手機端
安娜·米庫舍瓦改進時間序列計量經(jīng)濟學工具，提供更佳預測效果。
MIT Technology Review 中國大陸地區(qū)獨家授權，未經(jīng)授權嚴禁轉載。更多精彩內容請搜索官方微信“mit-tr”，同我們一道關注即將商業(yè)化的技術創(chuàng)新，分享即將資本化的技術創(chuàng)業(yè)。
安娜·米庫舍瓦
對于學者們的工作，如果你問的多了，總會遇到令人驚訝的描述。
“我的論文是關于持久估算的，也就是說你對過去記住了多少?！甭槭±砉W院（MIT）副教授安娜·米庫舍瓦（Anna Mikusheva）在談及自己的博士論文時說。
初聽起來，你可能認為米庫舍瓦是一名心理學家或普魯斯特學者。但事實上，她是一名計量經(jīng)濟學家：研究經(jīng)濟模型中估算方法的學者。
更準確地講，米庫舍瓦主攻時間序列計量經(jīng)濟學，研究的是與特定統(tǒng)計輸出相關的時間觀察值序列，比如通貨膨脹、國內生產(chǎn)總值和股票價格等。
所以，當米庫舍瓦說“你記得多少”時，她談的實際上是時間序列計量經(jīng)濟學中的一個關鍵問題：這些離散數(shù)據(jù)點具有多大程度的關聯(lián)性，比如某只股票價格的歷史。
“時間序列與時間依賴性有關，即不同觀察值之間的相互依存關系?！泵讕焐嵬呓忉屨f。
就她的工作而言，一是分析該領域內現(xiàn)有的經(jīng)濟學工具，二是幫助開發(fā)可解決時間序列問題的新方法。
當然，要想完整說明諸如通貨膨脹之類的軌跡，你需要全面解釋其所涉及的各種因素。
不過，計量經(jīng)濟學可以幫助我們了解這些模型在統(tǒng)計學上是否可靠，以及經(jīng)濟數(shù)據(jù)的產(chǎn)生過程中是否存在持久性和連續(xù)性。
基于她的創(chuàng)新性工作和教學，米庫舍瓦在去年年初獲得MIT終身教職職位。
扭轉人生的入學考試
從一名蘇聯(lián)兒童到獲得MIT教職職位，米庫舍瓦的個人經(jīng)歷恰恰也是一個充滿諸多非連續(xù)性的時間序列。位于烏拉爾山脈一帶、靠近哈薩克斯坦邊境的俄羅斯城市奧倫堡是她的成長地，但最初，她學的并不是經(jīng)濟學。
“從一開始，從兒童時代起，我恰好就喜歡數(shù)學。”米庫舍瓦說，“老師們都鼓勵我?！彼€回憶說，家人也給予了她精神支持，雖然這未必就是學術指向。
“我的父母對教育非常支持，但他們對教育工作并不是很了解，在這方面也沒有多少經(jīng)驗?！泵讕焐嵬哒f，“我有一位非常好的數(shù)學老師，她認為我有天賦，鼓勵我參加奧林匹克數(shù)學競賽，于是我就參加了一些地區(qū)級別的競賽?！?/p>
米庫舍瓦15歲時參加奧林匹克數(shù)學競賽，雖然后來一直沒有超越地區(qū)級別的門檻，但在參加競賽期間，她獲得了一個機會：莫斯科一家寄宿學校注意到了她，并表示如果她能通過入學考試，就會為她留出錄取名額。
米庫舍瓦通過了考試，離開家鄉(xiāng)，去了新的學校。“這是一個很難得的機會?！彼f。
再之后，米庫舍瓦就讀莫斯科國立大學（Moscow State University），并于1998年獲得數(shù)學學士學位。在拿到莫斯科新經(jīng)濟學院（New Economic School）碩士學位之后，米庫舍瓦才正式開始經(jīng)濟學研究，同時又回到莫斯科國立大學攻讀數(shù)學博士學位。
她在莫斯科國立大學的博士研究生教育只完成了大約一半：由于太優(yōu)秀，她被哈佛大學（Harvard University）錄取，攻讀經(jīng)濟學博士學位。她最初準備研究博弈論，但后來轉向了時間序列計量經(jīng)濟學，部分原因與她的導師詹姆斯·斯托克（James Stock）有關，因為米克舍瓦認為自己能夠解決斯托克早前確定的一些問題。
“我覺得計量經(jīng)濟學更適合我?！泵讕焐嵬呋貞浀溃斑@是一種數(shù)學統(tǒng)計。我說，‘這可能是我的強項所在?！?/p>
數(shù)據(jù)的局限性
米庫舍瓦是對的：她于2007年完成博士學業(yè)，而她提出的“一致漸近逼近”（uniform asymptotic approximation）概念以及與之相關的論文，很快就被一家頂級期刊發(fā)表。很多用于經(jīng)濟模型評估的統(tǒng)計方法都基于這樣一個假定，即其所涉及的大量數(shù)據(jù)是可以無限增加的。
但經(jīng)濟數(shù)據(jù)并不是無限的，因此在將經(jīng)典統(tǒng)計方法應用于現(xiàn)實世界時，其準確性有多高？米庫舍瓦的方法表明，模型估算的某些方面可能并不可靠，并暗示經(jīng)濟學中一些常用的統(tǒng)計方法存在這種不可靠問題。
“作為計量經(jīng)濟學家，我們實際上是不開發(fā)模型的，但我們會開發(fā)可供應用研究人員使用的方法。而且我認為，作為計量經(jīng)濟學家，我們對我們所提供方法的質量還是很在意的?！彼f。
在最初的成功之后，米庫舍瓦開始追求多層面的研究，其中一些研究是圍繞著“弱識別”（weak identification）開展的。這里的弱識別，是指經(jīng)濟模型的某一方面存在信息匱乏問題。這個問題在一些宏觀經(jīng)濟模型或大型模型中表現(xiàn)得尤為明顯，其中也包括人們所熟知的動態(tài)隨機一般均衡（DSGE）模型。
“我對其他經(jīng)濟學領域的同事充滿敬意。”米庫舍瓦說，“解決大型宏觀模型問題是一個重大挑戰(zhàn)，而他們在這方面做得相當成功?！钡瑫r，她又補充說：“動態(tài)隨機一般均衡模型的困難在于，數(shù)據(jù)的支撐力并沒有我們想象的那么強大。”
在經(jīng)歷了幾年的職業(yè)生涯之后，現(xiàn)在米庫舍瓦開始強調她在MIT的工作生活。
“我們這個院系提供了很好的支持性環(huán)境，一直以來都是這樣?！泵讕焐嵬哒f，“這是最具合作精神的院系之一。人們喜歡交流?！?/p>
對米庫舍瓦來說，富有成效的對話也會發(fā)生在課堂上?！拔蚁矚g教學?！彼f，“有時候，學生教給我的，比我教給他們的還多。我喜歡在課堂上討論，他們經(jīng)常會提出非常有趣的問題?！?/p>
基于自身的教學努力，米庫舍瓦2008年獲得MIT經(jīng)濟學研究生教師獎。在研究方面，米庫舍瓦2012年獲得美國經(jīng)濟學會（American EconomicsAssociation）頒發(fā)的伊萊恩·班尼特研究獎（Elaine Bennett Research Prize）；該獎每年頒發(fā)兩次，對象是在7年內完成經(jīng)濟學博士學業(yè)的女性。
從近期看，米庫舍瓦將會發(fā)表更多有關弱識別的論文，并繼續(xù)朝著計量經(jīng)濟學的新領域邁進。但她的過去和未來研究之間會不會存在強連續(xù)性，那就等時間告訴我們吧。
