问题布景

在通过 RunDynam/RunMONASH 等求解的动态模型中，思考以下情景：变量 x 在政策仿照（Policy）中为表生变量，且未施加肆意冲击。同时，模型中蕴含形如?y = A * x?的线性方程。那么，在误差了局（即政策了局与沉跑了局或基准了局的差值）中，变量 y 为何会出现非零值
？

?

逐步解析

首先，需明确政策仿照中 x 的了局在何种情况下会非零。若 x 在基准情景（Base）的某一时期（年份）同样为表生且未受冲击，则政策仿照中该时期的 x 了局也为零。但若 x 在基准情景的该时期为内生变量，则政策仿照中该时期的 x 了局将与基准中的内生值一样。

接下来，如果 x 在基准情景的某一时期为内生。凭据方程?y = A * x，我们预期政策仿照中该时期的 y 了局会非零。然而，沉跑（Rerun）或基准中该时期的 x 值应与政策仿照中该时期的值一样，因而似乎方程?y = A * x?在沉跑和政策中应给出一样的 y 值，进而误差了局（政策与沉跑之差）应为零。但现实情况不定如此，关键在于系数 A 的性质。

若 A 为参数（即在整个仿照中维持恒定），则上述推理成立，误差了局为零。但若 A?不是参数（即其值在仿照过程中可能变动），则政策与沉跑的 y 了局可能分歧，误差非零。

?

具体机造（以两步欧拉法为例）

思考施加政策冲击的肇始时期，选取两步欧拉法进行推算。

• 第一步：如果该时期起头时 A 的值为 A?。政策与沉跑中 A? 一样。由于两步法中第一步对 x 施加的冲击为总冲击的一半（若 x 为百分比变动大局，现实冲击量略幼于一半），则第一步的 y 了局为?A? * (x/2)。

• 第二步：设第二步中 x 的冲击量为 x?（与第一步相近但略有分歧）。政策与沉跑在第二步对 x 施加的冲击一样。但经过第一步后，A 的值会随冲击变动。由于政策冲击与沉跑冲击分歧，第一步实现后政策中的 A 值（A?P）可能与沉跑中的 A 值（A?R）分歧。因而，第二步的 y 了局别离为：

  • 政策中：y = A?P * x?

  • 沉跑中：y = A?R * x?
    若 A?P ≠ A?R，则第二步了局分歧。整个两步复合了局天然分歧，误差非零。

主题结论：在肆意时期，政策与沉跑中的 A 值可能分歧，从而导致 y 了局差距。

?

多时期累积效应

上述会商仅针对施加政策冲击的肇始时期。该时期起头时 A 的值在政策与沉跑中一样，但在后续时期，由于前期政策冲击的影响，政策起头时 A 的值可能已与沉跑对应时期分歧。因而，后续时期 y 的政策与沉跑了局差距可能更大。

示例：若 A 代表就业总值，政策导致就业逐年增长。若基准中 x 的内生值均为正，则由于政策中各年 A 值高于沉跑对应年份，即便政策与沉跑中 x 值一样，y = A * x?的了局也会因 A 值较大而在政策中更高，且误差随时期递增。

?

补充问题：为何在 AnalyseGE 中加载了局后仍难以观察到上述景象
？

即便将某一时期（如政策冲击初始年）的了局加载到 AnalyseGE 中，也可能难以直观验证上述诠释。原因在于：上述分析依赖于系数 A 在仿照过程中（单期内或整个政策期）的变动，而 AnalyseGE 通常只显示 A 在某一时刻（通常是有关仿照起头时）的值（只管也能显示仿照后值，可能有助于理解此类问题）。AnalyseGE 虽能辅助了局解读，但上述轻微差距可能无法在该工具中直接显露。

?

?

• ?