📄 other

A Method for Estimating Technological Innovation in Macroeconomy: An Extension of Econometric Structural Estimation by Simulation

Dieses Paper schlägt eine simulationsbasierte Erweiterung der strukturellen ökonometrischen Schätzung vor, um die Auswirkungen technologischer Innovation auf das makroökonomische Wachstum zu messen, wobei festgestellt wird, dass die USA seit den 2000er Jahren aufgrund von IT-getriebener Innovation den optimalen Wachstumspfad deutlich übertroffen haben, während Japan aufgrund von kompensierenden makroökonomischen Ineffizienzen zurückgeblieben ist, wenngleich die Genauigkeit der Methode durch aktuelle Schätzungen der intertemporalen Substitutionselastizität weiterhin begrenzt bleibt.

Ursprüngliche Autoren: Shungo Sakaki

Veröffentlicht 2026-07-24

📖 6 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Shungo Sakaki

Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich die Wirtschaft als ein riesiges, komplexes Videospiel vor, in dem Länder versuchen, ihr „BIP“-Punktekonto zu leveln. In diesem Spiel gibt es zwei Hauptwege, um stärker zu werden: Man kann entweder mehr Zeug bauen (wie Fabriken und Straßen) oder man kann schlauer im Umgang mit dem Zeug werden, das man bereits hat. Schlauer zu werden, wird als „technologische Innovation“ bezeichnet, und in der Welt der Wirtschaft wird dies oft durch die sogenannte „Totale Faktorproduktivität“ (TFP) gemessen. Betrachten Sie die TFP als den „Effizienz-Stat“ eines Landes. Wenn zwei Länder die gleiche Anzahl an Robotern und Arbeitern haben, aber eines doppelt so viel Pizza produziert, kommt diese extra Pizza durch einen höheren Effizienz-Stat zustande.

Aber wie wissen wir, ob ein Land wirklich schlauer wird oder ob es einfach nur härter arbeitet? Das ist der knifflige Teil. Dieses Paper versucht, dieses Rätsel zu lösen, indem es eine „perfekte Welt“-Simulation erstellt. Stellen Sie sich ein GPS vor, das die absolut schnellste, effizienteste Route berechnet, die ein Auto nehmen könnte, um von Punkt A nach Punkt B zu gelangen, unter der Annahme, dass der Motor niemals kaputtgeht und der Fahrer niemals müde wird. Diese GPS-Route ist der „optimale Wachstumspfad“. Wenn das Auto tatsächlich schneller fährt, als das GPS es für möglich hält, wissen wir, dass das Auto einen geheimen Turbo-Boost besitzt (technologische Innovation). Wenn das Auto langsamer fährt als das GPS, ist etwas mit dem Fahrer oder der Straße nicht in Ordnung, selbst wenn der Motor einwandfrei funktioniert. Dieses Paper nutzt diese GPS-Idee, um zu sehen, wie sich die USA und Japan seit der „IT-Revolution“ (dem Aufstieg von Computern und dem Internet), die das Spiel verändert hat, geschlagen haben.

Das große Wirtschaftsrennen: USA vs. Japan

Dieses von dem unabhängigen Wissenschaftler Shungo Sakaki verfasste Paper ist eine tiefgehende Untersuchung darüber, wie sich die Vereinigten Staaten und Japan seit Mitte der 1990er Jahre geschlagen haben, als die „IT-Wirtschaft“ (die Ära, die von Computern und dem Internet dominiert wurde) so richtig Fahrt aufnahm. Der Autor wollte wissen: Haben diese Länder tatsächlich einen „Turbo-Boost“ durch neue Technologien erhalten, oder sind sie nur mühsam vorwärtsgetorkelt?

Um dies herauszufinden, hat der Autor nicht einfach nur geschaut, wie viel Geld die Länder verdient haben. Stattdessen baute er eine mathematische Simulation dessen, wie die „perfekte“ Wirtschaft aussehen würde, wenn sie mit der alten Technologie (vor den 1990er Jahren) betrieben würde, aber von einem superintelligenten, vollkommen rational handelnden Planer gesteuert würde. Dieser perfekte Planer weiß genau, wie man Ersparnisse für die Zukunft und Ausgaben für heute ausbalanciert, um das bestmögliche Ergebnis zu erzielen. Dieser perfekte Plan ist der „optimale Wachstumspfad“.

Der Autor nahm dann die realen Wirtschaftsdaten der USA und Japans von 1996 bis 2022 und verglich sie mit diesem perfekten Plan. Die Logik ist simpel: Wenn die reale Wirtschaft besser läuft als der perfekte Plan (der auf der alten Technologie basierte), muss der zusätzliche Erfolg auf neue, glänzende technologische Innovationen zurückzuführen sein. Wenn die reale Wirtschaft schlechter läuft, dann hält etwas sie zurück.

Die Ergebnisse: Eine Geschichte zweier Länder

Die Simulation zeichnete ein sehr unterschiedliches Bild für die beiden Nationen.

Für die Vereinigten Staaten waren die Ergebnisse spannend. Die Simulation zeigte, dass die US-Wirtschaft tatsächlich an dem auf alter Technologie basierenden „perfekten Plan“ vorbeizuzischen begann. Das Paper schätzt, dass die technologische Innovation das US-BIP seit den 2000er Jahren um etwa 20 % gesteigert hat und dass dieser kumulative Boost bis in die 2020er Jahre 30–40 % erreicht hat. In Videospiel-Begriffen: Der US-Spieler hat nicht nur gut gespielt; er hat einen geheimen „Tech-Tree“ freigeschaltet, der ihn signifikant stärker gemacht hat, als es die Regeln des alten Spiels erlaubten.

Für Japan hingegen war die Geschichte weitaus weniger erfreulich. Die Simulation zeigte, dass Japans tatsächliches BIP seit 1996 signifikant hinter dem „optimalen Wachstumspfad“ zurückgeblieben ist. Das bedeutet nicht zwangsläufig, dass Japan es versäumt hat, neue IT-Technologien zu erfinden oder zu nutzen. Stattdessen legt das Paper nahe, dass „makroökonomische Ineffizienzen“ – wie politische Fehlentscheidungen, langsame Anpassung der Unternehmen oder andere wirtschaftliche Glitches – so stark waren, dass sie die potenziellen Vorteile, die Japan durch neue Technologien hätte erzielen können, komplett zunichtegemacht haben. Es ist, als hätte man einen Ferrari-Motor (neue Technik), fährt aber durch einen Baustellenstau und schlechte Verkehrsregeln; man erreicht niemals die Geschwindigkeit, die man eigentlich leisten könnte. Tatsächlich stellt das Paper fest, dass Japans tatsächliche Leistung so weit unter dem optimalen Pfad lag, dass die „Verbesserungsrate“ negativ war, was bedeutet, dass die Wirtschaft selbst im Vergleich zu dem, was theoretisch mit alter Technik möglich gewesen wäre, unterperformte.

Der Haken: Das „Elastizitäts“-Problem

Es gibt ein großes „Aber“ bei dieser Geschichte, und es ist ein technisches. Um diese perfekte GPS-Simulation durchzuführen, benötigte der Autor eine spezifische Zahl namens „intertemporale Elastizität des Substitutionseffekts“ (IES). Man kann sich die IES als ein Maß dafür vorstellen, wie bereitwillig Menschen bereit sind, heutige Ausgaben gegen zukünftige Ausgaben einzutauschen.

Das Paper fand heraus, dass die Simulation manchmal zusammenbrach, je nachdem, welchen Wert man für die IES (basierend auf früheren Forschungen) verwendet. Für die USA konnte der Computer, wenn ein bestimmter Schätzwert für die IES verwendet wurde, gar keinen zuverlässigen „perfekten Pfad“ berechnen. Das bedeutet, dass die vom Autor entwickelte Methode Grenzen hat. Wenn wir nicht genau wissen, wie hoch die „Bereitschaft zu warten“ ist, können wir uns nicht zu 100 % sicher sein, wie genau unsere Berechnungen des „Turbo-Boosts“ sind. Der Autor kommt zu dem Schluss, dass die Methode zwar ein cooles neues Werkzeug ist, um Innovation zu messen, aber stark davon abhängt, diesen einen spezifischen Wert korrekt zu treffen – und momentan sind wir nicht genau genug, um die Methode für jede Situation perfekt zu machen.

Das Faz( $t$ )

Kurz gesagt deutet dieses Paper darauf hin, dass die USA die IT-Revolution erfolgreich genutzt haben, um ihre Wirtschaft zu superchargen und sie weit über das hinaus zu treiben, was in der Vergangenheit möglich war. Japan hingegen scheint durch andere wirtschaftliche Probleme ausgebremst worden zu sein, die die potenziellen Gewinne durch neue Technologien maskiert haben. Die Studie bietet eine neue, simulationsbasierte Möglichkeit, diese unsichtbaren „Effizienz-Boosts“ zu messen, warnt uns aber auch, dass unsere Werkzeuge zur Messung dieser Faktoren noch etwas wackelig sind, bis wir den Faktor der „Bereitschaft zu warten“ besser verstehen.

Technische Zusammenfassung: Eine Methode zur Schätzung technologischer Innovation in der Makroökonomie

Problemstellung
Die Arbeit befasst sich mit der Herausforderung, das Ausmaß technologischer Innovation innerhalb eines makroökonomischen Rahmens zu schätzen, insbesondere während des Übergangs zu einer auf Informationstechnologie basierenden Wirtschaftsstruktur (der „IT-Ökonomie“). Während bestehende Methoden existieren – wie etwa die Berechnung der totalen Faktorproduktivität (TFP) als Solow-Residuum, die Verwendung endogener Wachstumsmodelle zur Internalisierung von Forschung und Entwicklung (F&E) oder der Einsatz von Dynamic Stochastic General Equilibrium (DSGE)-Modellen zur Schätzung politischer Spillover-Effekte – identifiziert dieses Paper eine Lücke darin, die tatsächliche wirtschaftliche Leistung direkt gegen einen theoretisch optimalen Pfad zu benchmarken, der aus den technologischen Beschränkungen der Pre-IT-Ära abgeleitet wurde. Das Kernproblem besteht darin, zwischen einem BIP-Wachstum, das durch optimale Ressourcenallokation unter bestehender Technologie getrieben wird, und einem Wachstum, das durch echte technologische Fortschritte getrieben wird, zu unterscheiden.

Methodik
Die vorgeschlagene Methode erweitert die strukturelle Schätzung von Produktionsfunktionen durch die Integration von Simulationen eines optimalen Wachstumsmodells. Der Ansatz erfolgt in drei Hauptphasen:

Strukturelle Schätzung der Pre-IT-Ära:
Unter Verwendung von OECD-Zeitreihendaten (1970–1990 für die USA, 1980–1995 für Japan) schätzen die Autoren die Produktionsfunktionen und die TFP der Pre-IT-Ära mittels der verallgemeinerten kleinsten Quadrate (Generalized Least Squares, GLS). Die Produktionsfunktion wird in Cobb-Douglas-Form ( $y_t = a k_t^b$ ) spezifiziert, wobei $a$ die TFP und $b$ die Kapitalelastizität darstellt.
Simulation des optimalen Wachstumspfads:
Die Autoren konstruieren einen Benchmark-„optimalen Wachstumspfad“ unter der Annahme, dass das Technologieniveau auf den Schätzungen der Pre-IT-Ära fixiert bleibt. Dies nutzt das Ramsey-Cass-Koopmans-Optimale-Wachstumsmodell, definiert durch:

Zustandsgleichung: $\dot{k}_t = f(k_t) - c_t - n k_t$ (Kapitalakkumulation).
Zielsetzung: Maximierung der diskontierten Summe des Haushaltsnutzens $u(c_t)$ über einen unendlichen Horizont.
Keynes-Ramsey-Regel: $\dot{c}_t/c_t = \frac{1}{\sigma}[f'(k_t) - n - \rho]$ , wobei $\sigma$ die intertemporale Elastizität der Substitution (IES) ist, $n$ das Bevölkerungswachstum und $\rho$ der subjektive Diskontsatz.

Die Simulation beginnt bei den tatsächlichen Beständen an Anlagevermögen von 1996 (was den Beginn der IT-Ökonomie in Japan und den Mittelpunkt der Untersuchung für die USA markiert) und löst das System der Differentialgleichungen numerisch, um sich dem „modifizierten Goldenen Regel“-Gleichgewichtszustand anzunähern. Die Autoren verwenden Mathematica 13.2 für die numerischen Lösungen und setzen ein Zeitintervall von $\Delta t = 0,1$ .

Schätzung der Innovation:
Der „Effekt technologischer Innovation“ wird als der Prozentsatz definiert, um den das tatsächliche BIP das auf dem simulierten optimalen Wachstumspfad berechnete BIP (welches von keiner technologischen Verbesserung ausgeht) übersteigt. Diese Differenz wird der durch die IT-Revolution getriebenen TFP-Wachstumsrate zugeschrieben. Die Autoren räumen ein, dass diese Metrik auch jahresspezifische Wirtschaftsbedingungen und potenzielle Ineffizienzen erfasst.

Wesentliche Beiträge

Neuartiger Benchmarking-Ansatz: Das Paper führt eine Methode ein, die sich nicht allein auf die Berechnung von Residuen stützt, sondern die Abweichung von einer theoretisch optimalen intertemporalen Ressourcenallokation (unter konstanter Pre-IT-Technologie) als Proxy für den technologischen Fortschritt verwendet.
Vergleichende Analyse von USA und Japan: Die Studie wendet diesen Rahmen auf zwei große Volkswirtschaften an und nutzt spezifische IES-Schätzungen, die aus vorangegangener Forschung (Yagihashi und Katano, 2020) abgeleitet wurden, um die optimalen Pfade zu kalibrieren.
Identifizierung makroökonomischer Ineffizienzen: Die Methodik ermöglicht die Differenzierung zwischen einem Mangel an technologischer Innovation und einem Mangel an effizienter Ressourcenallokation. Im Fall von Japan zeigt das Modell, dass das tatsächliche BIP unter den optimalen Pfad fiel, was darauf hindeutet, dass makroökonomische Ineffizienzen potenzielle IT-getriebene Gewinne kompensiert haben könnten.

Ergebnisse

Vereinigte Staaten: Die Simulation deutet auf signifikante positive Abweichungen hin. Seit den 2000er Jahren hat das tatsächliche BIP den optimalen Wachstumspfad um etwa 20 % übertroffen. Diese Lücke weitete sich in den 2020er Jahren aus, wobei die tatsächlichen Werte den Benchmark um 30–40 % überstiegen. Diese Zahlen werden als der durch technologische Innovation bedingte Schub im BIP interpretiert.
Japan: Im Gegensatz dazu lagen die tatsächlichen japanischen BIP-Werte seit 1996 konsequent unter dem berechneten optimalen Wachstumspfad. Die Studie berichtet von negativen Verbesserungsraten (je nach Jahr und IES-Parameter zwischen etwa -1,7 % und -48 %). Die Autoren kommen zu dem Schluss, dass zwar IT-getriebene Innovationen stattgefunden haben könnten, diese jedoch durch makroökonomische Ineffizienzen, einschließlich politischer Fehlentscheidungen (z. B. Bereinigung notleidender Kredite, geldpolitische Lockerung, Erhöhungen der Verbrauchssteuer) und einer verzögerten unternehmerischen Anpassung, mehr als kompensiert wurden.
Technische Einschränkungen: Die Studie hebt eine kritische Abhängigkeit von der Genauigkeit der IES-Schätzungen hervor. Für die USA mit einer IES von 0,59 konnten die Autoren keinen hinreichend genauen approximativen optimalen Pfad berechnen, was eine zuverlässige Schätzung der bereinigten TFP für diesen spezifischen Parametersatz verhinderte. Dies deutet darauf hin, dass die Anwendbarkeit der Methode durch die Präzision der verfügbaren IES-Daten begrenzt ist.

Bedeutung und Behauptungen
Das Paper behauptet, eine neue Perspektive auf die Schätzung der TFP zu bieten, indem es den Fokus von direkten statistischen Residuen auf einen Vergleich mit einer kontrafaktischen optimalen Wachstumstrajektorie verschiebt. Die Autoren formulieren die Ergebnisse bescheiden und merken an, dass die „Verbesserungsrate“ ein zusammengesetztes Maß ist, das sowohl technologische Innovation als auch spezifische wirtschaftliche Bedingungen umfasst.

Die primäre Bedeutung liegt in der Erkenntnis, dass für Japan das Verfehlen des optimalen Wachstumspfads impliziert, dass strukturelle und politische Ineffizienzen ein dominanterer Faktor als die technologische Stagnation waren, um die wirtschaftliche Leistung im Verhältnis zum theoretischen Optimum zu erklären. Die Autoren warnen jedoch ausdrücklich davor, dass die Zuverlässigkeit der Methode derzeit durch die Verfügbarkeit genauer IES-Schätzungen begrenzt ist; ohne diese ist die für die Definition des Sattelpunktpfades erforderliche Rechengenauigkeit nicht garantiert. Somit präsentiert das Paper die Methode als eine vielversprechende Erweiterung der strukturellen Schätzung, die eine weitere Verfeinerung der Parameterschätzung erfordert, um breit anwendbar zu sein.

Technische Zusammenfassung: Eine Methode zur Schätzung technologischer Innovation in der Makroökonomie

Mehr davon