通胀预期演化、测度与菲利普斯曲线扩展

郭凯 纪膺驰

摘 要：本文基于广义虚拟经济视角，分析了通胀预期理论的演化与发展、学习型通胀预期测度，以及如何基于学习型预期对新凯恩斯菲利普斯曲线进行扩展。首先，广义虚拟经济视角下的学习预期更能反映经济个体的“有限理性”、“粘性信息”约束及学习动态，可以为通胀预期提供更有说服力的微观基础。其次，广义虚拟经济视角下的通胀预期可以从学习机制和信息维度两个方面来测度，基于信息维度的SVR通胀预期相对于基于学习机制的适应性学习预期是一种更“高级”的预期学习方式。最后，在广义虚拟经济视角下，学习预期的引入可以使菲利普斯曲线扩展出新的预期增广形式，通过对比不同预期系数值和不同学习预期系数值，还可以进一步分析货币政策实施和通胀预期管理方式，特别地，如果适应性学习预期系数显著大于SVR学习预期，则中央银行应引导经济个体对通胀的学习行为，通过提高货币政策的透明度和信息披露水平来加快预期学习速度，反之，则中央银行还应加强与其他宏观经济政策的政策协调，增强通胀预期形成的信息维度。

关键词：广义虚拟经济；通胀预期；适应性学习；支持向量回归；菲利普斯曲线

中图分类号：F820.5 文献标识码：A 文章编号：1674-1722 （2016） 02-0005-xx

The Evolution and Measure of Inflation Expectation and Extensions of Phillips Curve

GUO Kai JI Ying-chi

（School of Finance， Dongbei University of Finance & Economics；Dalian，Liaoning，116025，China）

Abstract： This article is based on the generalized virtual economy perspective to analyze the evolution and development of inflation expectation theory， the measurement of learning expectation， and how to extend New-Keynesian Phillips Curve based on learning expectation. Firstly， based on the generalized virtual economy perspective， learning expectation is able to reflect the bounded rationality， sticky information and learning dynamics much better. Secondly， based on the generalized virtual economy perspective， inflation expectation can be measured in two forms： learning mechanism and information dimension. Compared with inflation expectation with adaptive learning mechanism， SVR inflation expectation with information dimension is a more advanced form. Finally， the introduction of learning expectation can extend Phillips Curve to some new expectations-augmented forms， and the monetary policy and expectation management can be analyzed by comparing coefficients of different expectations and learning expectations. Especially， if the coefficient of adaptive learning expectation is larger significantly than SVR expectation， the central bank should guide the learning behavior of agent and accelerate the speed of learning by improving transparency of monetary policy and level of information disclosure， otherwise， central bank should also augment information dimensions of expectation forming.by improving the coordination and cooperation with other macroeconomic policy.

Key words： Generalized Virtual Economy， Inflation Expectation， Adaptive Learning， Support Vector Regression， Phillips Curve

2012年始，我国经济增速有所放缓，物价也有所回调，但“经过前期较快上涨，物价绝对水平不低，不少国内商品价格已高于外部，居民对物价的感受仍较强，物价预期还不稳定”（2014第三季度货币政策执行报告），因而中国经济呈现出新常态。在适应新常态的同时，面对经济下行压力，货币政策的合理制定以及货币政策传导机制高效畅通将是中国经济稳健运行的重要保证。在现代货币政策的分析框架中，货币政策传导机制包含两部分：一是代表总需求的IS曲线，用以刻画短期利率与产出缺口之间的负向关系；二是代表总供给的菲利普斯曲线，用以刻画产出缺口与通胀之间的权衡关系。在这种货币政策传导机制下，中央银行可以通过前瞻性货币政策规则调控短期名义利率来影响产出缺口，进而通过产出缺口实现通胀目标。前瞻性货币政策意味着货币当局应当依据对未来信息的预期调控名义利率，其中通胀预期至关重要。通胀预期是公众对通胀未来变化的事前估计，其稳定与否可能导致宏观经济的大稳健或高通胀，从货币政策的角度而言，通胀预期会影响货币当局稳定价格的能力，会影响前瞻性货币政策的有效性，对通胀预期的预测、管理和承诺还会影响货币当局与公众之间的信息沟通。2000年始，我国政府工作报告开始公布CPI通胀目标①，人民银行在近期也开始加强通胀调控，特别是在2011年和2012年，着重强调通胀调控和通胀预期管理。通胀预期管理的核心是能够科学测度和引导公众通胀预期，进而可以为前瞻性货币政策和菲利普斯曲线提供较为精确的数据依据。

本文从通胀预期演化入手，基于广义虚拟经济视角来探讨通胀预期的科学测度，进而甄别和测度哪种形式（或混合形式）的通胀预期在新凯恩斯菲利普斯曲线中发挥作用，并针对不同形式的通胀预期采取不同的预期管理策略。

一、通胀预期演化与广义虚拟经济视角下的通胀预期

预期在宏观经济学中的重要性早在凯恩斯的《通论》中就得到过充分强调，随后在20世纪五六十年代，预期概念被众多经济学家们广泛引入到宏观经济领域中的消费、投资、货币需求和通胀分析中。正如Mishikin（2007）所述，货币经济学最重要的发展就是认识到预期对于经济运行的影响，以及通胀预期对于通胀的推动作用。

初期的预期概念侧重于适应性预期，这既不符合主流宏观经济模型的“向前看”的特征，又无法对代表性代理人如何形成适应性预期作出经济解释，以及对适应性预期的形成模式进行建模，因而缺乏宏观可行性和微观合理性。适应性预期强调依据过去可以观测到的信息进行分析，并对未来进行预测，因而更加注重公众的“向后看”的行为，但该理论过分强调历史因素的作用，这无法满足公众在形成预期时明显具有的“前瞻性”特点的要求，因此不能反映通胀预期的全部特点。在此背景下，理性预期学派应运而生。Muth（1961）最早正式提出了理性预期的概念并将其公式化和应用于蛛网模型的分析中，理性预期理论在宏观经济分析中的广泛应用则归功于Lucas（1972）和Sargent（1973）的创新性工作。理性预期学派认为由于市场主体能够对货币政策效果形成无偏估计，并以此修正自身行为，这将使货币政策无效，因而货币当局应明确通胀目标，对通胀预期进行管理以及提高货币政策独立性，同时放弃相机抉择的货币政策以抑制通胀倾向，防止通胀预期的自我实现。

理性预期学派的观点是建立在价格和工资能够灵活调整以及市场及时出清的假设之上的，新凯恩斯学派从这个假设的现实性出发，认为即使公众能够形成理性预期，由于短期内商品价格和工资存在“刚性”而无法瞬时调整，市场出清也需要一定时间，因而货币政策在短期内仍然有效。价格和工资刚性表明，厂商调价和公众行为在一定程度上既有“向前看”特征，又有“向后看”特征（即通货膨胀存在惯性），因此仅仅使用理性预期或适应性预期都不能全面反映价格变化的动态特征。后续研究试图将两种预期进行混合，并从不同的微观视角来推导混合预期，大体分为三类：一是基于粘性工资-价格理论，从厂商是否重新定价出发，为厂商不同的定价选择分别赋予概率，从而推导出混合预期，如Gali和Gertler（1999）；二是基于粘性信息理论，从不完全信息出发，分别假设厂商能否依据更新信息来调整商品价格，进而推导出混合预期；三是综合粘性价格和粘性信息理论来推导混合预期，如Dupor、Kitamura和Tsuruga（2005）。国内学者也对我国通胀动态是否存在混合预期特征进行了实证研究，例如，杨继生（2009）认为我国通胀动态性质具有短期新凯恩斯混合菲利普斯曲线的典型特征；陈彦斌（2008）提出了包含需求拉动、成本推动、通胀预期和通胀惯性四种因素的新凯恩斯菲利普斯曲线模型，认为通胀预期和通胀惯性均对当前通胀的影响显著。

理性预期假设代理人对真实经济结构完全认知，能够获取决策所需的无限量的信息，并拥有强大的信息处理能力，因而能形成与真实经济相一致的无偏估计结果，反映了代理人“向前看”的行为特征，因此，理性预期假设更具有宏观可行性。但在实际研究过程，理性预期通常被表述为经济变量的条件期望值。例如，在以货币政策规则为主导的理性预期框架中，预期增广的菲利普斯曲线是刻画货币政策传导机制的重要经济约束条件之一，其中，作为增广项的通胀预期在理性约束下的表达式为 ，即代理人能够以t期完全信息为基础对t+1期通胀作出无偏一致估计，相关文献在实证研究过程中则直接设定 。然而，这种对理性预期做简单数学处理的普遍做法，使得理性预期相对于其他预期形成方式成为一种更强的假设（Evan和Honkapohia，1999），这反而降低了理性预期假设的微观合理性。

实际上，通胀预期是一种主观心理活动，它表达了公众对整体经济价格运行的一种受到为满足心理需求而产生的心理因素影响的主观理解与诉求，而整体经济价格运行又是由个体经济价格行为组成的，这些个体行为既有对物质需求的满足也有对心理需求的满足，因而通胀预期在一定程度上体现出了公众满足心理需求的愿望。由林左鸣提出的广义虚拟经济是指“同时满足人的物质需求和心理需求（并且往往是心理需求为主导）的经济，以及满足人的心理需求的经济的总和”。这一概念一经提出便迅速引起学术界的高度关注，并以此为理论指导对诸多微观和宏观问题进行了新的定义和分析，“在这一视角下用新的‘人本思想代替旧的‘物本思想，实现了从物本到人本的回归”（胡国栋，2011），更多地考察了人的心理需求这一关键因素对经济运行及宏观政策的影响。因此，在广义虚拟经济的视角下，公众为满足心理需求，需要对可能影响通胀的经济结构和各种信息不断作出判断、认知和学习，进而形成通胀预期，当通胀预期与实际通胀存在误差时，公众还需进一步修正判断、提高认知和深度学习，最终形成与真实经济相一致的无偏估计的通胀预期。这意味着，从广义虚拟经济的角度研究通胀预期可以为其探寻合理的微观基础。

理性预期假设在微观基础上是否合理，关键的问题在于代理人能否完全认知真实经济结构、能否获取完全信息以及能否拥有强大的信息处理能力，否则，理性预期假设便不具有有说服力的微观基础。广义虚拟经济视角下的通胀预期则强调代理人的认知过程、信息搜集过程和处理过程，即通胀预期是一个动态的学习过程，即使代理人对真实经济结构的初始认知有限、信息搜集能力有限、信息处理能力有限，只要代理人遵循一定的学习过程，在充分长的期限范围内，最终会趋近于理性预期。代理人对理性预期的学习行为考虑了个体的认知条件和认知能力，将西蒙等人50年代提出的以及Sargent（1993）讨论的“有限理性”的概念具体化。对学习行为的合理刻画，可以深入考察“有限理性”向“完全理性”的动态演变过程，从而揭示出理性预期的实质是代理人有意识地调控自身行为以实现预定目标的过程（Aumann，1997）。

从经验上看，市场主体能够完全掌握经济规律的假设不够现实，信息处理成本往往较高，这构成了理性预期假设的漏洞，因此引入理性预期，或是融合适应性预期与理性预期的混合预期的微观合理性仍值得商榷。Evans和Honkapohja（2001）指出，如果经济主体对知识的掌握受到限制，则用计量方法估计参数显得更为自然。近期发展起来的学习型预期则秉承了广义虚拟经济强调的经济人的心理作用、认知深度和学习动态，克服了理性预期忽略公众预期决策成本、假定经济人对经济运行规律能够完全认知等不足，通过对代理人学习行为的刻画以及通过学习行为来分析通胀预期的形成过程，强调理性预期不会瞬间形成，而是在公众通过不断更新的信息对自我预期不断调整的一个学习过程中逐渐形成的，因此，学习型预期更能为通胀预期的形成提供一个合理的微观解释。相对于适应性预期、理性预期和混合预期，广义虚拟经济视角下的学习型预期在研究过程中逐渐呈现出四个方面的普遍特征：第一，学习行为反映出代理人的“有限理性”和“粘性信息”约束（Mankiw和Reis，2010；彭兴韵，2011）；第二，学习行为是一种能为代理人遵循和掌握的规则，且允许代理人能像计量经济学家一样利用有限信息对学习规则进行估计；第三，学习行为是一个动态方程，随着代理人的信息更新，学习行为的结构参数估计值会不断变化，因而具有时变特征；第四，在学习行为约束下，代理人最终趋近于理性预期。

二、广义虚拟经济视角下的通胀预期测度

由于预期是经济主体对未来经济变量所做的预测或估计，是一种不可直接观察的主观心理活动，这使得如何准确了解公众的通胀预期存在着较大困难，同时也使得通胀预期的科学测度成为国内外学者的研究重点。

适应性预期测度在实证研究中往往表现为通胀惯性，即在受到随机冲击后，通胀偏离其均衡状态的时间。通胀惯性越大，表明通胀持续时间越长，公众形成通胀预期时越往后看，适应性预期越大。通胀惯性的测度一般运用单方程法、多方程法、自回归模型和区制转移模型等方法。

更一般的通胀预期的测度方法大体分为三类。第一类是统计调查法，获取的是定性数据，需运用统计方法转换为定量测度，常用方法是概率法，尽管该方法能在一定程度上展示部分公众（尤其对宏观经济决策和市场预期形成有关键作用的人员）的预期，但受激励约束、样本选择和概率分布的影响较大，例如，Carlson和Parkin（1975），肖争艳、陈彦斌（2004），张蓓（2009），于光耀、范建伟（2012）均采用统计调查法依据不同的分布或对称性假设测度了通胀预期。第二类为金融市场提取法，这一方法能及时提供市场对通胀预期变化的信息，该方法关键在于计算风险溢价，但必须立足于高度发达的金融市场，同时，“羊群效应”和“投机性冲击”导致风险溢价有时变性，影响预测精确，例如，Soderlind和Svensson（1997），王维安、贺聪（2006），李春琦、翁毅（2012）则分别使用不同市场数据对通胀预期进行了测度。第三类方法为计量建模法，即基于经济学理论而设定通胀与其他经济变量满足的计量模型，将模型产生的通胀统计投影值视作通胀预期，例如，Guerrero和Million（2004）设定了一个新的基于菲利普斯曲线的状态空间马尔科夫区制转换模型来测度通胀预期。传统测度方法仅是对通胀预期的一个静态预测，区别之处在于数据来源不同，这些方法仍然是以代理人的理性预期为前提假设的，因而并不能刻画代理人的“有限理性“行为，也不能表明通胀预期是如何形成的。正因如此，很多实证文献在分析通胀预期时做简化处理，直接设定通胀预期等于下一期实际通胀率，但这样做又会使通胀预期成为一种理想化预期。

广义虚拟经济视角下的通胀预期更强调公众的学习行为，因而通胀预期测度应从学习机制和信息维度两个方面来考虑。

（一）基于适应性学习机制的通胀预期测度

适应性学习机制假定代理人仅有有限信息，但能“理性地”使用信息，借助于不断更新的数据集合和持续学习，形成通胀预期（Milani，2005a，2005b）。相对于传统的通胀预期测度方法，适应性学习行为不仅可以被引入动态随机一般均衡（DSGE）模型和理性预期（RE）模型，从而利用更全面的信息测度通胀预期，而且由于适应性学习行为的结构参数具有时变特征，因此可以进一步刻画通胀预期的动态形成机制。在研究过程中，现有文献普遍采用最小二乘学习规则估计通胀预期（Evan和Honkapohia，2001；何启志、范从来，2011等），采用的方法则是Marcet和Sargent（1989）发展起来的随机递归算法（SRA）。

在适应性学习机制下：首先，市场主体具有“有限理性”和“信息粘性”（Mankiw和Reis，2010；彭兴韵，2011），因而市场主体无法获知真实经济运行规律（ALM），但却对自己所能观察到的世界拥有自我认知，即可以通过经验总结出感知运行规律（PLM）。其次，市场主体可以运用计量方法估计PLM参数（最小二乘随机递归），并随着数据更新不断调整已估参数，因此，适应性学习机制下的理性通胀预期不会瞬时实现，而是在每个阶段，市场主体把新收集的信息纳入计量模型重新估计PLM参数，进而形成新的预期，然后将PLM所得到的通胀预期纳入ALM形成通胀当期真实值。最后，与理性预期均衡不同，适应性学习机制下的均衡为学习型预期均衡，那么学习型预期均衡是否是确定性的呢？Evan和Honkapohia（2000）给出了学习型预期均衡的“期望稳定”条件，证明在“期望稳定”条件下，随机递归最小二乘方法估计的适应性学习预期最终会收敛于理性预期，且学习型预期均衡是确定性的。

显然，适应性学习机制下通胀预期测度依赖于ALM和PLM的形式。在货币政策分析的基准框架内，预期增广的菲利普斯曲线是基本方程之一。假定经济中真实的菲利普斯曲线为预期增广形式，即ALM为：

表1给出了广义虚拟经济视角下带学习效应的菲利普斯曲线扩展的八种可能形式，其中基本形式为PC1-PC4四种，每种基本形式又扩展为基于适应性学习预期的菲利普斯曲线和基于SVR学习预期的菲利普斯曲线。权重系数和通胀预期系数值的大小对于货币政策实施和通胀预期管理至关重要。

（1）如果权重系数 值显著大于0，且显著大于通胀预期系数，表明菲利普斯曲线的货币政策传导机制有效，中央银行可以通过调控短期名义利率影响产出缺口，进而通过产出缺口影响通胀；如果权重系数 值接近于0甚至为负，表明菲利普斯曲线的货币政策传导机制失效，中央银行无法通过调控短期名义利率来影响通胀，此时应依据通胀预期系数值来进行相应的预期管理。（2）如果适应性预期系数 显著大于0，则经济个体的适应性预期较强，这时，中央银行还应注重货币政策的时滞性，即通胀惯性。通胀惯性越大，通胀率偏离其均衡水平的时间越长，货币政策的滞后效应越明显，实现政策目标所需的时间越长，因而当通胀惯性较大时，为实现政策目标，中央银行应采用更为积极的货币政策；反之通胀惯性越小，通胀率偏离其均衡水平的时间越短，货币政策滞后效应越微弱，这时，为实现政策目标，中央银行则应采用更为消极的货币政策。（3）如果理性预期系数 显著大于0，则经济个体的理性预期较强，这时，中央银行应采用更具前瞻性的货币政策，应及时明确地公布未来通胀目标（点目标或区间目标），或更加明确地实行通胀目标制，同时为稳定通胀预期，中央银行还应增强货币政策独立性与透明度。（4）如果适应性预期系数 和理性预期系数 均显著大于0，表明经济个体存在混合预期，此时中央银行应依据预期系数值判断通胀预期更偏重于适应性预期还是理性预期，从而决定更加侧重降低通胀惯性还是稳定通胀预期。（5）如果学习预期系数 或 均显著大于适应性预期系数 和理性预期系数 ，这表明经济个体既不完全向后看，也不完全向前看，而是有限理性的，即对通胀预期有一个渐进的认知学习过程，因而货币政策调整时既不能完全惯性，也不能完全前瞻，而应随学习预期的不断递归进行微调，同时由于学习型预期对应学习型均衡，中央银行还应通过实施货币政策规则使学习型预期均衡是确定性的，即学习型预期应向唯一的理性预期均衡收敛，例如实施积极的货币政策规则，使得学习方程的参数位于确定性参数区域内。（6）通过对比学习预期系数值，还可以甄别出经济个体的预期学习方式，进而可以针对不同的预期学习方式进行不同的预期管理：如果适应性学习预期系数 显著大于SVR学习预期系数 ，表明经济个体对通胀预期的学习方式更趋向于适应性学习行为，经济个体虽然对通胀预期有学习能力，但信息获取能力较低，因而信息维度较低，这时，若通胀目标定义为学习预期的均衡值即理性预期时，中央银行就需要引导经济个体对通胀的学习行为，应提高货币政策的透明度和信息披露水平，建立货币政策信息平台加强与经济个体的信息沟通，从而使经济个体尽可能多地掌握学习过程中所需要的信息，加快通胀预期的学习速度，使适应性学习预期尽快向理性预期均衡收敛；如果SVR学习预期系数 显著大于适应性学习预期系数 ，表明经济个体对通胀预期有更“高级”的学习方式，信息获取能力较强，因而信息维度较高，这时，中央银行除提高信息沟通效率之外，还应加强与财政政策、汇率政策、产业政策等其他宏观经济政策的政策协调，从而使其他经济变量能够充分及时地反映通胀预期形成的信息。

四、结论与建议

本文基于广义虚拟经济视角，分析了通胀预期理论的演化与发展、学习型通胀预期测度，以及如何基于学习型通胀预期对新凯恩斯菲利普斯曲线进行扩展，得出结论与建议如下：

1.在通胀预期演化过程中，无论是适应性预期、理性预期或是混合预期，均无法合理反映代理人或经济个体对真实经济结构的认知程度和对信息的掌握与处理能力，因而缺乏有说服力的微观基础。广义虚拟经济则强调经济个体的心理作用、认知深度和学习行为，因而广义虚拟经济视角下的学习预期更能反映经济个体的“有限理性”、“粘性信息”约束及学习动态。在一定的学习方程和确定性条件下，广义虚拟经济视角下的学习预期最终会趋近于理性预期。

2.广义虚拟经济视角下的通胀预期可以从学习机制和信息维度两个方面来测度。首先，在学习机制方面，可以采用适应性学习机制（最小二乘学习规则）来测度通胀预期，适应性学习机制实际上是一个随机递归过程，在这一递归过程中，经济个体可以借助于不断更新的数据集合和持续学习，“理性地”达到学习预期均衡，同时在“期望稳定”条件，学习预期均衡最终会收敛于理性预期均衡，即学习预期收敛于理性预期。其次，在信息维度方面，可以采用支持向量回归（SVR）方法来测度通胀预期，支持向量回归相对于适应性学习机制，可以允许经济个体选择尽可能多的经济变量以弥补信息“滞后效应”，即通过提高信息维度来提高学习效应，因而是一种更“高级”的预期学习方式。

3.在广义虚拟经济视角下，学习型预期的引入可以使菲利普斯曲线扩展出新的预期增广形式，每种菲利普斯曲线的扩展形式因通胀预期的不同学习方式而异，通过对比不同预期系数值和不同学习预期系数值，还可以进一步分析货币政策实施和通胀预期管理方式。如果学习预期系数显著大于适应性预期和理性预期系数，则货币政策调整时既不能完全惯性，也不能完全前瞻，而应随学习预期的不断递归进行微调，同时中央银行还应实施积极的货币政策规则，使学习预期的参数位于确定性参数区域内。如果适应性学习预期系数显著大于SVR学习预期，则中央银行应引导经济个体对通胀的学习行为，通过提高货币政策的透明度和信息披露水平来加快预期学习速度，反之，则中央银行还应加强与其他宏观经济政策的政策协调，增强通胀预期形成的信息维度。

注释：

从2000年到2012年，我国政府各年工作报告公布的CPI通胀率目标分别为：4%、1-2%、0-1%、1%、3-4%、4%、3%、3%、4.8%、4%、3%、4%、3%。

② 实际上，适应性学习机制下的PLM形式与Macclum（1999）提出的最小状态变量法（MSV）是一致的。

③ 虽然公众能够直接获取物价水平、汇率、资产价格水平、利率等变量的准确信息，但对其他能够对造成其形成通胀预期的变量可能无法做到准确获悉，而这类变量准确信息的披露往往有一个滞后期，比如一季度GDP的数据往往会在第二季度才能够披露。

④ King、Plosser和Rebelo（1988，2002）详细给出了基于真实经济周期模型（RBC）的均衡条件的线性近似、算法与模拟等，具体技术细节直至2002年才正式发表，大部分文献，特别是新凯恩斯主义的线性理性预期模型（LRE）则直接采用了这一近似线性化的菲利普斯曲线。

参考文献：

[1] 陈彦斌.“中国新凯恩斯菲利普斯曲线研究”，经济研究[J]. 2008 （12）.

[2] 何启志，范从来.中国通货膨胀的动态特征研究，经济研究[J]. 2011（7）.

[3] 胡国栋.“广义虚拟经济理论对中国发展战略的启示”，广义虚拟经济研究[J].2011（1）.

[4] 李春琦，翁毅. “我国居民通胀预期的测度： 基于银行间债券市场数据的方法”，财经研究[J].2012（4）.

[5] 李昊，王少平. “我国通货膨胀预期和通货膨胀粘性”，统计研究[J].2011（1）.

[6] 刘金全，金春雨，郑挺国.“中国菲利普斯曲线的动态性与通货膨胀预期的轨迹：基于状态空间区制转移模型的研究”，世界经济[J]. 2006（6）.

[7] 彭兴韵. “粘性信息经济学—宏观经济学最新发展的一个文献综述”，经济研究[J].2011（12）.

[8] 王维安，贺聪. “房地产价格与通货膨胀预期”，财经研究[J].2006（12）.

[9] 肖争艳，陈彦斌. “中国通货膨胀预期研究： 调查数据方法”，金融研究[J].2004（11）.

[10] 杨继生. “通胀预期、流动性过剩与中国通货膨胀的动态性质”，经济研究[J]. 2009（1）.

[11] 于光耀，范建伟. “中国通货膨胀预期形成机制的探析”，经济经纬[J]. 2012（3）.

[12] 张蓓. “我国居民通货膨胀预期的性质及对通货膨胀的影响”，金融研究[J].2009（9）.

[13] Aumann Robert J.， 1997， “Rationality and Bounded Rationality”， Games and Economic Behavior， Vol. 21（1-2）， 2-14， October.

[14] Bennett T. McCallum， 1999， “Role of the Minimal State Variable Criterion in Rational Expectations Models”， International Tax and Public Finance， No.6， 621-639.

[15] Calvo， Guillermo A.， 1983， “Staggered Prices in a Utility Maximizing Framework”， Journal of Monetary Economics， Vol.12， 383-398.

[16] Carlson， J. A. and M. Parkin， 1975， “Inflation Expectations”， Econometrica， 42：123-138.

[17] Dupor， B.， T.Tsuruga， 2005， “Sticky Information： The Impact of Different Information Updating Assumption”， Journal of Money， Credit and Banking， Vol.37， No.6， 1143-1152.

[18] Fuhrer， J.C. and Moore， G.R.， 1995， “Inflation Persistence”， Quarterly Journal of Economics， Vol.110， 127-159.

[19] Gali， J. and Gertler， M.， 2000， “Inflation Dynamics： A Structural Econometric Analysis”， NBER Working Paper 7551， February.

[20] GeorgeW. Evans and Seppo Honkapohja. 1999， Handbook of Macroeconomics， Elsevier Science， pp449-542.

[21] GeorgeW. Evans and Seppo Honkapohja， 2001， Learning and Expectations in Macroeconomics，Princeton University Press， Princeton， New Jersey.

[22] Guerrero， Guillaume， Nicolas， Million， 2004， “The US Phillips Curve and Inflation Expectations： A State Space Markov-switching Explanatory Model”， Society for Computational Economics in its series Computing in Economics and Finance， 133， 1-42.

[23] John F. Muth， 1961， “Rational Expectations and the Theory of Price Movements”， Econometrica， 29， pp.315–335.

[24] King， Robert G.， Plosser， Charles I. and Rebelo， Sergio T.， 2002， “Production， Growth and Business Cycles： Technical Appendix”， Computational Economics， vol. 20（1-2）， 87-116， October.

[25] Lucas， Robert， 1972， “Expectations and the Neutrality of Money”， Journal of Economic Theory， 2， 103–124.

[26] Mankiw， N. Gregory， Ricardo Reis， 2010， “Imperfect Information and Aggregate Supply”， National Bureau of Economic Research， No. w15773.

[27] Marcet and T. Sargent， 1989， “Convergence of Least Squares Learning in Environment with Hidden State Variables and Private Information”， Journal of Political Economy， 97， 1306-1322.

[28] Milani， F.， 2005a， “Adaptive Learning and Inflation Persisentce”， University of California-Irvine Working Paper， No. 50607.

[29] Milani， F.， 2005b， “Expectations， Learning and Macroeconomic Persisentce”， University of California-Irvine Working Paper， No. 50608.

[30] Mishkin， Frederic S.， 2007， “Inflation Dynamics”， NBER Working Papers， No， 13147.

[31] Sargent， Thomas J.， and Neil Wallace， 1973， “The Stability of Models of Money and Growth with Perfect Foresight”， Econometrica， 41， 1043–48.

[32] Sargent Thomas J.， 1993， “Bounded rationality in macroeconomics”， The Arne Ryde memorial lectures， OUP Catalogue.

[33] S?derlind， Paul， Lars Svensson， 1997， “New Techniques to Extract Market Expectations from Financial Instruments”， Journal of Monetary Economics， 40.2， 383-429.

[34] Taylor， John.B. 1980， “Aggregate Dynamics and Staggered Contracts”， Journal of Political Economy， Vol.88， 1-23.

[35] Vapnik， V.N.， 1995， The Nature of Statistical Learning Theory， N.Y： Springer.