Erfolge und Probleme der modernen (Mainstream‑)Makroökonomik

Successes and problems of modern (mainstream) macroeconomics

Zusammenfassung

Nach einer Beschreibung und kritischen Würdigung des DSGE Paradigmas in der Makroökonomik werden neuere Entwicklungen der Makroökonomik in den Bereichen Daten, empirische Methoden, Modellklassen, Schocktypen sowie thematische Neuerungen vorgestellt. Abschließend wird auf fundamentalere Kritiken an der modernen Makroökonomik eingegangen und diese kritisch diskutiert.

Abstract

After an exposition of the DSGE paradigm in macroeconomics, new developments in macroeconomics in terms of data, empirical methods, model classes, shock types, and themes are presented. In conclusion, more fundamental critiques of modern macroeconomics are discussed.

This is a preview of subscription content, log in to check access.

Notes

  1. 1.

    Blanchard schrieb dies noch ganz am Anfang der Krise/Rezession und der mit ihr folgenden Kritik an der akademischen Makroökonomik. Für mich gilt der Satz weiterhin, ja erst recht, wegen der durch die Krise mitverursachten Öffnung unseres Faches. Andererseits könnte natürlich auch ich mit Reis (2018) in dessen ironischen Ausruf einstimmen: „Everything is wrong with macroeconomics!“ Das ist schließlich genau der Grund, warum wir Makroökonomen jeden Tag ins Büro gehen.

  2. 2.

    Ein ganz eigenes, potentiell hochspannendes Thema; siehe etwa das CORE Projekt, vorgestellt in Bowles und Carlin (2017); auch Reis (2018) beklagt eine gewisse Rigidität in der makroökonomischen Lehre, vor allem im Graduate Bereich.

  3. 3.

    Kocherlakota (2009), ein zum Kritiker moderner Makroökonomik gewandelter, ehemaliger freshwater Makroökonom, sieht das übrigens genauso.

  4. 4.

    Mindestens drei in Deutschland ansässige Makroökonomen (darunter auch zwei Makroökonominnen) sind an Artikeln des neuesten Bandes des Handbook of Macroeconomics (Taylor und Uhlig 2016) als Autoren beteiligt: Nicola Fuchs-Schündeln, Michele Tertilt und Volker Wieland. Hinzu kommen die zahlreichen aus Deutschland stammenden, aber anderswo lebenden und forschenden Autoren dieses Handbuchs.

  5. 5.

    Ich habe mich auch schon an anderer Stelle mit dieser Kritik ausführlich auseinandergesetzt, siehe Bachmann (2017). Ich werde weiter unten im Schlussabschnitt allerdings auf einige ernstzunehmendere Kritiklinien an der modernen Makroökonomik eingehen.

  6. 6.

    Für Pluralismusklassikfikationen in den Wirtschaftswissenschaften siehe Heise (2016).

  7. 7.

    Siehe dazu auch Chari (2010), der schildert, dass in den meisten der bei der 2010er Jahreskonferenz der Society of Economic Dynamics präsentierten makroökonomischen Papiere der Staat in das Wirtschaftsgeschehen eingreifen sollte.

  8. 8.

    Interessanterweise beklagen sowohl Chari (2010) als auch Reis (2018), dass makroökonomische Forschung relativ zu ihrer gesellschaftlichen Bedeutung unterfinanziert sei. Ob ich mich diesem Befund jedenfalls für die USA, angesichts der einigen hundert, letztlich vom Steuerzahler finanzierten Makroökonomen bei den Federal Reserve Banken anschließen kann, weiß ich nicht. Aber einer genaueren Untersuchung erscheint diese These allemal wert. Die Verhältnisse in Europa und speziell in Deutschland mögen anders sein.

  9. 9.

    Smets und Wouters (2003) schätzt ein sehr ähnliches Modell auch für das Euro Gebiet.

  10. 10.

    Allerdings stehen für diese Art klassischer und kanonischer DSGE Modelle inzwischen gut ausgearbeitete Softwarepakete zur Verfügung.

  11. 11.

    Vgl. dazu allerdings die Ergebnisse in Christiano et al. (2005), wo variable Kapitalnutzung sehr wichtig ist, um das Modell die empirische Reaktion von realen Variablen auf geldpolitische Schocks erklären zu lassen.

  12. 12.

    Nochmal: es kommt eben nicht darauf an, dass die genannten aus Smets und Wouters (2007) herausgelassenen Elemente für irgendeine ökonomische Fragestellung interessant sind – wer wollte Wettbewerbstheorie und -politik ohne Oligopole betreiben – sondern dass sie interessant und relevant sind für die genuinen Fragestellungen des Modells, also hier die Konjunkturerklärung und die Stabilisierungspolitik.

  13. 13.

    Die Nullzinsgrenze, bei der sich mindestens zwei Problemkreise ergeben, sei allerdings bereits hier kurz erläutert. Erstens scheinen an ihr viele „Gesetze der Ökonomik“ nicht mehr zu gelten. Geld- und Fiskalpolitik sollen an ihr „irresponsible“ sein (Krugman 2011) und negative Angebotsschocks würden expansive Wirkungen haben, und zwar dadurch, dass höhere (erwartete) Inflation bei einem konstanten Nominalzins von Null den Realzins senken und damit die aggregierte Nachfrage stimulieren würde. Wieland (2017) zeigt jedoch, dass es diese expansiven Wirkungen von negativen Angebotsschocks bei konstanten Zinsen empirisch nicht gibt, eine große Aporie für den realzinszentrierten Stabilisierungsmechanismus im Neukeynesianischen Modell.

    Zum zweiten stellt mathematisch die Nullzinsgrenze im Neukeynesianischen Modell eine Nichtlinearität dar, um die herum es sich schlecht linearisieren lässt. Das hat Konsequenzen sowohl für die Berechnung als auch die Schätzung des Modells, da nun einfache lineare Methoden nicht mehr ohne weiteres zur Verfügung stehen. In der Realität ergibt sich eine nominale Zinsuntergrenze durch die Existenz von Bargeld, die, wenn auch nicht exakt bei null, wegen Lagerhaltungskosten für Bargeld bei etwas unter null liegen wird. Das scheint nun im Neukeynesianischen Modell zunächst einmal kein Problem zu sein, denn es enthält ja explizit kein Bargeld, so dass man in diesem Modell den Nominalzins ohne weiteres negativ werden lassen kann. Und dennoch handelt es sich hier um eine möglicherweise zu große Abweichung von der Realität. Die moderne makroökonomische Forschung hat deshalb zwei Auswege vorgeschlagen: einmal die Nullzinsgrenze direkt einzubauen und das Modell mit nichtlinearen Verfahren zu lösen, siehe als Beispiele dieser wachsenden Literatur etwa Boneva et al. (2016) und Gust et al. (2017); zum anderen die Berechnung einer Schattenzinsrate, die den gesamten geldpolitischen Impuls zu jedem Zeitpunkt, also alle Maßnahmen der unkonventionellen Geldpolitik kombinierend, in einer sozusagen virtuellen Zinsrate zusammenfasst, und so weiterhin lineare Methoden ermöglicht, siehe Wu und Xia (2016) sowie Wu und Zhang (2017).

  14. 14.

    Dadurch reichen die Verbindungen des Neukeynesianischen Models noch weiter zurück bis hin etwa zum traditionellen ISLM-ADAS Modell und seinen vielen Varianten. So ist etwa die Konsum-Eulergleichung in Smets und Wouters (2007) nichts anderes als eine komplexe IS Kurve; und die Phillipskurve entspricht der AS-Kurve. Lediglich die LM Kurve wurde durch die Taylorregel als Ausdruck einer Zins- statt einer Geldmengenpolitik der Zentralbank abgelöst.

  15. 15.

    Ich glaube im Übrigen, dass das Taylorprinzip einer der seltenen Fälle von linearem Fortschritt in der Makroökonomik ist. Es ist in der Tat richtig, dass Fortschritt in der Makroökonomik oftmals wie in den Geisteswissenschaften daherkommt, nämlich durch neue Fragen und neue Perspektiven auf alte Probleme, also eher spiralförmig. Aber hier spricht die Evidenz einer anhaltenden Ära niedriger und stabiler Inflation selbst durch die Finanzkrise hindurch doch für einen echten linearen Fortschritt in der Theorie der Geldpolitik. Nicht umsonst schreiben Clarida et al. (1999) selbstbewusst von der „Sience of Monetary Policy“ im Titel ihres Artikels.

  16. 16.

    Korinek (2017) verwendet ein ähnliches, am Akronym orientiertes Verfahren, allerdings interpretiert er das Akronym enger (nach meinem Dafürhalten zu eng) und sieht in seinen Bestandteilen eher ein Prokustesbett.

  17. 17.

    Es geht mir hier allerdings ausdrücklich nicht um ein Ausschließlichkeitsverdikt (wie etwa in Chari 2010: „there is no other game in town“, oder: „If you have an interesting and coherent story to tell, you can tell it in a DSGE model. If you cannot, your story is incoherent.“); nur sollte man sich klar machen, welche einerseits Aufgaben und andererseits Einschränkungen ein Makromodell hat, das kein DSGE in diesem Modellierungsphilosophiesinne ist.

  18. 18.

    Ein erster theoretischer Frühversuch in diese Richtung ist Jaimovich und Rebelo (2010).

  19. 19.

    Man sieht diese Modularität der Modellbildung sehr schön an den oben beschriebenen Verwandtschaftsbeziehungen zwischen dem Smets und Wouters (2007) Modell und seinen Varianten auf der einen Seite und dem Clarida et al. (1999) Modell oder den RBC Modellen auf der anderen Seite. Die Einschränkung „im Prinzip“ ist deshalb hinzuzufügen, weil es natürlich immer Grenzen erstens numerischer Art der praktischen Berechenbarkeit und Schätzbarkeit gibt, sowie Grenzen der Komplexitätstoleranz der Ökonomen selbst, die bei manchen Makroökonomen, manchmal mich selbst eingeschlossen, schon bei Smets und Wouters (2007) überschritten sein mag (siehe auch Caballero 2010).

  20. 20.

    Man könnte hier noch den Health and Retirement Survey hinzufügen, der sich speziell der sozioökonomischen Situation, den wirtschaftlichen Entscheidungen und der Erwartungsbildung älterer Haushalte widmet.

  21. 21.

    Das gilt nicht ganz so für die empirische Literatur über nominale und reale Lohnrigiditäten, obwohl auch hier immer mehr Mikrodatensätze verwendet werden. Einen Überblick über die neuesten Erkenntnisse dieser Literatur gibt Basu und House (2016). Allgemein kommen die beiden Autoren zu dem Schluss, dass Preisrigiditäten wohl die quantitativ wichtigere Rolle spielen. Diese Diskussion muss aber sicherlich als noch nicht abgeschlossen gelten.

  22. 22.

    Eichenbaum et al. (2011) findet ähnliche Ergebnisse in von Scannerpreisdaten abgeleiteten sogenannten Referenzpreisen.

  23. 23.

    D’Acunto et al. (2016) findet allerdings für Deutschland ein anderes Ergebnis in einem natürlichen Experiment in Gestalt der für 2007 in 2005 durch die damalige Große Koalition angekündigte Mehrwertsteuererhöhung. Allerdings geht es in diesem Papier um eine sehr stark in der Öffentlichkeit diskutierte erwartete Inflationserhöhung, erzeugt durch eine Mehrwertsteuererhöhung, während es in Bachmann et al. (2015) um eher reguläre Geldpolitik geht.

  24. 24.

    Krusell und Smith (1998) haben mit ihrer Arbeit eine ganze computerökonomische Literatur ins Leben gerufen, die es erlaubt, mit immer besseren und schnelleren Verfahren, Konjunkturmodelle mit starker Heterogenität zu berechnen und so Interaktionen komplexer Verteilungsphänomene mit dem Konjunkturverlauf zu analysieren.

  25. 25.

    Berger und Vavra (2015) gibt einen ähnlichen Befund für dauerhafte Konsumgüter.

  26. 26.

    Gabaix (2014) stellt einen weiteren Modellrahmen zur Modellierung von begrenzter Rationalität und begrenzter Informationsverarbeitungskapazität zur Verfügung.

  27. 27.

    Ein weiterer Syntheseversuch, der Such- und Matchingfriktionen auf dem Arbeitsmarkt mit Finanzfriktionen kombiniert, ist Petrosky-Nadeau und Wasmer (2013).

  28. 28.

    Ravn und Sterk (2018) fügt dem noch einen friktionalen Arbeitsmarkt mit Such- und Matchingfriktionen hinzu: HANK-SAM, allerdings unter Inkaufnahme radikaler Modellvereinfachungen an anderer Stelle, die die quantitative Fruchtbarkeit des Modells etwas in Frage stellen.

  29. 29.

    Man sollte in diesem Zusammenhang ja nicht vergessen, dass aggregierte Schocks zum autonomen Konsum oder zu den autonomen Investitionen wegen gegenläufiger Realzinseffekte im traditionellen ISLM Modell nicht immer dazu führen, dass Konsum, Investitionen und das aggregierte Einkommen gemeinsam über den Konjunkturverlauf schwanken. Für fiskalpolitische Schocks gilt das eher auch nicht, jedenfalls dann wenn man Ricardianische Effekte mitberücksichtigt. Nun ist aber das positive comovement von Konsum, Investitionen und aggregiertem Einkommen über den Zyklus einer der unbestreitbareren Konjunkturfakten, den jede Konjunkturtheorie replizieren muss.

  30. 30.

    Ein weiteres Beispiel ist Michaillat und Saez (2015), das an die alte Barro-Grossman Ungleichgewichtsliteratur anknüpft.

  31. 31.

    Empirisch ist der Zusammenhang zwischen Arbeitslosigkeitserwartungen und Konsumausgaben schon länger bekannt, siehe Carroll und Dunne (1997).

  32. 32.

    Diese negative Einschätzung zu news shocks lässt sich auch dann aufrechterhalten, wenn man glaubt, dass die Daten zur aggregierten Produktivität starken Messfehlern unterliegen, siehe Kurmann und Sims (2017).

  33. 33.

    Es gibt hier in der Nomenklatur eine kleine Ungenauigkeit, denn Unsicherheit meint hier eigentlich Risiko, also Unsicherheit mit bekannten Wahrscheinlichkeiten. Ich folge dennoch dieser inzwischen gebräuchlichen Bezeichnung.

  34. 34.

    Hier soll sich die Diskussion auf zweite Momente beschränken, es gibt aber durchaus gegenwärtig auch eine Diskussion, ob nicht auch Skewness und Kurtosis von Schocks im Zeitverlauf stochastisch sind.

  35. 35.

    Um aggregierte Unsicherheitsschocks adäquat berechnen zu können, wurden in dieser Literatur Perturbationsverfahren dritter Ordnung entwickelt. In linearen Modellen gilt ja certainty equivalence, so dass zeitvariierende Unsicherheit schon per Konstruktion keinen Effekt haben kann.

  36. 36.

    Manchmal wird auch der oben beschriebene Unsicherheitsschock a la Gilchrist et al. (2017) als Finanzschock bezeichnet.

  37. 37.

    Es gibt aber auch absterbende Themengebiete in der Makroökonomik, obwohl sie insgesamt thematisch breiter geworden sein dürfte. Das Studium der Lagerhaltungskonjunktur war beispielsweise in den 1980er und 1990er Jahren sicherlich noch ein zentrales Thema der Makroökonomik, das aber in den letzten Jahren mit einer immer ausgeprägteren Dienstleistungsökonomie sowie Produktionsinnovationen wie just-in-time, die die Bedeutung von Lagerhaltung vermindern, an Relevanz verloren hat.

  38. 38.

    Für ebenfalls neue oder wieder neu auf der Agenda stehende Makroökonomiken, siehe Hassler et al. (2016) für die Makroökonomik der Umwelt, und Piazzesi und Schneider (2016) für die Makroökonomik des Immobilienmarktes.

  39. 39.

    Um es genauer zu sagen: es ist der Einfluss von der kurzen auf die lange Frist, dessen Nichtmodellierung hauptsächlich kritisiert wird. Der umgekehrte Einfluss ist dagegen in der modernen Makroökonomik schon eher zu finden. Um nur ein Beispiel zu nennen: es gibt Autoren, die die sogenannte Große Moderation, also den Rückgang von aggregierter Volatilität seit der Mitte der 1980er Jahre auf die veränderte Altersstruktur der Bevölkerung zurückführen. Konkret: eine Bevölkerung wird nach einem Babyboom einen großen Anteil mittelalter Arbeitnehmer haben mit sowohl von der Arbeitsangebots- als auch der Arbeitsnachfrageseite her geringer Arbeitselastizität (siehe Jaimovich und Siu 2009).

  40. 40.

    Vor allem der Eröffnungssatz einer früheren Version des Papiers: „People who don’t like dynamic stochastic general equilibrium (DSGE) models are dilettantes“, (zitiert nach Smith 2017), erregte viel Aufsehen in den sozialen Medien und schaffte es wohl auch deshalb nicht in die Endfassung.

  41. 41.

    Unsere Daten und empirischen Identifikationen sind schlechter als die unserer Mikrokollegen, unsere theoretische Brillanz meist geringer als die unserer Theoriekollegen, was bleibt uns Makroökonomen anderes übrig, als uns in allgemeiner intellektueller Pseudobrillanz zu üben?

  42. 42.

    Dani Rodrick, in Rodrick (2015), plädiert bezüglich der gesamten Ökonomik für eine ähnliche Toleranz- und Vielfaltsposition.

  43. 43.

    Natürlich gilt die Lucas Kritik weiter. Aber sie gilt eben immer, auch für DSGE Modelle, denn der Begriff der strukturellen Mikrofundierung ist wie gesehen ein fließender, ein kontextbezogener. Und es ist ja auch nicht so, dass Autoren wie Wren-Lewis sich dieser Kritik nicht bewusst wären und versuchen würden, darauf zu reagieren. Laut Wren-Lewis (2018) sehen die heutigen Mehrgleichungsmodelle anders aus als die aus den 1970er Jahren.

  44. 44.

    Cochrane (2017) beschreibt im Übrigen sehr schön, wie das toy model des einfachen Neukeynesianischen Zweigleichungsmodells, kombiniert mit der Nullzinsgrenze, hilft zu verstehen, dass mit der Nullzinsgrenze in diesem Modell multiple Gleichgewichte auftreten, und dass viele scheinbar paradoxe Vorhersagen des Neukeynesianischen Modells an der Nullzinsgrenze, wie etwa die schon genannte expansive Wirkung kontraktiver Angebotsschocks, verschwinden, wenn man andere, ebenso plausible Gleichgewichte betrachtet.

  45. 45.

    Ich bin in diesem Sinne auch grundsätzlich gegenüber sogenannten Agentenbasierten Modellen offen, die ja auch sehr auf Mikrofundierung bestehen, diese aber nicht aus Entscheidungskalkülen ableiten, sondern nach einfachen, empirisch gewonnenen Regeln. Der Vorteil mag auch hier wie bei den ökonometrischen Keynesianischen Mehrgleichungsmodellen darin liegen, dass das Ausmaß von Komplexität und Heterogenität, das man numerisch erfassen kann, größer und damit realistischer wird. Natürlich gilt auch hier die Lucas Kritik. Aber sie gilt eben, wie jetzt schon mehrfach gesagt, immer. Und so sehe ich den Unterschied zwischen Agentenbasierten Modellen und DSGE Modellen mit heterogenen Agenten letztlich als einen graduellen an. Ob das Forschungsprogramm Agentenbasierte Modelle schon weit genug ist, um auf Augenhöhe mit der Mainstreammakroökonomik stehen zu können, darüber will ich mir hier kein abschließendes Urteil erlauben, eine Restskepsis bleibt aber. Das bedeutet aber ausdrücklich nicht, man solle da nicht weiter machen.

  46. 46.

    Romer (2015) plädiert ebenfalls für eine stärkere Unterscheidung von Klinikern und Wissenschaftlern in der Makroökonomik. Siehe zu diesem Thema auch Mankiw (2006).

  47. 47.

    Interessanterweise lobt Caballero (2010) ausdrücklich die Einfachheit und Klarheit der ersten RBC Modelle, obgleich er als traditioneller saltwater Makroökonom in einem ganz anderen intellektuellen Umfeld sozialisiert wurde.

Literatur

  1. Acemoglu, D., Carvalho, V., Ozdaglar, A., & Tahbaz-Salehi, A. (2012). The network origins of aggregate fluctuations. Econometrica, 80(5), 1977–2016.

    Article  Google Scholar 

  2. Aguiar, M., & Hurst, E. (2007). Measuring trends in leisure: the allocation of time over five decades. Quarterly Journal of Economics, 122(3), 969–1006.

    Article  Google Scholar 

  3. Aguiar, M., & Hurst, E. (2016). The Macroeconomics of Time Allocation. In J. Taylor & H. Uhlig (Hrsg.), Handbook of Macroeconomics (Bd. 2, S. 203–253). Amsterdam, Oxford: Elsevier.

    Google Scholar 

  4. Aguiar, M., Bils, M., Charles, K., & Hurst, E. (2018). Leisure luxuries and the labor supply of young men. Princeton: Mimeo.

    Google Scholar 

  5. Alesina, A., & Fuchs-Schündeln, N. (2007). Good bye Lenin (or not?): the effect of communism on people’s preferences. American Economic Review, 97(4), 1507–1528.

    Article  Google Scholar 

  6. Angeletos, G.-M., & Lao, J. (2013). Sentiments. Econometrica, 81(2), 739–779.

    Article  Google Scholar 

  7. Angeletos, G.-M., & Lian, C. (2016). Incomplete information in macroeconomics: accommodating frictions in coordination. In J. Taylor & H. Uhlig (Hrsg.), Handbook of macroeconomics (Bd. 2, S. 1065–1240). Amsterdam, Oxford: Elsevier.

    Google Scholar 

  8. Antenucci, D., Cafarella, M., Levenstein, M., Ré, C., & Shapiro, M. (2014). Using social media to measure labor market flows. University of Michigan: Mimeo.

    Google Scholar 

  9. Arellano, C., Bai, Y., & Kehoe, P. (2018). Financial frictions and fluctuations in volatility. Federal Reserve Bank of Minneapolis Research Department Staff Report.

    Google Scholar 

  10. Auerbach, A., & Gorodnichenko, Y. Y. (2012). Measuring the output responses to fiscal policy. American Economic Journal: Economic Policy, 4(2), 1–27.

    Google Scholar 

  11. Bachmann, R. (2017). Zur aktuellen Pluralismusdebatte in der Ökonomik: Ansichten eines wohlwollenden Pluralismusskeptikers. Wirtschaftsdienst, 2017/12, 843–846.

    Google Scholar 

  12. Bachmann, R. (2018). Ordoliberalism from the perspective of a US-trained macroeconomist. In M. Dold & T. Krieger: (Hrsg.), Ordoliberalism before, during and after the Eurozone crisis: between realpolitik and economic utopia. Im Erscheinen.

    Google Scholar 

  13. Bachmann, R., & Bai, J. (2013). Politico-economic inequality and the comovement of government purchases. Review of Economic Dynamics, 16(4), 565–580.

    Article  Google Scholar 

  14. Bachmann, R., & Bayer, C. (2013). Wait-and-see‘ business cycles? Journal of Monetary Economics, 60(6), 704–719.

    Article  Google Scholar 

  15. Bachmann, R., & Bayer, C. (2014). Investment dispersion and the business cycle. American Economic Review, 104(4), 1392–1416.

    Article  Google Scholar 

  16. Bachmann, R., & Elstner, S. (2015). Firm optimism and pessimism. European Economic Review, 79, 297–325.

    Article  Google Scholar 

  17. Bachmann, R., & Ma, L. (2016). Lumpy investment, lumpy inventories. Journal of Money, Credit and Banking, 48(5), 821–855.

    Article  Google Scholar 

  18. Bachmann, R., & Moscarini, G. (2012). Business cycles and endogenous uncertainty. University of Notre Dame: Mimeo.

    Google Scholar 

  19. Bachmann, R., & Sims, E. (2012). Confidence and the transmission of government spending shocks. Journal of Monetary Economics, 59(3), 235–249.

    Article  Google Scholar 

  20. Bachmann, R., & Zorn, P. (2018). What drives aggregate investment? Evidence from German survey data. CEPR-DP 12710.

    Google Scholar 

  21. Bachmann, R., Bayer, C., Merkl, C., Seth, S., Stüber, H., & Wellschmied, F. (2017a). Worker Churn and Employment Growth at the Establishment Level. University of Notre Dame: Mimeo.

    Google Scholar 

  22. Bachmann, R., Berg, T., & Sims, E. (2015). Inflation expectations and readiness to spend: cross-sectional evidence. American Economic Journal: Economic Policy, 7(1), 1–35.

    Google Scholar 

  23. Bachmann, R., Caballero, R., & Engel, E. (2013a). Aggregate implications of lumpy investment: new evidence and a DSGE model. American Economic Journal: Macroeconomics, 5(4), 29–67.

    Google Scholar 

  24. Bachmann, R., Elstner, S., & Sims, E. (2013b). Uncertainty and economic activity: evidence from business survey data. American Economic Journal: Macroeconomics, 5(2), 217–249.

    Google Scholar 

  25. Bachmann, R., Hristov, A., & Elstner, S. (2017b). Surprise, Surprise – Measuring Firm-Level Investment Innovations. Journal of Economic Dynamics and Control, 83, 107–148.

    Article  Google Scholar 

  26. Bachmann, R. und G. Braunberger (2018). Ökonomen im Gespräch (1): Rüdiger Bachmann über die moderne Makroökonomik, DSGE-Modelle und die Rolle von Theorie und Empirie in der VWL. Interview Fazit Blog, Frankfurter Allgemeine Zeitung online, 2. Mai 2012.

  27. Bai, Y., Rios-Rull, V., & Storesletten, K. (2017). Demand shocks as technology shocks. University of Rochester: Mimeo.

    Google Scholar 

  28. Baker, S., Bloom, N., & Davis, S. (2016). Measuring economic policy uncertainty. Quarterly Journal of Economics, 131(4), 1593–1636.

    Article  Google Scholar 

  29. Barsky, R., & Sims, E. (2011). News shocks and business cycles. Journal of Monetary Economics, 58(3), 273–289.

    Article  Google Scholar 

  30. Barsky, R., House, C., & Kimball, M. (2007). Sticky price models and durable goods. American Economic Review, 97(3), 984–998.

    Article  Google Scholar 

  31. Basu, S., & Bundick, B. (2017). Uncertainty shocks in a model of effective demand. Econometrica, 85(3), 937–958.

    Article  Google Scholar 

  32. Basu, S., & House, C. (2016). Allocative and remitted wages: new facts and challenges for Keynesian models. In J. Taylor & H. Uhlig (Hrsg.), Handbook of macroeconomics (Bd. 2, S. 297–354). Amsterdam, Oxford: Elsevier.

    Google Scholar 

  33. Beaudry, P., & Portier, F. (2006). Stock prices, news and economic fluctuations. American Economic Review, 96(4), 1293–1307.

    Article  Google Scholar 

  34. Beaudry, P., Galizia, D., & Portier, F. (2016). Putting the cycle back into business cycle analysis. NBER Working Paper 22825.

    Google Scholar 

  35. Berger, D., & Vavra, J. (2015). Consumption dynamics during recessions. Econometrica, 83(1), 101–154.

    Article  Google Scholar 

  36. Bernanke, B., Gertler, M., & Gilchrist, S. (1999). The financial accelerator in a quantitative business cycle framework. In J. Taylor & M. Woodford (Hrsg.), Handbook of macroeconomics. Amsterdam, Oxford: Elsevier.

    Google Scholar 

  37. Blanchard, O. (2008). The state of macro. NBER-WP 14259.

    Google Scholar 

  38. Blanchard, O. (2018). On the future of macroeconomic models. Oxford Review of Economic Policy, 34(1–2), 43–54.

    Article  Google Scholar 

  39. Blanchard, O., & Perotti, R. R. (2002). An empirical characterization of the dynamic effects of changes in government spending and taxes on output. Quarterly Journal of Economics, 117, 1329–1368.

    Article  Google Scholar 

  40. Blanchard, O., & Quah, D. (1989). The dynamic effects of aggregate demand and supply disturbances. American Economic Review, 79(4), 655–673.

    Google Scholar 

  41. Bloom, N. (2009). The impact of uncertainty shocks. Econometrica, 77(3), 623–685.

    Article  Google Scholar 

  42. Bloom, N. (2014). Fluctuations in uncertainty. Journal of Economic Perspectives, 28(2), 153–176.

    Article  Google Scholar 

  43. Boneva, L., Braun, R., & Waki, Y. (2016). Some unpleasant properties of loglinearized solutions when the nominal rate is zero. Journal of Monetary Economics, 84, 216–232.

    Article  Google Scholar 

  44. Born, B., & Pfeifer, J. (2014). Policy risk and the business cycle. Journal of Monetary Economics, 68, 68–85.

    Article  Google Scholar 

  45. Bowles, S., & Carlin, W. (2017). A new paradigm for the introductory course in economics. VOXEU Portal. 7. September 2017

    Google Scholar 

  46. Brunnermeier, M., Eisenbach, T., & Sannikov, Y. (2013). Macroeconomics with financial frictions: a survey. In Advances in economics and Econometrics, tenth world congress of the Econometric society (Bd. 2, S. 3–96). New York: Cambridge University Press.

    Google Scholar 

  47. Burgess, S., Lane, J., & Stevens, D. (2000). Job flows, worker flows, and churning. Journal of Labor Economics, 18(3), 473–502.

    Article  Google Scholar 

  48. Caballero, R. (2010). Macroeconomics after the crisis: time to deal with the pretense-of-knowledge syndrome. Journal of Economic Perspectives, 24(4), 85–102.

    Article  Google Scholar 

  49. Caballero, R., Engel, E., & Haltiwanger, J. (1995). Plant-level adjustment and aggregate investment dynamics. Brookings Paper of Economic Activity 1995/2.

    Google Scholar 

  50. Calvo, G. (1983). Staggered prices in a utility-maximising framework. Journal of Monetary Economics, 12(3), 383–398.

    Article  Google Scholar 

  51. Carlstrom, C., & Fuerst, T. (1997). Agency costs, net worth, and business fluctuations: a computable general equilibrium analysis. American Economic Review, 87(5), 893–910.

    Google Scholar 

  52. Carroll, C., & Dunn, W. (1997). Unemployment expectations, jumping (S,s) triggers, and household balance sheets. In B. Bernanke & J. Rotemberg (Hrsg.), NBER macroeconomics annual (S. 165–229).

    Google Scholar 

  53. Cavallo, A., Cruces, G., & Perez-Truglia, R. (2017). Inflation expectations, learning and supermarket prices: evidence from field experiments. American Economic Journal: Macroeconomics, 9(3), 1–35.

    Google Scholar 

  54. Challe, E., Matheron, J., Ragot, X., & Rubio-Ramirez, J. (2017). Precautionary saving and aggregate demand. Quantitative Economics, 8, 435–478.

    Article  Google Scholar 

  55. Chari, V. (2010). Testimony before the committee on science and technology, subcommittee on investigations and oversight, U.S. house of representatives

    Google Scholar 

  56. Chari, V., Kehoe, P., & McGrattan, E. (2007). Business cycle accounting. Econometrica, 75(3), 781–836.

    Article  Google Scholar 

  57. Chodorow-Reich, G. (2014). The employment effects of credit market disruptions: firm-level evidence from the 2008–9 finanical crisis. Quarterly Journal of Economics, 129(1), 1–59.

    Article  Google Scholar 

  58. Christiano, L., Eichenbaum, M., & Evans, C. (2005). Nominal rigidities and the dynamic effects of a shock to monetary policy. Journal of Political Economy, 113(1), 1–45.

    Article  Google Scholar 

  59. Christiano, L., Eichenbaum, M., & Trabandt, M. (2018). On DSGE models. Journal of Economic Perspectives, 32(3), 113–140.

    Article  Google Scholar 

  60. Clarida, R., Gali, J., & Gertler, M. (1999). The science of monetary policy: a new Keynesian perspective. Journal of Economic Literature, 37, 1661–1707.

    Article  Google Scholar 

  61. Cochrane, J. (2017). The new-Keynesian liquidity trap. Journal of Monetary Economics, 92, 47–63.

    Article  Google Scholar 

  62. Coibion, O., & Gorodnichenko, Y. (2012a). Why are target interest rate changes so persistent? American Economic Journal: Macroeconomics, 4(4), 126–162.

    Google Scholar 

  63. Coibion, O., & Gorodnichenko, Y. (2012b). What can survey forecasts tell us about information rigidities? Journal of Political Economy, 120(1), 116–159.

    Article  Google Scholar 

  64. Comin, D., & Gertler, M. (2006). Medium-term business cycles. American Economic Review, 96(3), 523–551.

    Article  Google Scholar 

  65. Curdia, V., & Woodford, M. (2010). Credit spreads and monetary policy. Journal of Money, Credit and Banking, 42, 3–35.

    Article  Google Scholar 

  66. D’Acunto, F., Hoang, D., & Weber, M. (2016). The effect of unconventional fiscal policy on consumption expenditure. NBER Working Paper 22563.

    Google Scholar 

  67. Davis, S., & van Wachter, T. (2012). Recessions and the costs of job loss. Brookings paper of economic activity 2012 (2).

    Google Scholar 

  68. Davis, S., Faberman, J., & Haltiwanger, J. (2006). The flow approach to labor markets: new data sources and micro-macro links. Journal of Economic Perspectives, 20(3), 3–26.

    Article  Google Scholar 

  69. Davis, S., Faberman, J., Haltiwanger, J., Jarmin, R., & Miranda, J. (2010). Business volatility, job destruction, and unemployment. American Economic Journal: Macroeconomics, 2(2), 259–287.

    Google Scholar 

  70. Davis, S., Faberman, J., & Haltiwanger, J. (2012). Labor market flows in the cross-section and over time. Journal of Monetary Economics, 59(1), 1–18.

    Article  Google Scholar 

  71. Davis, S., Haltiwanger, J., & Schuh, S. (1996). Job creation and destruction. Cambridge: MIT Press.

    Google Scholar 

  72. De Carvalho, C. (2006). Heterogeneity in price stickiness and the real effects of monetary shocks. The B.E. Journal of Macroeconomics, Frontiers, 6(3), 1–58.

    Google Scholar 

  73. Den Haan, W., Rendahl, P., & Riegler, M. (2017). Unemployment (fears) and deflationary spirals. Journal of the European Economic Association, 16(5), 1281. https://doi.org/10.1093/jeea/jvx040.

    Article  Google Scholar 

  74. Doepke, M., & Tertilt, M. (2016). Families in macroeconomics. In J. Taylor & H. Uhlig (Hrsg.), Handbook of macroeconomics (Bd. 2, S. 1789–1891). Amsterdam, Oxford: Elsevier.

    Google Scholar 

  75. Doepke, M., & Zillibotti, F. (2017). Parenting with style: altruism and paternalism in Intergenerational preference transmission. Econometrica, 85(5), 1331–1371.

    Article  Google Scholar 

  76. Doms, M., & Dunne, T. (1998). Capital adjustment patterns in manufacturing plants. Review of Economic Dynamics, 1(2), 409–429.

    Article  Google Scholar 

  77. Eichenbaum, M., Jaimovich, N., & Rebelo, S. (2011). Reference prices, costs and nominal rigidities. American Economic Review, 101(1), 234–262.

    Article  Google Scholar 

  78. Erosa, A., & Ventura, G. (2002). On inflation as a regressive consumption tax. Journal of Monetary Economics, 49(4), 761–795.

    Article  Google Scholar 

  79. Fallick, B., & Fleischman, C. (2004). Employer-to-employer flows in the U.S. Labor market: the complete picture of gross worker flows. The federal reserve board discussion paper 2004–34.

    Google Scholar 

  80. Farmer, R. (2016). Not keen on more chaos in macroeconomics. Roger Farmer Blog. 4. Oktober 2016

    Google Scholar 

  81. Fernandez-Villaverde, J., Guerron-Quintana, P., Kuester, K., & Rubio-Ramırez, J. (2015). Fiscal volatility shocks and economic activity. American Economic Review, 105(11), 3352–3384.

    Article  Google Scholar 

  82. Fernandez-Villaverde, J., Rubio-Ramirez, J., & Schorfheide, F. (2016). Solution and estimation methods for DSGE models. In J. Taylor & H. Uhlig (Hrsg.), Handbook of macroeconomics (Bd. 2, S. 527–724). Amsterdam, Oxford: Elsevier.

    Google Scholar 

  83. Fuchs-Schündeln, N., & Hassan, T. (2016). Natural experiments in macroeconomics. In J. Taylor & H. Uhlig (Hrsg.), Handbook of macroeconomics (Bd. 2, S. 923–1012). Amsterdam, Oxford: Elsevier.

    Google Scholar 

  84. Gabaix, X. (2011). The granular origins of aggregate fluctuations. Econometrica, 79, 733–772.

    Article  Google Scholar 

  85. Gabaix, X. (2014). A sparsity model of bounded rationality. Quarterly Journal of Economics, 129(4), 1661–1710.

    Article  Google Scholar 

  86. Gertler, M., & Karadi, P. (2011). A model of unconventional monetary policy. Journal of Monetary Economics, 58, 17–34.

    Article  Google Scholar 

  87. Ghironi, F. (2018). Macro needs micro. Oxford Review of Economic Policy, 34(1–2), 195–218.

    Article  Google Scholar 

  88. Gilchrist, S., Schönle, R., Sim, J., & Zakrajsek, E. (2018). Inflation dynamics during the financial crisis. American Economi Review, 107(3), 785. https://doi.org/10.1257/aer.20150248.

    Article  Google Scholar 

  89. Gilchrist, S., Sim, J., & Zakrajsek, E. (2017). Uncertainty, financial frictions, and investment dynamics. New York University: Mimeo.

    Google Scholar 

  90. Golosov, M., & Lucas, R. (2007). Menu costs and Phillips Curves. Journal of Political Economy, 115(2), 171–199.

    Article  Google Scholar 

  91. Guimaraes, B., & Sheedy, K. (2011). Sales and monetary policy. American Economic Review, 101(2), 844–876.

    Article  Google Scholar 

  92. Gust, C., Herbst, E., Lopez-Salido, D., & Smith, M. (2017). The empirical implications of the interest-rate lower bound. American Economic Review, 107(7), 1971–2006.

    Article  Google Scholar 

  93. Guvenen, F., & Smith, A. (2014). Inferring labor income risk and partial insurance from economic choices. Econometrica, 82(6), 2085–2129.

    Article  Google Scholar 

  94. Guvenen, F., Ozkan, S., & Song, J. (2014). The nature of countercyclical income risk. Journal of Political Economy, 122(3), 621–660.

    Article  Google Scholar 

  95. Hansen, S., McMahon, M., & Prat, A. (2017). Transparency and deliberation within the FOMC: a computational linguistics approach. Quarterly Journal of Economics, 133(2), 801. https://doi.org/10.1093/qje/qjx045.

    Article  Google Scholar 

  96. Hassler, J., Krusell, P., & Smith, A. (2016). Environmental macroeconomics. In J. Taylor & H. Uhlig (Hrsg.), Handbook of macroeconomics (Bd. 2, S. 1893–2008). Amsterdam, Oxford: Elsevier.

    Google Scholar 

  97. Heathcote, J., & Perri, F. (2017). Wealth and volatility. Reserv Bank of Minneapolis: Mimeo.

    Google Scholar 

  98. Heathcote, J., Perri, F., & Violante, G. (2010). Unequal we stand: an empirical analysis of economic inequality in the United States, 1967–2006. Review of Economic Dynamics, 13, 15–51.

    Article  Google Scholar 

  99. Heathcote, J., Storesletten, K., & Violante, G. (2009). Quantitative macroeconomics with heterogeneous households. Annual Review of Economics, 1, 319–354.

    Article  Google Scholar 

  100. Heise, A. (2016). Pluralismus in den Wirtschaftswissenschaften – Klärungen eines umstrittenen Konzepts. IMK Studies 47–2016.

    Google Scholar 

  101. Ilut, C., & Schneider, M. (2014). Ambiguous business cycles. American Economic Review, 104, 2368–2399.

    Article  Google Scholar 

  102. Jaimovich, N., & Rebelo, S. (2009). Can news about the future drive the business cycle? American Economic Review, 99(4), 1097–1118.

    Article  Google Scholar 

  103. Jaimovich, N., & Rebelo, S. (2010). Behavioral theories of the business cycle. Journal of the European Economic Association, 5(2–3), 361–368.

    Google Scholar 

  104. Jaimovich, N., & Siu, H. (2009). The young, the old, and the restless: demographics and business cycle volatility. American Economic Review, 99(3), 804–826.

    Article  Google Scholar 

  105. Jones, C. (2016). The facts of economic growth. In J. Taylor & H. Uhlig (Hrsg.), Handbook of macroeconomics (Bd. 2, S. 3–67). Amsterdam, Oxford: Elsevier.

    Google Scholar 

  106. Jorda, O. (2005). Estimation and inference of impulse responses by local projections. American Economic Review, 95(1), 161–182.

    Article  Google Scholar 

  107. Justiniano, A., Primiceri, G., & Tambalotti, A. (2017). Credit supply and the housing boom. Northwestern University: Mimeo.

    Google Scholar 

  108. Kaplan, G. (2012). Moving back home: insurance against labor market risk. Journal of Political Economy, 120(3), 446–512.

    Article  Google Scholar 

  109. Kaplan, G., & Menzio, G. (2016). Shopping externalities and self-fulfilling unemployment fluctuations. Journal of Political Economy, 124(3), 771–825.

    Article  Google Scholar 

  110. Kaplan, G., & Violante, G. (2014). A model of the consumption response to fiscal stimulus payments. Econometrica, 82(4), 1199–1239.

    Article  Google Scholar 

  111. Kaplan, G., Moll, B., & Violante, G. (2018). Monetary policy according to HANK. American Economic Review, 108(3), 697–743.

    Article  Google Scholar 

  112. Keen, S. (2013). A monetary Minsky model of the great moderation and the great recession. Journal of Economic Behavior and Organization, 86, 221–235.

    Article  Google Scholar 

  113. Khan, A., & Thomas, J. (2008). Idiosyncratic shocks and the role of nonconvexities in plant and aggregate investment dynamics. Econometrica, 76(2), 395–436.

    Article  Google Scholar 

  114. Khan, A., & Thomas, J. (2013). Credit shocks and aggregate fluctuations in an economy with production heterogeneity. Journal of Political Economy, 121(6), 1055–1107.

    Article  Google Scholar 

  115. Kiyotaki, N., & Moore, J. (1997). Credit cycles. Journal of Political Economy, 105(2), 211–248.

    Article  Google Scholar 

  116. Kocherlakota, N. (2009). Modern macroeconomic models as tools for economic policy. Minneapolis Federal Reserve Bank Annual Report.

    Google Scholar 

  117. Korinek, A. (2017). Thoughts on DSGE macroeconomics: matching the moment, but missing the point? Beitrag zur Konferenz „A Just Society“ zu Ehren von Joseph Stiglitz.

    Google Scholar 

  118. Krugman, P. (2011). Credibility and monetary policy in a liquidity trap (Wonkish). The Conscience of a Liberal Blog. 18. März 2011

    Google Scholar 

  119. Krusell, P., & Smith, A. (1998). Income and wealth heterogeneity in the macroeconomy. Journal of Political Economy, 106(5), 867–896.

    Article  Google Scholar 

  120. Kurmann, A., & Sims, E. (2017). Revisions in utilization-adjusted TFP and robust identification of news shocks. Drechsel University: Mimeo.

    Google Scholar 

  121. Lian, C., & Ma, Y. (2018). Anatomy of corporate borrowing constraints. MIT: Mimeo.

    Google Scholar 

  122. Lorenzoni, G. (2009). A theory of aggregate demand shocks. American Economic Review, 99(5), 2050–2084.

    Article  Google Scholar 

  123. Mackowiak, B., & Wiederholt, M. (2009). Optimal sticky prices under rational inattention. American Economic Review, 99(3), 769–803.

    Article  Google Scholar 

  124. Mackowiak, B., & Wiederholt, M. (2015). Business cycle dynamics under rational inattention. Review of Economic Studies, 82(4), 1502–1532.

    Article  Google Scholar 

  125. Mackowiak, B., Mönch, E., & Wiederholt, M. (2009). Sectoral price data and models of price setting. Journal of Monetary Economics, 56, S78–S91.

    Article  Google Scholar 

  126. Malmendier, U., & Nagel, S. (2011). Depression babies: do macroeconomic experiences affect risk-taking? Quarterly Journal of Economics, 126(1), 373–416.

    Article  Google Scholar 

  127. Malmendier, U., & Nagel, S. (2016). Learning from inflation experiences. Quarterly Journal of Economics, 131(1), 53–87.

    Article  Google Scholar 

  128. Mankiw, N. (2006). The macroeconomist as scientist and engineer. Journal of Economic Perspectives, 20(4), 29–46.

    Article  Google Scholar 

  129. Mankiw, N., & Reis, R. (2002). Sticky information versus sticky prices: a proposal to replace the new Keynesian Phillips curve. Quarterly Journal of Economics, 117(4),1295–1328.

    Article  Google Scholar 

  130. Martin, A., & Ventura, J. (2012). Economic growth with bubbles. American Economic Review, 102(6), 3033–3058.

    Article  Google Scholar 

  131. Mian, A., & Sufi, A. (2016). Who bears the cost of recessions? The role of house prices and household debt. In J. Taylor & H. Uhlig (Hrsg.), Handbook of Macroeconomics (Bd. 2, S. 255–294). Amsterdam, Oxford: Elsevier.

    Google Scholar 

  132. Michaillat, P., & Saez, E. (2015). Aggregate demand, idle time, and unemployment. Quarterly Journal of Economics, 130, 507–569.

    Article  Google Scholar 

  133. Midrigan, V. (2011). Menu costs, multiproduct firms and aggregate fluctuations. Econometrica, 79(4), 1139–1180.

    Article  Google Scholar 

  134. Mongey, S. (2017). Market structure and monetary non-neutrality. University of Chicago: Mimeo.

    Google Scholar 

  135. Moscarini, G., & Postel-Vinay, F. (2012). The contribution of large and small employers to job creation in times of high and low unemployment. American Economic Review, 102(6), 2509–2539.

    Article  Google Scholar 

  136. Moscarini, G., & Postel-Vinay, F. (2017). The job ladder: inflation vs. reallocation. Yale University: Mimeo.

    Google Scholar 

  137. Nakamura, E., & Steinsson, J. (2008). Five facts about prices: a reevaluation of menu cost models. Quarterly Journal of Economics, 123(4), 1415–1464.

    Article  Google Scholar 

  138. Petrosky-Nadeau, N., & Wasmer, E. (2013). The cyclical volatility of labor markets under frictional financial markets. American Economic Journal: Macroeconomics, 5(1), 193–221.

    Google Scholar 

  139. Piazzesi, M., & Schneider, M. (2016). Housing and macroeconomics. In J. Taylor & H. Uhlig (Hrsg.), Handbook of macroeconomics (Bd. 2, S. 1547–1640). Amsterdam, Oxford: Elsevier.

    Google Scholar 

  140. Picketty, T. (2014). Capital in the 21 st century. Harvard: University Press.

    Google Scholar 

  141. Ramey, V. (2011). Identifying government spending shocks: it’s all in the timing. Quarterly Journal of Economics, 126, 1–50.

    Article  Google Scholar 

  142. Ramey, V. (2016). Macroeconomic shocks and their propagation. In J. Taylor & H. Uhlig (Hrsg.), Handbook of macroeconomics (Bd. 2, S. 71–162). Amsterdam, Oxford: Elsevier.

    Google Scholar 

  143. Ramey, V., & Zubairy, S. (2014). Government spending multipliers in good times and in bad: evidence from 20th century historical data. University of California at San Diego: Mimeo.

    Google Scholar 

  144. Ravn, M., & Sterk, V. (2017). Job uncertainty and deep recessions. Journal of Monetary Economics, 90, 125–141.

    Article  Google Scholar 

  145. Ravn, M., & Sterk, V. (2018). Macroeconomic fluctuations with HANK & SAM: an analytical approach. University College London: Mimeo.

    Google Scholar 

  146. Reis, R. (2018). Is something really wrong with macroeconomics? Oxford Review of Economic Policy, 34(1–2), 132–155.

    Article  Google Scholar 

  147. Rendahl, P. (2016). Fiscal policy in an unemployment crisis. Review of Economic Studies, 83, 1189–1224.

    Article  Google Scholar 

  148. Rodrick, D. (2015). Economics Rules: The Rights and Wrongs of the Dismal Science. New York City: W.W. Norton and Company.

    Google Scholar 

  149. Rogerson, R., Shimer, R., & Wright, R. (2005). Search-theoretic models of the labor market: a survey. Journal of Economic Literature, 43, 959–988.

    Article  Google Scholar 

  150. Romer, P. (2015). The Clinical-Bench Science Distinction in Macro. Paul Romer Blog. 31. August 2015

    Google Scholar 

  151. Romer, C., & Romer, D. (2004). A new measure of monetary shocks: derivation and implications. American Economic Review, 94, 1055–1084.

    Article  Google Scholar 

  152. Romer, C., & Romer, D. (2010). The macroeconomic effects of tax changes: estimates based on a new measure of fiscal shocks. American Economic Review, 100, 763–801.

    Article  Google Scholar 

  153. Rotemberg, J. (1982). Sticky prices in the United States. Journal of Political Economy, 90(6), 1187–1211.

    Article  Google Scholar 

  154. Schmieder, J., van Wachter, T., & Heining, J. (2018). The costs of job displacement over the business cycle and its sources: evidence from Germany. Boston University: Mimeo.

    Google Scholar 

  155. Sims, C. (1980). Macroeconomics and reality. Econometrica, 48, 1–48.

    Article  Google Scholar 

  156. Smets, F., & Wouters, R. (2003). An estimated dynamic stochastic general equilibrium model of the Euro area. Journal of the European Economic Association, 1(5), 1123–1175.

    Article  Google Scholar 

  157. Smets, F., & Wouters, R. (2007). Shocks and frictions in US business cycles: a Bayesian DSGE approach. American Economic Review, 97(3), 586–606.

    Article  Google Scholar 

  158. Smith, N. (2017). The “cackling cartoon villain” defense of DSGE. Noahopinion Blog, 15. November 2017

    Google Scholar 

  159. Song, J., Price, D., Guvenen, F., Bloom, N., & von Wachter, T. (2016). Firming up inequality. University of Minnesota: Mimeo.

    Google Scholar 

  160. Taylor, J., & Uhlig, H. (2016). Handbook of macroeconomics. Bd. 2. Amsterdam, Oxford: Elsevier.

    Google Scholar 

  161. Uhlig, H. (2005). What are the effects of monetary policy on output? Results from an agnostic identification procedure. Journal of Monetary Economics, 52(2), 381–419.

    Article  Google Scholar 

  162. Vavra, J. (2014). Inflation dynamics and time-varying volatility: new evidence and an ss interpretation. Quarterly Journal of Economics, 129(1), 215–258.

    Article  Google Scholar 

  163. Wieland, J. (2017). Are Negative Supply Shocks Expansionary at the Zero Lower Bound? Journal of Political Economy. https://doi.org/10.1086/701421.

    Article  Google Scholar 

  164. Winberry, T. (2016). Lumpy investment, business cycles, and stimulus policy. University of Chicago: Mimeo.

    Google Scholar 

  165. Wolff, E. (2017). Household wealth trends in the United States, 1962 to 2016: has middle class wealth recovered? NBER Working Paper 24085.

    Google Scholar 

  166. Woodford, M. (2003). Imperfect common knowledge and the effects of monetary policy. In P. Aghion, R. Frydman, J. Stiglitz & M. Woodford (Hrsg.), Knowledge, information, and expectations in modern macroeconomics: in honor of Edmund S. Phelps. Princeton: Princeton University Press.

    Google Scholar 

  167. Wren-Lewis, S. (2018). Ending the microfoundations hegemony. Oxford Review of Economic Policy, 34(1–2), 55–69.

    Article  Google Scholar 

  168. Wright, R. (2018). On the future of macroeconomics: a new monetarist perspective. Oxford Review of Economic Policy, 34(1–2), 107–131.

    Article  Google Scholar 

  169. Wu, C., & Xia, F. (2016). Measuring the macroeconomic impact of monetary policy at the zero lower bound. Journal of Money, Credit, and Banking, 48(2–3), 253–291.

    Article  Google Scholar 

  170. Wu, C., & Zhang, J. (2017). A shadow rate new Keynesian model. University of Notre Dame: Mimeo.

    Google Scholar 

Download references

Danksagung

Mein herzlicher Dank gilt Benjamin Born für wertvolle Kommentare.

Author information

Affiliations

Authors

Corresponding author

Correspondence to Rüdiger Bachmann.

Rights and permissions

Reprints and Permissions

About this article

Verify currency and authenticity via CrossMark

Cite this article

Bachmann, R. Erfolge und Probleme der modernen (Mainstream‑)Makroökonomik. List Forum 44, 451–493 (2019). https://doi.org/10.1007/s41025-019-00121-y

Download citation

Schlüsselwörter

  • DSGE
  • Mikrofundierung
  • Makroökonomik
  • Kritik
  • Pluralismus

Keywords

  • DSGE
  • Microfoundations
  • Macroeconomics
  • Critique
  • Pluralism