《表2 模型仿真数据与现实数据的二阶矩匹配》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《人工智能发展对通胀动态的影响及政策挑战——基于动态随机一般均衡模型的分析》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在动态随机一般均衡模型分析中，二阶矩匹配方法经常用于评价模型数据与现实数据的拟合程度（Gali'，2015；李向阳，2019）[23-24]。这一方法通过计算模型仿真数据的二阶矩并将其与现实数据的二阶矩进行匹配，比较模型仿真数据与现实数据的接近程度，进而可以判断模型对于现实数据的拟合程度。具体而言，通常使用模型仿真数据与现实数据的标准差比值和相关系数这两个指标进行匹配。表2给出了相应的二阶矩匹配的结果，其中σxy表示模型仿真数据与现实数据的标准差之比，ρxy表示模型仿真数据与现实数据的相关系数。由于人工智能方面时间序列数据的缺失，本文未能进行人工智能相关变量的二阶矩匹配。不过，选择产出、就业、物质资本投资、通胀、工资膨胀以及消费等宏观经济指标，一方面符合以往相近研究的惯例，另一方面也基本上可以反映宏观经济整体状况。与模型中的变量定义一致，产出采用剔除政府支出和净出口的国内生产总值数据，就业采用城镇单位就业数据，通胀采用环比处理后的CPI数据，工资膨胀采用环比处理后的全国工资总额数据，消费和投资采用支出法核算国内生产总值的数据。所有数据均来源于中经网数据库和国家统计局网站。