Angus Deaton 獲得諾獎是否是對「用微觀數據解決宏觀問題」的鼓勵? | 知乎問答精選

 

A-A+

Angus Deaton 獲得諾獎是否是對「用微觀數據解決宏觀問題」的鼓勵?

2016年06月21日 知乎問答精選 暫無評論 閱讀 34 ℃ 次

【慧航的回答(15票)】:

我想這次Deaton獲獎的確是對「用微觀數據解決宏觀問題」的一種鼓勵。而事實上我覺著這也是宏觀經濟學發展的一個趨勢。

傳統的宏觀經濟學主要是使用DSGE等模型,然而這有其弊端,比如:

  1. 很難從宏觀數據建立起真正的因果關係。比如宏觀經濟學的一個「共識」應該是「消費者會平滑自己的消費」,然而這個究竟能不能經得住事實的檢驗?我想不用微觀數據而使用宏觀加總數據很難回答這個問題。
  2. 宏觀數據由於過度加總,損失了很多本來可以影響宏觀經濟的細節。

除了Deaton在消費方面的研究,現在的宏觀經濟學越來越多的開始使用微觀數據,從微觀數據中挖掘那些宏觀數據幾乎不可能挖掘出的細節,並建立起可靠的因果關係。

舉兩個例子吧:

  1. 之前在專欄裡面推薦過的論文:中國的預防性儲蓄估計:以國企改革打破「鐵飯碗」作為自然實驗 - EconPaper - 知乎專欄 ,作者使用上世紀九十年代的國企改革作為自然實驗,估計了家庭預防性儲蓄的大小。不是用微觀數據很難建立起因果關係並估計其規模。
  2. 來自Chang-tai Hsieh大神的論文:《MISALLOCATION AND MANUFACTURING TFPIN CHINA AND INDIA》(faculty.chicagobooth.edu),作者估計了,如果中國的資源錯配問題能夠得以解決,中國的全要素生產率(TFP)將會有30%-50%的提升。使用宏觀數據很難得到如此的細節。

這是兩個跟中國緊密相關的例子。

按照我的不成熟的理解,傳統的DSGE更關注對數據的擬合程度怎樣,故事當然非常重要,但是故事講出來必須使得DSGE模型對數據有更好的擬合,才能證明是有效的。然而在越來越關注論文的『故事性』以及清晰的『因果識別』的今天,顯然微觀數據有先天的優勢。

【栗悟飯和龜波功的回答(15票)】:

說句題外話吧,對household不熟,就說說firm level的微觀研究:

上個學期Pete Klenow大神來present,用的是美國的firm數據來研究創新與增長問題,模型的內核是Klette and Kortum(2004) Firm dynamic and innovation的框架。

文章鏈接:klenow.com/DestructiveI

其間他說(大概意思):

以前搞宏觀有很多理論、學派,但是隨著更多的企業數據級別的微觀數據的推出,很多理論基本就直接被剔除了。

這也就是為什麼以前老說什麼凱恩斯、古典、新凱恩斯、新古典,現在前沿的經濟學對這些已經看得很淡了(個人感覺)。

所以說邏輯自洽的經濟理論永遠抵不過最直觀的數據。早先不還說100個經濟學家有100個觀點麼?隨著微觀數據越來越充沛,畢竟更多的元素可以identify出來,很多原來的問題也就不是問題了。畢竟,真相只有一個。

其實firm dynamics的理論框架早就有了,挑幾個有意思的

  • 勞動力市場: Firm-specific Capital and Turnover (1979, by Boyan Jovanovic)

  • 企業動態:Entry, Exit, and firm Dynamics in Long Run Equilibrium (1993, by Hugo A. Hopenhayn)

  • 國際貿易:The Impact of Trade on Intra-Industry Reallocations and Aggregate Industry Productivity (2003, by Marc J. Melitz)

  • 企業創新:Innovating Firms and Aggregate Innovation (2004, by Klette and Kortum)
  • 企業分層:Organization and Inequality in a Knowledge Economy (2012, by Garicano and Rossi-Hansberg)

實證研究也有很多,比如上面提到的Klenow的文章,他還有影響力更大一篇是用微觀數據來做分配效率與增長的。

  • The Allocation of Talent and U.S. Economic Growth by Hsieh et al (還沒發出來也是醉了)

  • The Establishment-Level Behavior of Vacancies and Hiring by Haltiwanger et. al.

  • The Anatomy of French Production Hierarchies by Rossi-Hansberg et. al.

其實多得數不清……看empirical paper煩死了。

最後,任何收集微觀數據的髒活累活都是功在千秋的,尤其是我國這麼多人口,地域差異大。向這些辛勤耕耘的學者致敬!

【Sticker涵的回答(0票)】:

現在宏觀經濟學的主流便是利用微觀數據解決宏觀問題。我老闆是研究DSGE的,在加拿大和日本央行均有相當長時間的工作經驗,所以我在摸索經濟學門道的路上受老闆影響非常大。雖然以下的回答不是直接回答題主問題(畢竟題主問的是微觀數據,而非用微觀基礎),但是仍然想說幾句擦邊球的話。

自從凱恩斯的宏觀經濟學在上個世紀70年代被詬病,盧卡斯等人便力圖強調預期在經濟學的用途(新古典派經濟學),自此宏觀經濟學的主流便成為力圖利用最優化等方法給宏觀經濟學加入微觀基礎,但是整體依然在凱恩斯的框架之下(IS-LM-AS),而非古典派所認為的對微觀經濟學的單純加總,這樣消費,投資,稅收等微觀數據可以被模型用來預測宏觀經濟。

所謂DSGE,也就是動態隨機一般均衡模型,是現在世界大多數央行和經濟學家使用來預測宏觀經濟制定貨幣政策的模型,具體根據國情和需要在模型設計上會有所不同,真正運用起來變量和常數項都會非常非常多,來自微觀數據或者跑回歸或者預期,但是這些微觀數據其實很多並不準確,靠幾百次回歸或者猜或者瞎填,所以DSGE也被說過是經濟學家自己給自己製作的遊戲和門檻。其實DSGE在08年金融危機時就已經被詬病了(八卦下貌似有經濟學家怒罵DSGE侮辱了作為社會科學的經濟學,個人認為最大的一個問題是很難在學習的過程中抓住經濟思想,畢竟精力全部花在數學上去了。另外,雖然微觀數據被大量應用,但是在經濟學上的做法是線性化,然而人類的做法是否真的可以用線性方程去解釋呢?

拋開DSGE模型不談,單純的利用微觀數據去解釋經濟學是必須且必要的,不是用DSGE,而是這是一項粗活累活,也就是經濟學中的「跑基層」,無論經濟學理論如何完善,如何放開假設,都需要去實踐中走一遭,畢竟經濟學的基礎是人。

(以上觀點如有出入或錯誤,還請指教O(∩_∩)O謝謝)

【知乎用戶的回答(0票)】:

不敢說算不算鼓勵,但這一趨勢不鼓勵也已經興起了,使用微觀數據的宏觀理論框架二十年前有人搭好(Bewley-Hugget-Aiyagari),現在都在找方法用數據對接,所以很多問題又回歸到怎麼好好使用數據上面來了。你既可以用數據所反映的現象來修改模型使之符合數據的表現,也可以在已有的理論框架下選擇合適的數據源。比如研究財富不平等問題,只看一個國家的總產出總消費,怎麼研究?所以,以前看到的研究都是國家之間的不平等研究。

那微觀數據是怎麼影響宏觀研究的呢?比如動態宏觀模型裡我們要估計一個收入過程,經常說他是AR(1)(因為之前用宏觀數據估計的結果就是一個穩態過程),然後每一期(比如一個季度)有一個隨機的波動,這個波動大多假設為正態分佈。但是,正態分佈根本沒法很好的反應不平等的狀況。因為它只反映一二階矩,三四階矩為零,而不平等問題要看尾巴,是三四階矩的問題。

有一篇文章使用美國社保數據對收入過程進行了很好的描述,照老師原話說,這是能找到的最完美的數據。當然咱們看看就行了,這輩子都別想用這套數據。我就簡單放幾張重點的展示,如果看不清請評論,我換更清晰的:

圖1. 文章

圖2. 真實數據和理論分佈的比較

圖3. 收入衝擊的標準差有明顯的異質性,理論中為常數。收入越高的人收入波動越大,越低的人波動也很大,中產階級較穩定。

圖4. 數據中的三階矩分佈。

圖5. 數據中的四階矩。

知道了這些真實的高階矩之後,我們就可以先從理論上構建一個可得出高階矩完整形式的過程(比如多個正態分佈的混合),之後擬合,就可以得到相對更貼近現實的收入過程。

【外騰虎大郎的回答(0票)】:

謝邀。。我一個歷史系研究生,怎麼被邀請回答經濟學問題來了呢?所以我這時得念兩句詩:苟利專業生死以,豈因禍福避答之。。

我校宋史學者包偉民老師(郝某所說那個浙大來的),日前於本科《史學方法與史學實踐》課堂講述道:

「人文學科的各個專業也不例外,也應該有自己獨特的思維方式。那麼歷史學思維方式的主要特點是什麼呢?我以為就在於「綜合分析」這四個字。人類社會現象錯綜複雜,如果說自然界最複雜的事物是宇宙,那麼與之相對應的人類社會中最為複雜的事物就是社會本身了。現代社會科學倣傚科學,無論政治學、經濟學、法學……,都是將人類社會解剖開來,從各不同側面來深入探討,唯獨歷史學,在將歷史上的人類社會從各不同側重做觀察的同時,更強調從某一特定時期社會大背景來做整體觀察。所以,現在我們常見有一些社會科學的專家分析某些社會熱點現象,有時竟會得出在旁人看來相當奇葩的結論,不免受到非議,被稱為「磚家」。這裡的重要原因就在於他們往往只從其本學科特定的視角出發來觀察問題,未能綜合考慮到社會運作其他的相關要素。歷史學反對這樣片面的觀察方法,尤其強調綜合分析,強調社會各不同要素相互間的聯繫。」

因此這個問題也屬於我專業的研究範疇。然而我們搞經濟史的到有一點好,就是全世界無論研究哪國哪段,數據比直接搞經濟學的都要缺。所以不研究「用微觀數據解決宏觀問題」,我們搞的那些個成果,都too

simple!

舉個例子,這篇論文入選我校經濟史博士主文獻,在中國經濟史學術界有過較大影響。這篇文章批判的問題就是當時中國經濟史學界「用微觀數據解決宏觀問題」所存在的問題。節省篇幅只引摘要。餘者請自行百度。題主想要的答案在這篇論文中可以略窺一二。

「選精」、「集粹」與「宋代江南農業革命」—對傳統經濟史研究

【內容提要】"宋代經濟革命說"是國際中國史壇上最流行的成說之一,本文徹底否定了這種觀點。文章指出,中國是個傳統的農業社會,如果真有"宋代經濟革命",首先應表現為"宋代江南農業革命",但從經濟成長方式看,宋代江南雖有若干重要進步,但並沒有出現可以稱為"革命"的重大變化。因此,"宋代江南農業革命"只不過是一個"虛像"而已。產生這種錯誤的根源是方法論,主要表現為"選精法"和"集粹法",這兩種方法的主要錯誤都在於將某一或某些例證所反映的具體的和特殊的現象加以普遍化,從而使之喪失了真實性。因此,對以往的研究方法進行總結,是今日中國經濟史研究的當務之急。

近年來國內外史壇上的一個重要動向,是對以往各種具有共識性的成說以及普遍使用的研究方法進行檢討。通過這個檢討,摒棄不合理者,改進不完善者,同時提出新見,引入新法,從而推動史學研究的發展(註:參閱傑弗裡?巴勒克拉夫《當代史學主要趨勢》第2章,中譯本,上海譯文出版社1987年版。)。本文的目的,就是通過對宋代江南農業有關問題的討論,對中國經濟史壇上最重要而且也是最流行的成說之一--"宋代經濟革命"說--以及導致此說的方法進行檢討,看看這些方法是如何和為何導出重大的錯誤結論來的;在此基礎之上,探討如何改進我們的研究方法,促進我國的經濟史研究在新世紀中取得更大的進展。

標籤:-瑞典銀行經濟學獎 -2015年諾貝爾獎 -諾貝爾經濟學獎獲得者


相關資源:





給我留言