.4 结构安排 | 第29-31页 |
| 第2章 DSGE模型的构建、求解及估计 | 第31-39页 |
| 2.1 DSGE模型的构建过程 | 第31-32页 |
| 2.2 非线性DSGE模型的线性化 | 第32-33页 |
| 2.2.1 泰勒一阶展开近似 | 第32-33页 |
| 2.2.2 对数线性化近似 | 第33页 |
| 2.3 线性化DSGE模型的求解方法 | 第33-37页 |
| 2.3.1 BK方法 | 第34-35页 |
| 2.3.2 QZ分解方法 | 第35-37页 |
| 2.4 线性化DSGE模型的估计方法 | 第37-38页 |
| 2.4.1 参数校准方法 | 第37页 |
| 2.4.2 GMM估计 | 第37页 |
| 2.4.3 MLE方法 | 第37页 |
| 2.4.4 Ⅱ估计方法 | 第37-38页 |
| 2.4.5 Bayes估计方法 | 第38页 |
| 2.5 本章小结 | 第38-39页 |
| 第3章 两类新凯恩斯DSGE模型的DF模型表示及识别 | 第39-68页 |
| 3.1 DSGE模型的几种简化型 | 第39-45页 |
| 3.1.1 状态空间模型 | 第39-40页 |
| 3.1.2 VAR模型 | 第40-41页 |
| 3.1.3 VARMA模型 | 第41-45页 |
| 3.2 新凯恩斯DSGE模型的DF模型表示 | 第45-55页 |
| 3.2.1 理论模型设定 | 第45-48页 |
| 3.2.2 稳态及对数线性化 | 第48-51页 |
| 3.2.3 动态因子模型表示 | 第51-55页 |
| 3.3 新凯恩斯MS-DSGE模型的MS-DF模型表示 | 第55-62页 |
| 3.3.1 理论模型设定 | 第55-58页 |
| 3.3.2 稳态及对数线性化 | 第58-60页 |
| 3.3.3 MS-DF模型表示 | 第60-62页 |
| 3.4 DSGE模型的识别 | 第62-67页 |
| 3.4.1 SVAR模型的识别 | 第63-64页 |
| 3.4.2 两类新凯恩斯DSGE模型的识别框架 | 第64-67页 |
| 3.5 本章小结 | 第67-68页 |
| 第4章 估计新凯恩斯DSGE模型的EM算法 | 第68-84页 |
| 4.1 模型的设定及识别 | 第68-72页 |
| 4.1.1 模型的设定 | 第68-70页 |
| 4.1.2 模型的识别约束条件 | 第70-72页 |
| 4.2 模型估计的EM算法 | 第72-79页 |
| 4.2.1 动态因子向量的Kalman滤波和平滑 | 第72-76页 |
| 4.2.2 极大似然估计的EM算法 | 第76-79页 |
| 4.3 模型估计量的渐近性质、收敛性讨论 | 第79-80页 |
| 4.3.1 模型估计量的渐近性质讨论 | 第79-80页 |
| 4.3.2 模型估计方法的收敛性讨论 | 第80页 |
| 4.4 模型估计量的小样本性质分析 | 第80-83页 |
| 4.4.1 数据生成过程 | 第80-81页 |
| 4.4.2 模拟结果的评价指标 | 第81页 |
| 4.4.3 Monte Carlo模拟分析及结果 | 第81-83页 |
| 4.5 本章小结 | 第83-84页 |
| 第5章 估计新凯恩斯DSGE模型的二阶段方法 | 第84-101页 |
| 5.1 模型的设定、识别与估计 | 第84-90页 |
| 5.1.1 模型的设定 | 第84-85页 |
| 5.1.2 动态因子方程的识别与估计 | 第85-88页 |
| 5.1.3 共同因子方程的识别与估计 | 第88-90页 |
| 5.2 模型估计量的渐近性质讨论 | 第90-97页 |
| 5.2.1 模型的设定 | 第90页 |
| 5.2.2 模型估计量的解析解 | 第90-93页 |
| 5.2.3 模型估计量的渐近性质 | 第93-97页 |
| 5.3 模型估计量的小样本性质分析 | 第97-99页 |
| 5.3.1 数据生成过程 | 第97-98页 |
| 5.3.2 模拟结果的评价指标 | 第98页 |
| 5.3.3 Monte Carlo模拟分析及结果 | 第98-99页 |
| 5.4 本章小结 | 第99-101页 |
| 第6章 估计新凯恩斯MS-DSGE模型的EM算法 | 第101-117页 |
| 6.1 模型的设定及识别 | 第101-104页 |
| 6.1.1 模型的设定 | 第101-103页 |
| 6.1.2 模型的识别约束条件 | 第103-104页 |
| 6.2 模型估计的EM算法 | 第104-113页 |
| 6.2.1 动态因子向量的Kalman滤波和平滑 | 第104-105页 |
| 6.2.2 平滑概率的计算 | 第105-108页 |
| 6.2.3 极大似然估计的EM算法 | 第108-113页 |
| 6.3 模型估计量的小样本性质分析 | 第113-116页 |
| 6.3.1 数据生成过程 | 第113页 |
| 6.3.2 模拟结果的评价指标 | 第113-114页 |
| 6.3.3 Monte Carlo模拟分析及结果 | 第114-116页 |
| 6.4 本章小结 | 第116-117页 |
| 第7章 中国宏观经济非线性波动特征研究 | 第117-126页 |
| 7.1 模型的设定 | 第117-118页 |
| 7.2 数据的选取与处理 | 第118-120页 |
| 7.2.1 数据的选取 | 第118-119页 |
| 7.2.2 数据的处理 | 第119-120页 |
| 7.3 模型的估计与脉冲响应分析 | 第120-125页 |
| 7.4 本章小结 | 第125-126页 |
| 第8章 结论及展望 | 第126-130页 |
| 8.1 全文总结 | 第126-128页 |
| 8.1.1 理论研究 | 第126-127页 |
| 8.1.2 实证研究 | 第127-128页 |
| 8.2 研究展望 | 第128-130页 |
| 参考文献 | 第130-141页 |
| 后记 | 第141-143页 |