📄 other

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

本文提出了一种基于模拟的结构计量估计扩展方法，用以衡量技术创新对宏观经济增长的影响，研究发现，尽管美国自21世纪初以来因信息技术驱动的创新而显著超越了其最优增长路径，但日本由于抵消性的宏观经济低效而表现滞后，尽管该方法的准确性仍受限于目前对跨期替代弹性的估计。

原作者： Shungo Sakaki

发布于 2026-07-24

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Shungo Sakaki

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，经济是一个巨大的、复杂的电子游戏，各国都是试图提升其“GDP”得分的玩家。在这个游戏中，有两种主要的变强方式：你可以建造更多的东西（比如工厂和道路），或者你可以变得更聪明地使用你已有的东西。变得更聪明被称为“技术创新”，在经济学世界中，这通常用“全要素生产率”（TFP）来衡量。把 TFP 想象成一个国家的“效率属性值”。如果两个国家拥有相同数量的机器人和工人，但其中一个国家生产了两倍的披萨，那多出来的披萨就是得益于更高的效率属性值。

但我们如何知道一个国家是真的变聪明了，还是仅仅在更努力地工作？这是困难之处。这篇论文试图通过建立一个“完美世界”模拟来解决这个谜团。想象一个 GPS，它可以计算出一辆车从 A 点到 B 点所能采取的最快、最高效的路径，假设引擎永不损坏且驾驶员永不疲劳。那个 GPS 路径就是“最优增长路径”。如果汽车实际行驶的速度比 GPS 设定的可能速度更快，我们就知道这辆车一定拥有秘密的“涡轮增压”（技术创新）。如果汽车开得比 GPS 慢，那么即使引擎没问题，也是驾驶员或道路出了问题。本文利用这个 GPS 的概念，来观察美国和日本自“IT 革命”（计算机和互联网兴起时代）以来表现如何。

伟大的经济竞赛：美国 vs 日本

这篇由独立学者榊下俊雄（Shungo Sakaki）撰写的论文，深入探讨了美国和日本自 20 世纪 90 年代中期（即“IT 经济”时代——由计算机和互联网主导的时代——真正开启以来）的表现。作者想要知道：这些国家是真的从新技术中获得了“涡轮增压”，还是仅仅在蹒跚前行？

为了找出答案，作者不仅仅观察了这些国家赚了多少钱。相反，他构建了一个数学模拟，模拟如果是在“旧技术”（20 世纪 90 年代以前）下运行，但由一位超级聪明、完全理性的规划者管理时，那个“完美”经济体会是什么样子的。这位规划者完全知道如何平衡为未来储蓄和今日消费，以获得最佳结果。这个完美的计划就是“最优增长路径”。

随后，作者提取了美国和日本从 1996 年到 2022 年的真实数据，并将其与这个完美计划进行了对比。逻辑很简单：如果现实经济的表现比基于旧技术的“完美计划”更好，那么额外的成功必然是因为新的、闪闪发光的技术创新。如果现实经济表现较差，那么一定有什么东西在阻碍它。

结果：两个国家的截然不同

模拟为这两个国家描绘了一幅截然不同的图景。

对于美国，结果令人兴奋。模拟显示，美国的经济实际上正飞速超越基于旧技术的“完美计划”。论文估计，自 21 世纪以来，技术创新使美国 GDP 提升了约 20%，而这种累积性的提升在 2020 年代已达到 30–40%。用电子游戏的术语来说，美国玩家不仅玩得好，还解锁了一个秘密的“科技树”，使他们比旧游戏规则允许的水平要强大得多。

然而，对于日本，故事则没那么愉快。模拟显示，自 1996 年以来，日本的实际 GDP 一直显著低于“最优增长路径”。这并不一定意味着日本未能发明或使用新的 IT 技术。相反，论文指出，“宏观经济低效”（如政策失误、企业适应缓慢或其他经济故障）非常严重，以至于完全抵消了日本可能从新技术中获得的任何收益。这就像拥有一台法拉利引擎（新技术），却在建筑施工和糟糕规则造成的交通拥堵中行驶；你永远无法达到你应有的速度。事实上，论文指出，日本的实际表现远低于最优路径，这意味着即便与理论上使用旧技术所能达到的水平相比，其表现也是负增长。

症结所在：“弹性”问题

这个故事中有一个巨大的“但是”，这是一个技术性的问题，作者对此也非常诚实。为了运行这个完美的 GPS 模拟，作者需要一个特定的数值，叫做“跨期替代弹性”（IES）。你可以把 IES 理解为人们在“今天花钱”和“明天花钱”之间进行权衡的意愿程度。

论文发现，取决于你使用哪一个 IES 数值（基于以往的研究），模拟有时会崩溃。对于美国，当使用某一个特定的 IES 估算值时，计算机根本无法计算出一个可靠的“完美路径”。这意味着作者发明的方法存在局限性。如果我们不知道确切的“等待意愿”数值，我们就无法百分之百确定我们的“涡轮增压”计算有多准确。作者总结道，虽然这种方法是观察创新的一个很酷的新视角，但它高度依赖于能否准确获取那个特定的数值，而目前，我们还不够了解它，无法让这种方法在所有情况下都趋于完美。

底线结论

简而言之，这篇论文表明，美国成功地利用了 IT 革命来为经济注入强心剂，使其远超过去的可能性。而日本似乎被其他经济问题所拖累，掩盖了其从新技术中获取潜在收益的能力。这项研究提供了一种全新的、基于模拟的方法来衡量这些无形的“效率提升”，但它同时也警告我们，在我们更好地理解“等待意愿”这一因素之前，我们的测量工具仍然有些摇摆不定。

技术摘要：一种估算宏观经济中技术创新的方法

问题陈述
本文旨在解决在宏观经济框架内，特别是在向信息技术驱动型经济结构（即“IT经济”）转型过程中，估算技术创新规模的挑战。虽然现有的方法——例如将全要素生产率（TFP）作为索洛残差进行计算、使用内生增长模型将研发（R&D）内部化，或利用动态随机一般均衡（DSGE）模型估算政策溢出效应——已经存在，但本文指出，目前缺乏一种直接将实际经济表现与基于前IT时代技术约束的理论最优路径进行基准对比的方法。核心问题在于如何区分由现有技术下的最优资源配置驱动的增长，与由真正的技术进步驱动的增长。

研究方法
所提出的方法通过整合最优增长模型的模拟，扩展了生产函数的结构化估算。该方法分为三个主要阶段：

前IT时期的结构化估算：
利用OECD时间序列数据（美国为1970–1990年，日本为1980–1995年），作者使用广义最小二乘法（GLS）估算了前IT时期的生产函数和TFP。生产函数设定为柯布-道格拉斯形式（ $y_t = a k_t^b$ ），其中 $a$ 代表TFP， $b$ 为资本弹性。
最优增长路径模拟：
作者构建了一个基准“最优增长路径”，假设技术水平固定在前IT时期的估算水平。该过程利用了拉姆齐-卡斯-库普曼斯（Ramsey-Cass-Koopmans）最优增长模型，其定义如下：

状态方程： $\dot{k}_t = f(k_t) - c_t - n k_t$ （资本积累）。
目标： 在无限期内最大化家庭效用 $u(c_t)$ 的折现总和。
凯恩斯-拉姆齐规则： $\dot{c}_t/c_t = \frac{1}{\sigma}[f'(k_t) - n - \rho]$ ，其中 $\sigma$ 是跨期替代弹性（IES）， $n$ 是人口增长率， $\rho$ 是主观贴现率。

模拟从1996年的实际固定资产余额开始（这标志着日本IT经济的开端以及本研究中美国的中间点），并通过数值求解微分方程组以趋向于“修正黄金律”稳态。作者使用 Mathematica 13.2 进行数值求解，设置时间间隔 $\Delta t = 0.1$ 。

创新估算：
“技术创新的效应”被定义为：实际GDP超过模拟的最优增长路径（该路径假设没有技术进步）的百分比。这一差异被归因于由IT革命驱动的TFP增长。作者承认，该指标也捕捉了特定年份的经济状况及潜在的低效率问题。

核心贡献

新颖的基准对比方法： 本文引入了一种方法，它不单纯依赖于残差计算，而是利用偏离（在恒定前IT技术条件下的）理论最优跨期资源配置的程度作为技术进步的代理变量。
美日对比分析： 研究将该框架应用于两个主要经济体，并利用先前研究（Yagihashi and Katano, 2020）得出的特定IES估算值来校准最优路径。
识别宏观经济低效性： 该方法允许区分技术创新不足与资源配置效率低下的问题。以日本为例，模型显示实际GDP低于最优路径，这表明宏观经济的低效性可能抵消了任何潜在的IT驱动收益。

结果

美国： 模拟显示了显著的正向偏差。自21世纪以来，实际GDP已超过最优增长路径约20%。这一差距在2020年代进一步扩大，实际水平超过基准线30–40%。这些数字被解释为由技术创新带来的GDP提振。
日本： 相比之下，自1996年以来，日本实际GDP水平始终低于计算出的最优增长路径。研究报告了负向改进率（根据年份和IES参数的不同，范围约为-1.7%至-48%）。作者得出结论，尽管可能发生了IT驱动的创新，但其效果被宏观经济的低效性（包括政策失败，如不良贷款处置、货币宽松、消费税上调等）所抵消。
技术局限性： 研究强调了对IES估算准确性的高度依赖。对于IES为0.59的美国，作者无法计算出足够精确的近似最优路径，从而无法为该特定参数集提供可靠的调整后TFP估算。这表明该方法的适用性受限于可用IES数据的精确度。

意义与主张
本文声称通过将关注点从直接的统计残差转向与反事实最优增长轨迹的比较，为估算TFP提供了新的视角。作者对结果的表述较为审慎，指出“改进率”是一个综合性指标，既包含了技术创新，也包含了特定的经济状况。

其主要意义在于发现：对于日本而言，未能达到最优增长路径意味着，相对于理论最优水平，结构性和政策性的低效性是比技术停滞更主要的经济表现解释因素。然而，作者明确警告称，由于准确的IES估算数据获取受限，该方法的可靠性目前受到限制；若缺乏此类数据，则无法保证定义鞍点路径所需的计算精度。因此，本文将该方法呈现为一种极具前景的结构化估算扩展，但在参数估算方面仍需进一步完善以实现广泛应用。

技术摘要：一种估算宏观经济中技术创新的方法

类似论文