مصاحبه‌کننده: لارس پیتر هانسن

مترجم: محمدرضا فرهادی‌پور

هانسن: اطلاع دارم که شما ارتباطی مستمر با تحقیقات انجام شده در بانک‌های فدرال رزرو دارید. به نظر شما نقش اقتصادسنجی سری زمانی در تحقیقاتی که فرمول‌بندی و نحوه اجرای سیاست‌های پولی را ارائه می‌دهند، چیست؟ سیمز: من اخیرا مقاله‌ای [سیمز (۲۰۰۲)] نوشته‌ام که تا اندازه‌ای به این موضوع می‌پردازد. من در آن مقاله بیان کردم که اقتصادسنجی‌دانان در رویارویی با مشکلات استنتاج که مرکز مدل‌سازی سیاستی اقتصاد کلان است، ناکام بوده‌اند. اگرچه مدل‌های سیاستی مهم اولیه که بعدها نیز مورد استفاده قرار گرفتند، الهام‌بخش روش‌شناسی کولز بودند، اما هم‌چنان‌که مدل‌ها به منظور تلاش برای لحاظ کردن همه منابع مهم اطلاعاتی در اقتصاد توسعه می‌یابند، به نقطه‌ای می‌رسند که روش‌های غیربیزین برای استنتاج از ارائه پاسخ‌ عاجز می‌مانند.

مدل‌ها دارای معادلات زیاد، متغیرهای از پیش ‌تعیین‌شده زیاد و مشاهدات نسبتا کمی بودند. روش حداقل مربعات دو مرحله‌ای با استفاده از همه ابزارهای موجود، روش حداقل مربعات معمولی را بازتولید یا تقریبا بازتولید می‌کند. به ‌نظر می‌رسد محاسبه برآوردکننده‌ها تابع حداکثر راست‌نمایی سخت باشد و وقتی هم محاسبه می‌شوند اغلب غیرمنطقی هستند؛ زیرا منطبق با نقاط مجزای حداکثر منحنی هستند. استفاده از توزیع‌های کوچک نمونه‌ای از برآوردکننده‌ها به منظور تشکیل فواصل اطمینان و انجام آزمون‌ها، در مدل‌هایی با این مقیاس غیرممکن بود و تئوری مجانب به وضوح به دلیل درجات آزادی کم قابل ‌اطمینان نبود.

مدل‌سازی علمی سری‌های زمانی بر ریشه‌های واحد و هم‌انباشتگی متمرکز بودند که منجر به ارائه رده‌های مرتبه‌ای از آزمون‌های آماری به‌منظور تعیین ساختار هم‌انباشتگی قبل از تخمین شد. اگرچه در مدل‌های بسیار بزرگ، اجرای چنین رده‌هایی از این آزمون‌ها به‌طور کلی غیرعملی است.

تئوری‌پردازی علمی اقتصاد کلان متمرکز بر انتظارات عقلایی بود که به ‌خودی ‌خود مشکلی نبود. اما شخصیت‌های برجسته و پیشرو در این حوزه مانند سارجنت و لوکاس، انتظارات عقلایی را با دیدگاهی مغالطه‌آمیز ترکیب کردند که براساس آن تمایزی بنیادی بین تجزیه و تحلیل تغییر در قاعده سیاست‌گذاری و تجزیه و تحلیل تغییر در متغیر سیاست‌گذاری وجود دارد. درواقع، تغییر در قاعده سیاست‌گذاری می‌تواند فقط به شکل سازگار و ثابتی به‌عنوان یک فرم غیرخطی و ویژه از شوک تصادفی مدل‌سازی شود. این دیدگاه مغالطه‌آمیز مخالف به یک نسل از دانشجویان فارغ‌التحصیل منجر شد که اعتقاد داشتند در بخش اصلی تجزیه و تحلیل کمّی سیاست‌ها - انجام پیش‌بینی‌هایی مشروط بر مقادیر متغیرهای تصادفی که صریحا در یک مدل ظاهر می‌شوند -عمیقا اشتباه یا دارای تناقضات درونی بوده است. نتیجه این امر، یک دوره طولانی از علاقه‌مندی کم یا ناچیز در به‌کارگیری و نقد مدل‌هایی بود که عملا در اجرای سیاست‌ پولی به‌کار می‌رفتند.

اگرچه این مدل‌ها اکنون در وضعیت نامطلوبی هستند، اما ما احتمالا در نقطه‌ای هستیم که روش‌ها و شیوه تفکر بیزینی می‌توانند این مشکلات را شناسایی کنند و کم‌کم شکاف میان اقتصاد کلان و اقتصادسنجی دانشگاهی و اجرای واقعی مدل‌سازی سیاست‌گذاری کمی را پرکنند. بعضی از مقالات اخیر که توسط اسمتز و ووترز (به عنوان مثال ۲۰۰۲ و ۲۰۰۳) نوشته شده‌اند به‌طرز ویژه‌ای حاکی از این خط فکری هستند.

هانسن: شما اخیرا مقاله‌ای در رابطه با «فراموش‌کاری عقلایی» [سیمز (a۲۰۰۳)] منتشر کردید که در آن از نتایج تئوری اطلاعات به‌منظور ایجاد مدلی برای کندی در تصمیم‌گیری استفاده کردید. چه چیزی باعث شد که از این سبک استفاده کنید و نتیجه این تحقیق را منتهی به کجا می‌دانید؟

سیمز: چند سال پیش مقاله‌ای با عنوان «چسبندگی » (سیمز b۱۹۹۸) نوشتم که قصد داشتم نشان بدهم که تغییرات در فروض تئوریک استاندارد در خصوص هزینه‌های ناشی از تغییرات قیمت‌ها برای بنگاه و ایستایی می‌تواند با رفتار کیفی، داده‌های کلان را هماهنگ کند. با این ‌حال نشان دادم که تنظیمات تئوریک رایج بیانگر این مطلب هستند که هم قیمت‌ها چسبنده‌ و هم متغیرهای واقعی «جهنده» هستند یا هم متغیرهای واقعی چسبنده و هم قیمت‌ها جهنده هستند. داده‌ها نشان می‌دهند که هر دو گروه از متغیرها به یک اندازه ایستا هستند. به‌علاوه، هر نوع تعدیل در فرمول‌بندی هزینه‌ها بیانگر این مطلب است که نه تنها متغیرهای هدف در تعدیل هزینه‌ها باید به بقیه متغیرها به آرامی و کندی واکنش نشان دهند، بلکه باید روند زمانی ملایمی نیز داشته باشند. اگرچه داده‌ها نشان‌دهنده عکس‌العمل‌های کند و ملایم متغیر متقابل هستند، اما روندهای زمانی ملایم و یکسانی ندارند. مقاله چسبندگی نشان داد که چگونه شما می‌توانید به این هر دو دست پیدا کنید، اما از طریق یک نوع مدل تعدیل هزینه رتبه‌ای که به ‌نظر می‌رسد به سختی با داده‌ها یا یافته‌های اقتصادی در ارتباط باشد.

در انتهای آن مقاله ضمیمه‌ای وجود دارد که به این نکته اشاره دارد که احتمالا دلیلی وجود دارد که فکر کنیم ایستایی ناشی از محدودیت‌ پردازش اطلاعات که مدل‌سازی می‌شود با استفاده از خط فکری شبکه شانون، می‌تواند مسیری را که در آن داده‌ها در یک روند مستقیم پژوهشی رفتار می‌کنند، توجیه کند. مقاله اخیر که شما به آن اشاره کردید در مورد کاربرد روشی برای مشکلات عمومی بهینه‌سازی پویای خطی - درجه دو است و نشان می‌دهد که درواقع، این روش توضیح‌دهنده طبیعت کیفی ایستایی مشاهده شده می‌باشد.

اگرچه تعداد کمی از اقتصاددانان در مورد تئوری اطلاعات آگاهی دارند، اما خیلی از آنها به من گفتند که بینشی را در پَسِ این پژوهش رسمی پیدا کردند. عجالتا این نظرها به آرامی در حال گسترش هستند؛ زیرا افراد کمی وجود دارند که واقعا توانایی توسعه این مرز را دارند. شخصا در این زمینه در حال پژوهش هستم و تلاش می‌کنم که نرم‌افزار کاربردی آسانی طراحی کنم که توانایی استفاده از این روش‌ها را به شکل گسترده‌تری داشته باشد. ساختار فراموش‌کاری عقلانی نشان می‌دهد که افراد به‌گونه‌ای رفتار می‌کنند که گویی با مشکلات ریشه‌ای مشخص مواجه شده‌اند حتی وقتی که هیچ‌گونه هزینه خارجی برای نگهداری اطلاعات دقیق و جامع وجود ندارد. این موضوع باعث توجه بیشتر روی مدل‌هایی با عوامل اطلاعاتی ناقص می‌شود و درواقع، هم‌اکنون تحقیقاتی نیز در این حوزه انجام شده‌اند [به عنوان مثال وودفورد (۲۰۰۱)]، حتی قبل از اینکه مدل‌هایی که شکل علائم مشکلات اقتباس در تئوری اطلاعات را پایه‌ریزی کنند، در دسترس باشند.