当凯恩斯宏观经济建模中增加变量数目，他们便撞进了从m个方程中估计m2个参数的问题。他们的回应是FWUTV作为许多参数的值，主要是将其设定为等于零。正如Lucas和Sargent指出，在很多情况下，没有的能检查梦见别人剪头发评估这些FWUTV的真正价值。但是对于他们来说，凯恩斯模型建造者清晰展示了他们的所作所为。

　　Lucas和Sargent（1979）提供的解决识别问题的关键部分，似乎是数学推导会在同时进行的系统中牵制某些参数。但解决识别问题是指事实有可以被评估的真值，但数学不能建立事实的真值。从来没有，也永远不会。

　　在实践中，数学确实是让宏观经济学家把FWUTV定位到更远离识别的讨论。凯恩斯主义者倾向于说“假设P是真的。然后该模型被确定。“依托微观基础让作者可以说，“假设A，假设B，...等等等等....等等，我们已经证明，P是正确的。然后该模型被确定。”

　　为了说明这个过程在劳动力市场例子的情境中只用足够的“等等等等”，显示这是如何演变，想象一个代表性代理从消费产出中获得收益与上班的负效用。劳动负效用取决于由随机变量γ捕获以太的波动水平。

　　输出的生产技术Y=πAL是劳动时间（燃素的普遍水平）的产品，π，和A。社会计划者的问题是：

　　接下来，关于虚拟随机变量的一些分布假设，γ和π。具体地，假定它们是log正态，log（γ）〜N（0;σγ）和log（π）〜N（0;σπ）。进行一些代数后，这一最大化问题的两个一阶条件减少到这些联立方程。

　　此系统有一个标准的，恒定弹性的劳动力需求曲线，仿佛有只一种无形的手，劳动供给曲线截距等于零。

　　有了足够的数学，作者可以相信，大多数读者永远不会知道FWUTV被埋没在哪。一名讨论或裁判不能说识别假设是不可信的，如果他们无法弄清楚它是什么，会太不好意思问。

　　在这个例子中，FWUTV是log（γ）的平均值为零。关于误差项的分布式假设是埋东西的好地方，因为几乎没有人关注他们。此外，如果一个家没有看到这是确定假设，她怎么能赢得关于参数醚真实期望值高低的争论?如果作者能构造一个虚构的变量，“因为我这么说”，似乎像一个任何关于其性题的非常有力的答案。

　　我从未理解识别是怎样在现有的实验性动态随机一般均衡模型中被实现的。在某种程度上，通过之前部分所解释的推演，他们依赖于识别的类型。他们同样依赖于由识别假设所重新命名而来的校准。但是我从不知道是否存在其他FWUTV的隐藏之处。没有探讨识别问题。例如，在斯梅特和伍特斯(2007年)的文章中，既没有“识别出”也没有“识别”出现。

上一页  [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [12] [13]  下一页