译者注：最近看到导师Lars Peter Hansen教授2019年在Chicago Booth Review 上发表的一篇文章 Purely Evidence-Based Policy Doesn’t Exist，透彻地阐述了我们在理解宏观经济政策时建立合理模型的重要性和必要性，以及我们在使用数据和模型所必须注意的问题。
原文链接：https://www.chicagobooth.edu/review/purely-evidence-based-policy-doesnt-exist
本文的翻译利用Microsoft Copilot得到初稿，译者对初稿进行修改和校正。
![]()
Lars Peter Hansen，2019/02/11， CBR-Economics 最近，“证据支持的政策”被经常提起。除非纯粹为了营销的目的，我发现这个术语用词不当，是对学术探讨和认知进步的误导性描述。虽然我们想拥抱证据，但证据几乎不能证明自己; 一般而言，我们需要构建一个模型或概念框架来解释证据。也就是说，经济学家以及其他所有人都需要两样东西来得出结论：数据以及让数据有意义的方法。这就是为什么要建模。建模不仅用于帮助我们对现象的基本理解，还用于捕捉我们如何看待现象背后所隐藏的社会福利的利益权衡。当我们的目标是在政策设计中使用证据时，后者起着决定性的作用。这是很容易理解，特别是当我们考虑到关于宏观经济政策的许多想法和建议，以及它们被激烈甚至是尖锐地辩论的方式。如果一切都真的是基于证据的，在我们都同意证据的准确性的范围内，为什么会有如此不同的意见呢？这种分歧源于这样一个事实，人们使用不同的模型或概念框架，每个模型或概念框架都有自己的政策后果。每个人的分析都可能以证据为指导，但政策的结论很少能直接仅从证据本身得出。长期以来，经济学和其他学科的著名学者一直在讨论理论与证据之间的相互作用，包括芝加哥大学的一些学者。我的同事斯蒂芬·斯蒂格勒 （Stephen Stigler） 让我想起了阿尔弗雷德·马歇尔 （Alfred Marshall） 在 1885 年引用的一句话，其中谈到了选择汇报何种证据的潜在重要影响：在所有理论家中最鲁莽和最奸诈的是那个自称让事实和数据自己说话的人，却隐藏自己做的，或许是无意识的，选择和分组证据。不少人强调了如何对证据进行与政策相关的解释。早在 1947 年，考尔斯委员会 (Cowles Commission，当时的总部设在芝加哥大学，现在隶属耶鲁大学的经济研究组织)的杰出成员贾林·库夫曼斯 (Tjalling Koopmans) 写了一篇名为“没有理论的测量”的文章，揭露了关于商业周期的著名证据的局限性。后来，隶属于考尔斯委员会的其他学者，如雅各布·马沙克 (Jacob Marschak) 和里奥·赫尔维奇 (Leo Hurwicz) 重新审视了同样的主题，再后来，我现在和长期同事鲍勃·卢卡斯 (Bob Lucas)于 1976 年就此问题写的一篇著名的论文 (Lucas’ Critique)。当然，新数据的生成和构建为经济分析增添了许多丰富性。然而，对于许多重要的经济问题，(没有理论模型)的实证主义的价值是有限的。这里有一个给定相同的证据但是得到不同观点的例子：两位优秀的在同一学校工作的经济历史学家, 西北大学的乔尔·莫基尔 (Joel Mokyr) 和罗伯特·戈登 (Robert Gordon) 关于创新前景的判断。以下是 Mokyr 关于为什么我们应该对创新的长期前景持乐观态度：未来应该带来比以往任何时候都更多的技术进步的原因有很多，也许最重要的原因是技术创新本身会产生需要通过进一步的技术进步来解决的问题。当我们认识到某些时期的技术进步比其他时期更快时，增长的起伏是不可避免的…1870-1970 世纪是独一无二的：其中许多发明只能发生一次，而其他发明则达到了自然极限。戈登警告我们，我们不能指望技术进步跟上上个世纪的步伐，而莫基尔则说，套用一句话，“那个世纪是特殊的，但其他特殊的事情可能会以我们现在无法完全表达的方式在未来发生。没有理由对未来的技术进步感到悲观。”这是两位敏锐的学者，他们根据相同的历史证据得出了不同的结论。为什么？仅凭证据并不能回答他们要解决的问题，他们使用不同的主观输入来辅助从证据中推断出来结论。(有关 Gordon 和 Mokyr 关于创新的更多讨论，请看 “创新能拯救美国经济吗？”The Big Question 视频系列 的一部分)这种模型和解释上的分歧部分源于动态宏观经济现象的本质复杂性。此外，像我这样的经济学家研究的一些市场环境，包括金融市场，对于外部分析师和市场参与者来说都同样复杂。事实上，我和其他人面临的一个建模挑战是如何整合、有意义地承认和捕捉我们认知的局限性——以及这些局限性对市场和经济结果有什么影响。虽然能获得各种伪装的实验证据，但与物理学家和生物科学家不同，宏观经济学家可以进行的实验类型非常有限。其他来源的证据可能会有所帮助，包括在宏观时间序列和微观横截面中捕获的证据。但对于重要的与政策相关的问题，要以有意义的方式使用这些证据，需要概念框架或模型。我们通常对评估替代政策感兴趣，但是对这些评估可用的数据中的信息可能是相当有限的。证据，经济数据，在某种程度上告诉我们，由于一系列条件，经济中发生了什么；模型使我们能够对比已经发生的情况和那些在不同条件下（当然包括不同政策下）可能会发生的情况。如果没有支持这种比较的框架，数据或许可以描述一些现象，但几乎没什么用。因此，这些模型本质上是使我们能够在潜在经济环境中探索更好的假设变化的工具。模型的选择是分析的重要输入，模型的选择可以对政策的后果的分析产生重大影响。虽然宏观经济学家可以进行的实验有限，但政策制定者偶尔也会进行实验——通常是意料之外的。我曾参与一个关于拉丁美洲国家财政和货币历史的项目。这个项目提供了一个很好的无意（不幸的是，有时是社会代价高昂的）“实验”的例子。地理位置接近且具有一些文化相似性的国家/地区的宏观经济经历大不相同。但即使在不同的国家有不同的政策和经济结果的情况下，我们也需要概念框架来把它们放在一起。否则，我们只能对哥伦比亚进行特定描述、对巴西特定描述和对阿根廷进行特定描述。我们怎么才能从所有这些证据中提取经验教训，并进行汇总从而有助于思考其他情况下货币和财政政策之间相互作用？我们需要一个框架来实现这一点。模型之间更多的一致性可能会减少政治家和为他们提供建议的人之间的争论，但这不一定会使经济学作为一门科学更有用：模型，或者至少模型的特征，可以被广泛接受，但其实是错误的。想想那些所有对 2008-09 年金融危机的规模感到惊讶的经济学家。中央银行研究部门（为美联储或欧洲央行提供建议的部门）在危机之前使用的模型中，金融部门的作用通常是被动的。金融市场通常被当作晴雨表，但它们并不能引起重要宏观经济后果。事实上，人们认为对于美国这样的经济体来说，在许多方面，金融危机在很大程度上已成为过去式。毋庸置疑，这场危机让许多持有这种观点的人，甚至许多不持这种观点的人，大开眼界。很多经济学家会告诉你，他们预测了这场危机，但你不得不问，他们预测到危机的严重程度了吗？有多少他们预测的危机实际上没有发生？我认为，即使是许多自信地预测危机的人也没有预料到它会对全球经济造成这么大的灾难性影响。虽然我们必须（至少隐含地）依赖理论框架来解释证据并根据证据采取行动，但这并非没有问题。没有人已经构建或能够构建一个完美的模型。模型是一种简化，一种抽象;它并不意味着要对现实进行完全描述。一般而言，我们在使用模型时在碰到定量的重要错误前，我们往往并不确定模型可以带我们走多远的极限。批评模型不能完全描述现实是天真的，但与此同时，重要的是我们在使用模型时需要认识到其潜在局限性。了解证据本身并不包含所有答案，对于一个知情的社会至关重要。我们生活在一个从某些维度来看数据非常丰富的世界。我们能够收集大量数据，我们拥有强大的硬件来存储和处理它们，并且我们拥有机器学习技术来找出其中的规律。但是，我们面临的许多重要问题其实都是动态问题。我们对这些问题所处的领域，在某些方面的认知是稀缺的。我们如何制定最好的金融市场监管规则来减少发生重大金融危机的可能性？我们应该采取哪些经济政策来应对气候变化？对于这些问题，我们需要的不仅仅是呼吁采取行动;我们需要在猜测政策的后果的同时实施精确的政策。许多影响或想要影响公共政策的人不愿意承认我们常常需要面对不完整的信息。他们认为，很难向公众或声称代表公众的政客推销，模糊性：政客和政策制定者经常寻求对政策结果的信心，即使这种信心是毫无根据的。因此，总会有人愿意站出来给出自信的答案。弗里德里希·哈耶克 (Friedrich Hayek) 在他的诺贝尔奖演讲中警告了这一点：在目前的情绪下，公众期望科学（为了满足的大众希望）能做到的与科学真正能做到的之间的冲突是一个严重的问题，因为尽管真正的科学家都能够认识到他们在人类认知领域所能做的事情的局限性，但是只要公众期望更多，总会有人会假装，或许真诚地相信，他们可以做到他们能力范围之外的更多的事情来满足公众的要求。气候变化及其经济影响的某些方面我们尚不完全了解。我们有一些来自经济学的证据。我们也有一些来自气候科学的证据。来自两方面的证据都不能自己说明今天的人类行为将对未来的气候和社会结果产生的确切影响，因此我们试图使用模型来帮助填补我们认知的空白。当然，我们不需要确切地知道对气候的破坏有多大，就可以知道我们需要努力减少它。等待解决这一问题（确切地知道对气候的破坏有多大）可能会付出难以置信的社会代价。知道有可能出现不良结果就足以让你想立即采取行动。但也有人建议我们不应该通过说“我们不完全了解气候系统和气候变化的经济学”来分散公众的注意力。他们认为，如果我们向公众宣传这一点，将导致解决气候变化的行动变得毫无进展。我觉得这种讨论很令人沮丧。审慎而明智的决定并不需要完全的知识。审慎而明智的决定需要评估不确定性并弄清其潜在后果。不确定性并不意味着你等待完全的确定性时只是交叉双臂，闭上眼睛，什么都不做。在经济学中，你将等待很长时间。然而，我已经在“谨慎”这个词中加载了很多东西。基于虚假认知设计的激进政策可能是危害巨大的。
