Emi Nakamura：2019年克拉克奖得主

编者按

Emi Nakamura，日本裔美加籍，日文名中村惠美，现为加州大学伯克利分校的荣誉经济学教授，国家经济研究局的研究员及美国经济评论的编辑，本科就读于普林斯顿大学，硕博就读于哈佛大学。中村惠美出生于经济学世家，其祖父是计量经济学家Guy Orcutt，母亲是阿尔伯特大学财务管理学教授Alice Nakamura，父亲是加拿大英属哥伦比亚大学教授Masao Nakamura。值得一提的是，Nakamura与其丈夫Jón Steinsson，二人自2008年《Five Facts About Prices: A Re-Evaluation of Menu Cost Models》的首度合作，现已发表数10篇经济学Top期刊的文章，堪称学术界的“黄蓉与郭靖” 。Emi Nakamura的研究领域主要涉及价格粘性、财政政策、货币政策及金融危机等宏观经济学领域，而Jón Steinsson研究领域也主要聚焦这些领域。

约翰·贝茨·克拉克奖（John Bates Clark Medal），别名经济学界的“小诺贝尔奖”，由美国经济协会于1947年在美国经济协会创始人、协会第三任会长、著名经济学家约翰·贝茨·克拉克（1847-1938）诞辰100周年之际所设立，目的在于纪念约翰·贝茨·克拉克提出的边际生产力理论、生产耗竭理论及边际效用需求理论。克拉克奖在2009年以前是每2年颁发一位，2010年开始已经改为每年颁发一位。入选基本资格为在美国大学任教、40岁以下的学者。

言归正传，细数Emi Nakamura的贡献着实颇多，2019年美国经济学会对Nakamura的颁奖词大致分为如下五大方面贡献：

贡献1：微观数据库构建

Emi Nakamura作为一位实证主义宏观经济学家，主要贡献在于企业定价、货币政策效应及财政政策效应等方面。Nakamura最卓越贡献则在于：创造性地构建了新颖数据库，以此解决宏观经济学长期困扰的问题。先前宏观经济学实证中主要以战后的、季度的、综合的时间序列数据库为基础，相较而言Nakamura所构建的数据库则具有分散度更大、频率更高、时间跨度更长等特点。Nakamura运用该数据库进行企业定价和菜单成本的研究，基于微观层面佐证了价格粘性，继而为数量型货币政策干预奠定了理论与实证基础。

Emi Nakamura运用微观产品价格数据验证宏观经济定价模型的有效性。众所周知，高质量微观数据的匮乏致使价格粘性的实证研究长期徘徊不前。这也一直是货币政策短期效应亟待解决的关键性问题 。粘性价格理论是宏观经济学解释失业与市场出清的重要前提，由个体最优行为引出粘性价格成为现代宏观经济学发展的重要基础。Nakamura与Steinsson所构建的新型数据库能够有效追踪纷繁复杂的货物价格，打破原有研究藩篱，推进宏观经济学发展。

Emi Nakamura的论文被引用频次 最多的当属：《五个关于价格事实:菜单成本的重新评估模型》（Five Facts About Prices: A Re-Evaluation of Menu Cost Models）（QJE，2008）。该研究主要基于美国劳工统计局数据发布的个体价格构建消费者价格指数和生产者价格指数，文中刻画了大量个体价格波动事实，并与“菜单成本”模型的预测结果进行比对。以往研究主要基于年度价格数据评估美国经济，Mark Bils和Pete Klenow开创性地从美国劳工统计局（U.S. Bureau of Labor Statistics，BLS）1995-1997年报告中提取价格波动频率均值的离散数据，研究发现CPI数据价格波动频率更大（持续期略高于4个月）。然而Nakamura与Steinsson则获取了1988-2005年美国劳工统计局微观层面的价格观测数据。

Nakamura与Steinsson运用该高级微观数据库，重新考察Bils和Klenow的结论，结果发现CPI数据中价格变频依赖于“常规价格”变动剥离出销售价格的方法。这篇论文影响力颇高的首要原因在于，它提供了令人信服的微观证据，佐证了个体价格“粘性”，相比于Bils和Klenow揭示的内涵更加深刻。这篇论文对于记录个体价格变动数据的特征也极具价值，可用于检验价格调整模型的真实性。Nakamura和Steinsson强调价格调整模型（“菜单成本”或“S-s”模型）的预测相反的两大特征：价格调整频率的季节性显著及风险函数对价格波动的失效 。

《多部门菜单成本模型中的货币非中性》（Monetary Non-Neutrality in a Multi-Sector Menu Cost Model）（QJE，2010；合作者Jón Steinsson）一文，进一步考虑了“菜单成本”模型中微观数据价格变化定量特征。戈洛索夫（Golosov）和卢卡斯（Lucas）运用菜单成本数值分析模型，他们认为所有商品经济将受到等同的菜单成本（生产技术产生相同除外），所有商品价格变化参数相同。但Nakamura与Steinsson在《五个事实》一文中明确揭示美国不同经济部门价格变动频率存在显著异质性。

而在“货币非中性”的论文中，他们校准了一个多部门的菜单成本模型，以匹配不同部门之间价格变化频率和平均价格变化幅度。所有公司的平均价格变动频率在多部门模型中货币扰动实际影响效应是单部门模型的三倍。校准后的多部门模型预测产出波动，其中近四分之一归因于美国商业周期波动。总体而言，这与向量自回归研究中将货币扰动对GDP波动的影响程度保持一致。本文强调考虑行业异质性对价格粘性参数化的重要性，这一观点影响力颇高。

最近，Emi Nakamura与Jón Steinsson耗费巨大精力，将劳工统计局（BLS）的消费者价格微观数据集追溯延伸到1977年。该数据库建设项目重要性在于，扩展的数据库将涵盖20世纪70年代末、80年代初通货膨胀，通货膨胀率比1988年通胀波动更大。利用扩展数据库的第一篇论文是与帕特里克·桑（Patrick Sun）和丹尼尔·维拉尔（Daniel Villar）合著的《难以捉摸的通胀成本：美国大通胀期间的价格离散》（The Elusive Costs of Inflation: Price Dispersion During the U.S. Great Inflation）（QJE，即将出版）。该研究着眼于高通货膨胀环境下企业如何进行价格调整以适应市场的复杂多变。作者发现早期（高通胀时期）数据中“常规”价格（即非销售）部分调整更频繁，并且考虑到最优价格调整模型预测的数量，调整公司价格的固定成本（“菜单成本”）。研究发现，尚未找到证据表明大萧条时期美国经济波动幅度增长，美国高通胀时期价格波动幅度并没有显著高于低通胀时期。

该研究还试图衡量高通胀环境下相似产品的价格分散度。常见的价格调整模型表明：鉴于不同公司根据整体每周价格增速确定最优价格，这应该是高通胀下加剧扭曲资源分配的一个重要原因。衡量真正相同商品价格的分散度非常困难，因为即使价格可进行完全灵活调整，不同公司不同商品价格也会具有显著异质性。

鉴于此，作者建议研究高通胀和低通胀时期的平均价格变动幅度的差异；其基本思想是：如果价格变化都调整到当前最优水平，那么观测的价格变动幅度实际上代表价格偏离最优水平的程度。研究发现，1988年以前和1988年以后几乎价格上涨的平均幅度相同（平均增长7%）。他们将此解释为：价格变化的时间内生性调整，进而减少通货膨胀造成的扭曲，相对于如果价格调整的时机独立于通货膨胀而预期的扭曲。作者的结论是，长期高通胀带来的福利成本可能不像基于具有外生价格调整频率的粘性价格模型的福利计算出如此之高。这篇论文重要贡献在于：对有关通胀成本的政策辩论、对美国价格调整历史事实的理解、对评估价格制定的替代理论模型的经验基础。

贡献2：财政政策效应——政府支出

Emi Nakamura的另一个重要贡献在于研究政府支出冲击的影响。政府支出乘数规模的估计分散且颇受争议。Nakamura与Steinsson合著的《货币联盟中的财政刺激:来自美国地区的证据》（Fiscal Stimulus in a Monetary Union: Evidence from U.S. Regions）（AER，2014）为该问题提供新型数据与识别方法。

估算财政乘数的难点在于，寻找政府支出的外生冲击困难重重。长期以来，军事采购被视为可能是政府支出外生冲击一个原因。事实上，自朝鲜战争以来总军事开支并无太大变化，因此基于总军事开支确定美国经济在过去50年的政府支出乘数方面的作用极为有限。Nakamura与Steinsson论文的一个重要观点是，虽然总体上美国军费开支可能变化不大，但地区军费开支却有很大变化，因此基于地区层面变化估计政府支出乘数非常有效。先前研究的另一个重要问题是，政府支出的产出效应很可能取决于货币政策反应程度，却未考虑经济严重衰退期，产出影响减少了典型货币对政府采购产出，尽管可能反应深度衰退期间截然不同。Nakamura与Steinsson的策略则有效回避了这个问题，因为货币政策反应对整个国家都一致，因此无法依此解释州际产出差异效应。

估算政府支出乘数的另一个复杂因素是它们的规模取决于政府支出的变化如何融资，以前的研究一直在努力考虑如何考虑融资因素。Nakamura与Steinsson的实证策略优势在于：地区军费开支由联邦税收提供资金，因此获取大量军费开支的地区与不获得军费开支地区具有截然不同的税收结构。因此考虑到区域军事开支变化并将其与区域产出变化关联，比以往研究更可靠地估计出政府开支乘数。

该文章创新点不仅在于应用了衡量政府支出乘数效应的巧妙工具。作者还指出估计购买支出相对较高的一个州对其经济活动的影响乘数，未必与全国政府支出对国民生产总值的乘数完全相同。关于“财政刺激”作为对经济衰退的反应的有效性问题，学术界一直存在激烈争论，原因在于各州之间对特定州购买增加的溢出效应。溢出效应的产生可能由于某个州政府支出增长而从其他州的购买增加，还可能因为国家政府支出增加的确需要美国整体纳税人收入增加，但州际层面的政府支出并非由依赖于纳税居民增多。Nakamura和Steinsso通过研究多区域新凯恩斯主义的一般均衡模型，并在模型参数化的情况下解释国家层面的政府支出乘数与州际政府支出乘数的差异性。本文提供了很好的论证，将非结构性实证研究与模型分析有机结合，对宏观经济政策评估具有相当重要意义。

贡献3：货币政策效应——信息效应

Nakamura的重要贡献是货币政策效果的实证分析，《货币非中立性的高频识别:信息效应》（High Frequency Identification of Monetary Non-Neutrality: The Information Effect）（QJE，2018，合作者Steinsson）一文研究了2000年1月~2014年3月美联储约106项计划公告的30分钟窗口利率的变化。依据相关文献的标准，在这30分钟的窗口所反映出金融市场变化，主要归因于美联储声明中发布的信息。但与先前支持“高频识别”货币政策冲击的学者观点不同，Nakamura与Steinsson意识到，信息披露不仅代表了给定经济基本面下货币政策的预期变化；还可能包含美联储知晓但市场不知晓的经济状况，或者美联储如何解读当前经济状况，与市场在美联储宣布上述决定之前的看法截然不同。该论文的主要贡献在于，在此类信息效应可能存在的前提下，推断货币非中性并建立和估计一个理论模型，以解释美联储公告的政策效果。

该问题推动了模型发展，模型中美联储的公告既可以产生信息效应，也可以产生纯粹的货币政策冲击，进而估算出观察到的美联储公告中的每个组成部分有多大。估计结果表明，该模型能够较好地解释美联储公告冲击效应；声明中约2/3的冲击代表有关未来经济基本面的消息，因此只有三分之一代表纯粹的货币政策冲击；尽管信息效应非常重要，但观测结果对美联储声明的反应与美国经济中高度的货币非中性是一致的。以上均是货币经济学基本问题的重要研究成果，本文对以前研究方法也进行了重大改进。

贡献4：推动理论模型发展

虽然Nakamura最具特色的贡献在于实证研究，但她的工作对理论模型的推进起到重要作用。重要的例子便是她的论文《重新审视预期指导的力量》（The Power of Forward Guidance Revisited）（AER，2016，与Steinsson和McKay合著）。本文主要讨论货币政策问题，鉴于中央银行对未来政策短期利率水平无重大变化的情况下，利率保持在一定水平，这可能是影响整体金融状况和刺激总需求的有效方式 。

简单的新凯恩斯主义DSGE模型意味着：在未来保持高度宽松政策的预先承诺应具有实质性促进作用; 事实上在未来几年承诺低利率情况下，这些模型预测对经济活动和通货膨胀的直接影响严重，以至于难以将其视为现实预测，并且一个肯定不符合预期指导的实际经验的相对温和的影响。这被称为“预期指导难题”。Nakamura和Steinsson认为，简单的新凯恩斯主义模型与实际不符的原因在于假设金融市场完全性，每个代理人都有一个跨期预算约束的特征，没有借款约束。他们分析了长期承诺对固定名义利率的影响，该模型反而允许存在无保险的收入风险和借贷约束，并发现虽然短期内货币政策预期的影响类似于那些通过更简单的模型预测，对固定名义利率的长期承诺的预测效果要弱得多。他们发现，从本质上讲如果一个家庭很可能在接下来的几个季度中有一个时间点其借贷约束条件具有约束力，那么未来的货币政策预期将远远超过约束时间，但不影响其目前的支出能力，这很大程度上使得未来预期政策承诺对当期总需求的影响。

因此，与其他简单模型比较而言，他们的替代模型表明：预期引导并非如此强大，仅是一种摆脱急剧收缩状态的弱工具。这篇论文既是对政策辩论的重要贡献，也是对运用新凯恩斯模型评估替代性货币政策的重要理论贡献。它激发了近期关于“异质性代理人新凯恩斯模型（HANK）”的文献涌出。

贡献5：其他领域

近期Nakamura与Steinsson在JEP共同发表了一篇题为《宏观经济学的识别》（Identification in Macroeconomics）的文章。此外她还发表了一篇工作论文，主要研究过去几十年经济衰退缓慢复苏过程中女性劳动力参与的重要作用。前者是上述方法的概括总结，她在财政政策和定价论文中都讨论过该方法：利用截面数据变化识别宏观经济现象，并运用一般均衡结构模型反映总体影响。这种方法在Nakamura最具影响力的几篇论文中都很常见。她利用最新详细数据库来探索横截面变化，并通过精细的结构模型来模拟整体经济影响。宏观经济则须进行加总建模，其中考虑了微观数据的异质性和均衡等诸多因素。该方法也被应用于关于房地产财富效应的几篇论文中，这与基于微观数据层面的研究所得结论截然不同。

工作论文《女性、财富效应与缓慢复苏》（Women, Wealth Effects, and Slow Recoveries）（与Fukui和Steinsson合著）论述了从商业周期低迷中缓慢复苏的现象，该论文认为：缓慢复苏现象与女性劳动力参与率与男性劳动力参与率趋于一致。随着20世纪中后期女性劳动力参与率的上升，就业从低迷中迅速复苏，因为在经济复苏期间女性进入劳动力市场的数量增加。然而，随着女性劳动力参与率上升并向男性劳动力数量的靠拢，这种驱动力已经逐步消退。这篇论文认为这一因素在经济复苏中占据70%。这是一组有趣的与劳动力市场“相反数字”：企业在经济低迷时期调整得相对较快，因为它们在裁员时须考虑长期趋势。类似的，在经济复苏时期经济体有能力吸纳新劳动力。

Emi Nakamura现已取得成就包括：NSF的职业奖项（2011），斯隆研究奖学金（2014），AEA伊莱恩·班尼特研究奖（2014）, 国际货币基金组织“新生代:排名前25位经济学家”（2014），被《经济学人》（2018）评为十年最佳八位年轻经济学家之一。她是AER、CBO经济顾问小组、AEA国家统计委员会和BLS技术咨询委员会的联合编辑；这些任命足以证明了她作为与数据构建相关问题的专家，在业内迅速获得的地位与认可。她对实证宏观经济学一般方法论的贡献，以及对分析货币和财政政策影响的实证基础的贡献，使Emi Nakamura成为今年约翰•贝茨•克拉克奖（John Bates Clark Medal）的杰出候选人。

Published Papers:

[1]Nakamura E. Inflation forecasting using a neural network[J]. Economics Letters, 2005, 86(3): 373-378.

[2]Nakamura E. Layoffs and lemons over the business cycle[J]. Economics Letters, 2008, 99(1): 55-58.

[3]Nakamura E, Steinsson J. Five facts about prices: A reevaluation of menu cost models[J]. The Quarterly Journal of Economics, 2008, 123(4): 1415-1464.

[4]Nakamura E. Pass-through in retail and wholesale[J]. American Economic Review, 2008, 98(2): 430-37.

[5]Nakamura A O, Shaw K L, Freeman R B, et al. Jobs online[M]//Studies of labor market intermediation. University of Chicago Press, 2009: 27-65.

[6]Nakamura E, Steinsson J. Monetary non-neutrality in a multisector menu cost model[J]. The Quarterly journal of economics, 2010, 125(3): 961-1013.

[7]Nakamura E, Zerom D. Accounting for incomplete pass-through[J]. The Review of Economic Studies, 2010, 77(3): 1192-1230.

[8]Nakamura E, Steinsson J. Price setting in forward-looking customer markets[J]. Journal of Monetary Economics, 2011, 58(3): 220-233.

[9]Nakamura A O, Nakamura E, Nakamura L I. Price dynamics, retail chains and inflation measurement[J]. Journal of Econometrics, 2011, 161(1): 47-55.

[10]Nakamura E, Steinsson J. Lost in transit: product replacement bias and pricing to market[J]. American Economic Review, 2012, 102(7): 3277-3316.

[11]Nakamura E, Steinsson J. Price rigidity: Microeconomic evidence and macroeconomic implications[J]. Annu. Rev. Econ., 2013, 5(1): 133-163.

[12]Nakamura E, Steinsson J. High frequency identification of monetary non-neutrality[M]. National Bureau of Economic Research, 2013.

[13]Nakamura E, Steinsson J, Barro R, et al. Crises and recoveries in an empirical model of consumption disasters[J]. American Economic Journal: Macroeconomics, 2013, 5(3): 35-74.

[14]Nakamura E, Steinsson J. Fiscal stimulus in a monetary union: Evidence from US regions[J]. American Economic Review, 2014, 104(3): 753-92.

[15]Nakamura E, Steinsson J, Liu M. Are Chinese growth and inflation too smooth? Evidence from Engel curves[J]. American Economic Journal: Macroeconomics, 2016, 8(3): 113-44.

[16]Nakamura E, Sigurdsson J, Steinsson J. The gift of moving: Intergenerational consequences of a mobility shock[R]. National Bureau of Economic Research, 2016.

[17]McKay A, Nakamura E, Steinsson J. The discounted euler equation: A note[J]. Economica, 2017, 84(336): 820-831.

[18]McKay A, Nakamura E, Steinsson J. The power of forward guidance revisited[J]. American Economic Review, 2016, 106(10): 3133-58.

[19]Nakamura E, Sergeyev D, Steinsson J. Growth-rate and uncertainty shocks in consumption: Cross-country evidence[J]. American Economic Journal: Macroeconomics, 2017, 9(1): 1-39.

[20]Fukui M, Nakamura E, Steinsson J. Women, Wealth Effects, and Slow Recoveries[R]. National Bureau of Economic Research, 2018.

[21]Nakamura E, Steinsson J. High-frequency identification of monetary non-neutrality: the information effect[J]. The Quarterly Journal of Economics, 2018, 133(3): 1283-1330.

[22]Nakamura E, Steinsson J. Identification in macroeconomics[J]. Journal of Economic Perspectives, 2018, 32(3): 59-86.

[23]Nakamura E, Steinsson J, Sun P, et al. The elusive costs of inflation: Price dispersion during the US great inflation[J]. The Quarterly Journal of Economics, 2018, 133(4): 1933-1980.

[24]Guren A M, McKay A, Nakamura E, et al. Housing wealth effects: The long view[R]. National Bureau of Economic Research, 2018.