为了从那个模型中复制结果，我阅读了作者所使用的名为Dynare的软件包的使用指南。在列举贝叶斯法的优点的部分，使用指南指明：

　　“第三，先验的包含同样帮助识别参数(第78页)。这是一种。贝叶斯法意味着你的软件从不会运作不灵(显示信号)。”

　　回顾过去，这点本应是容易被发现的。我用供应曲线截距为零作为FWUTV的，去形成图3中的细长曲线。这就像在为零的截距上放一个非常紧绷的先验。如果我把这个先验放宽一点并用计算出的贝叶斯估值取代最大相似估值，我应该得出一个几乎相同的需求弹性值。

　　如果我这样做，贝叶斯法将显示供应曲线截距的后验接近于我所输入的先验分布。所以用专业术语来说，我可以说“这些数据并不能提供关于供应曲线截距值的相关信息。”但是之后我可以说：“需求曲线的斜率有一个不同于先验的后验。”通过缺省，读者可能推断出它是数据，正如似然函数获取的，这是需求曲线弹性的资料，而实际上它是先于供给曲线的截距，是固定下来产生的紧后。通过改变我为供应曲线所输入的先验，我可以一直改变需求弹性的后验，直到我得出一个我想要的数值。

　　先验是FWUTV的矢量对我来说是个新闻，但是一旦我理解并开始仔细得阅读，我意识到那是一个计量经济学家们之间公开的秘密。在我在介绍中标注了标题的那篇文章中，卡诺瓦和Sala(2009年)写道：

　　“不加地利用贝叶斯方法，包括采用先验分布，不真实地反映扩散的不确定性，可能隐藏识别的病症。”

　　Onatski和威廉姆斯(2010)表明，如果你把不同的先验加到Smets和Wooters模型的早期版本(2003年)，你会得到不同的结构估计。Iskrev(2010)和Komunjer和Ng(2011)指出，未经任何先验信息时，Smets和Wooter模式没有确定。Reicher(2015)回应在他关于Hatanaka(1975)的结果的讨论中模拟提出的点。鲍迈斯特和汉密尔顿(2015)指出，在使用贝叶斯方法估计的供给和需求市场的二元向量自回归中，这是很有可能的“即使一个人可用无限样本的数据，对需求弹性的任何推论仅来自于先验分布。

　　从关于经济学者们如何尝试去解决标准的宏观问题的元问题中分离出像美联储是否可以增加联储基金利率这样的标准宏观问题是有帮助的。元问题的一个例子可以是为什么宏观经济学者们开始援引虚拟的驱动力以解释波动现象。另外一个例子是为什么他们似乎会忘记那些已经被发现的鉴别问题。

　　我发现一个更有性的问题是为什么粒子物理学中弦理论学者们的特征跟后真实宏观经济学者们的特征会有如此显著的相似之处。为了解释此相似之处，我将列出Smolin在其第十六章中提到的弦物理学者们的七个不同特征的列表：

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