财讯：2011年诺贝尔奖为什么选择实证宏观经济学

本篇文章2858字，读完约7分钟

经济总是受到意想不到的事情的影响。 石油价格意外上涨，央行设定的利率出乎借贷双方的意料，家庭费用突然下跌，一般被称为“冲击”。 经济受到货币政策转向严格的通货膨胀对策，财政政策出台更严格的预算规定等更长时间的变化的影响。 宏观经济研究的首要任务之一是知道冲击和系统政策的转换在短期和长期如何影响宏观经济变量。 萨金特和西斯获奖的研究贡献是这方面研究不可或缺的一部分。 萨金特有助于理解系统政策转换的影响，西姆斯把重点放在解释冲击如何扩展到经济上。

基于观测数据的所有实证经济的解体，都很难明确因果关系。 在宏观经济政策的解体中，特别是理由是以下重要障碍:预期的重要作用。 经济政策制定者对政策形成期待，把经济活动和将来的政策联系起来。 政策中注意到的一些变化是独立的吗？ 在经济活动中发生的变化中，有对这个政策变化的因果反应吗？ 或者，这种因果关系相反吗？ 也就是说，经济活动有变化的前景会引起注意到政策的变化吗？ 预计与经济活动的相互关系解读会不同，得到的政策性结论也相距甚远。 萨金特和系统研究的方法不同，但用互补的方法处理了这些困难。 他们的做法已经成为研究团体采用的标准工具，也普遍用于决定参考。

背景

到20世纪70年代为止，在宏观经济结果的分解中有望发挥最基础的作用。 米尔顿·弗里德曼、罗伯特·卢卡斯、埃德蒙·菲尔普斯相继研究了开创性的成果后，期待与宏观经济理论，更重要的是实证实施——需要系统地结合起来。 但是，当时是第一障碍，缺乏认识和分解外部冲击的形式做法，因此无法估计宏观经济理论是否会对期待的形成产生“积极”的效果。

萨金特和西姆斯两人作出了突出的贡献，使研究者能够以期待为中心，确定、实证地实施和推测宏观经济的动态模型。 两人的相关事业，从最初的论文到今天，进行了多个扩张、改善、强有力的应用。 萨金特和系统的研究贡献使研究团体和决策团体诞生了越来越多的研究和应用研究。

在萨金特和系统的形成性研究之前，宏观经济学中最重要的实证方法是统计上估计大型线性系统，典型的是以凯恩斯的宏观经济模型为中心建立。 然后，这个推定的系统将被再利用来说明宏观经济的时间序列，预测经济，展开政策实验。 这个大型模型在解释历史数据方面看起来很成功。 但是，在20世纪70年代，许多西方国家经历了高通货膨胀率、生产增长缓慢和高失业率并存的情况。 在这个“难以膨胀”的时代，这些大型模型出现了不稳定性，提出了更多的疑问。

萨金特

——结构计量经济学

萨金特在这个时期开始了他的研究，这时也有人建议使用新的宏观经济理论框架。 我强调了合理的期待。 也就是说，经济政策制定者像家庭和企业一样，认为预测时不会犯系统错误。 这个框架被解释为对说明1970年代和1980年代通货膨胀和失业并存的情况很重要。 也是新宏观经济理论的核心。

萨金特在这些迅速发展中发挥了重要的作用。 他在实证研究中研究理性预期的影响，证明在实证解体宏观经济事件时如何展开合理预期，研究人员可以用形式统计方法确定和检查理论，为政策导出影响。 他还将更广泛的观点应用于预期的形成开发，如渐进的学习。 萨金特对理性预期计量经济学的贡献是纯粹的做法论。 具体来说，在他的微观经济基础上描述宏观经济模型，从结构上推断，在让研究者发现“深层”的模型参数，执行假设检查方面取得了新的突破。 从更广泛的角度来看，萨金特还提出了直接政策相关性的重要研究点。 例如，他早期关于财政和货币政策之间联系的研究至今仍在指导决策人。

西姆斯——向量自回归

通过把重点放在认识( identification，根据观测数据进行因果推断的核心要素)上，有可能对20世纪70年代初的主要宏观经济计量范式提出了最有力的批评。 西姆斯说，当时的现有做法依靠“不可思议”的识别假设，基于宏观经济时间序列上对“什么会带来什么”的解释几乎是有缺陷的。 估计错误的模型在货币政策的分解和预测中也不能作为有用的工具采用。

相反，西姆斯提出了宏观经济变量的实证研究，可以围绕向量自回归( var )这一统计工具进行确立。 在技术上，var是直接的n方程、n变量(一般为线性)系统，描述了宏观经济变量集的各变量如何依赖于自己过去的值、剩下的n-1变量的过去的值、以及一点外生“冲击”。 系统的观点是合理构建和解释的var可以克服多个识别问题。 因为这不仅对预测有很大的潜在价值，而且关系到宏观经济时间序列的解释、货币政策实验的展开。

在过去的30年里，var方法在各个方向上都迅速发展，西姆斯本人依然在最前线。 由于var现在被广泛采用，所以运用者既包括实证学术研究者，也包括决定的经济学家。 迄今为止，var已成为货币经济学以外许多行业的重要研究工具。

应用。

萨金特和西姆斯在对有关货币政策的决策因素和效果有很大影响的应用中采用了他们自己的做法。 在一系列贡献中，萨金特分析了非常高的通货膨胀或恶性通货膨胀的状况。 他探讨了20世纪70年代在美国发生的高通货膨胀及其伴随的一些变化引起的迅速持久的通货膨胀的下降。 在这个分解中，瑟金特发现学习(与完全的理性期待相背离)对于理解通货膨胀是如何发生的，如何迅速发展是非常重要的。 事实上，萨金特一系列方法的定义特征并不是被多次理性期待的，而是期待在有限的理性下积极形成的核心思想。 在这个语境中，积极意味着期待对现在的事情做出反应，包括理解这些事情会如何影响经济。 这表明决定中的系统变化会影响预期，这对政策的解体是重要的洞察。

西姆斯还开展了美国货币政策转换的范围和影响这一某种程度的主题完全相同的应用研究。 但是他的第一精力放在识别意想不到的政策变化和对经济活动的影响上。 关于重要的意外和意外差异，西姆斯的方法提供了区分这两个宏观经济变量驱动的方法。 他的做法得到了广泛的赞同，例如，可以明确意想不到的政策变化如何很快影响一点宏观经济变量，对其他一点变量的影响缓慢呈现驼背形式。 其实，这方面最有影响力的研究都是西斯本人开展的。

两个人研究成果的联系

萨金特和系统的实证做法不同，但相辅相成地形成，经常被结合采用。 实际上，萨金特公式中包含了理性期待的结构模型的动态行为，很多情况下与无缝式的var等同。 识别这样的var直接相当于识别基于合理预期在经济学上估计的结构参数。 var方法的一个重要方面脉冲响应分析描述了在宏观经济中重大冲击是如何传递的。 已成为描述和分解宏观经济结构模型的最重要方法。 相反，var识别往往特别参照结构模型，但这种“结构”var识别参照模型的类而不是特定的模型。 在具体的应用程序中使用什么方法因目的而异。 结构直接用现代计算机执行，估计对解体政策体制特别有用。 基于更少、更具体的理论假设的var分解，首先用于在政策体制没有变化的情况下，出现它们的政策冲击，识别它们的影响是什么。 因为萨金特和系统的做法包含了用于对宏观经济政策和经济活动进行现代实证解体的做法论的核心。 兰晓萌编译

共享位置: 欢迎评论