我们开发了一种算法来构造具有偶尔约束的DSGE模型的分段线性和连续的近似决策规则。决策规则的函数形式允许我们导出条件最优粒子滤波器（COPF），用于评估利用解的结构的似然函数。我们记录了似然近似的准确性，并将其嵌入到粒子马尔可夫链蒙特卡罗算法中以进行贝叶斯估计。与标准的自举粒子滤波器相比，COPF显著降低了马尔可夫链的持久性，提高了后验矩蒙特卡罗近似的准确性，并大大加快了计算速度。我们使用这些技术来估计一个小规模的DSGE模型，以评估2009年利率达到零下限时《美国复苏和再投资法案》中政府支出部分的影响。
我们开发了一类新的非线性时间序列模型来识别数据中的非线性并评估非线性DSGE模型。美国产出增长和联邦基金利率表现出非线性条件平均动态，而通货膨胀和名义工资增长表现出条件异方差。我们估计了具有不对称工资/价格调整成本的DSGE模型，并使用预测检验来评估其解释非线性的能力。虽然它能够匹配非线性通货膨胀和工资动态，但由于估计的工资/价格刚性向下，这些不会影响产出增长或利率。
我们提出了一种求解和估计表现出不确定性的线性合理预期模型的方法，并为在基于Matlab的软件包Dynare和Gensys中实现该方法提供了分步指南。我们的方法将预期误差的子集重新定义为新的基本原理。这种重新定义允许我们将不确定模型视为确定模型，并应用标准求解算法。我们证明了我们的方法等效于Lubik和Schorfheide（20032004）提出的求解方法，并使用Lubik and Schorfheide（2004）中描述的新凯恩斯主义模型，我们展示了如何将我们的理论结果应用于实际工作。
我们开发了一种用于估计贝叶斯动态随机一般均衡（DSGE）模型的序列蒙特卡罗（SMC）算法，其中通过调和似然迭代建立后验的粒子近似。使用由人工状态空间模型、Smets和Wouters（2007）模型以及Schmitt-Grohé和Uribe（2012）的新闻冲击模型组成的三个例子，我们表明SMC算法比广泛使用的随机行走Metropolis-Hastings算法更适合多峰和不规则后验分布。我们发现，Smets和Wouters（2007）模型的更具扩散性的先验提高了其边际数据密度，而新闻冲击模型的先验的轻微修改会导致关于新闻冲击对工作时间波动重要性的后验推断发生剧烈变化。与标准的马尔可夫链蒙特卡罗（MCMC）技术不同，SMC算法非常适合并行计算。
尽管用于货币政策分析的动态随机一般均衡（DSGE）模型已经取得了长足的进步，但对于这些模型在政策过程中应该发挥的作用，存在相当大的意见分歧。本文提出了评估这些模型价值的三个要点。首先，我们记录了DSGE模型仍然具有粗略近似和遗漏的方面。这激发了对工具的需求，以揭示模型的优势和劣势——既可以指导开发工作，也可以告知如何最好地使用当前有缺陷的模型。其次，后验预测分析为发现和交流优势和劣势提供了一种有用且经济的工具。特别是，我们采用了Gelman等人（1996）提出的差异分析形式。第三，针对长期存在的反对意见，我们为DSGE背景下的后验预测分析提供了一种非标准的辩护。我们使用标志性的Smets Wouters模型进行说明，显示了一些迄今为止未被识别的特性，这些特性从政策制定的角度来看可能很重要。
本文开发并说明了一种简单的方法，用于为模型中未明确出现的变量（非核心变量）生成基于DSGE模型的预测。我们使用类似于动态因子模型中测量方程的辅助回归，将非核心变量与DSGE模型的状态变量联系起来。非核心变量的预测是通过将其测量方程应用于DSGE模型生成的状态变量预测而获得的。使用中等规模的新凯恩斯DSGE模型，我们应用我们的方法来生成和评估PCE通胀、核心PCE通货膨胀、失业率和住房开工的递归预测，以及用于估计DSGE模型的七个变量的预测。
我们考虑一个DSGE模型，在该模型中，企业遵循四种定价机制之一：粘性价格、粘性信息、经验法则或全信息弹性价格。模型的参数，包括每种类型企业的分数，是通过将模型的观测变量的矩与数据中的矩相匹配来估计的。我们发现，粘性价格公司和粘性信息公司共同占模型中公司的80%以上，其余大部分由经验法则公司占据。我们将混合模型的性能与纯粘性价格和粘性信息模型在各个维度上进行了比较，包括货币政策影响。
本文讨论了动态随机一般均衡（DSGE）模型参数的先验启发，并提供了一种根据内生变量矩的信念构造这些参数子集的先验分布的方法。实证应用研究了价格和工资刚性在新凯恩斯主义DSGE模型中的作用，发现标准宏观时间序列不能区分名义摩擦的数量重要性不同的理论。
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。
