结构不确定性

结构不确定性

定义

结构不确定性（structural uncertainty）是指经济主体或政策制定者对经济系统的底层结构——即变量之间的真实因果关系、模型设定形式、参数是否跨期稳定——缺乏完全知识的状态。它不同于参数不确定性（parameter uncertainty）：后者假设研究者已经知道正确的模型形式，只是对参数的具体取值存在估计误差；而结构不确定性则从根本上质疑"正确模型是什么"这一问题本身。换言之，在面对结构不确定性时，决策者不仅要问"给定模型下最优政策是什么"，更要问"如果模型本身是错的该怎么办"。

这一概念在宏观经济学、计量经济学和决策理论中均有深远影响，尤其自卢卡斯批判（Lucas critique）以来，结构不确定性成为宏观政策评估中不可回避的核心议题。

卢卡斯批判：结构不确定性的经典表达

卢卡斯（Robert Lucas, 1976）在《计量经济政策评估：一个批判》中提出了影响深远的论证：当政策规则发生系统性变化时，私人部门的预期形成机制和决策规则也会随之调整，导致从历史数据中估计的所谓"结构参数"实际上并非不变。传统的凯恩斯宏观计量模型将消费函数、投资函数中的参数视为行为深参数（deep parameters），但卢卡斯指出这些参数本身依赖于政策体制，是浅层参数（shallow parameters）而非真正结构性参数。

这一批判直接揭示了结构不确定性的核心来源：经济系统的结构不是外生给定的固定方程，而是由预期和制度环境共同决定的内生产物。一旦政策制定者改变了规则（如从钉住利率转为钉住货币供应量），私人部门的最优决策规则也随之改变，过去的估计关系便不再有效。这意味着任何不区分深参数与浅参数的政策模拟都潜藏着严重的结构不确定性。

模型不确定性与 Knight 不确定性

在决策理论的谱系中，结构不确定性通常被映射到 Knight（1921）意义上的"真正不确定性"。Knight 经典地区分了风险（已知概率分布，可用概率论处理）与不确定性（连概率分布本身都无法精确刻画）。结构不确定性显然属于后者：决策者面对的不是参数估计的抽样方差，而是模型空间的开放性——可能遗漏了关键变量、错误设定了函数形式（如将非线性关系线性化）、忽略了体制转换（regime switching）或结构断点（structural breaks）。

这种不确定性具有"未知的未知"（unknown unknowns）的特征：研究者不仅不知道真实参数值，甚至不知道自己不知道哪些备择模型。宏观经济中，传导机制的时变性质（如信贷渠道在不同金融周期中的重要性变化）、预期形成方式的不确定性（理性预期还是适应性预期）、以及代理人异质性带来的加总难题，都使得单一结构模型的可靠性始终面临质疑。

Hansen-Sargent 稳健控制理论

面对结构不确定性，Hansen 和 Sargent（2008）在其开创性著作《稳健性》中发展了系统的稳健控制方法。其核心直觉是：决策者不应盲目信任基准模型，而是应承认模型可能被错误设定，并在此基础上寻求对模型误设具有稳健性的决策规则。

技术实现上，该方法引入两类形式化工具。其一是乘子偏好（multiplier preferences）：在标准贝尔曼方程中加入一个惩罚项，用相对熵（relative entropy，即 Kullback-Leibler 散度）度量备择分布与基准模型之间的偏离程度，参数 θ 控制决策者对模型不确定性的厌恶程度——θ 越小，决策者越不信任基准模型，越倾向于考虑更宽泛的扰动模型集合。其二是约束偏好（constraint preferences）：直接限定备择模型与基准模型之间的相对熵不超过某个上界 η，然后在最坏情形下进行优化。两种设定都导向 minimax 策略：决策者设想一个"恶意自然"（malevolent nature）会选择最不利的概率扭曲，自己则在此前提下最小化损失。

这一框架将结构不确定性下的决策转化为一个两人零和博弈，数学上优雅且可计算，已广泛应用于货币政策、财政政策和资产定价等领域。

政策含义：Brainard 保守主义及其超越

Brainard（1967）的经典结论是：当政策效果存在参数不确定性时，央行应比确定性情形下更谨慎地调整政策工具。然而这一结论依赖的前提是已知模型结构而仅参数存在不确定性。当存在结构不确定性时，情况更复杂。

一方面，如果决策者不确定传导机制的具体形式，过于激进的政策可能产生意想不到甚至反向的效果，这支持保守主义。但另一方面，过于谨慎也可能错失通过行动学习结构的机会——只有通过政策实验和观察经济的反馈，才能逐步甄别不同备择模型。这形成了"学习型政策"（learning-by-doing policy）的根本张力：保守可以避免灾难性错误，但也放弃了对经济结构进行贝叶斯更新的信息收益。Wieland（2000）和 Beck 与 Wieland（2002）的研究表明，当结构不确定性足够严重时，最优政策可能呈现适度实验主义特征——政策制定者有意识地偏离短视最优路径以换取关于模型结构的信息。

计量经济学应对：从模型选择到模型平均

在实证研究中，研究者发展了一系列工具来处理结构不确定性。单一模型选择准则（如 AIC、BIC、Mallows' Cp）试图从竞争模型中选择"最佳"的一个，但这丢弃了模型不确定性本身。贝叶斯模型平均（Bayesian Model Averaging, BMA）则采取更诚实的态度：不选择单一模型，而是根据各模型的后验概率对所有模型进行加权平均。具体而言，对于关心的量 Δ（如政策效应），其后验分布由各模型下 Δ 的条件后验分布以模型后验概率为权重混合而成。这意味着预测区间和置信区间会更宽——恰反映了结构不确定性带来的额外不可靠性。

此外，极值边界分析（Extreme Bounds Analysis, EBA）通过系统性变换模型设定来检验估计结果的敏感性，已被广泛应用于增长回归等领域中判断变量关系的稳健性。

小结与延伸

结构不确定性不同于参数不确定性或数据测量误差，它关乎经济模型本身的正确性。卢卡斯批判、Knight 不确定性传统、Hansen-Sargent 稳健控制理论和贝叶斯模型平均从不同角度回应了这一问题。在政策实践中，承认结构不确定性意味着对模型保持开放和谦逊，在行动与学习之间寻求平衡。

延伸阅读：

• Hansen, L. P., \& Sargent, T. J. (2008). *Robustness*. Princeton University Press.
• Lucas, R. E. (1976). Econometric policy evaluation: A critique. *Carnegie-Rochester Conference Series on Public Policy*, 1, 19–46.
• Brainard, W. C. (1967). Uncertainty and the effectiveness of policy. *American Economic Review*, 57(2), 411–425.
• Brock, W. A., Durlauf, S. N., \& West, K. D. (2003). Policy evaluation in uncertain economic environments. *Brookings Papers on Economic Activity*, 2003(1), 235–322.
• Wieland, V. (2000). Monetary policy, parameter uncertainty and optimal learning. *Journal of Monetary Economics*, 46(1), 199–228.