将量化模型置于检验之下：方法创新与中美贸易战应用

创新点 1：提出基于工具变量（IV）的一般均衡模型检验框架

既有文献的缺口：现有量化模型的验证方法主要分为三类：（1）Kehoe et al.（1995, 2005, 2017）的相关性检验，将模型预测的变化与实际观测变化直接比较，但该方法将所有其他冲击设定为零，混淆了「政策因果效应是否正确」与「模型能否预测其他冲击」两个概念；（2）R² 和 MSE 等拟合指标，同样无法区分政策冲击和其他冲击；（3）J-test 等过度识别检验，虽然技术上可行，但权重分配偏向低方差矩条件（如偏均衡条件），对真正关心的反事实问题可能缺乏检验力度。

本文的创新：本文首次将工具变量的排除限制逻辑引入一般均衡模型的因果预测检验。核心洞见在于：(i) 将实际变化分解为政策因果效应与其他冲击效应之和；(ii) 如果模型对政策的因果预测正确，则实际变化与预测变化之差应仅反映其他冲击；(iii) 构造与政策冲击相关、但与其他冲击正交的 IV，检验该差值在 IV 上的投影是否为零。这一框架在承认「一切模型都是错的」的前提下，精准回答「模型对这个特定的反事实问题是否有用」。

论文中的具体证据：命题 1 证明在零假设（模型的因果预测正确）下，IV 拟合优度测度 β̂_z 的期望值为零。命题 2 引入 shift-share IV 结构，借鉴 Adão, Kolesár, and Morales (2019) 和 Borusyak, Hull, and Jaravel (2022) 的渐近理论，在政策冲击变量数量 K → ∞ 时导出检验统计量的渐近正态分布，使得一般均衡模型中因系统性依赖而无法使用现成检验统计量的问题得以解决。

创新点 2：IV 构造的双重优化——经济可解释性与统计功效

既有文献的缺口：现有模型验证方法在选择检验矩条件时缺乏理论指导。即便是同一组政策冲击变量，不同的 IV 份额权重设计会导致检验结果在（i）经济含义上和（ii）统计功效上截然不同。现有文献对这一维度几乎没有讨论。

本文的创新：本文首次系统讨论了一般均衡检验中 IV 份额权重的选择问题：（1）经济可解释性：在「错误设定保持局部一致」（Assumption A3'）条件下，通过调整 IV 的份额权重，使检验统计量 β̂_z 的期望值等于关心的福利偏差 E[W(x) − W(x)] 的无偏估计量（命题 3），从而赋予检验统计量直接的经济含义。（2）统计功效*：提出三条提高检验功效的准则——利用模型 Jacobian 矩阵构建 IV（建立强第一阶段）、对份额权重残差化（降低方差）、选择与估计矩条件信息重叠度低的检验矩条件（避免机械拟合）。

论文中的具体证据：Monte Carlo 模拟（图 III）表明，相较于仅使用对角线权重的「朴素 IV」，本文「优选 IV」（基于模型 Jacobian + 福利权重调整）在均匀错误设定下的平均 β̂_z 值精确追踪 45° 线（真实福利偏差），而朴素 IV 的平均值甚至与真实偏差符号相反；同时优选 IV 在所有非零偏差处具有更高的拒绝率。在真实中美贸易战应用中，检验统计量的点估计值为 0.04% GDP，标准差为 0.09%，不能拒绝原假设，同时预期的平均错误设定量仅为 -0.15% GDP。

创新点 3：将「排除限制」从简约式因果推断推广至结构模型检验

既有文献的缺口：Goldberg and Pavcnik（2016）区分了结构模型的两类应用——利用准实验变异估计「直接因果效应」的简约式方法，和依赖模型假设进行反事实福利分析的量化方法——但两者之间长期存在断层。Lucas（1980）倡导的「用已知冲击检验模型」虽为后续的 slope test（Christiano et al., 2005; Nakamura and Steinsson, 2014）提供了思想渊源，但这些方法要么需要完整的冲击分布假设，要么只能检验单一维度的预测。

本文的创新：本文以一般均衡模型的结构分解为桥梁，将简约式因果推断中的排除限制逻辑（外生冲击变量与其他冲击独立）直接嵌入结构模型检验。特别地，本文处理方法论的五个现实问题：（1）允许存在控制变量，将排除限制放松为条件独立；（2）处理估计不确定性，在考虑参数估计误差后仍能推断检验统计量的渐近分布（Online Appendix A.5）；（3）允许政策冲击变量的聚类相关（如中美贸易战的多轮关税）；（4）适应非线性 IV；（5）适用于任何类型的结构冲击，不限于政策变化。

论文中的具体证据：在中美贸易战应用中，本文以实际关税变化作为政策冲击变量 τ_IV，按产品-国家对聚类，控制了贸易战三波关税的时间序列相关；将 FGKK 的关税传递率估计作为第一阶段估计结果纳入检验，并在检验时考虑参数估计不确定性对检验统计量方差的影响（Online Appendix C）。

创新点 4：发现「相关性低 ≠ 模型错误」的反直觉结论

既有文献的缺口：在量化空间经济学和贸易文献中，研究者通常将模型预测与实际数据的低相关性视为模型失败的证据（如 Desmet, Nagy, and Rossi-Hansberg, 2018）。但这种直觉从未被系统性地挑战。

本文的创新：本文从理论和模拟两个层面证明了相关性检验的致命缺陷：(i) 当非政策冲击的方差远大于政策冲击时，即使模型对政策因果效应的预测完全正确，相关性也会趋于零；(ii) 更反直觉的是，在某些参数设定下，随着模型错误设定程度的增加，相关性反而上升——因为错误设定（如关税传递率 α 增加）使政策冲击在数据变异中的占比增大。Monte Carlo 模拟（图 II Panel A）清晰展示了当 σ_η 增加时，IV 检验的拒绝率始终维持在 5% 的正确检验水平，而相关性则从 0.6 骤降至接近 0。

论文中的具体证据：在中美贸易战应用中，FGKK 模型预测与实际数据的相关性确实很低（与模拟一致），但本文的 IV 检验不能拒绝 FGKK 的福利预测。这意味着「相关性低」可能仅仅反映了贸易战期间非关税冲击（如供应链调整、技术进步、需求变化）的主导性，而非 FGKK 模型本身的缺陷。

选题方向 1: IV-Based Validation of Quantitative Models in Other Policy Domains

核心思路: 将 Adão et al. (2025) 的 IV 检验框架推广至贸易以外的量化政策分析领域。该文的方法论核心——利用外生政策冲击变量构建 shift-share IV、通过比较观测值与预测值在 IV 上的投影检验模型因果预测——原则上适用于任何存在可观测政策冲击和一般均衡联动的一般均衡环境。

具体研究问题:

1. 将该框架应用于最低工资政策的量化空间模型检验：利用美国各州最低工资变化的 quasi-experimental variation 作为政策冲击变量，检验 Ahlfeldt et al. (2015) 或类似量化空间模型对最低工资就业效应的预测
2. 将该框架应用于环境规制政策：利用各州/国家碳税或排污标准的变化，检验量化环境-经济模型（如 integrated assessment models）的预测
3. 将该框架应用于税收政策：利用各州销售税率变化，检验量化公共财政模型对税收归宿的预测

方法创新空间:

• 在最低工资应用中，政策冲击变量的独立性假设可能比贸易政策更具挑战性（最低工资调整往往内生于劳动力市场状况），需要开发条件独立性下的稳健版本
• 环境政策应用面临更复杂的冲击识别问题——减排技术变化可能同时影响观测结果和政策制定

适合投稿的期刊: Journal of Political Economy, American Economic Review, Econometrica

选题方向 2: The "Relevance-vs-Correctness" Trade-off in Model Selection for Counterfactual Analysis

核心思路: 该文的核心哲学立场——「模型整体可能是错的，但对特定反事实问题的答案可能是正确的（有用的）」——暗示了一种新的模型选择范式。传统上，研究者通过比较模型与实际数据的全局拟合度（R²、边际似然等）来选择模型；但本文的框架意味着，对于反事实政策分析，应该基于模型在「关心的问题」上的预测质量来评估模型。

具体研究问题:

1. 开发一个系统的「关注维度模型选择」框架：给定一组嵌套或非嵌套的量化模型和一个特定的反事实问题，如何使用 IV 检验的 p 值（即不可拒绝性）而非全局拟合度来选择模型？
2. 如果多个模型在同一个反事实问题上都不能被拒绝，它们给出的福利预测区间（如图 VI 所示）如何转化为政策建议？这本质上是一个「不确定性下的政策决策」问题
3. 研究「机械拟合」问题的一般化解决方案：当估计矩条件和检验矩条件共享相同的政策冲击变量时，如何构造「信息量最小重叠」的检验矩条件？

方法创新空间:

• 可以借鉴机器学习中的 targeted learning 框架（van der Laan and Rose, 2011），将模型选择的目标函数从全局拟合度替换为特定反事实问题上的预测精度
• 可以引入贝叶斯版本：使用 IV 检验构建模型在特定问题上的「可信度先验」，结合多个模型的后验福利分布进行决策

适合投稿的期刊: Review of Economic Studies, Quantitative Economics, Journal of Econometrics

选题方向 3: Disaggregated IV Testing and the Anatomy of Model Failure

核心思路: 该文的一个重要发现是：尽管整体福利预测不能被拒绝，但当分变量（出口价格、进口价格、关税收入）单独检验时，进口价格和关税收入的预测被拒绝（图 VII）。这表明模型的失败可能集中在特定传导渠道。这一发现开启了一个系统的「模型失败解剖」研究议程。

具体研究问题:

1. 如何将 IV 检验系统性地分解到模型的各个传导渠道（价格传递、数量调整、替代弹性等），从而定位模型失败的具体机制？
2. 当整体检验不拒绝而某个渠道的检验被拒绝时，是否存在 offsetting misspecification（即不同渠道的错误设定相互抵消）？这在什么条件下可能发生？
3. 开发「定向模型修正」算法：给定某渠道检验的拒绝信号，如何调整模型的结构参数或函数形式以「修复」该渠道的失败，同时保持其他渠道的检验通过？

方法创新空间:

• 可以借鉴微观计量中的 mediation analysis，在一般均衡环境中建立从政策冲击到福利结果的因果中介路径
• 可以使用多个 IV 同时检验不同传导渠道（类似于多个排除限制下的过度识别检验）并检测 offsetting biases

适合投稿的期刊: Econometrica, Journal of Political Economy, Review of Economics and Statistics

选题方向 4: Non-Policy Shock Identification via Structural IV Residuals

核心思路: 本文的核心设定是将观测变化分解为政策因果效应（x）和其他冲击效应（η），并利用 IV 排除限制检验前者。但该框架同时隐含了一个副产品——IV 残差（y − x − Proj_z(y − x)）实际上包含了关于非政策冲击 η 的信息。如果能对 η 施加额外的结构约束，就可以从 IV 检验框架中「反推」出非政策冲击的分布特征。

具体研究问题:

1. 在不能拒绝模型因果预测的前提下，如何使用 IV 残差的信息来估计非政策冲击的方差-协方差结构？
2. 将这种「非政策冲击推断」与宏观经济学中的 Structural VAR 识别策略（如 sign restrictions）相结合，以区分不同类型的非政策冲击（需求冲击 vs. 供给冲击 vs. 技术冲击）
3. 开发一个两步法程序：(i) 第一步使用 IV 检验验证政策因果效应，(ii) 第二步使用通过检验的模型和 IV 残差识别并量化其他冲击，实现完整的冲击分解

方法创新空间:

• 与宏观文献中常用的 DSGE 模型冲击估计（如 Smets and Wouters, 2007）形成对话：传统方法假设模型完全正确才能识别冲击，而本文框架允许在模型局部正确的条件下识别非政策冲击
• 可以与 recent work on "sufficient statistics" approach 结合，在不需要完整一般均衡模型的情况下，仅利用目标统计量的因果效应进行冲击分解

适合投稿的期刊: American Economic Review, Econometrica, Journal of Political Economy

选题方向 5: Robust Counterfactual Inference with Possibly Invalid Instruments

核心思路: 该文依赖于「政策冲击变量与其他冲击独立」这一核心排除限制。但在实践中，这一假设可能仅近似成立（例如关税变化可能回应于国内经济状况）。如何在排除限制可能被违反时仍进行稳健的反事实推断，是该框架能否被广泛采用的关键。

具体研究问题:

1. 扩展 Conley, Hansen, and Rossi (2012) 的「plausibly exogenous」方法到一般均衡 IV 检验环境：允许 IV 与其他冲击之间存在「近似正交」而非严格正交关系，推导在此条件下的检验统计量边界
2. 开发「敏感性分析」工具包：当排除限制被违反到不同程度时，FGKK 福利预测的不可拒绝性是否稳健？
3. 利用多个候选 IV（如不同来源的关税变化：MFN rates, bound rates, applied rates）进行过度识别检验，检测排除限制是否被违反

方法创新空间:

• 可以借鉴 sensitivity analysis for causal inference 的最新进展（如 Cinelli and Hazlett, 2020; Chernozhukov et al., 2022），在一般均衡环境中量化「未观测到的混杂因素需要多强才能推翻检验结论」
• 可以利用 panel data 的时间维度（贸易战前中后期）构建差分 IV 以消除时不变混杂因素

适合投稿的期刊: Econometrica, Review of Economic Studies, Journal of Econometrics

方案 1: 量化贸易模型检验方法与中国自贸区政策评估——基于 IV 排除限制的新框架

核心思路: 将 Adão et al. (2025) 的 IV 检验方法论应用于中国自贸试验区（FTZ）政策的量化评估。中国的 21 个自贸试验区自 2013 年以来实施了差异化的贸易便利化和关税减让政策，形成了天然的政策冲击变量。可以使用各自贸区差异化的关税减让幅度和负面清单缩减程度作为政策冲击变量（shifters），以中国多区域 CGE 模型或量化空间模型的 Jacobian 矩阵构建 IV 份额权重，检验模型对各区域福利效应的因果预测是否正确。

政策价值分析:

• 直接的决策参考: 当前中国正在推动 RCEP 深化实施和 CPTPP 加入谈判，量化贸易模型的政策模拟结果是决策的核心依据。如果模型的因果预测无法通过 IV 检验，意味着基于该模型的政策建议缺乏经验基础。本文的检验框架为「量化模型能否指导自贸谈判」提供了科学判据。
• 方法论示范效应: 中国经济学界在量化贸易模型方面产出快速增长（如使用 Eaton-Kortum 模型、Melitz 异质性企业模型等分析中美贸易摩擦的影响），但模型验证方法几乎停留在参数校准和反事实模拟层面。引入 IV 检验可以大幅提升研究的经验可信度，推动国内量化研究从「数字故事」走向「可检验的因果叙事」。
• 与现行政策体系的衔接: 自贸区政策具有明确的政策文件支撑（国务院关于印发《自贸试验区外商投资准入特别管理措施（负面清单）》等），政策冲击的外生性论证相对容易，数据的可获得性强（海关进出口数据 + 各省统计年鉴）。

适合投稿的中文期刊: 《经济研究》《管理世界》《经济学（季刊）》

方案 2: 「有用的模型」与「正确的模型」——论量化研究在中国宏观经济预测中的可信度危机与出路

核心思路: 围绕 Adão et al. (2025) 的核心哲学命题——「评估模型在特定反事实问题上的有用性，而非模型的整体正确性」——反思中国宏观经济预测和量化政策评估中的方法论困境。长期以来，国内 DSGE 模型、CGE 模型和计量预测模型的竞争以样本外预测精度（RMSE、Theil's U 等）为评判标准。该文的理论表明，这一评判标准混淆了（i）模型能否预测其他冲击（如疫情、国际油价波动）和（ii）模型对特定政策（如降息、财政刺激）的因果效应是否估计正确——两者本质上是不同的问题。

政策价值分析:

• 挑战现行评估体系: 中国央行和发改委系统大量使用量化模型进行政策模拟（如货币政策季度报告中的 DSGE 模拟），但评估模型好坏的唯一标准是历史预测精度。本文提供了一个替代性评估框架：按「政策问题」而非「预测精度」来检验模型的可靠性。
• 有助于识别模型失败的真实原因: 当 DSGE 模型的预测出现重大偏差时（如 2022 年的增长预测失误），传统方法无法区分这是因为（a）模型对政策传导机制的刻画有误，还是因为（b）出现了模型未预期的外生冲击（如疫情反复）。IV 检验可以分离这两个原因，为模型改进提供更有针对性的方向。
• 推动方法论的规范化: 可以在中文期刊引发一场关于「量化模型检验标准」的方法论讨论，提升经济学实证研究的严谨性。

适合投稿的中文期刊: 《经济研究》《世界经济》《经济学动态》

方案 3: 中美贸易摩擦福利效应的再评估——基于外生关税冲击 IV 的中国视角

核心思路: 该文以美国视角检验了 FGKK 模型对中美贸易战福利效应的预测——但不能拒绝该模型的预测。一个自然的扩展是：从中国视角出发，使用中国海关数据和中国的量化贸易模型，检验中国方面的福利预测是否正确。具体而言，以中国对美国商品加征的报复性关税作为政策冲击变量，以中国多部门量化贸易模型的 Jacobian 矩阵构建 IV，检验模型对中国出口价格、进口价格和关税收入的因果预测。

政策价值分析:

• 对称分析的政策重要性: 中美贸易战对中国经济的影响是中国制定贸易反制策略和国际谈判立场的核心依据。当前国内关于贸易战影响的量化研究（如李春顶等, 2019; 倪红福等, 2018）几乎全部依赖 CGE 或 GTAP 模型的反事实模拟，缺乏经验检验。该文的方法提供了一种验证这些结论可信度的系统工具。
• 数据可得性高: 中国海关进出口数据库、中国工业企业数据库、以及中美关税变化的时间序列数据（来自 WTO Tariff Data 和 USITC）为复制该方法提供了充分的数据基础。
• 政策对话价值: 如果发现中国视角的福利预测可以被检验通过（或拒绝），将为中美贸易谈判和国内产业政策调整提供更坚实的经验依据。

适合投稿的中文期刊: 《经济研究》《世界经济》《中国工业经济》

方案 4: 量化空间均衡模型的 IV 检验——以中国高铁网络扩张为例

核心思路: 将该文的 IV 检验框架从国际贸易领域移植到量化空间经济学。中国近十五年的大规模高铁网络扩张为检验量化空间均衡模型（如 Redding and Rossi-Hansberg, 2017 框架）提供了理想的 quasi-experimental variation。以各城市是否接入高铁网络（以及接入的时间差异）作为政策冲击变量，以量化空间模型的 Jacobian 矩阵（反映一个城市的交通成本变化如何通过劳动力流动和商品贸易波及所有其他城市）构建 IV 份额权重，检验模型对各城市就业、工资和房价的因果预测是否正确。

政策价值分析:

• 基础设施评估的范式升级: 高铁的成本效益分析通常使用 reduced-form 的 DID 估计（如 Zheng and Kahn, 2013; 张俊, 2017），但这类分析无法评估一般均衡效应（如高铁对非沿线城市的间接影响）。量化空间模型可以捕捉这些效应，但其预测从未被 IV 检验验证过。该方案填补了这一空白。
• 服务于新一轮基建决策: 中国正在推进「八纵八横」高铁网的后期建设，未来仍有大量城际铁路规划。一个通过 IV 检验验证过的量化空间模型，可以为后续线路的选址和投资规模提供更可靠的政策模拟依据。
• 数据的空间精度高: 高铁站级数据 + 夜间灯光数据 + 城市统计年鉴 + Landscan 人口分布数据，可以构建高空间精度的经济变量面板。

适合投稿的中文期刊: 《经济学（季刊）》《中国工业经济》《数量经济技术经济研究》

方案 5: 政策冲击变量外生性的经验评估——以中国产业政策为案例

核心思路: 该文方法论的最关键前提是政策冲击变量（shifters）与其他非政策冲击之间的「排除限制」。然而在中国制度环境下，产业政策（如新能源补贴、战略性新兴产业扶持）的制定往往内生回应于该产业的发展状况，这使得排除限制的满足性存疑。本方案聚焦于方法论前提本身——如何在中国产业政策环境中论证和检验政策冲击变量的外生性——从而为 IV 检验框架在中国政策分析中的适用性奠定基础。

政策价值分析:

• 制度适配性研究: 该文方法基于美国制度环境（关税变化具有可论证的外生性），但中国产业政策具有不同的制度逻辑（「挑选赢家」、地方竞争、五年规划周期）。系统研究哪些类型的中国政策冲击满足排除限制、哪些不满足，对于将该方法引入中国政策分析至关重要。
• 方法论的「前提检验」: 可以借鉴「弱工具变量检验」的思路，发展一套「弱外生性检验」程序——通过比较不同来源的政策冲击变量（如中央的五年规划目标 vs. 地方的实际执行力度）所构建的 IV 的检验结果，间接评估排除限制的满足程度。
• 政策分类学贡献: 该研究可以产生一个「中国产业政策的外生性分类体系」，明确哪些政策适合用于 IV 检验（如稀土出口配额、汽车排放标准），哪些不适合（如新能源补贴、产业园区设立），为后续的量化政策评估提供方法论指导。

适合投稿的中文期刊: 《管理世界》《中国工业经济》《经济学动态》