动态随机一般均衡（DSGE）模型估计的标准实践保持了这样一种假设，即经济变量由单个指标正确测量，并且估计的所有相关信息由少量数据系列总结。然而，最近对因子模型的实证研究表明，大数据集中包含的信息与重要宏观经济序列的演变有关。这表明，基于估计的DSGE模型的传统模型估计和推理可能会失真。在本文中，我们提出了一个用于估计DSGE模型的经验框架，该框架利用了来自数据丰富环境的相关信息。该框架通过DSGE模型的视角，对大型数据集中包含的所有信息，特别是潜在因素进行了解释。该估计涉及马尔可夫链蒙特卡罗（MCMC）方法。我们将这种估计方法应用于最先进的DSGE货币模型。我们发现有证据表明，该模型的理论概念，特别是通货膨胀的理论概念测量不完善。我们表明，利用更多的信息对于准确估计模型的概念和冲击很重要，这意味着对关键结构参数和经济波动的来源得出不同的结论。