2001年-世界发展银行全球_Comment_on_Growth_Empirics_and_Reality_by_William_A_Brock_and_Steven_N_Durlauf_6页_645kb

文档总结：关于经济增长实证研究的十年经验

核心内容

Xavier Sala-i-Martin 对 William A. Brock 和 Steven N. Durlauf 的文章《Growth Empirics and Reality》进行了评论，文章讨论了经济增长实证研究中面临的关键问题，并提出了使用贝叶斯模型平均（Bayesian Model Averaging, BMA）方法来解决这些不确定性问题。Sala-i-Martin 在评论中提出了几个重要的观点和批评。

主要观点

1. 经济增长实证研究的三大问题

经济增长实证研究面临以下三个主要问题：

• 模型不确定性（Model Uncertainty）：不同模型可能解释同一现象。
• 参数不确定性（Parameter Uncertainty）：参数估计可能因模型不同而变化。
• 内生性（Endogeneity）：变量之间可能存在因果关系或反向因果关系。

2. 贝叶斯模型平均方法的应用

Brock 和 Durlauf 使用贝叶斯模型平均方法来处理理论不确定性。他们指出，贝叶斯模型平均的后验分布是所有可能模型分布的加权平均，权重与模型的似然函数成比例。

3. 对 Easterly 和 Levine 研究的批评

Sala-i-Martin 指出，Brock 和 Durlauf 的研究中，Easterly 和 Levine 的回归结果（列 1）在贝叶斯模型平均分析中（列 2）表现出“稳健性”，但这种稳健性可能是由于权重分配的偏向性造成的。具体来说，他们将所有可能的解释变量组合进行分析，其中包含最多变量的模型（即 Easterly 和 Levine 的模型）具有最大的似然值，因此在加权平均中占据主导地位。

4. 权重分配的问题

Sala-i-Martin 指出，Brock 和 Durlauf 使用的权重方案可能不恰当。他们采用的权重方案是基于模型的似然函数和变量数量，这会惩罚较大的模型。他建议采用一种更合理的权重方案，即设定一个先验平均模型规模 $k$，每个变量有独立的先验概率 $\kappa/K$，这样模型规模的分布会更稳定，不受讨论论文的影响。

5. 参数不确定性的处理方式

Sala-i-Martin 认为，参数不确定性本质上是理论不确定性的一种形式，可以通过引入交互项来处理。例如，如果非洲国家需要一个不同的参数值，可以通过构造一个交互变量（如 $z$ 乘以非洲国家的虚拟变量）来纳入分析，而不是单独处理参数。

6. 非线性关系的忽略

文章未考虑非线性关系，而 Sala-i-Martin 指出，这种忽略可能影响结论的准确性。他提出，如果经济增长与民族语言分化（ELF）之间存在非线性关系，结果可能会大不相同。

7. 对文章的总体评价

Sala-i-Martin 认为，尽管文章内容优秀，但其标题和主题存在误导。他指出，文章主要讨论的是小样本下的经济计量问题，而不是经济增长的实证研究本身。此外，虽然文章提到了内生性问题，但没有提供具体的解决方案。

关键信息

• 贝叶斯模型平均（BMA）方法用于处理模型和参数不确定性。
• 权重分配对结果影响较大，使用不同的权重方案可能导致不同的结论。
• 交互项可以用来处理参数不确定性，而不是单独为某些国家设定参数。
• 非线性关系在分析中被忽略，可能影响结果的解释。
• 小样本问题是经济增长实证研究中的普遍问题，而非特定于该领域。
• Easterly 和 Levine 的研究被用于说明 BMA 方法的应用，但其结果的稳健性可能受到权重分配的影响。

建议与改进方向

• 采用更合理的权重方案，如设定先验平均模型规模，以避免模型规模对结果的影响。
• 考虑非线性关系，以提高模型的解释力。
• 引入交互项处理参数不确定性，而不是单独设定参数。
• 更加关注小样本问题的普遍性，而不仅仅是经济增长领域的特定问题。

结论

Sala-i-Martin 认为，尽管 Brock 和 Durlauf 的文章在方法上具有创新性，但在应用和解释上仍存在一些问题。他强调，经济增长实证研究中的许多挑战源于小样本数据的限制，而不是经济增长理论本身。因此，文章的标题和主题可能误导读者，使其忽视了这一更广泛的经济计量问题。