• 研究创新点及模型构建[page::1][page::2]

- 首次将行为预期机制引入新凯恩斯DSGE框架，针对印度COVID-19疫情后的产出缺口和通胀动态进行深入分析。
- 采用行为预期形成的两类代理人（基本面主义者和外推主义者）以及基于离散选择理论的权重调整机制，反映有限理性和学习过程。

• 数据处理与结构断点检验[page::3][page::7]

- 使用印度季度实际GDP和CPI数据，分别通过Hodrick-Prescott（HP）滤波和卡尔曼滤波估计产出缺口。
- 季度产出缺口数据在2020年第1季度出现显著结构断点，经似然比检验确认。

• 冲击建模与参数校准[page::4][page::9]

- 疫情定义为持续的负需求冲击，疫苗接种定义为持续的正供给冲击，均采用自回归形式建模。
- 通过格点搜索和马氏距离最小化方法校准两个冲击的初始幅度及持续性参数。

• 行为预期VS理性预期模型表现对比[page::10][page::11]

| 模型类型 | $\rho{\epsilon}$（负需求持续性） | $\rho{\eta}$（正供给持续性） | $\eta_1$（正供给初始幅度） | 平均产出缺口 | 平均通胀率 | 马氏距离 |
|-----------|----------------------------|--------------------------|-------------------------|------------|---------|--------|
| 行为预期（HP滤波） | 0.8 | 0.9 | 0.64 | -0.0035 | 1.2518 | 1.3794 |
| 理性预期（HP滤波） | 0.0 | 1.0 | 1.0 | -0.20305 | 0.3618 | 1.4142 |
| 行为预期（卡尔曼滤波） | 0.8 | 0.95 | 0.57 | 0.027 | 1.2557 | 1.3628 |
| 理性预期（卡尔曼滤波） | 0.0 | 1.0 | 1.0 | -0.20421 | 0.3617 | 1.4142 |

- 行为预期模型对产出缺口和通胀率均模拟更准确，马氏距离更小，表明拟合效果优于理性预期模型。

• 高阶矩及分布特性验证[page::12][page::17]

- 行为预期模型模拟的产出缺口和通胀数据在均值、方差、偏度、峰度、Jarque-Bera检验方面均符合实际数据分布，支持其统计合理性。

• 政策解析与结论[page::13]

- 疫苗接种产生的正供给冲击持续性强于疫情负需求冲击，凸显疫苗战略对经济复苏的显著贡献。
- 行为新凯恩斯DSGE模型为宏观政策制定提供更加精准和现实的框架，融合公共卫生与经济政策具有重要意义。

行为预期在新凯恩斯动态随机一般均衡（DSGE）模型中的应用：基于印度COVID-19复苏与疫苗接种方案的实证分析

---

一、元数据与报告概览

• 标题：《Behavioral Expectations in New Keynesian DSGE Models: Evidence from India’s COVID-19 Recovery and Vaccination Program》

- 作者：Arpan Chakraborty、Siddhartha Chattopadhyay

• 发布日期：2025年3月31日

- 研究主题：本文聚焦于印度经济，运用新凯恩斯（New Keynesian）动态随机一般均衡（DSGE）模型，结合行为预期，分析COVID-19疫情及疫苗接种对印度经济产出缺口与通胀率的影响。

• 核心论点：传统的理性预期模型难以准确捕捉印度疫情后产出缺口和通胀率的分布特性。本文创新地引入行为预期框架，发现其更适合描绘实际数据，且定量方法优于前人（Dasgupta 和 Rajeev，2023）仅基于静态简单凯恩斯模型的研究。

- 核心贡献：
1. 首篇在DSGE框架下引入行为预期以分析印度疫情后宏观经济的文献；
2. 用最小马氏距离校准模型参数，包括疫情负需求冲击和疫苗正供给冲击；
3. 结果表明行为预期模型相比理性预期更能准确模拟产出缺口与通胀率的均值与分布特性。

• 报告结构预览：介绍（引言）、数据（第2节）、模型（第3节）、结果（第4节）、结论（第5节）、附录资料（第6节）[page::0,1,2]

---

二、逐节深度解读

2.1 引言与背景 (Section 1: Introduction)

• 关键论点：DSGE模型虽被广泛应用于发达经济体的商业周期分析，但在印度等新兴经济体应用较少。此前Dasgupta和Rajeev运用简单凯恩斯模型讨论疫情影响，但缺乏动态DSGE框架及行为预期视角。

- 研究创新点：
- 引入基于De Grauwe等人（2012-2024）的行为预期理论，认为行为预期能更好模拟产出缺口与通胀率的时序特征；
- 以负需求冲击（疫情）和正供给冲击（疫苗）分别建模，利用HP滤波器和卡尔曼滤波器估计产出缺口，为冲击的初始值赋予观测基础；
- 采用最小马氏距离校准冲击的持续性和初值参数，使模型输出与实际均值匹配[page::2,3]

• 推理基础：

- 行为预期结合了基本派（预期产出恢复至稳态）与趋向派（依赖历史趋势预测未来）的思想，更贴近现实中代理人的认知局限与学习行为；
- 最小马氏距离方法在校正参数时考虑变量间协方差，从而增强匹配准确度；
- 明确指出模型不仅适用于预测均值，也兼顾产出和通胀的分布形态。

2.2 数据说明 (Section 2: Data)

• 关键论点：印度缺乏直接的产出缺口数据，需通过统计技术估算。

- 具体做法：
- 使用FRED数据库季度实际GDP与CPI数据；
- 产出缺口分别用HP滤波器与卡尔曼滤波器处理，得出周期成分；
- 计算季度通胀率为CPI同比增长率。

• 意义：通过双滤波方法估计产出缺口提高数据的稳健性，有利于后续参数校准及蒙特卡洛模拟[page::3]

2.3 模型架构 (Section 3: The Model)

该部分为全文模型核心，细致定义模型方程、参数及行为预期形成机制。

• 3.1 新凯恩斯行为DSGE模型三方程：

- IS曲线（总需求，Aggregate Demand）：
\[
yt = \widetilde{E}t(y{t+1}) - \frac{1}{\sigma}(it - \widetilde{E}t(\pi{t+1})) + \epsilont
\]
其中，\( yt \)为产出缺口，\( it \)名义利率，期望表达为非理性预期。
- 菲利普斯曲线（总供给，Aggregate Supply）：
\[
\pit = \beta \widetilde{E}t(\pi{t+1}) + \kappa yt + \etat
\]
参数含义详解：
- \(\kappa\)：衡量产出缺口对通胀的敏感度，复合参数受Calvo定价频率(\(\theta\))、折现率(\(\beta\))及劳动市场弹性等影响；
- \(\etat\)：供给（AS）冲击，特指疫苗影响；
- 货币政策反应（泰勒规则）：
\[
it = (1-c3)(c1 \pit + c2 yt) + c3 i{t-1}
\]
其中，\(c1 >1\)表示通胀响应系数，\(c2 \in (0,1)\)表示对产出缺口的响应，\(c3\)衡量利率平滑程度。

• 3.2 行为预期形成机制：

- 代理人分为基本派（fundamentalists）与趋向派（extrapolators）：
\[
\widetilde{E}t(y{t+1}) = \alpha{f,t}^y \widetilde{E}t^f(y{t+1}) + \alpha{e,t}^y \widetilde{E}t^e(y{t+1})
\]
- 比例由两类代理人预测均方误差（MSFE）基于过往表现经权重衰减调节后计算其效用，再结合离散选择理论（Brock & Hommes，1997、1998）用逻辑分布随机效用决定，以参数\(\gamma\)度量学习意愿和规则切换敏感度（即“意愿学习”或“选择强度”）；
- 模型中存在有限理性状态，代理人以简单策略基于经验调整预期，而非完全理性令其预期贴近真实未来。

• 3.3 模型参数与仿真：

- 参数参考De Grauwe和Ji（2019）等文献参数，印度特定参数（如记忆参数\(\rho\)和学习意愿\(\gamma\)）缺乏校准，文章以相对保守参数拟合；
- 同时引入疫苗带来的AS冲击，区别于已有文献仅模拟AD冲击。

此部分逻辑清晰地展现推导过程，同时为后面通过参数校准验证提出了理论基础[page::4,5,6,7]

2.4 结构性断点检测及数据可视化（图表分析）

图表1：印度季度产出缺口 — HP滤波与卡尔曼滤波对比

• 描述：图1展示了从2004年Q1至2024年底印度季度产出缺口的两个估计方法。黑色实线为HP滤波，黑色虚线为卡尔曼滤波。两者趋势高度一致，2020年Q1出现显著产出缺口急剧下跌，幅度超过-0.25（HP）及-0.18（卡尔曼），随后逐渐回升，呈现典型结构性断点（疫情冲击）特征。

- 解读：
- 两滤波器均显示疫情导致严重负需求冲击；
- 断点分析利用似然比检验（LR test）证实该截断2020Q1在统计上显著，符合疫情爆发时间节点；
- 滤波选择体现经济周期滤除与趋势平滑的不同权衡，但均合理反映疫情期产出异常波动。

• 文本结合：此断点证明引入结构断点模型的合理性，后续参数校准与仿真基于此基础开展[page::7,8]

图表2：印度季度CPI通胀率变化

• 描述：图2展现2004-2024年印度季度CPI同比通胀率。波动明显，2009年及疫情初期通胀剧烈震荡，2020年陷入负通胀（通缩）状态，随疫苗接种展开，通胀逐步回升平稳。

- 解读：
- 通胀走势受疫情供需冲击影响明显，存在前期通缩，后期恢复；
- 支持模型中正供给冲击（疫苗效应）对经济复苏的作用。

• 文本结合：补充产出缺口数据，画像疫情经济全貌，验证后续DSGE模型经马氏距离校准的合理性[page::8]

---

2.5 结果分析与参数校准（Section 4: Results）

• 分析目标：校准以下参数以使模型产出与实际产出缺口及通胀均值契合：

- 疫苗引起的初始正供给冲击 \(\eta1\)；
- 负需求冲击的持续性 \(\rho{\epsilon}\)；
- 正供给冲击的持续性 \(\rho{\eta}\)。

• 方法论：

- 以网格搜索方法遍历上述参数，范围分别为：\(\eta1 \in [0,1], \rho{\epsilon}, \rho{\eta} \in [0,1]\)；
- 最小化Mahalanobis距离（考虑数据协方差的规模不变性距离指标）以匹配模型模拟数据与真实数据的均值向量；

• 冲击设定：

- 负需求冲击按自回归衰减过程传播，持续10季度，初值为HP滤波估计的-0.27，卡尔曼滤波估计为-0.18；
- 正供给冲击同样按自回归规律衰减，持续6季度，初值\(\eta1\)待估计。

• 关键结果：

| 模型类型 | \(\rho{\epsilon}\) | \(\rho{\eta}\) | \(\eta1\) | 输出缺口均值 | 通胀均值 | Mahalanobis距离 |
|---|---|---|---|---|---|---|
| 行为预期（HP滤波） | 0.8 | 0.9 | 0.64 | -0.0035 | 1.2518 | 1.3794 |
| 理性预期（HP滤波） | 0.0 | 1.0 | 1.0 | -0.20305 | 0.3618 | 1.4142 |
| 行为预期（卡尔曼滤波） | 0.8 | 0.95 | 0.57 | 0.027 | 1.2557 | 1.3628 |
| 理性预期（卡尔曼滤波） | 0.0 | 1.0 | 1.0 | -0.20421 | 0.3617 | 1.4142 |

• 解读：

- 行为预期模型拟合效果明显更优，产出缺口与通胀率均接近实际观测（HP滤波实际均值分别为-0.0046与1.2580，卡尔曼滤波为0.0227与1.2580）；
- 理性预期模型存在明显偏差，错估产出缺口幅度及通胀水平；
- 供给冲击持续性强于需求冲击，说明疫苗带来的供给改善效果持久显著，疫情带来的需求下滑虽大但衰减较快；
- 马氏距离更小说明模型统计特征更贴合数据整体协方差结构，具备较好统计匹配度。

• 高阶矩检验：

- 行为预期模型输出的模拟数据在均值、方差、偏度和峰度方面均与实测数据相符，且Jarque-Bera检验显示其正态性假设未被拒绝，进一步佐证模型的统计合理性；
- 理性预期模型未对高阶分布形态提供支持。

• 结论：

- 表明标准DSGE理性预期框架无法有效刻画极端经济事件冲击下的宏观动态；
- 行为预期引入代理人的有限理性与学习机制，提高了模型对经济实际路径的解释力；
- 疫苗作为正供给冲击的定量证据，提供了宏观政策层面评价疫苗经济效益的参考依据[page::9,10,11,12]

---

2.6 结论总结（Section 5）

• 研究总结：

- 行为预期DSGE模型在捕捉印度疫情后产出缺口和通胀动态上表现优于传统理性预期DSGE；
- 疫苗接种带来的持久正供给冲击，有效缓解了疫情引发的负需求冲击；
- 本研究弥补了前人以静态简单凯恩斯模型进行分析的不足，实现了动态和行为预期的融合；
- 对未来政策制定提供理论支撑，突出诊断疫情冲击与疫苗经济效用量化的重要性；

• 政策启示：

- 行为预期框架为决策者提供更真实的经济预判工具，有助于设计针对极端冲击的宏观经济政策；
- 疫苗驱动的产出复苏不仅体现在疫情控制层面，也通过经济供给侧得到体现，强调公共卫生与经济政策的联动作用[page::13]

---

三、图表深度解读

图表1：印度季度产出缺口（HP滤波 vs 卡尔曼滤波）

• 图示内容：

- 时间范围为2004年至2024年；
- 虚线表示卡尔曼滤波估计的产出缺口，实线表示HP滤波估计；

• 趋势解读：

- 两条曲线高度一致，季节波动及周期性特征相似；
- 2020年Q1明显出现结构性断点，产出缺口剧烈负向跳水，超出历史任何季度波动区间，反映疫情冲击；

• 支持文本论点：

- 验证结构断点的存在；
- 为后续冲击模型使用提供实证基础；

• 局限性备注：

- 两滤波器主观参数较难调节，滤波平滑程度可能影响短期冲击幅度估计，但双滤波对比提升结果稳健性[page::8]

图表2：印度季度CPI通胀率

• 图示内容：

- CPI季度同比通胀率，2004-2024年变化；

• 趋势解读：

- 通胀率波动剧烈，疫情前后通胀下降显著，疫情期间某些季度出现负通胀，表现通缩特征；
- 此后逐渐回升，疫苗接种及经济复苏带动通胀恢复；

• 文本结合：

- 图中峰谷强化了正负供需冲击的作用机理；
- 支持后续DSGE模型中正供给冲击（疫苗）带来的经济复苏效果；

• 图表局限：

- CPI本身包含食品能源项波动，短期波动受非经济因素驱动较多，限制模型预测的纯通胀信号准确度[page::8]

---

四、估值与模型校准方法解析

尽管本文非传统公司估值报告，但模型校准与距离最小化技术可视作经济动态“估值”过程。

• 主要估值方法：基于Mahalanobis距离的参数校准

- 区别于欧氏距离，Mahalanobis距离考虑了产出缺口与通胀率间的协方差，保证多变量拟合的量纲一致性及相关性调整；

• 关键输入：

- 冲击的初始强度（\(\epsilon1, \eta1\)）；
- 冲击的持续参数（\(\rho{\epsilon}, \rho{\eta}\)）；
- 行为与理性预期形成参数；

• 参数搜索：

- 采用网格搜索遍历参数空间，寻找使模拟均值向量与历史均值向量Mahalanobis距离最小的参数组合；

• 估值结果：

- 行为预期模型的估计参数：疫苗（AS）冲击持续性高于疫情（AD）冲击持续性，初始冲击强度小于理性模型，但模拟均值更接近现实；

• 敏感性分析：

- 不同滤波器估计产出缺口作为基础，模型参数均出现一致性，说明模型适应性强与估计稳健。

此方法适用于经济学建模参数校正的标杆流程，体现行为预期模型的优势明显[page::9,10]

---

五、风险因素评估

• 模型假设限制：

- 行为模型参数采用非印度特定的De Grauwe和Ji（2019）参数，缺乏直接经验数据支撑，可能影响模型精确度；
- 疫情及疫苗冲击设计为AR(1)过程，未考虑政策变化及其他疫情相关不确定性（如新变异株），限制模型复杂度；

• 数据局限：

- 印度产出缺口与通胀数据依赖滤波器估算，滤波参数设定存在主观性，对模拟结果有潜在影响；
- CPI通胀率受到食品、能源等价格波动影响，存在短期噪声；

• 模型结构风险：

- 价格刚性Calvo价格设定及泰勒规则简化了货币政策反应，未充分考虑印度货币政策的复杂性及金融市场影响；
- 行为预期模型假设两类预期代理人，未涵盖其他预期形成机制，可能忽视多样预期对经济的影响。

• 风险缓解：

- 文章通过双滤波比较和Jarque-Bera正态性检验提高结果信度；
- 使用最小马氏距离和网格搜索确保参数合理匹配真实数据；

• 潜在外部风险：

- 未来突发卫生事件、国际经济环境恶化等因素可能导致模型冲击设定失效。

总体而言，风险识别明确，但仍需后续研究更细化模型结构和引入真实参数进行实证检验[page::5,6,17,18,20]

---

六、批判性视角与细微差别

• 偏见风险：

- 模型高度仰赖行为预期框架，作者团队有明显倾向于行为经济学方法，可能对理性预期模型存在认知偏差；
- 参数多为国际文献默认值，缺乏完全印度本土数据支持，结果稳健性依赖于假设的适用性；

• 内部矛盾：

- 文中既强调行为预期优越性，也展现理性预期模型对疫苗供给冲击持最大持续性（1.0），但对应较差拟合，反映理性模型处理极端冲击时表现失衡；
- 行为预期模型的疫苗冲击初值低于理性预期，实际机制未充分阐述，存在解释不足。

• 理论与现实脱节：

- 行为预期虽模拟效果更佳，但是否真正反映印度复杂多层代理人的真实预期行为仍需验证；
- 社会经济结构、非正规经济等印度特性未纳入模型，可能影响疫情后复苏的动态表现。

• 建议：

- 引入更多印度特化参数、考虑多类型预期规则、多冲击来源；
- 加强对疫苗供给冲击机制的经济学解释，拓展跨部门影响分析。

---

七、结论性综合

本文系统构建并校准了基于行为预期的印度新凯恩斯DSGE模型，解析COVID-19疫情及疫苗接种对产出缺口与通胀动态的影响，得出以下关键结论：

• 行为预期模型优于传统理性预期模型，能准确还原印度疫情后宏观经济的均值及高阶统计特征，表明代理人有限理性及学习机制在极端经济冲击环境中的重要性。

- 印度疫情引发的负需求冲击显著且持续性较强，疫苗接种带来的正供给冲击持续性更佳且足以抵消需求冲击的影响，说明疫苗计划对经济复苏贡献巨大。

• 通过马氏距离最小化实现的参数校准，证实行为预期下的冲击强度及持续性参数更接近实际，同时模型较好拟合产出缺口的结构断点与通胀波动。

- 结合HP滤波与卡尔曼滤波两种产出缺口估计，模型结果稳健，仿真数据的正态性检验支持模型统计可靠性。

• 此模型不仅丰富了印度宏观经济建模范式，也为政策制定者提供了具实证基础的工具，强调了公共卫生政策与经济政策协调的重要性。

图表1直观展示了疫情断点对产出缺口的冲击，图表2反映通胀率的相应波动，两者共同强化了本文参数化模型所揭示的经济机制。[page::1,2,7,8,9,10,11,12,13]

---

参考文献

全文参考了大量权威文献，包括De Grauwe（2012）、Dasgupta与Rajeev（2020，2023）等，为模型设计与理论支持提供坚实基础，且引用FRED数据资料保障数据权威性，展现学术严谨态度。

---

附录说明

• 数据估计方法：详细介绍HP滤波与卡尔曼滤波的数学原理及参数设定，确保产出缺口的准确估计与合理平滑；

- 结构断点检验：用似然比检验（Likelihood Ratio Test）及ANOVA支持疫苗前疫情突发造成的断点作用；

• 模型稳健性：用Jarque-Bera检验扩展样本数据与随机误差模拟结果，进一步验证行为预期模型的分布拟合优越性。

---

总结：本文通过引入行为预期的新凯恩斯DSGE模型，并结合印度疫情数据的深度实证分析，揭示了行为预期对宏观经济极端冲击的解释力提升，且定量证明疫苗带来的正供给冲击在印度经济复苏中的关键作用，具有较强学术与政策参考价值。[page::1-21]

报告