如果你也在 怎样代写宏观经济学Macroeconomics这个学科遇到相关的难题,请随时右上角联系我们的24/7代写客服。

宏观经济学,对国家或地区经济整体行为的研究。它关注的是了解整个经济的事件,如商品和服务的生产总量、失业水平和价格的一般行为。

assignmentutor-lab™ 为您的留学生涯保驾护航 在代写宏观经济学Macroeconomics方面已经树立了自己的口碑, 保证靠谱, 高质且原创的统计Statistics代写服务。我们的专家在代写宏观经济学Macroeconomics代写方面经验极为丰富,各种代写宏观经济学Macroeconomics相关的作业也就用不着说。

我们提供的宏观经济学Macroeconomics及其相关学科的代写,服务范围广, 其中包括但不限于:

  • Statistical Inference 统计推断
  • Statistical Computing 统计计算
  • Advanced Probability Theory 高等概率论
  • Advanced Mathematical Statistics 高等数理统计学
  • (Generalized) Linear Models 广义线性模型
  • Statistical Machine Learning 统计机器学习
  • Longitudinal Data Analysis 纵向数据分析
  • Foundations of Data Science 数据科学基础
经济代写|宏观经济学代写Macroeconomics代考|ECON305

经济代写|宏观经济学代写Macroeconomics代考|Assessing the RBC contribution

Prescott (1986) summarises the claim in favour of the RBC model: “Economic theory implies that, given the nature of the shocks to technology and people’s willingness and ability to intertemporally and intratemporally substitute, the economy will display fluctuations like those the U.S. economy displays.” His claim is that his model economy matches remarkably well the actual data and, to the extent that it doesn’t, it’s probably because the real-world measurement does not really capture what the theory says is important – hence the title of ‘Theory Ahead of Business Cycle Measurement’.

The startling policy implications of these findings are highlighted as follows: “Costly efforts at stabilization are likely to be counterproductive. Economic fluctuations are optimal responses to uncertainty in the rate of technological change.” In other words, business cycle policy is not only useless, but harmful. One should focus on the determinants of the average rate of technological change.
The macro literature has vigorously pursued and refined the path opened by Prescott. Lots of different changes have been considered to the original specification, such as different sources for the shocks (for instance, government spending) or the inclusion of a number of market distortions (e.g. taxation). On the other hand, many objections have been raised to the basic message of RBCs. Do we really see such huge shifts in technology on a quarterly basis? Or, is the Solow residual capturing something else? (Remember, it is the measure of our ignorance…) Do we really believe that fluctuations are driven by people’s willingness to intertemporally reallocate labour? If these are optimal, why do they feel so painful? How about the role of monetary policy, for which the RBC model has no role? Finally, it seems that the features of the fluctuations that are obtained are very close to the nature of the stochastic process that is assumed for the shocks – how much of an explanation is that?

Kydland and Prescott eventually received the Nobel Prize in Economics in 2004, partly for this contribution. (We will return to other contributions by the pair when we discuss monetary policy.) More importantly, the approach led to two developments. First, it generated a fierce counterattack to Keynesianism. The rational expectations revolution had stated that Keynesian policy was ineffective; Kydland and Prescott said it was wrong and harmful. Second, by validating the model, this calibrated stochastic version of the NGM became the workhorse of macroeconomics, so that the RBC approach won the methodological contest. In macro these days, people are pretty much expected to produce a DSGE model with fully optimising agents (with rational expectations) that is amenable to the discipline of calibration. Even the folks who believe in Keynesian-style business cycles are compelled to frame them in such models, though including some price rigidity, monetary disturbance, and so on, as we will see soon.

In addition, even if you believe that the Keynesian approach is a better description of business cycles in general, it may still be the case that a simple RBC framework can explain some important economic episodes. For instance, take a look at Figure 14.5, which depicts GDP, employment, consumption, and investment data for the U.S. over 2019-20. The sharp drop we see is, of course, the economic response to the Covid- 19 pandemic, which fits well the supply shock paradigm. The response looks a lot like the kind of logic we have seen in this chapter: a shock to productivity – in this case, the threat posed by a virus – radically changes the intertemporal tradeoff, and leads to a postponement of labour supply and, consequently, to drops in employment and output. Notice that consumption in this case is not smoother than output even though investment is the most volatile variable, as the model predicts. Why is consumption more volatile in this context? Eichenbaum et al. (2020) provide an explanation. They make the realistic assumption that during the Covid-19 pandemic, people attached a risk of contagion to the act of consuming (consumption means going out to a restaurant, shopping mall, etc.) and, therefore, reduced consumption more than they would have done if only adjusting for the change in intertemporal wealth. The example illustrates that some specific changes in the setup may be required on occasion to adjust empirical observations. ${ }^5$

经济代写|宏观经济学代写Macroeconomics代考|IS-LM

In 1937 , J.R. Hicks ${ }^3$ provided a theoretical framework that can be used to analyse the General Theory Keynes had published the previous year. Keynes’s book had been relatively hard to crack, so the profession embraced Hicks’s simple representation that later became known as the IS-LM, model and went on to populate intermediate macro textbooks ever since (Hicks won the Nobel Prize in Economics in 1972 for this work). While much maligned in many quarters (particularly because of its static nature and lack of microfoundations), this simple model (and its open-economy cousin, the Mundell-Fleming model) is still very much in the heads of policy makers.

The model is a general equilibrium framework encompassing three markets: goods, money and bonds, though only two are usually described as the third will clear automatically if the other two do (remember Walras Law from micro!). It is standard to represent the model in terms of interest rates and output, and to look at the equilibrium in the money and goods market. The corresponding equations are:
A money market equilibrium locus called the $L M$ curve:
$$
\frac{M}{P}=L\left(\begin{array}{c}
(-) \
i, \stackrel{(+)}{Y}
\end{array}\right),
$$
and a goods market equilibrium called the IS curve:
$$
Y=A(r^{(-)}, \underbrace{\stackrel{(+)}{Y}}_{<1}, \text { Fiscal, RER) }
$$
where Fiscal stands for government expenditures and RER for the real exchange rate, or, alternatively,
$$
Y=A(\stackrel{(-)}{r}, \stackrel{(+)}{(+)} \stackrel{(+)}{r}) .
$$
Finally, a relationship between nominal and real interest rates:
$$
r=i-\pi^{\prime} \text {. }
$$

经济代写|宏观经济学代写Macroeconomics代考|ECON305

宏观经济学代考

经济代写|宏观经济学代写Macroeconomics代考|Assessing the RBC contribution

Prescott (1986) 总结了支持 RBC 模型的主张:“经济理论表明,鉴于技术冲击的性质以及人们跨期和跨期替代的意愿和能力,经济将显示出美国经济所显示的波动。” 他声称,他的模型经济与实际数据非常吻合,而在某种程度上,这可能是因为现实世界的测量并没有真正捕捉到理论所说的重要内容——因此标题为“未来理论”商业周期测量”。

这些调查结果令人吃惊的政策含义突出如下:“昂贵的稳定努力可能会适得其反。经济波动是对技术变革速度不确定性的最佳反应。” 换言之,商业周期政策不仅无用,而且有害。人们应该关注平均技术变革率的决定因素。
宏观文学大力追寻和提炼了普雷斯科特开辟的道路。对原始规范进行了许多不同的更改,例如冲击的不同来源(例如,政府支出)或包含许多市场扭曲(例如税收)。另一方面,对红细胞的基本信息提出了许多反对意见。我们真的每季度都会看到如此巨大的技术变化吗?或者,索洛残差是否捕获了其他东西?(记住,这是衡量我们无知的标准……)我们真的相信波动是由人们跨期重新分配劳动力的意愿驱动的吗?如果这些都是最佳的,为什么他们会感到如此痛苦?货币政策的作用如何,RBC 模型对此没有作用?最后,

Kydland 和 Prescott 最终在 2004 年获得了诺贝尔经济学奖,部分原因是这一贡献。(当我们讨论货币政策时,我们将回到两人的其他贡献。)更重要的是,这种方法导致了两个发展。首先,它对凯恩斯主义产生了猛烈的反击。理性预期革命表明凯恩斯主义政策是无效的。Kydland 和 Prescott 说这是错误的和有害的。其次,通过验证模型,这种经过校准的 NGM 随机版本成为宏观经济学的主力军,因此 RBC 方法赢得了方法论竞赛。如今,在宏观上,人们几乎希望生成一个具有完全优化代理(具有合理预期)的 DSGE 模型,该模型适用于校准学科。

此外,即使您认为凯恩斯方法总体上可以更好地描述商业周期,但一个简单的 RBC 框架可能仍然可以解释一些重要的经济事件。例如,看一下图 14.5,它描绘了 2019-20 年美国的 GDP、就业、消费和投资数据。当然,我们看到的急剧下降是对 Covid-19 大流行的经济反应,这非常符合供应冲击范式。反应看起来很像我们在本章中看到的那种逻辑:对生产力的冲击——在这种情况下,是病毒构成的威胁——从根本上改变了跨期权衡,并导致劳动力供应的推迟,因此,就业和产出下降。请注意,在这种情况下,尽管投资是最不稳定的变量,但正如模型预测的那样,在这种情况下,消费并不比产出更平滑。为什么在这种情况下消费更加不稳定?艾兴鲍姆等人。(2020)提供了一个解释。他们做出了现实的假设,即在 Covid-19 大流行期间,人们将传染风险附加到消费行为(消费意味着去餐馆、购物中心等),因此,他们减少的消费量超过了他们的预期。只要调整跨期财富的变化就可以完成。该示例说明有时可能需要对设置进行一些特定更改以调整经验观察。他们做出了现实的假设,即在 Covid-19 大流行期间,人们将传染风险附加到消费行为(消费意味着去餐馆、购物中心等),因此,他们减少的消费量超过了他们的预期。只要调整跨期财富的变化就可以完成。该示例说明有时可能需要对设置进行一些特定更改以调整经验观察。他们做出了现实的假设,即在 Covid-19 大流行期间,人们将传染风险附加到消费行为(消费意味着去餐馆、购物中心等),因此,他们减少的消费量超过了他们的预期。只要调整跨期财富的变化就可以完成。该示例说明有时可能需要对设置进行一些特定更改以调整经验观察。5

经济代写|宏观经济学代写Macroeconomics代考|IS-LM

1937年,JR希克斯 ${ }^3$ 提供了一个理论框架,可以用来分析凯恩斯前一年发表的《通论》。凯恩斯的书相对难以破解,因此该行业接受了希克斯的简单表示,该表 示后来被称为 IS-LM 模型,并从那时起继续填充中级宏观教科书(希克斯因这项工作于 1972 年获得诺贝尔经济学奖))。尽管在许多方面受到了很大的诽谤 (特别是因为它的静态性质和缺乏微观基础),但这个简单的模型(以及它的开放经济表亲,蒙代尔-弗莱明模型) 仍然在政策制定者的头脑中非常重要。
该模型是一个包含三个市场的一般均衡框架: 商品、货币和债券,尽管通常只描述两个市场,因为如果其他两个市场这样做,第三个会自动清除(记住微观上的 瓦尔拉斯定律!)。用利率和产出来表示模型,并观䕓货币和商品市场的均衡是很标准的。相应的方程是: 货币市场均衡轨迹称为 $L M$ 曲线:
$$
\frac{M}{P}=L((-) i, \stackrel{(+)}{Y}),
$$
以及称为 IS 曲线的商品市场均衡:
$$
Y=A(r^{(-)}, \underbrace{\stackrel{(+)}{Y}}_{<1}, \text { Fiscal, RER })
$$
其中 Fiscal 代表政府支出,RER 代表实际汇率,或者,
$$
Y=A\left({ }_r^{(-)},(+)^{(+)}{ }^{(+)} r\right) .
$$
最后,名义利率和实际利率之间的关系:
$$
r=i-\pi^{\prime}
$$

统计代写请认准statistics-lab™. statistics-lab™为您的留学生涯保驾护航。

金融工程代写

金融工程是使用数学技术来解决金融问题。金融工程使用计算机科学、统计学、经济学和应用数学领域的工具和知识来解决当前的金融问题,以及设计新的和创新的金融产品。

非参数统计代写

非参数统计指的是一种统计方法,其中不假设数据来自于由少数参数决定的规定模型;这种模型的例子包括正态分布模型和线性回归模型。

广义线性模型代考

广义线性模型(GLM)归属统计学领域,是一种应用灵活的线性回归模型。该模型允许因变量的偏差分布有除了正态分布之外的其它分布。

术语 广义线性模型(GLM)通常是指给定连续和/或分类预测因素的连续响应变量的常规线性回归模型。它包括多元线性回归,以及方差分析和方差分析(仅含固定效应)。

有限元方法代写

有限元方法(FEM)是一种流行的方法,用于数值解决工程和数学建模中出现的微分方程。典型的问题领域包括结构分析、传热、流体流动、质量运输和电磁势等传统领域。

有限元是一种通用的数值方法,用于解决两个或三个空间变量的偏微分方程(即一些边界值问题)。为了解决一个问题,有限元将一个大系统细分为更小、更简单的部分,称为有限元。这是通过在空间维度上的特定空间离散化来实现的,它是通过构建对象的网格来实现的:用于求解的数值域,它有有限数量的点。边界值问题的有限元方法表述最终导致一个代数方程组。该方法在域上对未知函数进行逼近。[1] 然后将模拟这些有限元的简单方程组合成一个更大的方程系统,以模拟整个问题。然后,有限元通过变化微积分使相关的误差函数最小化来逼近一个解决方案。

assignmentutor™作为专业的留学生服务机构,多年来已为美国、英国、加拿大、澳洲等留学热门地的学生提供专业的学术服务,包括但不限于Essay代写,Assignment代写,Dissertation代写,Report代写,小组作业代写,Proposal代写,Paper代写,Presentation代写,计算机作业代写,论文修改和润色,网课代做,exam代考等等。写作范围涵盖高中,本科,研究生等海外留学全阶段,辐射金融,经济学,会计学,审计学,管理学等全球99%专业科目。写作团队既有专业英语母语作者,也有海外名校硕博留学生,每位写作老师都拥有过硬的语言能力,专业的学科背景和学术写作经验。我们承诺100%原创,100%专业,100%准时,100%满意。

随机分析代写


随机微积分是数学的一个分支,对随机过程进行操作。它允许为随机过程的积分定义一个关于随机过程的一致的积分理论。这个领域是由日本数学家伊藤清在第二次世界大战期间创建并开始的。

时间序列分析代写

随机过程,是依赖于参数的一组随机变量的全体,参数通常是时间。 随机变量是随机现象的数量表现,其时间序列是一组按照时间发生先后顺序进行排列的数据点序列。通常一组时间序列的时间间隔为一恒定值(如1秒,5分钟,12小时,7天,1年),因此时间序列可以作为离散时间数据进行分析处理。研究时间序列数据的意义在于现实中,往往需要研究某个事物其随时间发展变化的规律。这就需要通过研究该事物过去发展的历史记录,以得到其自身发展的规律。

回归分析代写

多元回归分析渐进(Multiple Regression Analysis Asymptotics)属于计量经济学领域,主要是一种数学上的统计分析方法,可以分析复杂情况下各影响因素的数学关系,在自然科学、社会和经济学等多个领域内应用广泛。

MATLAB代写

MATLAB 是一种用于技术计算的高性能语言。它将计算、可视化和编程集成在一个易于使用的环境中,其中问题和解决方案以熟悉的数学符号表示。典型用途包括:数学和计算算法开发建模、仿真和原型制作数据分析、探索和可视化科学和工程图形应用程序开发,包括图形用户界面构建MATLAB 是一个交互式系统,其基本数据元素是一个不需要维度的数组。这使您可以解决许多技术计算问题,尤其是那些具有矩阵和向量公式的问题,而只需用 C 或 Fortran 等标量非交互式语言编写程序所需的时间的一小部分。MATLAB 名称代表矩阵实验室。MATLAB 最初的编写目的是提供对由 LINPACK 和 EISPACK 项目开发的矩阵软件的轻松访问,这两个项目共同代表了矩阵计算软件的最新技术。MATLAB 经过多年的发展,得到了许多用户的投入。在大学环境中,它是数学、工程和科学入门和高级课程的标准教学工具。在工业领域,MATLAB 是高效研究、开发和分析的首选工具。MATLAB 具有一系列称为工具箱的特定于应用程序的解决方案。对于大多数 MATLAB 用户来说非常重要,工具箱允许您学习应用专业技术。工具箱是 MATLAB 函数(M 文件)的综合集合,可扩展 MATLAB 环境以解决特定类别的问题。可用工具箱的领域包括信号处理、控制系统、神经网络、模糊逻辑、小波、仿真等。

R语言代写问卷设计与分析代写
PYTHON代写回归分析与线性模型代写
MATLAB代写方差分析与试验设计代写
STATA代写机器学习/统计学习代写
SPSS代写计量经济学代写
EVIEWS代写时间序列分析代写
EXCEL代写深度学习代写
SQL代写各种数据建模与可视化代写