论文主题是研究货币和财政政策波动对经济增长的影响。货币政策和财政政策因其在经济增长中发挥着重要的作用,是最重要的经济政策,也是一个国家经济发展的重要因素。很多关于经济增长的实证研究的目标是确定经济增长的一个或一组解释变量。但是,这些研究并没有就影响经济增长的因素达成共识,因为大多数模型实证研究都是基于研究目的和研究人员视角选择的解释变量。此外,研究人员已知他们在模型中使用的变量的影响。实证文献中解释经济增长的变量数量表明,经济增长理论并没有确定用来产生正确的回归变量。研究人员必须应对的最重要的挑战之一是对解释模型中可能考虑的、潜在变量的不同看法。为此,研究人员可能难以发现和引入重要的、有效的经济增长因素。因此,本研究旨在调查哪一个财政和货币政策变量最重要,并且对经济增长有影响?本研究在实证数据的基础上,引入了62个对财政货币政策和经济增长有重要影响的变量指标。为了引入在经济增长期间有重要影响的变量指标,本文是以1970-2015年美国为案例进行研究。依据研究人员观点和世界银行中提取的信息,这些变量指标是直接从实证研究选择的。当我们分析更长的时间范围时,就会产生关于模型真实性的不确定。当然,这个问题可以用贝叶斯方法解决,并且贝叶斯模型平均(BMA)最近已经成功地应用于经济学的各个分支。动态模型平均(DMA)和动态模型选择(DMS)都允许时变:模型的状态空间及其参数(即回归系数)。事实上,预测组合模型在经验和理论理解事实上相比选择单独一个模型更能产生准确的预测。但是,预测组合有多种方法,根据从其他研究结果中得出的结论,我发现这三种模型具有比其他方法更好的结果,因此在我的研究中比较了这三个预测模型BMA、DMA和DMS,以确定哪个模型是最优模型。均方预测误差(MSFE)和均值绝对预测误差(MAFA)用于验证估计模型的准确性。基于较低的预测误差指标,MSFA和MAFA表明BMA模型是本研究案例中最优的。因此,通过计算和BMA模型试验来确定影响经济增长的变量。在这62个因素中,有11个因素对经济增长产生了显著的影响,并且在其他变量存在的情况下,这些变量仍然保持了其影响。本研究基于BMA模型的初始估计结果包括11个有效变量:资本投资(k)、就业(l)、流动性(m2)、利率(r)、通胀率(p)、政府支出(g)、国际收支(bp)、税收(t)、石油收入(troil)、基尼系数(gini)和储蓄率(s)。在分析货币政策对经济增长的冲击时,采用矢量自回归(VAR)方法被用作标准工具。使用标准VAR模型进行分析存在许多问题,这些问题与确定最合适货币政策和财政政策立场指标、确定正确的货币政策和财政政策冲击模型一样困难,这受VAR框架中少量变量的限制。一种解决方案是将VAR框架与因子分析相结合,从而产生所谓的因子增广向量自回归(FAVAR)方法。因子分析法通常是将大量的变量简化为几个因子。当经济受到财政和货币冲击时,该模型的时变系数反映了财政和货币政策在传导中的间接作用,从而放大了宏观经济变量对经济增长冲击的响应。因此,我们使用脉冲响应函数的时变参数因子增强VAR(TVP-FAVAR)来评估财政和货币政策冲击。在使用BMA模型确定影响经济增长的变量后,我们使用了TVPFAVAR模型,并对模型的内生变量进行了两次中断,以确定对经济增长影响最重要的变量。所有这些判定都是使用MATLAB软件进行的。TVP-FAVAR模型具有瞬时和累积冲击,表明资本和国际收支变量对经济增长的影响最大,因为它们对所有时期的经济增长的影响最大。当然,由于资本主义学派和开放经济政策制定者的支持,这项研究的结果离现实并不远。另外,最后结果是根据各时期经济增长的有效因素系数,对(2015-2017)的经济增长进行预测,结果显示经济增长呈下降趋势。此外,在经济增长出现上升趋势之后,由于经济政策、经济形势和政府决策的影响,各时期都出现了不同程度的下降趋势。本研究可能有助于政府对经济增长的控制,以便采取适当的经济政策,避免经济增长期过后出现下降趋势。这将会建议决策者有必要用各种工具来确定影响经济增长的因素。考虑到不同区间中的不同变量对经济增长的影响不同,采用动态计量经济学模型中的演化模型和混合模型来确定影响经济增长中的因素。因此,使用可以在不同概率水平上区分政府变化的模型被建议用来预测经济增长。所以,政策制定者被建议不要始终使用一般政策来改善经济增长。根据影响经济增长的最重要因素,每个政府中正在使用适当的工具制定政策。政策制定者被建议在不同情况下实施政策,是考虑到该制度具有最高的协调性和适应性的特点,因为政府行为的变化会随时间序列而变化。发现导致这种行为改变的因素,可以帮助决策者确定这些因素作为关键指标来预测未来经济增长。