2011年10月10日,星期一

2011年诺贝尔奖授予托马斯·萨金特和克里斯托弗·西姆斯

根据诺贝尔网站:“2011年瑞典央行纪念阿尔弗雷德·诺贝尔经济学奖授予托马斯·j·萨金特和克里斯托弗·a·西姆斯,以表彰他们对宏观经济因果关系的实证研究。”但这到底是什么意思呢?

诺贝尔奖组织的网站总是提供关于获奖者的有用背景信息,包括一个“科学背景”关于获奖者的论文。今年关于托马斯•萨金特(Thomas Sargent)和克里斯托弗•西姆斯(Christopher Sims)的背景论文,对于那些不熟悉学术的人来说,将是一件很难驾驭的事情 宏观经济学我的意思是它有一堆方程。但本书开篇就提供了一个通俗易懂的概述,说明了他们为什么配得上这个奖项。以下是一些节选,以及我自己的一些解释:


在萨金特、西姆斯和其他人的研究之前,宏观经济分析是如何进行的?
这是我自己的描述:如果有人回头看看 宏观经济学通常是在20世纪60年代到70年代初,常见的宏观经济模型是一系列大的等式——也就是说,它们把消费、投资、储蓄、进口、出口和经济总产出等要素之间的关系加起来,还有关于利率和汇率如何相互影响的公式以及这些类别。一个像“消费”这样的大类别将被细分为耐用品和非耐用品,然后这些类别将进一步细分。由此产生的模型将包含数百个相互关联的方程,并构成宏观经济整体的图景。但正如诺贝尔奖背景论文所述:“这个估计系统随后被用来解释宏观经济时间序列,预测经济,并进行政策实验。”这样的大模型似乎成功地解释了历史数据。然而,在20世纪70年代,大多数西方国家经历了高通货膨胀率、低产出增长和高失业率。在这个滞涨时代,大型模型中出现了不稳定性,这越来越受到质疑。”


期望在此分析中的关键作用
在上世纪70年代的滞胀中,许多公共政策讨论都集中在预期上。如果工人期望更高的工资呢?如果公司能够承诺更高的工资,因为他们预计价格会上涨呢?是预期导致了通胀和衰退,还是通胀和衰退导致了预期,还是在所有这些和其他经济因素中存在反馈循环?的 宏观经济学当时没有明确的工具来处理这些问题。


背景论文是这样说的:“在任何基于观测数据的实证经济分析中,都很难理清因果关系。由于一个重要的障碍:预期的关键作用,这在宏观经济政策分析中变得尤其麻烦。经济决策者形成对政策的预期,从而将经济活动与未来的政策联系起来。观察到的政策变化是独立事件吗?随后经济活动的变化是对这一政策变化的因果反应吗?或者因果关系是相反的,比如对经济活动变化的预期引发了观察到的政策变化?对预期和经济活动之间相互作用的其他解释,可能会得出非常不同的政策结论。萨金特和西姆斯开发的方法以不同和互补的方式解决这些困难。”

萨金特和结构计量经济学
而不是尝试在一堆统计数据上建立宏观经济模型,以及那些统计数据的增加和相互关联,萨金特(和其他人)的方法是从诸如家庭和公司这样的经济行为者正在做的想法开始,从而开始宏观经济模型他们最好追求自己的利益。这种方法有时被称为“理性期望”,但该术语可能误导。这里的“合理性”并不意味着经济行为者拥有所有可用信息,可以完美地计算一切,并始终做出正确的决策。它只意味着他们不会一遍又一遍地发挥同样的错误。在Sargent的手中,至少,这种方法明确地留下了人们如何形成期望和学习的问题。

背景文件如下:“萨金特大约在这个时候(20世纪70年代初)开始了他的研究,在此期间,另一种宏观经济理论框架被提出。它强调理性预期,即家庭和企业等经济决策者在预测时不会犯系统性错误。这个框架在解释20世纪70年代和80年代的通货膨胀-失业经历时被证明是必不可少的。它也形成了新兴宏观经济理论的核心。萨金特在这些发展中发挥了关键作用。他探讨了
实证研究中理性预期的含义,通过展示如何在宏观经济事件的实证分析中实施理性预期——这样研究人员就可以使用正式的统计方法指定和测试理论——并通过推导政策制定的含义. ...
事实上,Sargent的整体方法的定义特征并不是坚持理性期望,而是在完全或有界合理性的情况下主动形成期望的基本思想。在这种情况下,主动意味着期望对当前事件作出反应,并纳入了这些事件如何影响经济的理解。这意味着政策制定的任何系统变化都会影响预期,这是对政策分析的重要洞察力。“

我将增加,而不是与潜在的数以百计的宏观经济模型变量,萨金特和其他人一起工作模型,从表面上看似乎简单得多:例如,一个例子在“背景”论文的宏观经济模型,只有三个变量:通货膨胀、输出和名义利率。但是这些模型中关于因果关系的推论是站得住脚的,也是合乎逻辑的。

模拟和向量自回归
西姆斯指出,早期的宏观经济模型建立在一系列关于特定经济因素或政策如何“导致”其他政策的假设之上。但在期望模型中,这些关于“原因”的陈述需要被证明,而不是假设。因此,而不是一个模型,其中一些因素引起的其他因素,西姆斯提出,宏观经济分析应该从模型中,开始是每个因素有可能“导致”改变了其他因素,此外过去值的每一个因素在过去的几年里“原因”每一个因素的变化。这种方法被称为“向量自回归”,但我通常倾向于认为它是从诚实的无知开始的。

然后输入所有数据——比如几年的季度数据——看看会出现什么模式。正如你可能想象的那样,某些因素不会对其他因素产生影响,这一点立刻就很明显了。西姆斯提出了一种方法来找出某些因素何时不相关。当你开始排除那些没有联系的东西时,留下的是一个实际存在的联系模型。这有点像雕刻家从一块石头开始,逐渐移走,最终形成一个图像。

背景论文是这样说的:“西姆斯提出了也许是最有力的批评
20世纪70年代早期主要的宏观计量经济学范式的重点是识别,这是从观察到的数据进行因果推论的中心因素。西姆斯认为,现有的方法依赖于“难以置信的”识别假设,据此对“什么导致什么”的解释。
在宏观经济时间序列几乎一定有缺陷。痛苦的模型不能用作货币政策分析的有用工具,并且通常是甚至不需要预测。作为替代方案,SIMS提出了宏观经济变量的实证研究可以围绕统计工具,矢量自动增加(var)构建。从技术上讲,VAR是一个直接的n等式,n变量(通常是线性的)系统,它描述了一组宏观经济变量中的每个变量如何取决于其自己的过去值,剩余的n - 1变量的过去值以及开启一些外源性的“冲击”。SIMS的洞察力是,适当的结构和解释的vars可能会克服许多鉴定问题,因此不仅具有巨大的潜在价值
预测,也用于解释宏观经济时间序列和进行货币政策实验。”

其他想法和资源
萨金特和西姆斯在明尼苏达大学共事了大约15年。明尼阿波利斯联邦储备银行(Federal Reserve Bank of Minneapolis)出版了一本名为《地区》(The Region)的可读出版物,经常就杰出经济学家的工作对他们进行深入采访。对萨金特的采访来自2010年9月号这里;可以获得2007年6月问题的SIM比斯的采访这里

同时,西姆斯在我自己的《经济展望杂志》2010年春季刊上发表了一篇文章“但经济不是一个实验科学”关于如何从自然发生的数据中得出合理的因果推论的问题。像我杂志上的所有文章一样,这篇文章由美国经济协会(American Economic Association)免费提供。


虽然没有人确切知道诺贝尔委员会在选择获奖者时是怎么想的,但似乎很清楚的是,一个标准是这些想法是否重要到足以推出一份可持续的研究文献。萨金特和西姆斯在上世纪70年代和80年代初的想法当然符合这一考验。这两位作者,以及其他数百人,在这些思想的基础上建立了几十年。