Uncertainty and UnemploymentSchaal,E.(2017).Econotrica,85(6),1675-1721.
Demand for Value Added and Value-Added Exchange RatesBems,R.、Johnson,R.(2017). American Economic Journal:Macroeconomics,9(4),45-90.
Underestimating the Real Growth of GDP,Personal Income,and ProductivityFeldstein,M.(2017).Journal of Economic Perspectives,31(2),145-64.
How Government Statistics Adjust for Potential Biases from Quality Change and New Goods in an Age of Digital Technologies:A View from the TrenchesGroshen,E.、Moyer,B.、Aizcorbe,A.、Bradley,R.、Friedman,D.(2017).Journal of Economic Perspectives,31(2),187-210.
Assessment of Uncertainty in High Frequency Data:The Observed Asymptotic VarianceMykland,P.、Zhang,L.(2017).Econometrica,85(1),197-231.
(二)TOP10内容概览
第1 有效需求模型中的不确定性冲击
Uncertainty Shocks in a Model of Effective Demand
参见“2017年世界经济学最佳英文论文TOP10”第3。
第2 应用计量经济学的状态:因果性和政策评估
The State of Applied Econometrics:Causality and Policy Evaluation
参见“2017年世界经济学最佳英文论文TOP10”第7。
第3 机器学习:应用经济计量学方法
Machine Learning:An Applied Econometric Approach
参见“2017年世界经济学最佳英文论文TOP10”第8。
第4 质疑“美国生产率下降乃误测”的假说
Challenges to Mismeasurement Explanations for the US Productivity Slowdown
【内容概览】
1.议题
有观点认为,2005~2015年,“美国生产率经历了下降”实质上是虚假的,原因在于新产品没有体现在官方数据中,属于“测度失误”。本文对此提出质疑。
2.结论
“测度失误假说”是错误的,理由如下。其一,信息和通信技术的相对规模同“生产率放缓”没有关系。利用OECD国家生产率数据测试发现,各国生产率放缓的程度(其中存在不小的差异),同各国经济中信息和通信技术(ICT)的相对规模无关,因此不存在ICT规模中生产率测量错误的情况。其二,互联网带来的消费者剩余,远小于“生产率放缓”带来的损失。许多新技术需要互联网接入,这使得购买和使用互联网接入成为衡量这些技术收益的标准思路。但对互联网相关技术价值的大多数估计,均远远低于生产率放缓带来的损失。其三,特定技术部门价值并没有从生产者转移到消费者。GDP的错误度量是由2004年以来价值从产出向消费者盈余的转移造成的?通过测量因特网相关技术后发现,这些行业的收入、实际增加值以及实际劳动生产率并不符合衡量结果。其四,国内总收入(GDI)和国内生产总值(GDP)在概念上是等价的,但因各自源数据不同而实际上并不相等,但这并不表明存在计量错误。
3.论证
本文并非标准范式的实证论文,基本结构如下。其一,计算“迷失的产出”(missed output)。“测度失误假说”认为,计算生产率下降造成的产出损失范围为每年2.57万亿至3.80万亿美元,本文以3万亿美元作为默认数值点。这就意味着,如果“生产率下降”是虚假的,那么2015年美国GDP应比现有测量结果高3万亿美元,相当于现有数字的17%。计算数据来自美国非农商务部门(劳工统计局,1947~1973年、1974~1994年、1995~2004年、2005~2015年)。其二,生产率下降在全球是普遍现象而非美国特例吗?样本数据来自OECD数据(覆盖28个成员国,1994~2004年、2005~2015年)。其三,“生产率下降”意味着生产者剩余减少,但“消费者剩余”却在上升,这是否意味着剩余从生产者等额转移到消费者了?样本数据来自美国时间利用调查(ATUS)。其四,按收入类别计算GDI的分项(资本收入项和劳动收入项),辨识其结构转移特征。样本期为2004~2015年。将上述四种结果显示的情形放在一起,就足够质疑“生产率下降乃误测”的假说。
4.作者自评和他评
作者的评估集中在四个证据上,这些证据对自2004年以来美国经济一直在经历的生产率放缓的以错误计量为基础的解释提出了挑战。前两种模式与计量错误假说的含义完全不相符。另外两个显示该假设存在数量上的障碍。
自2016年6月以NBER工作论文的形式公开发表至今(2019年6月20日),本文他引总计198次,这些文献对本文的评价要点如下。其一,本文应进一步估计官方统计低估美国生产率的具体程度。Feldstein(2017)[※注]认为,专业文献对经济实际产出的衡量给予了关注,但仍对现有官方估计的实际不完善程度了解不够。其二,在本文展示的研究方向,继续改进相关方法,力求结果更精确。Byrne et al.(2016)[※注]扩展了一个多部门模型(含ICT服务,如云服务),重新评估ICT价格、技术和生产率之间的关系,并以此校准ICT部门对美国总劳动生产率增长的稳态贡献。其中,现有官方ICT资产价格,特别是信息和通信技术服务价格可能与资产价格相背离,大大低估了该行业的生产率。
【作者和编译者简介】
Chad Syverson,芝加哥大学布斯商学院经济学教授。chad.syverson@chicagobooth.edu。
李丽,北京工业大学经济与管理学院2018级硕士研究生,专业为数量经济与经济统计。1325084798@qq.com。
第5 理解2011年国际比较方案中的购买力平价:为什么结果大不相同?
Trying to Understand the PPPs in ICP 2011:Why Are the Results So Different?
【内容概览】
1.议题
2014年,ICP2011发布,其PPP结果同ICP2005外推的结果截然不同。鉴于这些差异最终对佩恩表和生活水平的国际比较具有重大影响,本文探讨了这一现象发生的原因。
2.结论
前述差异可能源自ICP2005中的区域的联系方式。2005年亚太地区(不包括日本)、西亚和非洲国家对美国的消费支出PPP高估了18%~26%。因此,这些国家2005年的人均国际美元消费量过低,与此相比,2011年的估计结果可能更准确。
3.论证
其一,关于消费支出的PPP,分析ICP2011结果和基于ICP2005外推所得结果之间的差异后发现,ICP2011结果一定程度上抵消了ICP2005的变化。ICP2005向上修订穷国相对于富国的PPP,但没有对贫富问题做出解释。ICP2011则向下修订了PPP,从区域之间而不是区域内部发现,2011年的贫富差异比2005年小得多,但仍不确定ICP2005和ICP2011的测算结果哪一个正确。
其二,讨论外推预测结果和实际结果存在冲突的三种可能:(1)价格在时间和空间上的不一致性;(2)国内CPI的质量及食品价格的上涨;(3)PPP有很大的标准误差且无法识别,存在很大不确定性;(4)欧盟-经合组织区域差异,如通货膨胀率。
其三,分析并解释了2005~2011年各区域比较方法的变化。ICP2005主要采用环国法,即根据各区域货币基准国计算各区域的价格指数,进而得出全球PPP,这一结果具有变动性,而且考虑了区域内的国家。ICP2011放弃了该方法,制定了全球核心清单,让所有国家尽可能多地对清单上的项目以及区域特有的本地项目进行采价,汇总每个区域和全世界各个国家PPP转换后的GDP,然后重新分配给各个区域和各个国家,所有区域的所有国家都以对称的方式对区域联系施加影响。在交叉检验环国法结果和基于巴拉萨-萨缪尔森的回归结果后发现,亚太、非洲和西亚的ICP2005高估约20%。
其四,ICP2011是目前最为准确的估计,但仍待许多重大改进,如更严格的数据确认、更重视各国提供的本国国民经济核算账户等。保留2005年的区域内PPP,修改区域联系方式,是一种可行的修正方法。
4.作者自评和他评
同既有其他相关文献相比,本文主要贡献如下。其一,聚焦于居民消费支出PPP,排除了建筑服务、政府服务和贸易余额等不可比的项目。其二,从整体角度分析了ICP2011与ICP2005外推结果冲突的可能原因。其三,分析了全球核心清单方法相对于环国法的优势,并重新计算ICP2005的数据,发现ICP2011是迄今最准确的估计值。
自2014年以NBER工作论文的形式公开发表至今(2019年6月15日),本文他引总计109次。这些文献均肯定了本文对ICP2011的评价(Jolliffe & Prydz,2015;Hassan,2016;Inklaar & Rao,2017;Anand & Segal,2017;Westmore,2018)。Feenstra et al.(2015)进一步提出改进佩恩表的建议。Veenstra(2015)认为,本文说明了大幅修订ICP会显著改变历史进程。比如,ICP2011结果让人们认识到,亚非国家比想象的更富裕(Kharas,2017)。中国和亚洲在ICP2011中排名的大幅上升,提升了人们对相关国际比较的兴趣(Oulton,2018)。
【作者和编译者简介】
Angus Deaton,普林斯顿大学经济系教授,2015年诺贝尔经济学奖获得者。deaton@princeton.edu。
Bettina Aten,美国经济分析局,ICP计算工作组成员。bettina.aten@bea.gov。
刁虹钰,北京工业大学博士,主要研究数量经济学。hydd@emails.bjut.edu.cn。
第6 不确定性和失业
Uncertainty and Unemployment
【内容概览】
1.议题
时变特质风险对厂商失业波动有什么影响?本文以1972-2009年的美国为样本研究了这个问题。
2.结论
在样本期间,时变风险在美国总失业波动幅度的计算中很重要,特别是在1990-1991年、2001年和2007-2009年的经济衰退中。其中,2007-2009年,美国失业的增加可由本文建立的模型解释约40%,但仅凭不确定性还不足以解释失业上升的幅度和持久性。
模型显示,真实的选择效应(option effect)是很弱的。这是因为,在搜寻摩擦(search friction)是劳动力再配置的唯一相关成本时,就业决策很容易被逆转。但是,如果引入另外的沉没成本(如与特定工种相关的人力资本投资),前述结论可能会改变。不确定性可能通过其他机制影响就业。
3.论证
不确定性是一个宽泛的概念,本文主要研究一种特殊的不确定性来源,即厂商TFP中的时变波动,因为波动可能是就业决策和劳动力市场再配置的一个重要决定因素。高度的不确定性可能导致职位空缺数目和求职率下降,最终导致失业率上升。然而,还有很多无法确定的因素存在。
为了评估不确定性对劳动力市场波动的影响,本文提出的劳动力市场动态搜寻-匹配模型包含企业的动能、生产率异质性和规模。模型的基础是定向(directed)搜寻、允许内在的分离、在职搜寻、企业内生的进入和退出。不管异质性有多大,由于具有块递归性,模型可高度驾驭,且能容纳多种总量冲击。
本文首先描述了均衡,特别是搜寻摩擦作为其生产率和规模的函数时,如何影响企业的就业决策。然后,本文研究了总生产率和特质波动冲击对劳动力市场的影响。经济对这些冲击的反应中隐藏了大量效应,因此本文分别在第一时刻、一般均衡、选择价值(option value)和已实现的波动效应之间进行分解。
4.作者自评和他评
该模型具有很大的灵活性,可用于各种集合冲击或时际动力学的设置。例如,由于它允许降低收益,可能的扩展是引入垄断竞争,并研究该模式对国际贸易的动态影响。对劳动力市场以外市场的应用也可能会提供有趣的见解。
本文自2017年12月发表至今(2019年6月15日),他引总计3次,对本文的评价要点如下。Papageorgiou(2018)[※注]表明本文的直接搜索模型面临工资与就业的权衡。Hyatt & McElroy(2019)[※注]认为在本文框架下,被挖走员工的流失导致公司存在空缺,那么流失的增加可能会导致就业机会的增加。Davig & Foerster(2018)[※注]对财政悬崖的分析考虑了技术上的第一次总冲击和特殊的第二次瞬间冲击,与本文略似。
【作者和编译者简介】
Edouard Schaal,国际经济研究中心初级研究员、庞培法布拉大学兼职教授和巴塞罗那经济研究生院附属教授,主要研究宏观经济学。eschaal@crei.cat。
关天赐,北京工业大学经济与管理学院2018级硕士研究生,研究方向为数量经济学。guantianci@emails.bjut.edu.cn。
第7 对增加值的需求和基于增加值的汇率
Demand for Value Added and Value-Added Exchange Rates
【内容概览】
1.议题
全球供应链改变了国际竞争的本质。在传统的宏观框架下,各国差异化的产品在世界市场上同其他国家的产品展开竞争。全球供应链的兴起使这种产品为中心的观点过时了:各国越来越专注于在特定生产阶段的增加值,而不是生产整个成品。因此,各国在为全球市场提供国内增加值方面展开了有效竞争。最为重要的是,在存在国际供应链联系的情况下,国际相对价格的变化如何影响各国对增加值的需求?
2.结论
中间品的跨境关联降低了基于增加值的实际有效汇率(REER)对供应链伙伴国价格变化的敏感性,但提高了需求对于传统框架下REER的价格弹性,使得需求对REER更加敏感。
3.论证
本文研究跨境投入联系如何影响国际相对价格变化对增加值需求的响应。为此阐述了一个主要的国际宏观模型用以区分生产总值和生产增加值,以及国际贸易的中间投入与最终产品。
利用这个框架,文章描述了增加值价格和最终支出水平如何影响增加值需求。将这种影响过程分解为两个基本组成部分:基于增加值的实际有效汇率(REER)和增加值需求的价格弹性,后者将增加值REER的变化转化为需求的变化。
传统REER是一个指数,旨在衡量一个国家在世界市场上“竞争力”的变化。给定一组异质性的双边相对价格变化,该指数衡量国内和国外价格的平均变化,其中的平均变化是用来总结双边价格变化对一国产出需求的影响。在传统的Armington宏观模型框架中,从REER到需求的映射涉及两项,一是替代弹性,二是生产和贸易流动的函数,等于1减去国家i的产出在目的地支出中所占的加权平均份额,其中的权重是向每个目的地销售的产出份额。
经济环境设置为CES函数形式的成品以及CES函数形式的中间产品,市场出清条件总产出Q等于上述二者之和。依据Armington框架的理论模型,增加值需求为增加值价格和最终支出的函数。在扩展框架中,增加值需求为增加值价格、总产出价格和总产出的函数。在进行对数线性化后,将成品同价格之间以及中间产品同价格之间的关系式代入市场出清条件中,得到总产出与价格的关系,从而在增加值需求同增加值价格之间建立联系。依据之前的理论,求解出增加值REER是增加值价格的函数,于是建立计算增加值需求与增加值REER关系的模型。
该模型计算出的增加值REER同传统REER的差异是增加了一个加权项,权重同经济环境中各个CES函数的弹性相关。可根据不同经济环境设定不同的弹性,如文中在实证部分选用了所有弹性都为1以及极端情况(里昂惕夫生产函数模型)等情况。
投入产出数据使用了World Input-Output Database(WIOD)中1995-2011年40个国家(包括所有欧盟国家以及其他主要工业化和新兴市场国家)的投入产出表。价格数据来自国际货币基金组织的World Economic Outlook数据库。利用投入产出表和价格数据,计算了每年基于传统和增加值的REER及其引起的需求变化。
4.作者自评
本文分析了REER及其对增加值需求变化的敏感性,简化了各国之间复杂的投入产出关系。我们的论文对国际经济学中中间投入关联相关研究做出了积极的贡献:补充了最近关于该联系在商业周期协动、汇率政策溢出效应和各国通胀协动中的作用。它还有助于分析以邻为壑效应和竞争性贬值。作为对这些货币模型的补充,我们确定的是,跨境投入联系可以真正打破标准的以邻为壑效应。
【作者和编译者简介】
Rudolfs Bems,东京大学公共政策研究院教授,IMF研究部门高级经济学家,主要研究国际宏观经济学,rudolfs.bems@gmail.com。
Robert C.Johnson,达特茅斯学院经济学部经济学助理教授,主要研究国际贸易和国际宏观经济学,robert.c.johnson@dartmouth.edu。
黄庭阳,北京工业大学经济学院硕士,主要研究数量经济学,huangtingyang@emails.bjut.edu.cn。
第8 GDP实际增长的低估、个人收入和生产率
Underestimating the Real Growth of GDP,Personal Income,and Productivity
【内容概览】
1.议题
现有商品和服务质量的变化以及新商品和服务的引进,导致经济实际产出变动难以测度。官方的统计数据低估了经济的实际增长,在制定货币和财政政策时,如何调整这些存在统计偏差的数据?
2.结论
由于忽视了新产品和服务的价值,用实际GDP衡量短期波动具有较大的不确定性,长期真实经济增速的官方统计低于实际情况,影响了美联储以往的决策。实际GDP价格指数的增速比官方统计的更慢,真实通胀率的不确定性会影响最优货币政策,且不同的人口、收入群体消费不同的商品和服务组合,导致通货膨胀和实际收入的估计偏差存在程度差异。
3.论证
本文主要关注两个方面的问题,为什么官方统计数据在衡量实际情况时存在不确定性,在制定货币和财政政策时如何针对统计数据的不确定性进行相应的调整。
作者提出官方统计数据的误差主要来源于新产品和新服务的引进以及现有产品和服务的质量变化。对于大多数商品和服务的质量变化,官方掌握的信息非常少,因而低估了实际总产出增长,高估了价格通胀,并且这个问题随着服务业占GDP的比重上升而越发严重。对于新产品和服务的出现,官方数据并没有提供一种办法来衡量其给消费者带来的价值,仅仅是计入新商品和服务的名义价值而已。对GDP的低估,进一步导致对实际生产率的低估。针对上述官方统计数据存在的误差,作者讨论了在短期经济波动、长期经济增长和通胀中,政策制定者和市场如何对财政和货币政策进行调整。
4.作者自评和他评
本文所关注的重点就是,探索不同行业之间的生产率差异如何或是否同处理产品质量变化以及新产品和服务综合价值的估算相关。
自2017年以NBER工作论文的形式公开发表至今(2019年6月19日),本文他引总计64次,这些文献对本文的评价要点如下。(1)同其他大量相关研究一样,本文也试图理解GDP测度中的问题,以使其更够更好地表征数字经济真实图景(Watanabe et al.,2018[※注])。(2)本文赞同如下观点:GDP是衡量生产的好指标,但在衡量幸福感方面存在明显缺陷(Brynjolfsson et al.,2019[※注])。(3)本文指出,由于计量不当,近期的生产率增长被严重低估。Grossman et al.(2017)[※注]表示无法解决这一争端,但与本文不同的是,该文接受了生产率增长在最近几十年放缓的假设并探讨了这对收入分配的潜在影响。(4)本文认为,当引入新的商品和服务时,解释生产率下降的原因变得非常重要,因此Mokyr(2018)[※注]认为,评估产品创新是否变得比过程创新更重要是很有意义的,因为前者被排除在CPI之外(直到它成为支出的重要组成部分),而后者将立即被记录为价格下降,从而成为实际收入增长。
【作者和编译者简介】
Martin Feldstein,哈佛大经济学教授,主要研究宏观经济学和公共经济学。mfeldstein39@gmail.com。
王蔚,北京工业大学经济与管理学院2017级硕士研究生,专业为数量经济学。wwrr0424@163.com。
第9 数字技术时代政府统计如何适应质量变化和新产品的潜在偏差:专业观点
How Government Statistics Adjust for Potential Biases from Quality Change and New Goods in an Age of Digital Technologies:A View from the Trenches
【内容概览】
1.议题
国民经济账户遗漏了数字经济增长带来的商品和服务的价值。与质量变化和新产品相关的衡量问题可能导致实际产出和生产率的增长被低估,不能解释近年来增长的放缓,因而需要准确地衡量名义国内生产总值和关键价格指数价值的方法。本文对这一问题进行了论述。
2.结论
美国劳工统计局和经济分析局一致认为,价格指数的错误测量会持续低估实际产出增长,尤其是在医疗保健和通信技术领域。快速创新和全球化带来的诸多挑战是可以解决的。统计数据虽然是估计出来的,但官方经济统计具有准确性、客观性、相关性、及时性和可获得性的特点,是支持有效市场的基础,对帮助决策者和公民形成观点和做出决策至关重要。
3.论证
为减少质量变化和新产品引进对价格的影响,劳动统计局采用了调整价格指数及对价格指数进行替代的方法,主要方法共六种,包括生产者的质量调整模型、测算质量变化的外部调查法、享乐方法、离散选择模型、引入新产品的消费者剩余法以及基于疾病的价格指数,其中后三种方法的实际应用较为困难或限制较多。
实际国内生产总值增长中来自消费和投资增长的潜在偏差。这些偏差对现有价格指数的影响可能会超过个人消费支出和私人固定投资的通货膨胀。调整质量并引入新产品后,消费的正偏差会导致GDP增长的负偏差,而通信技术的投资对GDP的影响很小。随着时间的推移,偏差的影响相当稳定。
名义国内生产总值的衡量范围可能导致偏差。新商品的引入时点同消费时点不一致。数字经济中的商品和服务不用于交易,因此不计入国内生产总值,同时其在衡量投资,尤其是知识产权等无形资产的投资方面难以衡量。网络平台上的商品和服务在国内生产总值类别间分配不当。全球化经济中的许多商品是美国设计但在国外制造的,这在核算知识产权的国内价值方面造成了困难。
最后,文章回顾了劳工统计局和经济分析局正在进行的改进工作,以减少潜在的偏差。比如,劳工统计局正在开发的网络抓取技术,经济分析局研究的改善消费者支出估计的方法,以反映电子商务日益增长的重要性。
4.作者自评和他评
同既有其他文献相比,本文的重要贡献如下。其一,本文认为,同质量变化和新产品有关的计量问题,不能解释近年经济增长放缓的模式。其二,文章应用现有研究结果和经验证据对价格指数中的偏差进行了判断性评估。其三,研究了名义GDP的潜在偏差,评估数字经济创造的商品和服务的价值。其四,提出了改进潜在偏差的方法。
自2017年发表至今(2019年6月16日),本文他引总计41次,包括NBER和Economitrica等国际顶级期刊的引用。这些文献均肯定了本文的结论(Aghion et al.2017[※注];Nolan et al,2018[※注])。现有文献对本文的评价要点如下。其一,采用插补法,会导致受到创造性破坏的产品的通货膨胀率低于平均水平(Coyle,2018[※注])。其二,Watanabe et al.(2018)[※注]进一步从需求偏好和信息技术进步角度探讨了数字经济的衡量方法。其三,Brynjolfsson et al.(2019)[※注]则通过大规模在线选择实验得出数字产品创造了巨大的福利收益,肯定了本文结论。
【作者和编译者简介】
Erica L.Groshen,华盛顿特区美国劳工统计局专员。egroshen@yahoo.com。
Brian C.Moyer,华盛顿特区美国经济分析局局长。brian.moyer@bea.gov。
Ana M.Aizcorbe,华盛顿特区美国经济分析局高级研究经济学家。ana.aizcorbe@bea.gov。
Ralph Bradley,华盛顿特区美国劳工统计局价格与指数研究司司长。bradley.ralph@bls.gov。
David M.Friedman,华盛顿特区美国劳工统计局物价和生活条件副专员。friedman.david@bls.gov。
刁虹钰,北京工业大学博士,主要研究数量经济学。hydd@emails.bjut.edu.cn。
第10 评估高频数据的不确定性:已观测到的渐近方差
Assessment of Uncertainty in High Frequency Data:The Observed Asymptotic Variance
【内容概览】
1.问题/议题
标准误差多用于评估置信区间精度、调整模型和参数等,但对于高频金融数据来说,用传统的方法计算标准误差时需要依赖于渐近方差,所涉及到的数据量比原始参数要复杂得多,导致高频金融数据的标准误差难以准确度量。该如何解决这个问题呢?
2.结论
本文提出了“可供观测的渐近方差”的非参数方法用于计算高频金融数据的标准误差。该方法同样适用于更加复杂的估计,例如杠杆效应、杠杆效应、高频贝塔和半方差的估计。
3.论证
本文的目的在于获得可观测到的渐进方差,其背后的基本原理为,增量
可被进一步分解为与估计量行为相关的部分和仅与参数行为相关的部分:

为此,本文使用两种主要工具:“积分到点”(Integral-to-Spot)法以及边缘效应与微观结构噪声之间的数学相似性。首先,“积分到点”显示出积分∫θtdt的实际波动率收敛于θt点参数的波动过程,唯一的条件是点过程为半鞅。其次,将渐近方差
的估计简化为一个类似于波动估计的问题,边缘效应起着“微观结构噪声”的作用。
接下来,本文采用双尺度的方法实现渐进方差估计(AVAR):
定义Θ的二次变分为:
定义
双尺度AVAR为:
最后,文章给出了具体示例,证明了本文的假设在现有的文献中得到了广泛的满足。相关的文献通常会有AVARn的表达式及其估计值,然而,在大多数情况下,当构造形式为
的替代值更容易实现。在许多情况下,作者也仔细地描述了鞅效应和边缘效应的分离,从而希望有助于理解这个概念。
4.作者自评和他评
本文的贡献是为高频数据的评估提供一个可选的通解,作者称之为可观测渐近方差。它是评估渐近方差(AVAR)的一种通用非参数方法。它为一类广泛的集成参数提供了一致的AVAR估计Θ=∫θtdt,可观测到的渐近方差是在双尺度方法的帮助下实现的。它的结构在存在微观结构噪声的情况下表现良好,且在观测时间不规则或不同步的情况下多变。
自2014年3月以NBER工作论文的形式公开发表至今(2019年6月19日),本文他引总计24次,这些文献对本文的评价要点如下。(1)本文进一步发展了渐近方差的估计,且所用的方法在于避免使用渐进方差
,并与本文中的观测到的渐进方差(AVAR)进行比较,Christensen(2017)指出本文观测到的AVAR是基于原始统计量的平方增量计算的较小的高频数据,二者在结构上存在不同之处。
【作者和编译者简介】
Per A.Mykland,芝加哥大学统计学和金融学教授,Stevanovich中心科学主任,研究方向为时间相关过程的统计学和计量经济学,包括时间序列和连续过程。mykland@galton.uchicago.edu。
Lan Zhang,芝加哥大学。lanzhang@uic.edu。
王蔚,北京工业大学经济与管理学院2017级硕士研究生,专业为数量经济学。wwrr0424@163.com。
(三)第11-25名榜单
2017年世界经济统计学最佳英文论文第11-25名榜单
Forecasting With Model Uncertainty:Representations and Risk ReductionHiranno,K.、Wright,J.(2017).Econometrica,85(2),617-643.
The Use of Structural Models in EconometricsLow,H.、Meghir,C.(2017).Journal of Economic Perspectives,31(2),33-58.
What Have We Learned from Structural Models?Blundell,r.(2017). American Economic Review,107(5),287-292.
Twenty Years of Time Series Econometrics in Ten PicturesStock,J.、Watson,M.(2017).Journal of Economic Perspectives,31(2),59-86.
To Bi,Or Not to Bi?Differences between Spillover Estimates from Bilateral and Multilateral Multi-Country ModelsGeorgiadis,G.(2017).Journal of International Economics,107(C),1-18.
Quality-Adjusted Price Measurement:A New Approach with Evidence from SemiconductorsByrne,D.、Kovak,B.、Michaels,R.(2017).The Review of Economics and Statistics,99(2),330-342.
An Exchange Market Pressure Measure for Cross Country AnalysisPatnaik,I.、Felman,J.、Shah,A.(2017).Journal of International Money and Finance,73(PA):62-77.
Mind the Gap:Analyzing the Impact of Data Gap in Millennium Development Goals’(MDGs)Indicators on the Progress toward MDGsJacob,A.(2017).World Development,93:260-278.
Economic Resilience:the Usefulness of Early Warning Indicators in OECD CountriesHermansen,M.、Röhn,O.(2017).OECD Journal:Economic Studies,2016(1):9-35.
Aid Dispersion:Measurement in Principle and PracticeFløgstad,C.、Hagen,R.(2017).World Development,97:232-250.
Sovereign Tail RiskLópez-Espinosa,G.、Moreno,A.、Rubia,A.、Valderrama,L.(2017).Journal of International Money and Finance,79(C):174-188.
What Do Big Data Do inGlobal Governance?Hansen,H.、Porter,T.(2017).Global Governance,23(1):31-42.
The Social Life of Data:The Production of Political Facts in EU Policy GovernanceLeite,C.、Mutlu,C.(2017).Global Governance,23(1):71-82.
Can Statistical Capacity Building Help Reduce Procyclical Fiscal Policy?Tapsoba,S.、Noumon,C.、York,R.(2017).Journal of International Development,29(4),407-430.
Measuring of National Competitiveness-Comparative Analysis of Visegrad Countries,Germany and Austria in Modified Porter’s SD Model and 9F ModelNečadovÓ,M.(2017). Acta Oeconomica Pragensia,2017(2):45-69.
附 2017年世界经济统计学最佳论文TOP10选票
第1题 最佳中文论文TOP10 [限选10篇]
□ “中国制造”对世界经济增长的贡献及分解研究 张同斌、王树贞、鲍曙明(2017),《数量经济技术经济研究》,第11期,第81-97页。
□ 增加值率能否反映经济增长质量?范金、姜卫民、刘瑞翔(2017),《数量经济技术经济研究》,第2期,第21-37页。
□ 中国出口农产品质量测算:2000-2013年 陈容、许和连(2017),《国际贸易问题》,第12期,第14-23页。
□ 测算我国技术进步率、全要素生产率的增长率及其经济增长贡献率的新方法 杨旭、田艳慧、郝翌、张伊珍(2017),《数量经济技术经济研究》,第7期,第57-72页。
□ 方法、数据与全要素生产率测算差异 田友春、卢盛荣、靳来群(2017),《数量经济技术经济研究》,第12期,第22-40页。
□ 拉动经济的第三匹马:经济学视角与统计学视角 吴珍倩、贾怀勤、杨贵中(2017),《国际经济评论》,第2期,第105-114、7页。
□ 中国离岸外包和在岸外包率的核算研究 陈启斐、张为付(2017),《数量经济技术经济研究》,第7期,第92-107页。
□ 国际资金流量表若干问题讨论 李宝瑜(2017),《统计研究》,第4期,第26-35页。
□ 国际资金循环测度的统计方法及应用 张南(2017),《数量经济技术经济研究》,第10期,第94-110页。
□ “一带一路”贸易投资指数:进展、挑战与展望 顾春光、翟崑(2017),《当代亚太》,第6期,第4-23、149页。
□ 世界银行国际比较项目(ICP)与欧盟-OECD购买力平价项目的比较 徐强、陈华超(2017),《国际经济评论》,第2期,第131-143、8页。
□ 国际比较项目(ICP)高估发展中国家实际消费水平了吗 王岩、杨仲山(2017),《统计研究》,第7期,第3-14页。
□ 对我国参加国际比较项目的评估及建议 余芳东(2017),《统计研究》,第2期,第23-32页。
□ 一种新的购买力平价汇总方法 谢长(2017),《统计研究》,第12期,第37-47页。
□ 财富性还是生产性?同质性还是异质性?——关于中国物质资本测量的故事 王海兵(2017),《经济学(季刊)》,第16卷,第671-706页。
□ 中国公共资本存量的再估计及其应用——动态一般均衡的视角 朱军、姚军(2017),《经济学(季刊)》,第16卷,第1367-1398页。
□ 基于十大分类的中国资本存量重估:1978-2016 王维、陈杰、毛盛勇(2017),《数量经济技术经济研究》,第10期,第60-77页。
□ 省际第三产业资本存量:框架、检验及动态轨迹 杨玉玲、郭鹏飞(2017),《数量经济技术经济研究》,第10期,第78-93页。
□ 研发资本化与GDP核算调整的整体认识与建议 高敏雪(2017),《统计研究》,第4期,第3-14页。
□ R & D卫星账户整体架构与编制的国际实践 徐蔼婷、祝瑜晗(2017),《统计研究》,第9期,第76-89页。
□ 美国R & D卫星账户编制及其对中国的启示 陈丹丹(2017),《统计研究》,第4期,第15-25页。
□ 基于波动性-持续性的中国核心CPI测算及其评估 徐强、陈华超(2017),《数量经济技术经济研究》,第4期,第92-109页。
□ 中国30省份的碳排放测算以及碳转移研究 王安静、冯宗宪、孟渤(2017),《数量经济技术经济研究》,第8期,第89-104页。
□ 我国GNI核算与数据质量评估 贾帅帅、徐滇庆(2017),《统计研究》,第2期,第10-22页。
□ 中国的投资数据有多准确?朱天、张军、刘芳(2017),《经济学(季刊)》,第16卷,第1199-1218页。
□ “官出数字”:官员晋升激励下的GDP 失真 卢盛峰、陈思霞、杨子涵(2017),《中国工业经济》,第7期,第118-136页。
□ 中国政府统计重点领域改革 许宪春(2017),《世界经济》,第2期,第179-192页。
□ 政府微观调查数据开发应用的国际经验和建议 许宪春等(2017),《统计研究》,第12期,第3-14页。
□ 非传统数据质量评估的国际经验及借鉴 余芳东(2017),《统计研究》,第12期,第15-23页。
□ 金融危机与统计发展 陈梦根、刘浩、胡雪梅(2017),《国际经济评论》,第2期,第115-130、7-8页。
第2题 最佳英文论文TOP10 [限选10篇]
□ To Bi,Or Not to Bi?Differences between Spillover Estimates from Bilateral and Multilateral Multi-Country Models Georgiadis,G.(2017).Journal of International Economics,107(C),1-18.
□ Trying to Understand the PPPs in ICP 2011:Why Are the Results So Different?Deaton,A.& Aten,B.(2017).American Economic Journal:Macroeconomics,9(1),243-64.
□ Measuring of National Competitiveness-Comparative Analysis of Visegrad Countries,Germany and Austria in Modified Porter’s SD Model and 9F Model NečadovÓ,M.(2017). Acta Oeconomica Pragensia,2017(2):45-69.
□ Assessment of Uncertainty in High Frequency Data:The Observed Asymptotic Variance Mykland,P.& Zhang,L.(2017).Econometrica,85(1),197-231.
□ Forecasting With Model Uncertainty:Representations and Risk Reduction Hiranno,K.& Wright,J.(2017).Econometrica,85(2),617-643.
□ Uncertainty Shocks in a Model of Effective Demand Basu,S.& Bundik,B.(2017).Econometrica,85(3),937-958.
□ Uncertainty and Unemployment Schaal,E.(2017).Econotrica,85(6),1675-1721.
□ What Have We Learned from Structural Models?Blundell,r.(2017).American Economic Review,107(5),287-292.
□ The Use of Structural Models in Econometrics Low,H.& Meghir,C.(2017).Journal of Economic Perspectives,31(2),33-58.
□ The State of Applied Econometrics:Causality and Policy Evaluation Athey,S.& Imbens,G.(2017).Journal of Economic Perspectives,31(2),3-32.
□ Twenty Years of Time Series Econometrics in Ten Pictures Stock,J.& Watson,M.(2017).Journal of Economic Perspectives,31(2),59-86.
□ Machine Learning:An Applied Econometric Approach Mullainathan,S.& Spiess,J.(2017).Journal of Economic Perspectives,31(2),87-106.
□ How Government Statistics Adjust for Potential Biases from Quality Change and New Goods in an Age of Digital Technologies:A View from the Trenches Groshen,E.,Moyer,B.,Aizcorbe,A.,Bradley,R.& Friedman,D.(2017).Journal of Economic Perspectives,31(2),187-210.
□ Can Statistical Capacity Building Help Reduce Procyclical Fiscal Policy?Tapsoba,S.,Noumon,C.& York,R.(2017).Journal of International Development,29(4),407-430.
□ The Social Life of Data:The Production of Political Facts in EU Policy Governance Leite,C.& Mutlu,C.(2017).Global Governance,23(1):71-82.
□ Underestimating the Real Growth of GDP,Personal Income,and Productivity Feldstein,M.(2017).Journal of Economic Perspectives,31(2),145-64.
□ Quality-Adjusted Price Measurement:A New Approach with Evidence from Semiconductors Byrne,D.,Kovak,B.& Michaels,R.(2017).The Review of Economics and Statistics,99(2),330-342.
□ Sovereign Tail Risk López-Espinosa,G.,Moreno,A.,Rubia,A.& Valderrama,L.(2017).Journal of International Money and Finance,79(C):174-188.
□ Economic Resilience:the Usefulness of Early Warning Indicators in OECD Countries Hermansen,M.& Röhn,O.(2017).OECD Journal:Economic Studies,2016(1):9-35.
□ Demand for Value Added and Value-Added Exchange Rates Bems,R.& Johnson,R.(2017).American Economic Journal:Macroeconomics,9(4),45-90.
□ An Exchange Market Pressure Measure for Cross Country Analysis Patnaik,I.,Felman,J.& Shah,A.(2017).Journal of International Money and Finance,73(PA):62-77.
□ Challenges to Mismeasurement Explanations for the US Productivity Slowdown Syverson,C.(2017).Journal of Economic Perspectives,31(2),165-186.
□ What Do Big Data Do in Global Governance?Hansen,H.& Porter,T.(2017).Global Governance,23(1):31-42.
□ Mind the Gap:Analyzing the Impact of Data Gap in Millennium Development Goals’(MDGs)Indicators on the Progress toward MDGs Jacob,A.(2017).World Development,93:260-278.
□ Aid Dispersion:Measurement in Principle and Practice Fløgstad,C.& Hagen,R.(2017).World Development,97:232-250.