DSGE模型

DSGE 模型在房产税影响分析的应用

1.模型综述

动态随机一般均衡模型（dynamic stochastic general equilibrium model ，即DSGE ），是以微观和宏观经济理论为基础，采用动态优化方法考察个行为主体（家庭、厂商等）的决策，即在家庭最大化其一生效用、厂商最大化其利润的假设下得到个行为主体的行为方程。各行为主体在决策时必须考虑其行为的当期影响，以及未来的后续影响，同时，现实经济中存在诸多的不确定性，因此，DSGE 模型在引入各种外生随机冲击的情况下，研究各主体之间的相互作用和相互影响。 （Dynamic stochastic general equilibrium modeling (abbreviated DSGE or sometimes SDGE or DGE) is a branch of applied general equilibrium theory that is influential in contemporary macroeconomics. The DSGE methodology attempts to explain aggregate economic phenomena, such as economic growth, business cycles, and the effects of monetary and fiscal policy, on the basis of macroeconomic models derived from microeconomic principles.）

其主要特征有：

（1）动态

“动态”指经济个体考虑的是跨期最优选择（Inter-temporal Optimal Choice ）。因此，模型得以探讨经济体系中各变量如何随时间变化而变化的动态性质。

（2）随机

“随机”则指经济体系受到各种不同的外生随机冲击所影响。举例来说，可能冲击有：技术性冲击（Technology Shock ）、货币政策冲击（Monetary Shock ）或是偏好冲击（Preference Shock ）等。

（3）一般均衡

“一般均衡”意指宏观经济体系中，消费者、厂商、政府与中央银行等每一个场参与者，在根据其偏好及对未来的预期下，所做出最优选择的总和。应用在房产税影响上可以得出税改对市场均衡的影响。

2.模型推导

房地产业是国民经济体系中的基础性、先导性行业，其运行质量直接影响到国民经济的健康发展。为了简化分析房产税对其影响，我们给出以下假设： 考虑包含政府，家庭，企业的三部门经济体。假设企业的利润归于家庭，家庭为企业提供劳动力以生产产品。产品分二类:住房投资，普通商品。

（1）家庭

代表性消费者的终生效用函数为:∑∞

==0t 0t t u E U β 其中U 为终生效用现值，

10≤≤β 为贴现率，t u 为t 期效用。假设t t t m h c u ln ln ln t εδα++= ，其中t

t m h c ,,t

分别表示t 期人均消费，人均住房面积，人均真实货币余额。前边的系数分别衡量了相应变量对当期效用的贡献。

令t t T h h λη-=-1t ,t T 为当期房产税。

（2）企业

采用柯布-道格拉斯生产函数，形式为： j i l k y =，其中k,l 分别为人均资本，劳动。

（3）政府

政府能因为t T 当期房产税的提高而获得更高的财政税收，设υ+=t h G t ，假设政府预算平衡。

3.均衡求解

在约束条件111t r 11---++=+++t t t t t w w c c h h ββ下求解最大的∑∞==0t 0t t u E U β，由DSGE 模型得出市场均衡条件：

4.实证分析

4.1贝叶斯估计

贝叶斯估计是基于后验概率分布（posterior distribution ）的一类估计方法，其中后验概率分布中采用了先验信息（prior information ）。所谓先验信息，是指已知待估计参数的概率密度函数)(p 0θ，不管是随机变变量或是未知的固定常数。而后验概率分布具有下面的形式，

贝叶斯估计在参数估计中对于不同的估计结果赋予了不同的代价值，然后求解平均代价最小的情况。

在经典计量经济学模型中广泛采用的最小二乘估计，以及最大似然函数估计

和广义矩估计的一个共同特征是，在模型估计中只利用样本信息和关于总体分布的先验信息，而关于分布的先验信息仍然需要通过样本信息的检验，所以说到底还是样本信息。

由于模型估计依赖样本信息，这就要求样本信息足够多，因此，这些估计只有在大样本情况下才具有一定的优良性质。但是在许多实际应用研究中，人们无法重复大量的实验以得到大量的观测结果，只能得到少量的观测结果。在小样本情况下，最小二乘估计、最大似然估计和广义矩估计不再具有优良性质。因而，人们不得不寻求小样本情况下的优良估计方法。贝叶斯估计方法就是其中之一。

4.2相关数据

4.3 估计结果

部分参数的贝叶斯估计结果