如果你也在 怎样代写宏观经济学Macroeconomics这个学科遇到相关的难题，请随时右上角联系我们的24/7代写客服。

宏观经济学，对国家或地区经济整体行为的研究。它关注的是了解整个经济的事件，如商品和服务的生产总量、失业水平和价格的一般行为。

couryes-lab™ 为您的留学生涯保驾护航 在代写宏观经济学Macroeconomics方面已经树立了自己的口碑, 保证靠谱, 高质且原创的统计Statistics代写服务。我们的专家在代写宏观经济学Macroeconomics代写方面经验极为丰富，各种代写宏观经济学Macroeconomics相关的作业也就用不着说。

我们提供的宏观经济学Macroeconomics及其相关学科的代写，服务范围广, 其中包括但不限于:

• Statistical Inference 统计推断
• Statistical Computing 统计计算
• Advanced Probability Theory 高等概率论
• Advanced Mathematical Statistics 高等数理统计学
• (Generalized) Linear Models 广义线性模型
• Statistical Machine Learning 统计机器学习
• Longitudinal Data Analysis 纵向数据分析
• Foundations of Data Science 数据科学基础

经济代写|宏观经济学代写Macroeconomics代考|New frontiers in consumption theory

Though our analysis of consumption has taken us quite far, many consumption decisions cannot be suitably explained with the above framework as it has been found that consumers tend to develop biases that move their decisions away from what the model prescribes. For example, if a family receives an extra amount of money, they will probably allocate it to spending on a wide range of goods and maybe save at least some of this extra amount. Yet, if the family receives the same amount of extra money on a discount on food purchases, it is found that they typically increase their food consumption more (we could even say much more) than if they would have received cash. Likewise, many agents run up debts on their credit cards when they could pull money from their retirement accounts at a much lower cost.

One way of understanding this behaviour is through the concept of mental accounting, a term coined by Richard Thaler, who won the Nobel Prize in economics in 2017. In Thaler’s view, consumers mentally construct baskets of goods or categories. They make decisions based on these categories not as if they were connected by a unique budget constraint, but as if they entailed totally independent decisions.

A similar anomaly occurs regarding defaults or reference points which we mentioned at the end of our Social Security chapter. Imagine organising the task of allocating yellow and red mugs to a group of people. If you ask people what colour they would like their mugs to be, you will probably get a uniform distribution across colours, say $50 \%$ choose yellow and $50 \%$ choose red. Now allocate the mugs randomly and let people exchange their mugs. When you do this, the number of exchanges is surprisingly low. The received mug has become a reference point which delivers utility per-se. This type of reference point explains why agents tend to stick to their defaults. Brigitte Madrian has shown that when a $3 \%$ savings contribution was imposed as default (but not compulsory), six months later $86 \%$ of the workers remained within the plan, relative to $49 \%$ if no plan had been included as default, and $65 \%$ stuck to the $3 \%$ contribution vs only $4 \%$ choosing that specific contribution when such percentage was not pre-established. (In fact, Madrian shows that the effect of defaults is much stronger than providing economic incentives for savings, and much cheaper!)

One of the biases that has received significant attention is what is called present bias. Present bias is the tendency to put more weight to present consumption relative to future consumption. Let’s discuss the basics of this idea.

经济代写|宏观经济学代写Macroeconomics代考|Present bias

We follow (Beshears et al. 2006) in assuming a model with three periods. In period zero the consumer can buy (but not consume) an amount $c_0 \geq 0$ of a certain good. In period one, the consumer can buy more of this good $\left(c_1 \geq 0\right)$ and now consume it. Total consumption is
$$
c=c_0+c_1 .
$$
In period 2, the consumer spends whatever was left on other goods $x$. The budget constraint can be written as
$$
1+T=c_0\left(1+\tau_0\right)+c_1\left(1+\tau_1\right)+x,
$$
where $\tau_0$ and $\tau_1$ are taxes over $c_0$ and $c_1$ and $T$ is a lump sum transfer. Income is assumed equal to 1 . $T=\bar{c}_0 \tau_0+\overline{c_1} \tau_1$, where the bars indicate the average values for each variable. As the economy is large, these variables are unchanged by the individual decision to consume. Introducing taxes and lump sum transfers is not necessary, but will become useful below to discuss policy. Summing up, the structure is:

• Period 0: buys $c_0$ at after tax price of $\left(1+\tau_0\right)$
• Period 1: buys an additional amount $c_1$ at an after tax price of $\left(1+\tau_1\right)$. Consumes $c=c_0+c_1$
• Period 2: buys and consumes good $x$ at price 1 with the remaining resources $1+T-c_0\left(1+\tau_0\right)-$ $c_1\left(1+\tau_1\right)$.

宏观经济学代考

经济代写|宏观经济学代写宏观经济学代考|消费理论的新前沿

虽然我们对消费的分析已经取得了很大的进展，但许多消费决策不能用上述框架恰当地解释，因为人们发现，消费者倾向于产生偏差，使他们的决策偏离模型所规定的。例如，如果一个家庭收到了一笔额外的钱，他们可能会把它分配到各种各样的商品上，也许至少会把这笔额外的钱存起来。然而，如果这个家庭在购买食品时获得了等额的额外折扣，他们通常会比收到现金时增加更多的食品消费(我们甚至可以说更多)。同样，当许多代理人可以以低得多的成本从他们的退休帐户中取钱时，他们的信用卡却欠下了债务

理解这种行为的一种方法是通过心理会计的概念，这是由2017年诺贝尔经济学奖得主理查德·塞勒(Richard Thaler)创造的术语。在塞勒看来，消费者在心里构建了一篮子商品或类别。他们根据这些类别做出决定，而不是把它们与一个独特的预算限制联系起来，而是把它们看作是完全独立的决定

关于我们在社会保障章节最后提到的违约或参考点，也发生了类似的异常。想象一下给一群人分配黄色和红色马克杯的任务。如果你问人们想要什么颜色的马克杯，你可能会得到不同颜色的均匀分布，比如$50 \%$选黄色，$50 \%$选红色。现在随机分配杯子，让人们交换杯子。当您这样做时，交换的数量会非常低。收到的杯子已经成为一个参考点，提供了自身的效用。这种类型的参考点解释了为什么代理倾向于坚持其默认值。布里吉特·马德里安(Brigitte Madrian)已经证明，当$3 \%$储蓄缴款被作为默认(但不是强制性的)，6个月后，相对于没有被作为默认计划包括在内的$49 \%$，工人的$86 \%$仍然在计划中，而$65 \%$坚持$3 \%$的缴款，而只有$4 \%$在没有预先确定该百分比的情况下选择特定的缴款。(事实上，Madrian指出，违约的影响比为储蓄提供经济激励要强大得多，而且成本要低得多!

有一种偏见受到了极大的关注，叫做“当下偏见”。当前偏倚是指相对于未来消费，更看重当前消费的倾向。让我们讨论一下这个想法的基础

经济代写|宏观经济学代写宏观经济学代考|当前偏见

我们遵循(Beshears et al. 2006)假设一个有三个周期的模型。在时期零，消费者可以购买(但不能消费)一定量的$c_0 \geq 0$的某种商品。在时期一，消费者可以购买更多的这种商品$\left(c_1 \geq 0\right)$，现在消费它。总消费
$$
c=c_0+c_1 .
$$
在第二阶段，消费者把剩下的钱都花在其他商品上$x$。预算约束可以写成
$$
1+T=c_0\left(1+\tau_0\right)+c_1\left(1+\tau_1\right)+x,
$$
，其中$\tau_0$和$\tau_1$是对$c_0$的税收，$c_1$和$T$是一次性转移。假设收入等于1。$T=\bar{c}_0 \tau_0+\overline{c_1} \tau_1$，其中的柱形表示每个变量的平均值。由于经济规模很大，这些变量不受个人消费决定的影响。引入税收和一次性转移是没有必要的，但在下面讨论政策时会很有用。综上所述，结构为:

• 阶段0:以税后价格$\left(1+\tau_0\right)$购买$c_0$
• 阶段1:以税后价格$\left(1+\tau_1\right)$额外购买$c_1$。消费$c=c_0+c_1$
• 第二阶段:以1的价格购买并消费好商品$x$，剩余资源$1+T-c_0\left(1+\tau_0\right)-$$c_1\left(1+\tau_1\right)$ .

统计代写请认准statistics-lab™. statistics-lab™为您的留学生涯保驾护航。

金融工程代写

金融工程是使用数学技术来解决金融问题。金融工程使用计算机科学、统计学、经济学和应用数学领域的工具和知识来解决当前的金融问题，以及设计新的和创新的金融产品。

非参数统计代写

非参数统计指的是一种统计方法，其中不假设数据来自于由少数参数决定的规定模型；这种模型的例子包括正态分布模型和线性回归模型。

广义线性模型代考

广义线性模型（GLM）归属统计学领域，是一种应用灵活的线性回归模型。该模型允许因变量的偏差分布有除了正态分布之外的其它分布。

术语 广义线性模型（GLM）通常是指给定连续和/或分类预测因素的连续响应变量的常规线性回归模型。它包括多元线性回归，以及方差分析和方差分析（仅含固定效应）。

有限元方法代写

有限元方法（FEM）是一种流行的方法，用于数值解决工程和数学建模中出现的微分方程。典型的问题领域包括结构分析、传热、流体流动、质量运输和电磁势等传统领域。

有限元是一种通用的数值方法，用于解决两个或三个空间变量的偏微分方程（即一些边界值问题）。为了解决一个问题，有限元将一个大系统细分为更小、更简单的部分，称为有限元。这是通过在空间维度上的特定空间离散化来实现的，它是通过构建对象的网格来实现的：用于求解的数值域，它有有限数量的点。边界值问题的有限元方法表述最终导致一个代数方程组。该方法在域上对未知函数进行逼近。[1] 然后将模拟这些有限元的简单方程组合成一个更大的方程系统，以模拟整个问题。然后，有限元通过变化微积分使相关的误差函数最小化来逼近一个解决方案。

tatistics-lab作为专业的留学生服务机构，多年来已为美国、英国、加拿大、澳洲等留学热门地的学生提供专业的学术服务，包括但不限于Essay代写，Assignment代写，Dissertation代写，Report代写，小组作业代写，Proposal代写，Paper代写，Presentation代写，计算机作业代写，论文修改和润色，网课代做，exam代考等等。写作范围涵盖高中，本科，研究生等海外留学全阶段，辐射金融，经济学，会计学，审计学，管理学等全球99%专业科目。写作团队既有专业英语母语作者，也有海外名校硕博留学生，每位写作老师都拥有过硬的语言能力，专业的学科背景和学术写作经验。我们承诺100%原创，100%专业，100%准时，100%满意。

随机分析代写

随机微积分是数学的一个分支，对随机过程进行操作。它允许为随机过程的积分定义一个关于随机过程的一致的积分理论。这个领域是由日本数学家伊藤清在第二次世界大战期间创建并开始的。

时间序列分析代写

随机过程，是依赖于参数的一组随机变量的全体，参数通常是时间。 随机变量是随机现象的数量表现，其时间序列是一组按照时间发生先后顺序进行排列的数据点序列。通常一组时间序列的时间间隔为一恒定值（如1秒，5分钟，12小时，7天，1年），因此时间序列可以作为离散时间数据进行分析处理。研究时间序列数据的意义在于现实中，往往需要研究某个事物其随时间发展变化的规律。这就需要通过研究该事物过去发展的历史记录，以得到其自身发展的规律。

回归分析代写

多元回归分析渐进（Multiple Regression Analysis Asymptotics）属于计量经济学领域，主要是一种数学上的统计分析方法，可以分析复杂情况下各影响因素的数学关系，在自然科学、社会和经济学等多个领域内应用广泛。

MATLAB代写

MATLAB 是一种用于技术计算的高性能语言。它将计算、可视化和编程集成在一个易于使用的环境中，其中问题和解决方案以熟悉的数学符号表示。典型用途包括：数学和计算算法开发建模、仿真和原型制作数据分析、探索和可视化科学和工程图形应用程序开发，包括图形用户界面构建MATLAB 是一个交互式系统，其基本数据元素是一个不需要维度的数组。这使您可以解决许多技术计算问题，尤其是那些具有矩阵和向量公式的问题，而只需用 C 或 Fortran 等标量非交互式语言编写程序所需的时间的一小部分。MATLAB 名称代表矩阵实验室。MATLAB 最初的编写目的是提供对由 LINPACK 和 EISPACK 项目开发的矩阵软件的轻松访问，这两个项目共同代表了矩阵计算软件的最新技术。MATLAB 经过多年的发展，得到了许多用户的投入。在大学环境中，它是数学、工程和科学入门和高级课程的标准教学工具。在工业领域，MATLAB 是高效研究、开发和分析的首选工具。MATLAB 具有一系列称为工具箱的特定于应用程序的解决方案。对于大多数 MATLAB 用户来说非常重要，工具箱允许您学习和应用专业技术。工具箱是 MATLAB 函数（M 文件）的综合集合，可扩展 MATLAB 环境以解决特定类别的问题。可用工具箱的领域包括信号处理、控制系统、神经网络、模糊逻辑、小波、仿真等。