Page 223 - MAKРОЭКОНОМИЧЕСКИЙ АНАЛИЗ (УЧЕБНИК)

мостью – вечная дилемма моделирования макроэкономических
процессов. С одной стороны, более сложные модели, учитыва-
ющие множество переменных, нелинейных связей, гетероген-

ность агентов, динамику ожиданий, институциональные особен-
ности и международные взаимодействия, могут лучше описать
реальность, но становятся трудными для анализа, оценки пара-
метров, прогнозирования и интерпретации. С другой стороны,
упрощенные модели позволяют выделить ключевые механизмы,
понять основные принципы функционирования системы, легче
калибруются и используются на практике, но риск упустить важ-
ные детали возрастает. Исследователи вынуждены искать опти-

мальный уровень абстракции и выбирать те инструменты, кото-
рые наилучшим образом отвечают их задачам. Неотъемлемой
частью моделирования макроэкономических процессов являет-
ся работа с данными. Макроэкономические данные часто пред-
ставляют собой временные ряды агрегированных показателей:
ВВП, инфляция, безработица, инвестиции, экспорты, импорты,

денежная масса, государственные расходы и доходы, показате-
ли производительности. Анализ данных включает их очистку
от выбросов, сезонную корректировку, оценку стационарности,
поиск структурных разрывов, проверку наличия единичных
корней, коинтеграционных связей. Эконометрика предлагает
широкий набор тестов и методов, помогающих адаптировать
модель к реальным данным. Оценка параметров модели может
осуществляться разными методами: метод наименьших квадра-

тов, обобщенный метод моментов, максимальное правдоподо-
бие, байесовские подходы.
В DSGE-моделях часто используют байесовские методы, что
позволяет объединить априорную информацию о параметрах с
информацией, извлеченной из данных, и получить апостериор-
ные распределения . Калибровка – это еще один важный под-
108
ход, когда параметры модели назначаются на основе внешних

источников: эмпирических исследований, оценок из литерату-

108 Romer, D. (2019). “Advanced Macroeconomics”. 5th Edition. McGraw-Hill Education.

222