0

1
0

文字

分享

0
1
0

三個經濟學家有四個看法,經濟學家如何從數據做出未來經濟預測?

研之有物│中央研究院_96
・2020/11/04 ・5051字 ・閱讀時間約 10 分鐘 ・SR值 612 ・十年級

本文轉載自中央研究院研之有物,泛科學為宣傳推廣執行單位。

  • 採訪編輯|蕭歆諺;美術編輯|林洵安

每年 7、12 月,中研院都會發佈對台灣總體經濟的預測,12 月公布隔年總展望,7 月發佈當年修正後的預測數據。但未來未來一直來,變數這麼多,經濟學家是怎麼判斷前景大好或大壞?難道是靠投票、擲骰、丟硬幣?「研之有物」專訪中研院經濟預測小組召集人、經濟研究所兼任研究員周雨田,帶你破解經濟預測的幕後步驟,一窺經濟學家如何推估經濟指標,幫助政府和大眾掌握經濟風向。

經濟預測的影響有多大?差 1% 差很大

一般人聽到「經濟總體預測」,可能很難有具體感覺。預測報告中密密麻麻的各項指標,似乎不會直接影響日常生活。但真是如此嗎?我們與經濟指標的距離,或許比想像中還近。

五花八門的經濟指標。圖/Envato Element

周雨田解釋,經濟預測很大程度會影響政府決策,舉凡編列預算、稅收增減、大型公共建設計畫等,都奠基在對整體經濟的展望評估。

這些政策看似遠在天邊,其實與生活環環相扣:明顯的如三倍券或紓困方案,讓民眾多了一點小確幸;重大政策如前瞻基礎建設、央行貨幣調節、銀行利率,會影響產業發展與企業進出口成本,也帶動大家最關心的股市行情。

這些數字看似微小,實則影響巨大。經濟成長下修 1%,聽了不容易有感;但台灣一年 GDP 約 19 兆台幣,差 1% 就差了 1900 億元!也難怪每年發布經濟預測時,總會吸引媒體目光。

2020 年 7 月中研院發布的經濟預測。中研院經濟預測小組是經濟所組成的研究團隊,每年固定公布二次報告。圖/研之有物(資料來源:中研院經濟預測小組)

1.83%?-4%?為何國內外各家預測大不同?

政府主計單位之外,中研院是台灣第一個進行總體經濟預測的機構,早在 60 年代中期由于宗先院士等人首開先河,歷史悠久。

國內其他非官方預測單位還有中華經濟研究院台灣經濟研究院台灣綜合研究院和近年加入的中央銀行等;國外重要預測機構則有 IMFOECDWorld BankIHS Global InsightOxford Economics 等機構。此外,一些大型民營金融單位也會提供涵蓋較小範圍的總體經濟預測。

比對各家版本,中研院的預測數字有時較為保守,例如今年各家數據最高達 1.83%,中研院則落在 1.15%。為何同樣是經濟預測,結果卻有不小差距?

2020 年對台灣的經濟預測非常分歧,國內預測都在 1% 以上;外國數據幾乎都不到 1%,最差是 -4%,原因可能是資訊不對稱,外國預測單位對台商回流、振興政策等影響效果的掌握較不足。圖/研之有物(資料來源:周雨田提供)

周雨田解釋,每個機構有各自的運算模型、方式;作為學術研究機構,中研院相對沒有約束與包袱,比較可以「放得開」,更勇於據實當一隻烏鴉。

檢視過往紀錄,中研院的預測表現確實平穩,準確度很高。比如 2012 年主計總處曾「連九降」經濟成長率,從 4.58% 一路調至 1.66%;當年 7 月中研院發布的數據為 1.94%,是預測最精準的版本。

儘管有學術上的優勢,他也坦承,相較於其他機構,學術單位對個別產業的細部發展掌握較少。

2012 年受到歐債問題延燒、全球經濟成長下修等負面影響,主計處的經濟預測曾出現罕見的「九降風」。圖/研之有物(資料來源:周雨田提供)

拆解「經濟預測」四大步驟

整個經濟預測流程,主要包含四大部分:蒐集資料、模型運算、預測討論和對外發佈。

蒐集資料是常態性隨時進行的程序,密集準備期則約需一到兩個月的時間。研究模型使用的是季度資料,大部分來自主計總處,其他還包含中央銀行、財政部、中央氣象局與 IMF 等國內外單位。除了數據,也需要關注重要新聞事件,例如政策施行成效、國際地緣政治發展,進一步評估對各變項的影響。

在模型運算的階段,團隊使用統計分析軟體 EViews 和 GAUSS 進行計量經濟分析,每季都會重新運算數據,反應最新一季資料的影響。

目前使用的預算模型是一個中型規模,共有將近 30 條方程式,涵蓋商品與勞務市場(民間消費、民間投資、出口、進口)、勞動市場(失業率、工資)、價格函數(進口物價、出口物價、國產內銷品物價、消費者物價、核心物價、8 項物價平減指數)、金融市場(股價、匯率、利率、M1B、M2)、及政府財政(稅收)等變項。

台灣經濟結構並非一成不變,運算模型自然也要不斷修正。經年累月的優化下,照理說,預測模型應該愈趨精準。但周雨田解釋,除了經濟結構不斷改變之外,許多影響經濟的因素、程度都難以被具體量化,因此每季得到初步運算結果後,就有賴團隊進一步開會討論與修正。

經濟結構不斷改變,因此模型也需要不斷修正。例如,台灣已從製造業轉向服務業,高科技產業比重持續擴增,運算時就需要區分:消費屬於服務(餐飲、旅遊)或商品類?若是商品,那屬於耐久財(汽車)或非耐久財(日用品)?圖/研之有物

三個經濟學家有四個看法,我們有七個成員,你就知道會有多少看法!

周雨田笑著說,意見分歧是常態,從不同變數的影響時間長短,到不同政經事件衝擊的程度,不一而足。研究團隊得透過一次次的開會討論、辯證、說服彼此,取得共識,萬不得已才會投票表決。

今年最大的歧見是什麼?周雨田透露,「先前比較大的歧異點是疫情影響。」新冠肺炎剛爆發時,有些人認為疫情仍侷限對岸,不會有過大、過長的影響;另一派則認為兩岸交流頻密,絕不可小覷嚴重性。光是簡單描述,就能想像彼時討論有多熱烈!

但無論共識有多難,經濟指標總是要發佈。7、12 月中研院固定召開兩次記者會,發佈對台灣總體經濟的預測,內容包含經濟成長率、民間消費成長率、進出口成長率、消費者物價指數和失業率等重要指標。

黑天鵝頻頻出現 經濟預測挑戰大

上述每個指標都相互牽動,其中集大成者是「實質經濟成長率」,受到消費、投資、政府購買及淨出口等影響。包括疫情對外貿動能的衝擊,政府紓困與前瞻計畫,都會反映在該指數上。

相比之下,「美金和人民幣匯率會有什麼漲跌?」「央行利率可能調降嗎?」「股市什麼時候跌?現在能不能進場?」這些記者會經常出現的敏感問題,學術上很難有一致的答案,運算模型則不做預測。這在文獻中有個名稱叫隨機漫步模型(Random Walk),增加跟降低的機率基本上一樣,意思就是沒辦法預測。

整體來看,經濟預測中最大的挑戰是什麼?

周雨田認為特別難預測的是「進出口成長率」。他解釋,評估進出口成長率要考量匯率、國內產業發展、國外需求和其他國際情勢等因素,牽涉變數廣。除了變數之間的相互影響,還要考慮影響時間,例如:假設去年貿易變數延續至今,這個影響會長達一季或兩季?

另外,「民間投資成長率」也是一大難題。因為投資牽涉景氣循環起伏,但任何經濟預測中,最難掌握的就是轉折點!景氣何時到谷底?是不是要開始反轉了?都是經濟學家的頭痛挑戰。

相較之下,較好預測的有民間消費、政府支出。前者大概佔 GDP 的五到六成,畢竟無論現實情勢如何都會有基本消費;後者則因為政府前一年就需訂下預算編列,相對容易掌握。

不過,只要遇上黑天鵝,各項指標皆顯得變幻莫測。

回首過往,911 事件、金融海嘯都曾劇烈衝擊景氣,讓預測誤差明顯擴大。今年,黑天鵝同樣頻頻出沒!周雨田表示,疫情大流行、中美衝突、美國大選等,增加了經濟預測的難度。

所幸,面對黑天鵝,經濟學家並非束手無策。對應之策是參考歷史,像是參照 SARS 來推估新冠疫情對經濟的衝擊程度。

面對高度不確定的狀況,中研院除了發佈「點預測」,也從 2011 年起率先提出「區間預測」。不確定性愈高則區間愈大,彈性應對,預測數據更具參考價值。

今年飛來這麼多隻黑天鵝,預測時會不會特別有壓力?「會也不會,會是因為很難下定論,不會是反正大家都不準,」周雨田露出頑皮的笑容。

股市是經濟的領先指標之一,但也是有缺陷的指標。意思是:我們可以透過股市了解景氣的可能趨勢,但因為股市和 GDP 關係並不那麼緊密,因此常出現股市與經濟表現脫鉤的現象。但是就長期趨勢而言,股價和 GDP 的走向總會回歸一致的。圖/研之有物

後疫情時代,台灣的經濟前景樂觀嗎?

劇烈震盪的 2020 年,全世界史無前例大規模封城、鎖國,國際貨幣基金組織(IMF)更預測全球衰退將擴大到 4.9%。面對外在嚴峻挑戰,台灣是否能刺激景氣復甦?未來經濟走勢又是如何呢?

談起備受討論的「三倍券」,周雨田表示,目前只能從過往數據推估新政策的效果,主要根據中研院王平院士、彭信坤與簡錦漢對 2009 年消費券成效進行的研究,預測三倍券的邊際消費傾向(Marginal Propensity to Consume, MPC)、替代效果、乘數效果與 GDP 貢獻度。

舉例來說,每使用 100 元振興券,民眾額外多支出的費用,就是邊際消費傾向(MPC)。乘數效果則是多增加的消費再逐層衍生出新的消費,最後創造出的總經濟獲益。如果民眾買的是原本必要的商品(米、奶粉),沒有拿去做額外消費,替代效果太高,振興方案的乘數效果就會較低。圖/研之有物

理想的狀況下,替代效果愈低、邊際消費愈高,三倍券的乘數效果愈大。相較於消費券,現在多了數位選擇,消費方式更多樣化,另外民眾若綁信用卡直接折抵,不能衍生第一層後續的消費,就不會有大的乘數效果。

綜合上述因素,周雨田推估三倍券可貢獻 GDP 約 0.2%~0.3%。單從數字看來,刺激經濟效果似乎並不太大?他解釋,部分原因與預算規模有關,三倍券預算約僅占 GDP 的 0.27%,遠小於 2009 年消費券的占比 0.62%,振興方案的效果自然較低。

綜合來說,後疫情時代,台灣的經濟前景將是如何?

「我們並不悲觀!你看全世界,GDP 有 1% 的很少。」周雨田總結,台灣整體經濟、消費者信心逐步回溫中,2020 年的總體經濟成長率預估能破 1%,來到 1.15%。

但不可否認的是,未來仍充滿變數,中美衝突加劇地緣政治風險、下一波疫情、疫苗研發時程,都將牽動景氣。因此周雨田認為,經濟復甦的曲線可能不會是 V 或 U,而是上上下下呈 W 型,這也是今年經濟學界的熱議話題,包括研究團隊內部至今都充滿分歧爭論。

不靠通靈占卜,經濟預測靠的是硬到不行的模型演算,以及經濟學家對現實景況的熱烈論理。下回看到經濟預測,你就知道眼前一條條經濟指標背後,究竟仰賴多少厚實的研究過程與基礎功。

今年剛從研究員退休的周雨田,轉任兼任研究員,繼續為年底的經濟預測努力。走入辦公室,牆上貼著幾張描繪經濟走勢的圖表,一組組書櫃盡是經濟學相關書籍。每年影響台灣重大經濟政策、商業發展的報告,就出自這間看似尋常的研究室。圖/研之有物

延伸閱讀

本文轉載自中央研究院研之有物,原文為《景氣好、景氣壞,未來經濟怎麼預測?破解經濟學家的「天眼通」!》,泛科學為宣傳推廣執行單位

文章難易度
研之有物│中央研究院_96
255 篇文章 ・ 2335 位粉絲
研之有物,取諧音自「言之有物」,出處為《周易·家人》:「君子以言有物而行有恆」。探索具體研究案例、直擊研究員生活,成為串聯您與中研院的橋梁,通往博大精深的知識世界。 網頁:研之有物 臉書:研之有物@Facebook

0

9
6

文字

分享

0
9
6
【2022 年搞笑諾貝爾經濟獎】不想努力的我,把運氣點滿就對了
超中二物理宅_96
・2022/09/21 ・6128字 ・閱讀時間約 12 分鐘

國民法官生存指南:用足夠的智識面對法庭裡的一切。

  • 文/東海大學應用物理學系  施奇廷

天才是百分之一的靈感加上百分之九十九的努力。

——愛迪生(Thomas Alva Edison, 1872-1946),並不是第一個這麼說的人

上面這句話,一開始其實是一位女作家凱特‧桑伯恩(Kate Sanborn)說的,愛迪生引用之後變得廣為人知,不過愛迪生分配給「靈感」的趴數不太一定,有時候變兩趴,有時候不屑一顧:「天才才不是來自靈感,靈感其實也是努力來的啦!」,有就是:零趴。

不過「天才」並不代表「成功」。2022 年「第 32 次的第一屆」搞笑諾貝爾經濟獎,獲獎的研究告訴我們,「成功是百分之一的天才加上百分之九十九的運氣」。這下努力再也不是決定性的因素,只剩萬分之九十九;靈感更慘,只佔萬分之一。

運氣最重要啦!

(背景音樂:別人的身命,是框金又包銀,阮的身命不值錢……by 蔡秋鳳)

先說一下,為什麼「經濟獎」會是由物理學家(也就是我)來介紹呢?因為這次獲獎論文的三位來自義大利卡塔尼亞大學(University of Catania)的作者中,有兩位是物理學家(Alessandro Pluchino 以及 Andrea Rapisarda),只有一位是經濟學家(Alessio Emanuele Biondo),研究的方法也「很物理」,將「人生的成功」用一個簡單到令人髮指的模型來模擬,可說是「化約主義」(reductionism)的極致。所以正常的經濟學家可能會覺得「你們用這種方法來研究經濟學簡直是在搞笑」,因此才得獎的吧。

一般媒體的報導多半僅止於此,並不是!其實還有一個重點是如何扭轉這個「萬事天注定」的宿命論,讓具有才能的人出頭天。

他們的研究是利用「代理人模型」(agent-based model),也就是模型中的基本單元就是一個一個虛擬世界中的人,然後根據研究的問題「假設」來制訂行動規則,接著就讓這些「代理人」依照規則行動,看看結果如何。如果模擬出來的結果符合我們看到的社會現象,那麼上述的「假設」就可能為真。

在這個「TvL 模型」(Talent vs Luck, 天才對運氣)中有 1000 個代理人,他們被隨機灑在一個 201×201 的方格棋盤上面,每個人佔據一個空格,每個人身上帶著 10 塊錢——這裡我們姑且用金錢來衡量「成功的程度」,它也可以是在政治界官位的高度、學術界發表論文的數量與影響力……等其他面向量化後的「成就點數」。

接著同樣在這個棋盤上面隨機灑出一些綠色跟紅色的點,它們代表「人生中可能會遇到的事件」,綠色代表「幸運事件」,紅色代表「不幸事件」。事件的總數是人數的一半,也就是 500 個,其中紅綠各有 250 個。

(圖一)TvL初始狀態一例。

假設每個人的「才能」是標準化後,介於 0 到 1 之間的常態分布,平均值為 0.6,標準差為 0.1。這裡用單一的變數 T 來代表才能,它包含了智商、個性、努力、教育……等出道前養成的所有個人屬性。

(圖二)TvL 模型中,1000 人的才能分布圖。

這個世界變化的規則如下:

  1. 「人」不會動,從頭到尾待在原地。
  2. 每一步中,每個「事件」會任選一個方向,移動兩格。
  3. 如果某個人剛好在某個事件移動的路徑上(直接撞到)、或者是與路徑相鄰(擦身而過),表示他身上「出事了」。
    • 如果碰到的是綠點,表示「好事發生」。不過「運氣屬於準備好的人」,手裡錢(或成就點數)有機會翻倍,發生的機率就是才能值 T。所以才能較高的人,比較能掌握幸運的機會。
    • 如果碰到的是紅點,表示「發生不幸」,跟幸運不一樣的是:「不幸」是公平的,遇上的人金錢一律減半。這個設定的基礎是這樣:不管上智或下愚,路上被車撞就是得送醫、住院;被地震颱風直接命中就是會變成受災戶,你有再高的才能也無用武之地。
  4. 沒有被事件撞到或擦到的人,金錢不變。
  5. 回到 1。

假設每個人從菜鳥出道一直到退休一共奮鬥 40 年,而每半年就可能碰到一次重大的事件,所以整個模型需要模擬的就是每半年一次的變化,一共 80 步後,遊戲結束,來計算一下成績,最後大家手裡有多少錢呢?

結果顯示經過一生的努力後,財富分布滿足大家熟悉的「80-20」法則,前 20% 的人擁有整個社會 80% 的財富。雖然「80-20 法則」通常是拿來批評「貧富不均」這個社會現象,其實它有更深一層的涵意:如果只看前 20% 的有錢人,就會發現這裡面的 20% 也一樣會擁有其中 80% 的財富!也就是「有錢人之間」也是有「貧富不均」的現象。換算一下可以得知,前 4% 的有錢人(前 20% 的前 20%)擁有整個社會 64% 的財富(80% 的 80%);然後再看最有錢的前 4% 的「超有錢俱樂部」中,同樣符合「80-20 法則」!

目前人類社會的財富分布,就符合這個奇妙的法則,在數學上,「財富數量」與「擁有這個數量的人數比例」會呈現「冪次律」(power law)特性,兩邊都取對數做成圖的話,會呈現一直線。

這個超級簡單的 TvL 模型到底能不能反應真實世界的狀況?由圖三看起來,它的確能重現財富分配「80-20 法則」的「冪次律」特性,所以模型雖然簡單,的確有抓到財富分布最重要的特性,也讓後面的結果具有說服力。

(圖三)模擬結束後的財富分布狀況,橫軸是「代理人手中的錢」,縱軸是「擁有這麼多錢的人有幾個」。兩個軸都取了對數,分布成一直線,符合「冪次律」。

那麼,誰是這場遊戲的第一名?

因為人的位置跟事件的移動都是隨機、公平的,而才能高的人抓住幸運事件讓錢倍增的機率較高,所以最後的贏家應該是才能很高的傢伙吧?

很合理的想法,不過結果可能會讓你吃一驚:第一名的才能 T=0.61,非常接近平均值,他最後手上有 2560 元,成長了 256 倍;而最慘的人居然擁有 T=0.74 的才能,以常態分布來說,是排名在前 7%,或是 PR93 的強者。如果覺得只看第一名跟最後一名不準的話,就來看看所有人的成績分布吧!

(圖四)1000 個代理人的才能(橫軸)以及最後的金額(縱軸)。

從圖四可以看出來,以最高的 T=0.61 那一點為中心,左右兩邊大體上是對稱的。看起來,才能高的人,真的好像不見得在這個「人生遊戲」終站到便宜!

那到底你將成為「人生勝利組」或是「魯蛇」,決定性的因素到底是什麼?答案是「運氣」

就算資質平庸,抓住好運的機率稍微差一點,只要你在人生的過程中,碰上好事的機率比別人多很多,你還是可能出人頭地,成為頂尖人物。圖五清楚的顯示了這兩個人的運氣差多少:(a)第一名的人生,發生了八次幸運事件,而且雖然機率只有 61%,很幸運的也每次都掌握到了,而厄運則是一次也沒有!(b)反觀最後一名的人生,厄運連連高達 15 次,而且根據模型規則,毫無招架之力一次也躲不掉!好事只有發生一次,真想幫他寫個「慘」字……。

(圖五)(a)第一名與(b) 最後一名的人生境遇。上圖是財富對時間的關係,下圖是遭遇好事(往上)與厄運(往下),或是無事(持平)的時間軸。

這只是一次的模擬,有可能只是湊巧出現這種令人意外的結果。別擔心,物理學家雖然頭腦簡單,做事情挺小心的,模擬個 100 次吧!然後看看每次的第一名的人的才能值的分布狀況,發現才能還是有差啦!但是並沒有很戲劇性的差別。拿到各次模擬第一名的人,平均才能值是 0.66,比起平均值 0.6 稍大一些,大概是「均標以上、前標未滿」的程度。100 次不夠,來個 10000 次吧!等於是 1000 萬個人生,得出來的結果差不多,10000 個「第一名」的平均才能是 0.667(圖六)。

(圖六)(a) 100 次,(b)10000 次模擬中,各次第一名的才能值分布。

看起來,才能高低對最後的結果是會有影響,但是頗為有限,運氣的影響大很多。而且,檢視才能比平均人高出一個標準差以上,也就是 T > 0.7,或是 PR84 以上的「秀才」,他們的成功率如何呢?這裡「成功」的定亦是,只要你在工作 40 年後,手上的錢不少於剛出道時(10 元)就可以了。天啊這標準也太低,不過在這種低標準之下,這些秀才的成功率也只有 32.05% 而已!人生真的好難!

看到這裡不禁覺得充滿負能量,大家都別再努力了,反正運氣決定一切……。

作者接著問,現實如此殘酷,政府能為我們做些什麼?

政府在挹注資源扶植科技研發、經濟產業等領域時,經常會有一種「菁英主義」思維:「我們如果把資源集中投給那些有才能的人,應該能夠得到更好的效果吧!」不過「才能」很難一下子看得出來,所以就變成「有才能的人應該本來就會表現得比一般人好,那就把資源給那些過去表現比較好的人吧!」

這樣的作法是正確的嗎?

於是研究者設計了一些補助辦法:每隔五年,就會有「政府資金」挹注給模型裡的 1000 個代理人,所以在整個模擬過程中,會有八次補助。補助的策略有幾種精神:

  1. 齊頭主義:給所有的人相同金額的補助,皆大歡喜。實行方式:每次每人補助 1 塊錢、兩塊錢或 5 塊錢,三種方式補助 1000 人、八次的總預算分別為 8000、16000、40000。
  2. 菁英主義:只補助表現較好(手中金額排名在前面特定比例)的人,表現差的人管你去死。實行方式:表現前 50% 的發 5 塊錢(總預算 20000);表現前 25% 的發 5、10、15、20 元(總預算10000、20000、30000、40000);表現前 10% 的發 5、10、20 元(總預算 4000、8000、16000),一共八種方式。
  3. 折衷主義:前兩種極端方式的妥協,一部分的經費給表現名列前茅的人較多補助,剩下的給其他人平分。實行方式:前 25% 的人 5 或 10 元,其他人 1 元(總預算 16000、26000);前 25% 的人 10 元,其他人 5 元(總預算 70000),共三種方式。
  4. 亂槍打鳥主義:隨機抽取一個比例的人,塞錢給他們,用樂透來翻身的概念。實行方式:隨機選取 10% 的人給 5 元(總預算 4000);隨機選取 25% 的人給 5、10 或 20 元(總預算 10000、20000、40000);隨機選取 50% 的人給 5 元(總預算 20000),一共五種方式。

目標是「希望那些有能力的人(具體而言,就是 T > 0.7,比平均值高一個標準差),在政府的幫忙下,能夠好好發揮才能。」用來衡量這個目標的指標,就是經過了八個回合的補助,40 年後這些人「成功」(模擬結束後手上還超過 10 塊錢)的比率增加了多少。上面這些補助方式中,表現最好的方法是哪一個呢?

答案是前「25% 的人 10 元,其他人 5 元」,讓 T>0.7 的「高能力族群」的成功率,從沒有補助的 32.05% 一口氣提高到 94.82%,看起來很成功!幾乎全壘打!

不過總共要花 70000 塊,是所有方案中最貴的。相較之下,無腦式的每個人都發 5 元,也可以達到 94.40,幾乎不相上下,但是花費只需要 40000 元。也就是說,根本不用給名列前茅的人特別獎勵,成效也一樣好。

所以如果要看政府錢有沒有花在刀口上,要看的是「每花一塊錢,可以增加多少高能力族群的成功率?」也就是「效率=(補助後成功率—補助前成功率)÷ 政府總預算」。用這個方式比的話,那個方案是第一名?

答案可能讓你跌破眼鏡,是最簡單的「每次每人補助 1 元」!總共花 8000 元,可以讓成功率提升到 69.48%,提升了 37.43%。剛剛拿第一名的方法,除以所花的錢後,績效也掉到後段班了,是 18 種方案的第 11 名。表現最差的是「表現前 10% 的發 20 元,其他人 0」這個極端的菁英主義方式,它的效率只有前者的 1/25,花了兩倍的 16000元,只提升了 2.93%,成為 34.98%。

事實上,所有的「菁英主義」式的補助,幾乎都是表現最差的。

(圖七)各種補助方式的政府經費效率。數值已經標準化,以第一名的「所有人補助 1 元」的效率為基準的比值。

如果政府經費充裕,總共要砸 80000 元下去,哪一種方法最好呢?模擬的結果顯示,還是「齊頭式平等」所有人均分表現最佳;第二、三名分別是「亂槍打鳥」隨機抽選 50% 的人平分、以及「折衷主義」表現前 25% 的人分掉一半的錢,其他 75% 的人分掉另一半。這三種方式的成績相當接近,都可以達到 96% 以上的成功率。

在這個極簡 TvL 模型下,齊頭式平等的補助方式表現最好,表示在「無法明確看出到底誰是高才能者」的前提下,「雨露均沾」才是讓才能高者出頭的最佳方式。不過作者也指出,在真實的世界中,拿到第三名的「折衷主義」方案,在人人有獎的前提下,給表現較好的人更多的鼓勵,可能產生激勵效果讓所有人更加努力,發揮更大的整體效果。未來若能將這個因素加進模型中,有可能會變成由折衷方案勝出。

這些結果,也呼應了本研究中的兩位物理學家在 2010 年獲得「搞笑諾貝爾管理獎」的題目(對,他們是第二次得獎了):老闆要提拔下屬晉升主管時,不要挑之前表現好的,要亂槍打鳥隨機選人,團隊的運作會更有效率。

他們真的很喜歡亂槍打鳥……。

接下來要看的是「整體人口素質」的影響。如果由於完善的教育與職業訓練體制使得全體的才能值 T 都提高,平均值由 0.6 提升到 0.7 的話(標準差維持 0.1),這時候 100 次模擬的最強者的才能值,絕大多數都高於整體的平均值,而且金額也是也才能正相關,如圖八所示。也就是說,在整體人民素值較高的環境中,高才能者更有出頭的機會。

(圖八)才能平均值提高到 0.7 時,一百個回合的勝出者絕大多數高於平均值,最後累積的總財富也是高才能者成績較佳。

最後是「產業環境」,之前的模擬都是「好運」、「厄運」各佔一半,我們可以用較高的好運比率來代表高度成長的產業環境;而較高的厄運比率則是代表產業環境正在走下坡,才能平均值維持在 0.6。好運厄運的機率對所有的人都一樣,不過有趣的是,處在「高度成長環境」(80% 好運、20% 厄運)中時,對高才能者明顯有利(圖九(a)),但是在「產業江河日下」時,影響不太明顯(圖九(b))。

(圖九)(a) 好運 (b) 厄運事件佔 80% 時, 100 次模擬中勝出者的才能與財富關係。

總結這次獲得「搞笑諾貝爾經濟獎」的研究,透過這個極度簡化的 TvL 模型模擬所告訴我們的訊息是:

  1. 這個模型雖然簡單,但它能夠重現真實世界財富分布的「80-20 法則」,所以有抓到一些真實的經濟社會狀況的重點,不是來亂的。
  2. 才能對生涯的表現有影響,但真正具有壓倒性力量的是運氣。
  3. 政府如果想要鼓勵才能較好的人,期待他們有更好的表現的話,「想當然耳」的菁英主義(補助本來表現就比較好的人)是最糟糕的辦法,還不如齊頭式補助,或是亂槍打鳥式的補助。如果政府銀彈充裕的話,折衷式的補助成果也會不錯。
  4. 整體人民素質提高,可以讓才能高的人表現更好,所以教育很重要。
  5. 產業環境好,機會越多的話,也有助於高才能的人有好的表現。如果衰退的話,則是大家一起慘。

看到這裡,您應該也知道,作者雖然強調隨機事件、運氣的重要性,不過倒也不是就叫你跟阿姨說不努力了,以台灣的人民素質與產業活力來說,其實付出努力來充實自己的能力(提高你的 T 值),應該還是能夠讓你更有機會出人頭地的,還是多多加油吧!

圖/GIPHY

更多有趣的研究,請到【2022 搞笑諾貝爾獎】

超中二物理宅_96
8 篇文章 ・ 14 位粉絲

1

2
1

文字

分享

1
2
1
高死亡率必定帶來經濟高衰退率?陳建仁新書這樣解釋──《因果螺旋:跨越時空的探索與思辯》
圓神出版‧書是活的_96
・2022/07/29 ・1820字 ・閱讀時間約 3 分鐘

國民法官生存指南:用足夠的智識面對法庭裡的一切。

臺灣是防疫冠軍?憑的是什麼?

2020 年,臺灣的 COVID-19 防疫相當成功,7 月 20 日彭博社公布了 75 個新興及前沿經濟體的防疫評比結果,該評比是以三大指標做為評量依據:

  • 公共衛生,過去 30 天內確診 COVID-19 死亡率
  • 經濟活動,零售業、工作場所等活動的變化
  • 公共政策,公共債務、撥備覆蓋率、信用評比等。

臺灣高居冠軍,其次是波札那、南韓、泰國。

儘管 2020 全球的疫情仍然相當嚴峻,但臺灣的防疫相當成功。圖/envato

7 月 21 日,《新聞週刊日本版(Newsweek Japan)》電子版,刊登了日本生命保險公司的智庫(日生基礎研究所),評估全球 49 個國家因應 COVID-19 的防疫成績。該研究所是根據疫情受害程度經濟受損程度進行評估。

  • 疫情受害程度是以累積的確診人數、感染擴大率(6 月 16 日至 6 月 30 日之間的新增確診病例對累積確診病例的比例)、致死率進行評比。
  • 經濟受損程度是以國內生產毛額(GDP)損失(計算疫前的預估與疫後的展望)進行評比。

臺灣位居第 1、馬來西亞第 2、香港第 3、泰國第 4、中國、韓國並列第 5、澳洲第 7、紐西蘭第 8、日本第 9、挪威第 10。義大利 40 名、美國與瑞典並列 41 名、英國與比利時並列第 43 名、最後一名是秘魯。

同時,臺灣也是 GDP 衰退最少的國家!

到了 9 月,英國牛津大學馬丁學院的 Our World in Data 網站,公布全世界 38 個國家的 2020 年第二季 GDP 衰退狀況,臺灣衰退最少(0.6%),其次是韓國的 3%、立陶宛的 3.7%;秘魯衰退最多,超過 30%,西班牙、英國、突尼西亞也衰退 20%以上。

該網站也公布同期 COVID-19 死亡率與 GDP 衰退百分比的分布圖,如下圖所示。

經濟衰退和死亡路到底有沒有相關性?牛津大學圖表來解答!圖/圓神出版

整體而言,COVID-19 死亡率越高的國家,經濟衰退的情況也越嚴重。

像秘魯、英國、法國、義大利都是高死亡率、高衰退率的國家;臺灣則是低死亡率、低衰退率的國家。亞洲國家(綠色圓圈)雖然 COVID-19 死亡率偏低,但是經濟衰退情況也相當嚴重。

2020 年 10 月,美國國家經濟研究所(National Bureau of Economic Research)也發表了疫情對總體經濟影響的研究結果,同樣發現 COVID-19 死亡率越低的國家,GDP 損失也越小。

臺灣則是在 40 個國家當中,COVID-19 死亡率最低的國家,也是唯一沒有 GDP 損失(經濟正成長)的國家。

死亡率高、經濟衰退也高,到底是為什麼?

上述四項數據很明顯地說明 COVID-19 死亡率與經濟衰退的相關性,然而,究竟是經濟衰退導致死亡率增加,還是死亡率增加導致經濟衰退呢?到底哪個是因、哪個是果?或者死亡率和經濟衰退之間,並無因果關係存在,而是其他因素造成的?

Our World in Data 網站也公布了世界各國的「防疫嚴格指數(Stringency Index)」。嚴格指數代表一個國家為了因應疫情,所採取的管制政策的嚴格度。例如封城、禁止上班上課、禁止國內旅遊等等,分數介於 0~100 (分數越高越嚴格,分數越低越接近正常生活)。

比較臺灣和 47 個 G20 和 OECD 國家的 2020 年平均防疫嚴格指數,臺灣的平均嚴格指數是 48 國之中最低,其次是日本、紐西蘭、愛沙尼亞、芬蘭和冰島;平均嚴格指數最高的國家是阿根廷、印度、智利、哥倫比亞、墨西哥。

進一步分析 2020 年的平均防疫嚴格指數和 GDP 成長率的相關性,結果發現兩者間有很顯著的負相關

嚴格指數越高的國家,經濟成長率越低,經濟衰退越嚴重,如下圖所示。很可能封城、停止上班、禁止群聚造成了生產的停滯和消費的低迷。

平均防疫嚴格指數越高的國家,經濟成長率越低,經濟衰退越嚴重。圖/圓神出版
臺灣的防疫嚴格指數平均值雖然最低,但死亡率仍然維持得很好。圖/圓神出版

——本文摘自《因果螺旋:跨越時空的探索與思辨》,2022 年 7 月,圓神出版,未經同意請勿轉載。

所有討論 1
圓神出版‧書是活的_96
6 篇文章 ・ 1 位粉絲
書是活的,他走來溫柔地貼近你,他不在意你在背後談論他,也不在意你劈腿好幾本。 這是一種愛吧。 圓神書活網 www.booklife.com.tw

2

6
3

文字

分享

2
6
3
經濟是人類的首要問題?芎瓦西族的獵人不這樣覺得——《為工作而活》
八旗文化_96
・2021/12/09 ・2266字 ・閱讀時間約 4 分鐘

  • 作者 / 詹姆斯.舒茲曼(James Suzman)
  • 譯者 / 葉品岑

我自一九九〇年代初開始,持續記錄芎瓦西族和不停擴張的全球經濟的接觸,而這些遭遇十之八九讓他們傷痕累累。這些故事經常相當殘酷,發生在兩種判若天壤的生活方式鄰接的邊疆,雙方基於對稀缺性本質截然不同的假設,抱持非常不一樣的社會和經濟哲學。市場經濟及其對人性的假設,令芎瓦西人既困惑又沮喪。但不只他們這樣覺得。從東非的哈德札族(Hadzabe)到北極圈的因紐特人(Inuit),以及其他在二十世紀依然過著狩獵採集生活的社會,也難以理解與適應一個以永恆稀缺性為基礎的經濟體系規範。

因紐特人身穿著傳統服裝;左邊那套由海豹製成,右邊那套由馴鹿製成。圖/WIKIPEDIA by Ansgar Walk

人類的祖先,並未專注於「稀缺性」

凱因斯最初描述他的經濟烏托邦時,對狩獵採集社會的研究充其量是社會人類學這門新興學科裡的一項餘興節目。即便想多認識狩獵採集者,他也不可能找到太多挑戰當時盛行觀點的看法,亦即原始社會的生活,就是不停與飢餓對抗的生活。但他也不會找到任何證據足以說服他相信,儘管偶爾遇到挫折,人類旅程是一個進步的故事,而推動進步的是我們想要工作、生產、建設和交易的渴望,受到人類想解決經濟問題的內在衝動所激發。

但我們現在知道,像芎瓦西人這樣的狩獵採集民族,並沒有時時刻刻處於飢餓邊緣。相反地,他們通常營養充足,壽命比多數農業社會的人更長,而且每週鮮少工作超過十五個小時,能把大部分時間都花在休息和休閒活動。我們還知道,他們之所以能夠這樣,是因為他們不會例行性地儲存糧食,也對累積財富或地位毫無興趣,而且幾乎只為滿足短期物質需求而工作。

儘管那些認為經濟問題是人類面臨的首要問題的人堅稱,我們所有人都被迫在無窮欲望和有限財富之間的煉獄受折磨,但狩獵採集者卻沒有太多物質欲望,只要付出幾個小時努力就可以滿足。他們組織所有經濟活動的前提,是相信物質的富足,而不是以稀缺性為首要考量。正因如此,我們有充分理由相信,由於人類祖先在智人三十萬年的歷史長河中,高達九成五的時間是行狩獵採集,關於稀缺性問題中的人性假設,以及我們面對工作的態度,其根源來自農業。

在歷史上絕大多數時候,人類的祖先並不像現代的我們一樣專注於稀缺性。這提醒了我們,除了解決經濟問題之外,生活中還有很多事要做。每個人都知道,除了職業以外,我們習慣性地將各式各樣帶有目的性的活動描述為工作。舉例來說,我們會為人際關係「努力」、在我們的身體上「下功夫」,甚至「利用」閒暇的時間。

圣人, 纳米比亚, 美洲原住民, 非洲, 布须曼人, 孩子, 祖父
狩獵採集民族並沒有時時刻刻處於飢餓邊緣,相反地,他們營養充足,而且每週鮮少工作超過十五個小時,擁有充裕的休息和休閒時間。圖/Pixabay

在空前富裕的年代,為何我們仍覺得匱乏?

當經濟學家把工作定義為,人類為滿足「需要」與「想要」而付出時間和努力,他們就迴避了兩個顯而易見的問題。第一個問題是,很多時候,工作和休閒的唯一區別在於脈絡的不同,還有看我們是領錢做某件事,還是自掏腰包去做那件事。對古代的採集者而言,狩獵麋鹿是工作,可是對很多第一世界的獵人而言,那是一項緊張刺激而且通常非常昂貴的休閒活動;對商業藝術家而言,畫畫是工作,可是畫畫對數百萬業餘藝術家是令人身心放鬆的享受;對遊說者而言,和輿論領袖培養關係是工作,可是交朋友對我們一般人是一大樂事。再來,第二個問題是,除了我們為滿足食物、水、空氣、溫飽、友誼和安全等基本需求所付出的精力之外,究竟什麼是必需品也是眾說紛紜。不僅如此,我們的需求經常難以察覺地和欲望融合在一起,幾乎不可能將它們明確分開。因此,有些人會堅稱,早餐吃可頌麵包配一杯好咖啡是必要的,可是對其他人而言,這樣的早餐卻是一種奢侈。

「工作」最普世的定義應該是,工作涉及有目的性地為某個任務耗費精力或付出努力,以期實現某個目標或達到某個目的。這樣的看法,無論是狩獵採集者、西裝筆挺的衍生性金融商品交易員、手足重繭的自給農民或任何人都會同意。自從古人類首次劃分周遭世界,並以概念、文字和想法組織他們在世界上的經驗,他們幾乎無疑已經擁有某種工作的概念。就像愛、親職、音樂和哀悼,工作是人類學家和旅人漂泊到陌生國度都有辦法掌握的少數概念之一。當口語語言或參不透的習俗成為阻礙時,幫助別人完成一項任務這樣簡單的舉動,經常能比任何笨拙的話語更能迅速地打破人際藩籬。因為這樣的舉動能展現善意,而且就像一支舞或一首歌,能創造交融的目的和融洽的感受。

當我們不再認為經濟問題是人類面臨的最大難題,我們除了能把工作的定義從謀生問題往外延伸,甚至還能找到新的觀點,認識自有生命以降至忙碌的今日,人類和工作之間剪不斷、理還亂的歷史淵源。與此同時,一系列的新問題也應運而生:為什麼我們今天賦予工作的重要性,比我們的狩獵和採集祖先多那麼多?為什麼在一個空前富裕的年代,我們滿腦子想的仍舊是匱乏?

——本文摘自《為工作而活》/ 詹姆斯.舒茲曼,2021 年 11 月,八旗文化

所有討論 2
八旗文化_96
34 篇文章 ・ 17 位粉絲
外部視野,在地思索, 在分眾人文領域,和你一起定義、詮釋和對話。