考虑到历史的不断重演，我恐怕永远也不能否认这样的普遍看法，即在多年平稳的经济扩张之后，最终还是会遭受破坏性的金融危机的打击。正如我在2000年所言：“我们并不知道（或许也不可能知道）下一次国际金融危机的确切性质到底是什么，但只要人们在金融活动中依旧保持着冲动的特性，危机就肯定会再次爆发。”18这方面的证据确凿无疑，即使某些事件在一个世纪中只发生过一两次，其反复性和相似性也能清楚地证明，它们绝非完全孤立的事件。

在此后几章，我将更深入地探讨本次危机的起源及其后果，评估经济学家们发明出来用以预见未来的工具，分析近年来困扰经济学界的重大政策分歧。所有政策措施都关系到对未来的预测，也反映着经济体的运行模式。目前的讨论也将成为正在演化的经济预测的组成部分。

统计附录 2–1 回归分析简介

回归分析

天文学家有能力在6个月之前就准确预测出今天清晨的太阳将在何时升起。经济学家们是做不到的。我们能做的只是分析经济历史的“原因”，并假定其作用会在未来延续，以便根据过去的经验推断未来。举例来说，我们试图了解资本投资在历史上的表现是由于哪些因素所致，然后推算当这些因素在未来继续发挥作用时，资本投资将达到何种水平。为了应对这一艰巨任务，经济学家们高度依赖回归19分析这门技术。它是一种植根于概率分析的统计技术，所有玩过投注游戏的人都应该知道概率论这门学科。

经济预测的原始资料是大量的时间序列数据，记录着零售、工业生产和住房开工等各种活动。例如，我们希望弄清楚哪些经济因素决定着每月的独栋住宅开工率，然后对其进行预测。通过与住房建筑商交谈，我一开始选择将住房价格和家庭组建数量作为待定的解释变量。需要分析和解释的时间序列被称为因变量，用以解释其原因的时间序列（住房价格和家庭组建数量）被称为自变量。接下来的回归分析就是统计，每个自变量的改变会在多大程度上影响因变量（住房开工率）的结果。这个筛选过程的睿智之处在于，它可以推算出有关的统计权数（系数），将这些系数应用到住房价格和家庭组建数量上，我们能够得到与实际历史数据最接近的模拟出来的开工率时间序列。

通过这些数据，我们又可以测算模型中因变量的变化中有多大比例能够用自变量的变化来解释。这个比例被我们称为R2（多元回归系数），该系数越高，模拟的时间序列与实际的历史数据就越接近。如果系数为1.0，就能准确推算实际历史数据，并完全解释因变量的变化。

然而这个结果的可靠性依赖于回归变量所要求的若干数学条件。例如，自变量之间必须不存在任何相关关系，住房价格与家庭组建数量无关。此外，回归得到的残差（每个时期的住房开工率实际值和模拟值之间的差距）不能有“自相关性”，也就是说，每个时期的残差不能影响下一时期的残值。

在现实世界中，这些条件基本上永远都无法得到满足。因此，统计学家们设计出了各种办法来测算和部分纠正那些未能满足假设的部分。例如，利用杜宾–瓦特森统计量（Durbin-Watson statistic，D-W）来测算各时期的残差的相关程度，该统计量的分布区间为0~4.0，2.0表示残差没有自相关性，2.0以下表示存在正向自相关，可能导致自变量的统计显著性被夸大（请参见下文有关t统计量和统计显著性的介绍）。20自相关几乎是所有经济时间变量共有的特征，例如上个季度的剩余在现实生活中肯定会对本季度造成经济影响。把时间序列的数据调整为其绝对变化值可以降低回归分析中的自相关影响，但这一调整可能会丢失数据水平中包含的其他重要信息。在我的分析中，更多地选择容忍自相关的存在。

t统计量则是对自变量的统计显著性的测算，也就是说，其影响系数不为零的概率。21 t统计量的值越高，自变量与因变量的相关关系真实存在的概率就越大。经济学家们通常要求，t统计量（无论正负）必须高于2.0，才能把自变量视为因变量变化的可靠“原因”之一。Newey-West估计（Newey-West estimator）则是测算t统计量由于自相关造成的偏离度，并对t统计量进行调整，以更准确地反映实际概率。

许多经济相关关系中的另一个主要偏差，是由于两个时间序列变量本来只有微弱的关联，但由于它们都反映着人口的增长，在彼此回归中表现出较高的R2值。如果用人均指标来转换自变量和因变量，这种偏差大多可以消除。

附录图7–3是个回归分析的典型案例。因变量是资本投资占非金融企业的现金流的比例，我们收集了1970年至今的因变量以及3个自变量22的季度观测数据。对因变量和3个自变量进行回归后，我们得到了资本投资占现金流比例的拟合估计数据。由于R2=0.76，这个结果可以解释大约3/4的因变量变化。从下面的相关图示中可以看到，拟合值与实际值非常接近。经过Newey-West估计调整后的t统计量明显高于2.0，因此这些相关关系完全是出于偶然的可能性，可以排除掉。杜宾–瓦特森统计量只有0.57，表明依然存在显著自相关性。不过从图示中可以看出，这并未妨碍自变量在商业周期中随因变量变化。

还有，如果我们把这43年的回归期平均分为两个部分，这两个较短时期的回归结果与整个时期的回归结果也是相近的。这是个有效的检验，表明自变量对于因变量的作用在43年里没有显著变化。

值得注意之处

我们必须注意，相关关系（可以用回归分析来测算）与因果关系（不能单靠回归分析）不能混为一谈。R2值和t统计量的值较高，并不必然是因果关系存在的可靠指标。实践证明，回归分析是推测经济因果关系的最有效的工具之一，但我们必须时刻牢记，相关关系与因果关系是有区别的，相关关系必须结合可靠的经济解释才能形成因果关系。

回归公式与经济恒等式（参见专栏9–3）都是宏观经济模型中最主要的输入要素。只是随着计算能力的大幅提升，回归分析才变得普及起来。在20世纪50年代，我经常需要数小时乃至数天时间，借助当时的台式机算器来测算一个回归结果。而依靠今天的计算机和软件，只需要几次按键就可以在瞬间获得最终答案。