NBER美国国民经济研究局-NBER-Econometrics-For-Decision-Making_-Building-Foundations-Sketched-By-Haavelmo-And-Wald_45页_361kb

总结：Econometrics for Decision Making: Building Foundations Sketched by Haavelmo and Wald

核心内容

本文探讨了现代计量经济学在决策制定中的应用，强调了Trygve Haavelmo和Abraham Wald在这一领域的重要贡献。Haavelmo在1940年代提出了概率结构的计量经济学模型，旨在使计量经济学对公共决策有用。然而，他未能完全解决模型仅能近似现实这一问题对决策的影响。与此同时，Wald发展了统计决策理论，为评估模型在决策中的使用提供了潜在框架。尽管Haavelmo对Wald的理论表示赞赏，但计量经济学在之后的发展中并未广泛采纳统计决策理论，而是集中于识别、估计和统计推断。

本文提出，统计决策理论可以作为评估计量经济学模型在决策中表现的框架。作者特别关注“as-if optimization”这一常见做法：模型的设定、参数的点估计以及使用该估计值做出最优决策（假设估计准确）。然而，计量经济学理论尚未提供稳固机制来评估这一做法在决策中的表现。统计决策理论则可以填补这一空白。

主要观点

• Haavelmo的贡献：他提出了概率结构的计量经济学模型，强调模型应服务于公共决策，而非仅仅用于科学探索。
• Wald的贡献：他发展了统计决策理论，为评估模型在决策中的表现提供了理论基础，尽管他本人未明确将其应用于模型决策。
• 决策框架：统计决策理论提供了一种评估模型表现的方法，关注的是决策规则在状态空间中的表现，而非模型空间。
• 决策准则：
  • 主观期望福利最大化（Bayes风险最小化）：通过主观概率分布对状态进行加权，最大化平均福利。
  • Maximin准则：在所有状态中选择最小化最小福利的决策。
  • Minimax-regret准则：在所有状态中选择最小化最大后悔的决策。
• 实践挑战：尽管统计决策理论概念简单，但其应用在计算上往往具有挑战性。
• Bayes与频率学派的争议：作者认为Bayes方法在决策中过于依赖主观先验分布，而实际决策中先验分布的设定常存在争议。

关键信息

• 模型与现实的关系：Haavelmo指出模型只能近似现实，因此在决策中应关注模型在状态空间中的表现。
• 统计决策函数（SDF）：SDF将观测数据映射为决策，其表现可通过状态空间中的期望福利或最大后悔进行评估。
• 实证成功（ES）规则：在理想随机试验中，ES规则与统计决策理论一致，但在观察性数据中使用时，其假设可能不成立，从而影响决策效果。
• 计算进步的重要性：作者认为，计算能力的提升是继续发展Haavelmo和Wald提出的基础框架的关键任务。

决策理论的应用

• 无样本数据的决策问题：决策者在不知道真实状态的情况下，选择行动以最大化主观期望福利。
• 有样本数据的决策问题：引入样本分布后，决策者需评估不同SDF在状态空间中的表现，通过期望福利或最大后悔进行比较。
• Bayes决策：通过先验分布和后验推断进行决策，但先验分布的设定在实践中常面临困难。
• Minimax-regret准则：在无法确定真实状态的情况下，选择最小化最大后悔的决策，确保决策在最坏情况下尽可能接近最优。

未来发展方向

• 计算技术的提升：是推动统计决策理论在计量经济学中应用的主要障碍。
• 模型评估的重要性：应通过状态空间评估模型表现，而非模型本身。
• 理论与实践的结合：作者呼吁计量经济学界重新审视并采用统计决策理论，以更科学地评估模型在决策中的作用。

结论

Haavelmo和Wald分别从计量经济学和统计学的角度为决策制定奠定了理论基础。尽管计量经济学在后续发展中未广泛采用统计决策理论，但作者认为该理论可以为模型在决策中的表现提供更合理的评估框架。未来的研究应致力于提升计算能力，以更有效地应用这一理论。