2001年-世界发展银行全球_Growth_Empirics_and_Reality_44页_694kb

文档总结：关于经济增长实证研究的十年回顾

核心内容

本文由William A. Brock和Steven N. Durlauf撰写，旨在分析现代经济增长实证研究中存在的一些方法论问题，并提出改进的方向。文章指出，当前的经济增长实证研究在理论和实证之间存在显著差距，许多研究基于不合理的假设，如回归变量的可交换性、参数同质性和因果关系的误判，从而影响了其政策相关性。

主要观点

1. 经济增长实证研究的现状与问题

• 当前经济增长实证研究主要依赖于跨国家回归模型，如Barro (1991)和Mankiw, Romer, Weil (1992)所提出的模型。
• 这些模型通常假设所有国家都遵循相同的生产函数和参数结构，但这一假设在现实中并不成立，尤其是在考虑国家间异质性时。
• 研究者对经济增长的解释存在广泛分歧，导致模型选择的不确定性，进而影响因果推断的有效性。

2. 模型不确定性（Model Uncertainty）

• 模型不确定性分为两类：理论不确定性（即哪些变量应被纳入模型）和异质性不确定性（即哪些观测值来自同一统计模型）。
• 传统的实证方法往往忽视模型不确定性，导致对变量的解释过于武断。
• 作者主张通过贝叶斯方法（如贝叶斯模型平均）来处理模型不确定性，以提高实证结果的稳健性。

3. 参数异质性（Parameter Heterogeneity）

• 传统方法假设所有国家的参数相同，但这一假设在现实中并不合理。
• 参数异质性意味着不同国家可能有不同的增长机制和参数结构，因此需要使用更灵活的模型来捕捉这种差异。
• 虽然面板数据可以部分解决这一问题，但时间维度的有限性使得跨截面数据仍需用于参数估计。

4. 因果性与相关性的区分

• 传统实证研究常将解释变量视为外生变量，但许多变量（如民主、贸易开放度）本身是内生的，可能同时影响经济增长和其他社会经济结果。
• 这导致了对因果关系的误判，因此需要更加谨慎地处理变量内生性问题。
• 一些研究者尝试使用工具变量（Instrumental Variables）来控制内生性，但工具变量的有效性依赖于模型的可交换性假设，这在经济增长研究中往往不成立。

5. 政策相关性与实证分析的结合

• 作者强调，经济增长实证研究应以政策分析为导向，而非仅仅描述经济现象。
• 通过引入决策理论框架，可以更有效地将实证结果与政策评估结合起来，帮助政策制定者理解不同政策对经济增长的潜在影响。
• 实证分析应关注预测分布，而非仅仅依赖统计显著性，以更全面地评估政策效果。

关键信息

• 理论与实证的脱节：经济增长实证研究在理论和实证之间存在较大差距，许多模型假设并不符合经济理论或历史经验。
• 模型不确定性：经济增长研究中存在理论不确定性和异质性不确定性，这需要通过更灵活的统计方法加以处理。
• 参数异质性：不同国家可能有不同的增长参数，因此需使用更复杂的模型来捕捉这种差异。
• 工具变量的有效性：工具变量的选择和有效性依赖于模型的可交换性假设，而这一假设在经济增长研究中往往不成立。
• 政策导向的实证分析：实证研究应服务于政策分析，通过预测分布和决策理论框架，为政策制定者提供更可靠的依据。

建议与改进方向

• 引入贝叶斯方法和模型平均技术以处理模型不确定性。
• 考虑参数异质性，使用更灵活的模型结构。
• 更加谨慎地处理内生性问题，避免因果推断的误判。
• 将实证分析与政策评估紧密结合，提供具有预测性的实证结果。

总结

本文批判了传统经济增长实证研究中的诸多假设和方法论问题，强调模型不确定性、参数异质性和因果性判断的重要性。作者提出，为了提高实证研究的政策相关性，应采用更严谨的统计方法，如贝叶斯模型平均和决策理论框架，并建议在研究中更全面地考虑变量的内生性和国家间的异质性。文章为未来的经济增长研究指明了方向，即在理论和实证之间建立更紧密的联系，以更好地服务于政策制定。