RBC 基准模型：从假设到 Dynare 到 IRF 的完整闭环

01 概念直觉：RBC 在讲什么故事

RBC（Real Business Cycle）由 Kydland & Prescott (1982) 与 Long & Plosser (1983) 奠基，核心命题只有一句话：经济周期不是市场失灵的产物，而是理性人面对真实技术冲击（technology shocks）时的最优跨期反应。"Real" 一词强调冲击来自实体面（生产率 $A_t$），而非名义货币因素；模型中根本没有货币、没有价格粘性，因此货币政策在 RBC 里是"中性"的——这一极强的反事实结论后来被新凯恩斯学派推翻，但 RBC 留下的方法论骨架被完整继承下来。

直觉链条是这样的：一次正向技术冲击让同样的资本与劳动生产出更多产出。此时闲暇的机会成本（实际工资）上升，理性人选择多工作、少闲暇；同时今天更富裕，且资本边际产出上升，理性人选择多储蓄、多投资。于是产出、消费、投资、劳动同时上升——这恰好复刻了经济繁荣时各宏观变量同向共动（comovement）的事实。衰退则是一次负向技术冲击的镜像：工资下降，家庭理性地选择多休假，产出与就业同时收缩，"大萧条=大家一起休假"这种略显刺耳的结论正是 RBC 对衰退的解释。

02 模型假设逐条解读：效用、技术、约束

为了把推导压到最短，我们直接用社会计划者（social planner）配置。由于模型是凸的、无外部性、无扭曲，根据第一福利定理，竞争性均衡与社会计划者解等价——先解计划者问题，再解释成分散经济即可。下面每写一个公式，都紧跟一段"假设是什么、为什么这样设、怎么读"。

2.1 偏好（家庭效用函数）

代表性家庭无限期存活，在消费 $C_t$ 与闲暇 $1-N_t$ 之间权衡，期望贴现效用为：

2.2 技术与资源约束（厂商）

竞争性厂商使用 Cobb–Douglas 生产函数，并面对封闭经济、无政府、无国际贸易的资源约束：

2.3 外生技术过程

技术 $A_t$ 是模型唯一的随机驱动力，假设它服从几何随机游走被替换成平稳 AR(1)：

把 $I_t = Y_t - C_t$ 代入资本积累方程，资源约束可写成单一跨期约束 $K_{t+1}=(1-\delta)K_t + A_t K_t^{\alpha}N_t^{1-\alpha} - C_t$。计划者的选择变量是 $\{C_t,N_t,K_{t+1}\}$，状态变量是 $K_t$（前定）与 $A_t$（外生）。

03 社会计划者问题与完整 FOC 推导

计划者在资源约束下最大化期望效用，这是一个典型的随机最优控制 / 动态规划问题。下面我们把拉格朗日函数完整写出来，对每一个选择变量 $(C_t,N_t,K_{t+1})$ 逐一求偏导，把"同理可得/类似地"这类跳步全部展开。

3.0 计划者优化问题（完整形式）

约束清单：① 单一跨期资源约束（由 Eq.R3 与 Eq.R4 消去 $I_t$ 合并得到）；② 初始资本 $K_0$ 给定（初值条件）；③ 技术过程 $\{A_t\}$ 外生；④ 选择变量的非负与劳动上限约束。在计划者配置下，没有价格、没有利润、没有债券——所有约束都是真实资源约束。

3.1 拉格朗日函数（完整写出）

对每一期 $t$ 的资源约束引入乘子 $\lambda_t$（单位：效用 / 一单位产出）。把所有期拉到一起，拉格朗日函数为：

3.2 对 $C_t$ 求偏导 → FOC-1（乘子与消费的边际效用挂钩）

在 $\mathcal L$ 的求和式中，$C_t$ 只出现在第 $t$ 项（效用项 $C_t^{1-\sigma}/(1-\sigma)$ 与约束项 $\lambda_t C_t$），不进入任何其他项。对 $C_t$ 求偏导并令其为 0：

3.3 对 $N_t$ 求偏导 → FOC-2（劳动供给 = 劳动需求）

$N_t$ 同时进入第 $t$ 期效用项 $-\chi N_t^{1+\varphi}/(1+\varphi)$ 与第 $t$ 期生产函数 $A_t K_t^{\alpha}N_t^{1-\alpha}$（在约束里以 $+\lambda_t A_t K_t^{\alpha}N_t^{1-\alpha}$ 出现）。对 $N_t$ 求偏导：

把 Eq.R9 的 $\lambda_t=C_t^{-\sigma}$ 代入，即得教科书形式：

3.4 对 $K_{t+1}$ 求偏导 → FOC-3（消费–资本欧拉方程）

$K_{t+1}$ 同时出现在两个位置：(a) 第 $t$ 期约束里 $-\lambda_t K_{t+1}$（今天为了多积累资本，必须放弃今天的资源）；(b) 第 $t+1$ 期约束里 $+\lambda_{t+1}(1-\delta)K_{t+1}$ 与 $+\lambda_{t+1}\alpha A_{t+1}K_{t+1}^{\alpha}N_{t+1}^{1-\alpha}$（明天这些资本带来残值与产出）。对 $K_{t+1}$ 求偏导：

两边除以 $\beta^t$ 并整理：

把 Eq.R9 的 $\lambda_t=C_t^{-\sigma}$、$\lambda_{t+1}=C_{t+1}^{-\sigma}$ 代入，即得教科书形式：

3.5 厂商侧定义方程（MPK 与 MPL = 实际工资）

完全竞争厂商把要素价格视为给定，在生产技术下成本最小化，对资本与劳动的需求条件分别为：

在分散经济中，家庭按 $w_t$ 提供劳动、按 $r_t^k$ 出租资本，利润 $\Pi_t=Y_t-w_t N_t-r_t^k K_t=0$（CRS 下经济利润为零，归家庭所有）。计划者配置与分散经济等价，这两条"定义方程"只是把生产函数的偏导起个名字。

3.6 横截条件（Transversality Condition, TVC）

无穷期问题必须加上 TVC 排除"无限积累资本、永不消费"的泡沫路径。它是最优性的必要条件：

3.7 完整均衡系统（汇总）

5 个方程、5 个内生变量 $(Y,C,I,K,N)$ 加 1 个外生状态 $A$，构成闭合系统。注意资本 $K_{t+1}$ 是状态变量，由投资累积而成；$A_t$ 是外生状态；其余变量是前瞻/静态变量，由 Dynare 自动求解。

04 稳态的解析求解

去掉时间下标表示稳态（令 $A=1$，所有变量恒定、$E_t$ 消失）。设稳态值为 $(C,Y,K,N,I)$。稳态是线性化、校准、IRF 的锚——所有 IRF 的纵坐标都是"偏离稳态的百分比"。

4.1 稳态方程组（完整列出）

把动态方程里的 $X_t=X_{t+1}=X$、$E_t$ 去掉、$A=1$ 代入，得到如下 6 个稳态方程，未知数恰好也是 6 个 $(C,Y,K,N,I,A)$（其中 $A=1$ 是归一化）：

4.2 逐步求解

第 1 步：从 Eq.SS1 解出 $r^k$。稳态下 $C_t=C_{t+1}$，欧拉方程化简为：

第 2 步：从 Eq.SS2 解出资本–劳动比 $K/N$。由 $r^k=\alpha(K/N)^{\alpha-1}$：

第 3 步：由 Eq.SS2 得产出资本比。$\frac{Y}{K}=\frac{r^k}{\alpha}$，代入 $\alpha=0.33$，$Y/K\approx0.106$，即稳态资本产出比 $K/Y\approx9.4$（季度），年化 $K/Y\approx2.4$——这与美国长期数据一致。

第 4 步：由 Eq.SS4 得投资资本比。$I/K=\delta$，进而 $I/Y=\delta K/Y\approx0.025\times9.4\approx0.235$。

第 5 步：由 Eq.SS5 得消费产出比。$C/Y=1-I/Y\approx0.765$。

第 6 步：由 Eq.SS6 反解稳态劳动 $N^\ast$。把 $w=(1-\alpha)Y/N$、$C=Y(1-\delta K/Y)$ 代入：

注意 $Y/C$ 与 $Y/N$ 都依赖 $K/N$，而 $K/N$ 在第 2 步已被钉死，所以 $Y/C$ 是常数。代入 $\sigma=1,\varphi=1$ 的对数+单位 Frisch 情形：$\chi N = (1-\alpha)(Y/N)/(C/Y)\cdot(1/N)$，即 $\chi N^2 = (1-\alpha)(Y/C)$。强制 $N=1/3$ 即可反解 $\chi$。这一步在一般 $\sigma,\varphi$ 下需要数值求解，但 $K/N$、$Y/K$、$C/Y$ 三个比率是解析可解的。

05 对数线性化：完整 RBC 系统

对一阶条件在稳态处取对数线性近似，记 $\hat x_t \equiv \ln(X_t/X)\approx (X_t-X)/X$。利用 $X_t = X e^{\hat x_t}\approx X(1+\hat x_t)$ 的近似，并注意 $\widehat{XY}=\hat X+\hat Y$、$\widehat{X/Y}=\hat X-\hat Y$。对数线性化的目的是把非线性 FOC 变成线性 Rational Expectations 系统，从而用 Blanchard-Kahn 方法求数值解。下面对每条方程都写出"原始方程 → 两边取对数/一阶泰勒展开 → 整理"三步。

5.1 消费欧拉 → IS 型方程（完整展开）

原始方程（Eq.R11'）：

第 1 步：两边取对数（注意期望在非线性函数内，不能直接取 $\ln E_t[\cdot]$；先把它写成乘积形式再展开）。更稳妥的做法是对两边取对数后做一阶泰勒展开：令 $X_t\equiv C_t^{-\sigma}$，$Z_{t+1}\equiv 1-\delta+r_{t+1}^k$，则 $X_t=\beta E_t[X_{t+1}Z_{t+1}]$。在稳态处 $X=\beta X Z$，即 $1=\beta Z$。两边在稳态处取对数偏离：

5.2 劳动条件（完整展开）

原始方程（Eq.R10'）：$\chi N_t^\varphi C_t^\sigma = (1-\alpha)A_t K_t^\alpha N_t^{-\alpha}$。两边都是乘积（$\chi$ 与 $1-\alpha$ 是常数，在对数偏离中消去）：

5.3 生产函数、资源约束与资本积累（完整展开）

原始方程（Eq.R2）：$Y_t=A_t K_t^\alpha N_t^{1-\alpha}$。两边取对数：$\ln Y_t=\ln A_t+\alpha\ln K_t+(1-\alpha)\ln N_t$。在稳态处减 $\ln Y=\ln A+\alpha\ln K+(1-\alpha)\ln N$（$A=1$ 时 $\ln A=0$）：

原始方程（Eq.R3）：$Y_t=C_t+I_t$。这是和式，不能直接取对数。在稳态处 $Y=C+I$，做一阶泰勒展开：

原始方程（Eq.R4）：$K_{t+1}=(1-\delta)K_t+I_t$。同样是和式，稳态处 $K=(1-\delta)K+I$，即 $I=\delta K$。一阶泰勒展开：

5.4 外生技术（线性化）

原始方程（Eq.R5）：$\ln A_t=(1-\rho_a)\ln\bar A+\rho_a\ln A_{t-1}+\varepsilon_t^a$。稳态处 $\ln\bar A=0$。两边减 $\ln\bar A=0$，记 $\hat a_t\equiv\ln A_t-\ln\bar A=\ln A_t$：

以上 6 个方程（Eq.L1–L6）构成完整的对数线性 RBC 系统，状态变量为 $\hat k_t,\hat a_t$，其余为前定/前瞻变量。把它们扔进 Dynare 即可求解并做 IRF。实际上 Dynare 可以直接吃非线性原始方程，自动做扰动法线性化，因此我们在 .mod 里写的是非线性形式。

06 校准（Calibration）的逐项来源

RBC 时代还没有贝叶斯估计，参数靠校准：让模型稳态矩（moment）复刻微观/长期数据的矩。下面给出每个参数的取值、单位（季度/年度）、以及"这个数是怎么从数据或文献里定出来的"。

07 Dynare .mod 七步逐行撰写

下面把 .mod 文件拆成 7 步，每一步解释"写什么、为什么这么写、Dynare 在背后干什么"。最后给出完整的可运行代码（≥50 行，中文注释）。

第 1 步：声明变量（var / varexo）

var 列出所有内生变量——模型自己决定的变量；varexo 列出所有外生冲击——模型之外决定的随机变量。每个变量名必须与 model; 块里出现的名字完全一致（区分大小写）。本模型内生变量 6 个：$Y,C,I,K,N,A$；外生冲击 1 个：$\varepsilon^a$。

第 2 步：声明参数（parameters 与赋值）

parameters 列出所有参数名，然后逐行赋值。参数必须在 model; 块之前赋值，否则 Dynare 会用默认值 0，稳态直接爆炸。每个参数的取值来源见第 6 节校准表。

第 3 步：model 块——逐方程解释

model; 与 end; 之间是模型的核心方程。Dynare 用 X(+1) 表示 $X_{t+1}$、X(-1) 表示 $X_{t-1}$。每个方程以分号结尾。我们写非线性原始形式，让 Dynare 自己做扰动法线性化。

• 方程 1 欧拉：1/C = beta*1/C(+1)*(1-delta+alpha*A(+1)*K(+1)^(alpha-1)*N(+1)^(1-alpha))。注意 $\sigma=1$ 时 $u'(C)=1/C$，所以写成 1/C。MPK 用 $A_{t+1},K_{t+1},N_{t+1}$ 是因为今天的投资形成的资本明天才生产。
• 方程 2 劳动条件：chi*N^varphi*C^sigma = (1-alpha)*A*K^alpha*N^(1-alpha-1)。左边 MRS，右边 MPL。
• 方程 3 生产函数：Y = A*K^alpha*N^(1-alpha)。
• 方程 4 资源约束：Y = C + I。
• 方程 5 资本积累：K(+1) = (1-delta)*K + I。
• 方程 6 技术过程：log(A) = rho_a*log(A(-1)) + eps_a。

第 4 步：initval 块——给稳态求解器一个起点

initval; 不是"真值"，只是牛顿求解器的初始猜测。经验法则：从解析稳态拿值。令 $A=1$、$N=1/3$，$K$ 由资本劳动比估计（约 4~10，季度）。猜错了也没关系，Dynare 会迭代；但若差太远（如 $K=0$），求解器可能不收敛。

第 5 步：steady; 命令——求解稳态

steady; 调用非线性求解器（默认求解器）在 initval 附近迭代，找到满足所有方程的常数解。运行后控制台会打印 $Y,C,I,K,N$ 的稳态值，并报告残差（应接近 0）。

第 6 步：check; 命令——检查 Blanchard-Kahn 条件

check; 在稳态处做一阶扰动线性化，并计算 Jacobian 矩阵的特征值。它会打印"the rank of the jacobian"与特征值列表。判断标准：前瞻变量的个数 = 单位圆外的特征值个数。若满足，模型有唯一稳定解；否则 Dynare 会报警"Blanchard-Kahn conditions not satisfied"，通常是因为方程写错（时间下标错、缺方程）。

第 7 步：stoch_simul(order=1, irf=40) ——求解与模拟

stoch_simul 是主命令：order=1 表示一阶 Taylor 近似（二阶近似用 order=2，会捕捉波动率效应）；irf=40 表示画 40 期脉冲响应；后面列出你想画图的变量。运行后 Dynare 自动生成 IRF 图、 Moments（标准差、相关系数）、并把结果存到 oo_ 结构里供后续 MATLAB 绘图。

完整 .mod 代码

// ============================================================
// 09-rbc-baseline.mod ——  RBC 基准模型（社会计划者配置）
// 运行：在 MATLAB/Octave 中执行  dynare rbc_baseline.mod
// 模型：CRRA(对数)消费 + 凸劳动，Cobb-Douglas 生产，AR(1) 技术
// 周期：季度
// ============================================================

// ---------- 第1步：声明内生变量 ----------
var Y      // 产出 Output（GDP）
    C      // 消费 Consumption
    I      // 投资 Investment
    K      // 期初资本 Stock of capital
    N      // 劳动 Hours worked
    w      // 实际工资 Real wage
    r_k    // 资本租金率 Rental rate of capital
    A;     // 全要素生产率 TFP

// ---------- 第1步：声明外生冲击 ----------
varexo eps_a;   // 技术冲击 innovation，白噪声

// ---------- 第2步：声明参数 ----------
parameters beta    // 主观贴现因子（季度）
           sigma   // 相对风险厌恶 = 1/EIS
           chi     // 劳动负效用权重
           varphi  // Frisch 弹性倒数
           alpha   // 资本收入份额
           delta   // 季度折旧率
           rho_a   // 技术冲击持续性
           sig_a;  // 技术冲击标准差

// ---------- 第2步：赋值（校准值，见第6节） ----------
beta   = 0.99;    // 季度贴现，对应年化实际利率约4%
sigma  = 1.0;     // 对数效用 U(C)=log(C)
chi    = 5.55;    // 反推：使稳态 N≈1/3
varphi = 1.0;     // Frisch 弹性 = 1
alpha  = 0.33;    // 资本份额 ≈ 1/3
delta  = 0.025;   // 季度折旧，年化约10%
rho_a  = 0.95;    // 技术冲击持续性（Solow残差估计）
sig_a  = 0.007;   // 技术冲击标准差（季度，约0.7%）

// ---------- 第3步：model 块（非线性原始形式） ----------
model;
// (1) 消费-资本欧拉方程：u'(C_t)=beta E_t{u'(C_{t+1})*(1-delta+r_k_{t+1})}
//     对数效用下 u'(C)=1/C；r_k_{t+1}=alpha*A_{t+1}*K_{t+1}^{alpha-1}*N_{t+1}^{1-alpha}
1/C = beta*1/C(+1)*( 1 - delta + alpha*A(+1)*K(+1)^(alpha-1)*N(+1)^(1-alpha) );

// (2) 劳动供给条件：MRS = MPL = w_t
//     chi*N^varphi*C^sigma = (1-alpha)*A*K^alpha*N^(1-alpha-1) = w
chi*N^varphi*C^sigma = (1-alpha)*A*K^alpha*N^(1-alpha-1);

// (3) 实际工资定义（MPL）
w = (1-alpha)*A*K^alpha*N^(1-alpha-1);

// (4) 资本租金定义（MPK）
r_k = alpha*A*K^(alpha-1)*N^(1-alpha);

// (5) 生产函数（总供给）
Y = A*K^alpha*N^(1-alpha);

// (6) 资源约束：产出 = 消费 + 投资（封闭经济，无政府）
Y = C + I;

// (7) 资本积累方程：今天的投资 + 折旧后旧资本 = 明天的资本
K(+1) = (1-delta)*K + I;

// (8) 技术过程：log A 服从 AR(1)，eps_a 是 iid 白噪声
log(A) = rho_a*log(A(-1)) + eps_a;
end;

// ---------- 第4步：initval（稳态求解器的初始猜测） ----------
// 从解析稳态拿：A=1，N=1/3，K 由资本劳动比估算约 4~10
initval;
A = 1.0;
N = 0.33;
K = 4.0;
Y = 1.0;
C = 0.75;
I = 0.25;
w = 2.0;
r_k = 0.035;
end;

// ---------- 第5步：求解稳态 ----------
steady;

// ---------- 第6步：检查 Blanchard-Kahn 条件 ----------
// 应输出："required number of eigenvalues found"
check;

// ---------- 设定外生冲击分布 ----------
shocks;
var eps_a = sig_a^2;   // 冲击方差 = 0.007^2
end;

// ---------- 第7步：一阶扰动求解 + 40期 IRF ----------
// order=1：一阶Taylor近似；irf=40：画40期
// 列出想画图的变量：Y C I N K w r_k
stoch_simul(order=1, irf=40) Y C I N K w r_k;

08 脉冲响应：技术冲击下各变量怎么动

对一个正向 1% 的技术冲击 $\varepsilon_t^a>0$，按时间顺序的预测（与 Dynare 画出的 IRF 一致）。每个变量单独给出"为什么这样反应"的经济学直觉。

09 估计：从 FRED 数据到 Solow 残差与贝叶斯

第 6 节的校准表回答了"参数取多少"，本节回答更实操的问题：这些数具体从哪条数据序列算出来？冲击参数 $\rho_a,\sigma_a$ 怎么用 OLS 估？如果不满足于校准、想做贝叶斯估计，需要哪些数据、先验、观测方程？这是 RBC 从"教科书玩具"走向"可写论文的实证模型"最常缺的一环。

9.1 美国数据：FRED 变量代码与处理流程

RBC 估计需要四类高频宏观序列。全部可在圣路易斯联储 FRED 数据库（fred.stlouisfed.org，免费、可直接下载 CSV）获取，代码如下表。样本惯例取 1955Q1–2019Q4（避开二战配给与 COVID 异常值），季度频率、季节调整。

9.2 Solow 残差：$\rho_a,\sigma_a$ 的 OLS 估计

这是 RBC 估计最核心的一步。生产函数 $Y_t=A_tK_t^\alpha N_t^{1-\alpha}$ 两边取对数：

用 $\alpha=0.33$ 与上节数据算出 $\ln A_t$ 序列后，对它做 AR(1) 回归：

9.3 中国数据适配

做中国 RBC 时，FRED 不可用，改用：国家统计局（季度 GDP、城镇就业、全社会固定资产投资）、Wind / CSMAR / CEIC 数据库（资本存量需要张军-施少华-龚六堂或单豪杰的永续盘存估算序列）。中国参数校准惯例：$\alpha=0.4\sim0.5$（劳动份额低于美国）、$\beta=0.99$ 季度、$\delta=0.025$、$\rho_a$ 由中国 Solow 残差 OLS 约为 0.85~0.9。注意中国季度 GDP 缺乏官方季度资本存量，需用年度资本存量+季度投资插值，这一步是中国 RBC 论文最容易被审稿人质疑的地方。

9.4 贝叶斯估计流程（进阶）

校准只把矩"对上去"，贝叶斯估计则让数据说话。RBC 若升级到贝叶斯，标准流程如下（详细算法见站内 贝叶斯估计页，此处把 RBC 专用部分写全）：

1. 状态空间表示：把对数线性 RBC 写成 $X_t=A X_{t-1}+B\varepsilon_t$（转移方程）与 $Y_t^{obs}=H X_t$（观测方程）。
2. 观测方程：用 3 个可观测序列即可——例如
   $$\Delta\ln Y_t^{obs} = \hat y_t - \hat y_{t-1} + \gamma$$ $$\Delta\ln C_t^{obs} = \hat c_t - \hat c_{t-1} + \gamma$$ $$\Delta\ln I_t^{obs} = \hat i_t - \hat i_{t-1} + \gamma$$
   其中 $\gamma$ 是季度确定性趋势增长率（待估，先验 Normal(0.004, 0.002)）。RBC 入门模型不观测资本与劳动，因为它们不可直接度量。
3. 先验表：固定弱识别参数（$\beta,\alpha,\delta$ 校准不估），只估行为与冲击参数：

   参数	先验分布	先验均值	先验标准差	理由
   $\sigma$	Normal	1.00	0.25	围绕对数效用
   $\varphi$	Gamma	1.00	0.50	Frisch 弹性倒数
   $\rho_a$	Beta	0.95	0.02	高度持续，约束 (0,1)
   $100\sigma_a$	Inv-gamma	0.70	Inf(1 型)	冲击标准差，正数约束
   $\gamma$（趋势增长）	Normal	0.004	0.002	美国季度趋势增长约 0.4%

4. 似然：用卡尔曼滤波（Kalman filter）对状态空间模型一步一步算 $p(Y^{obs}|\theta)$——每步由预测误差与其协方差更新，累积得对数似然。
5. 后验抽样：后验 $\propto$ 先验 $\times$ 似然 通常无解析解，用 Metropolis-Hastings MCMC 抽 2 条各 25 万步的链，前半段 burn-in，检查有效样本量（ESS>100）与链收敛（Brooks-Gelman-Rubin 统计量接近 1）。
6. 报告：后验均值、后验 90% 置信区间、边际似然（用于模型比较）。Dynare 里只需在 .mod 末尾把 stoch_simul 换成 estimation(datafile=..., mode_compute=6, mh_replic=200000) Y C I; 并在 estimated_params; 块里登记先验。

10 方差分解与模型诊断

IRF 回答"冲击怎么传导"，方差分解（variance decomposition）回答"谁在解释波动"。Dynare 跑完 stoch_simul 后会自动打印每个变量的 k 期预测方差中，各冲击贡献的百分比。RBC 只有一个冲击 $\varepsilon^a$，所以方差分解理论上是平凡的——100%。但这个"平凡"结果本身就是 RBC 最尖锐的实证检验。

10.1 理论方差分解

Kydland-Prescott (1991) 的著名论断"技术冲击解释美国战后产出波动的 70%"，本质就是在为这张表辩护——他们承认 RBC 解释不了 30%，但认为 70% 已经够多了。后来的文献（如 Hansen-Ohanian）加入政府支出、偏好、工资加成等额外冲击后，技术冲击的贡献降到 30%~50%。

10.2 二阶矩诊断：模型矩 vs. 数据矩

把 Dynare 打印的理论矩（标准差、与产出的相关系数、一阶自相关）与 HP 滤波后的 FRED 数据矩对照：

10.3 模型诊断清单

• Blanchard-Kahn 检查：check; 后特征值个数 = 前瞻变量个数（RBC 前瞻变量为 $C_t$，单位圆外特征根 1 个）。
• 稳态残差：steady; 打印的方程残差应 $<10^{-8}$，否则 .mod 方程写错。
• 矩匹配：校准用的矩（劳动份额 2/3、$I/K\approx0.025$、$K/Y\approx9.4$ 季度）必须与 Dynare 稳态输出一致；若 $N$ 不在 0.33 附近，回调 $\chi$。
• IRF 符号：正向技术冲击后 $Y,C,I,N,w$ 必须全为正；若 $N$ 为负，说明劳动条件符号写反或 $\varphi$ 过大。
• 二阶矩稳健性：换用线性趋势/带通滤波重做数据矩，若结论翻转，说明结论依赖去趋势方法——这是审稿人必问。

11 RBC 的局限与学术评价

• 失业与劳动幅度问题：RBC 的劳动波动几乎全靠跨期替代，需要极大的 Frisch 弹性才能匹配数据，微观证据不支持（Chetty et al. 2011 meta 估计中位数仅 0.5）。
• 技术冲击的可测性：把索洛残差当作外生 TFP 遭到 Mankiw、Summers 等批评——残差里混了 utilization（资本利用率周期波动）、劳动窖藏（labor hoarding）、需求侧因素。Basu-Fernald-Kimball (2006) 调整后的"纯技术冲击"甚至是轻微逆周期的。
• 货币政策完全中性：模型里没有货币，无法解释"货币政策冲击后产出、通胀系统性反应"这一被 VAR（Christiano-Eichenbaum-Evans）反复确认的事实。这正是新凯恩斯（NK）革命要补的洞。
• 价格灵活性假设太强：没有名义刚性，衰退被解释为"理性地选择少工作"，缺乏政策含义——政府无为是最优。
• 无法解释通胀的内生持续性：RBC 里通胀根本不出现；现实中通胀有显著自相关，需要 NK 的价格粘性来解释。

12 论文案例、常见错误与进阶资料

10.1 必读论文

10.2 常见错误（≥4 条）

10.3 进阶资料

• Cooley (1995), Frontiers of Business Cycle Research —— RBC 手册级参考书。
• Ljungqvist & Sargent, Recursive Macroeconomic Theory —— 动态规划与 RBC 的严格推导。
• King & Rebelo (1999), "Resuscitating Real Business Cycles", Handbook of Macroeconomics。
• Dynare 官方 wiki: RBC example —— 与本页 .mod 对照。

13 方程总清单 Equation Summary

本表汇总 RBC 基准模型全部方程：模型设定（R1–R5）、厂商定义（R6–R7）、拉格朗日与 FOC（R8–R12）、稳态方程组（SS1–SS6）、对数线性化方程（L1–L6）。合计 N = 22 个方程。