2007—2009年大衰退后的复苏步伐缓慢，引发了这样的疑问：发达经济体的GDP长期增长率是否已低于过去几十年的平均水平。Robert Gordon和Lawrence Summers曾对此作出著名阐述（Teulings and Baldwin 2014）。
事实上，长期增长放缓的证据正不断累积。对结构性断点采用常见统计检验后发现，美国GDP增长均值发生转变的证据日益增多，近期已达到5%的显著性水平（图1）。Bai和Perron（1998）检验可用于识别断点最可能发生的日期，结果显示断点出现在21世纪初。
图1. Nyblom检验和Bai-Perron检验的实时检验统计量
注：灰色和蓝色实线分别表示随着新的国民账户数据版本发布，实时重复应用Nyblom（1989）和Bai和Perron（1998）检验所得到的检验统计量。在两种情况下，样本均从1960年开始，并对2000年初之后发布的每一批新数据重新进行检验。点线表示检验的5%临界值，虚线表示10%临界值。
长期增长预测很重要：
Orphanides（2003）强调，对经济长期增长的实时误判可能在货币政策失误中发挥重要作用。
即便对产出长期增长率的假设只有微小变化，也可能对财政可持续性测算产生重大影响。
这些观点凸显了及时、准确评估当前长期增长率的重要性。
在这方面，图1还表明，实时应用传统检验的策略并不适合实时决策。事实上，GDP增长均值变化可能要经过相当长时间才会被发现。例如，Bai和Perron（1998）检验直到2014年夏季才会以5%的显著性水平发现21世纪初的断点，延迟近15年！
实时追踪长期增长
自Evans（2005）和Giannone等人（2008）的开创性研究以来，动态因子模型（DFM）已成为追踪GDP的标准工具。这类模型能够纳入大量信息并利用高频数据，对经济活动的短期变化进行推断。[1]
在一篇近期论文中（Antolin-Diaz等人，2015），我们扩展了这一框架，允许实际产出增长的均值和方差逐步变化。通过纳入大量经济活动指标，动态因子模型能够在实时环境中精确估计宏观经济数据的周期性共同变动。我们的扩展模型利用这一点实时追踪GDP长期增长率的变化，并将其与周期性变化区分开来。
将模型应用于美国数据后，我们发现，21世纪期间GDP长期增长明显下降，目前约为2.25%，比战后平均水平低近一个百分点。结果更符合逐步下降而非离散断点的情形（图2，面板a）。
图2. 美国长期增长估计：1960—2014年（年化增长率，%）
（a）长期增长后验估计与CBO潜在增长估计对比
（b）长期增长滤波估计与SPF调查对比
注：面板（a）绘出GDP长期增长的后验中位数（红色实线），以及68%和90%的后验可信区间（蓝色虚线）。灰色圆点表示CBO对潜在增长的估计。阴影区域代表NBER界定的衰退期。面板（b）中的灰色实线是根据截至2014年年中可用的国民账户数据版本计算的GDP长期增长率滤波估计。蓝色菱形表示Livingston专业预测者调查的实时平均预测，即随后10年的平均GDP增长率。
由于使用修订后数据得出的样本内结果往往低估决策者实时面对的不确定性，我们使用实时数据版本重复了这一分析。到2011年夏季，模型便会得出结论：长期增长显著下降是复苏缓慢的原因，而此时结构断点检验尚未得出明确结论。此外，明确考虑长期增长的变动，显著提高了美国GDP点预测和概率分布“即时预测”的准确性。
长期增长放缓的背后是什么？
接下来，我们扩展模型，以厘清GDP增长长期波动的驱动因素。在我们的框架中，加入总工作时数信息后，可以将长期增长分解为劳动生产率和劳动投入两部分。
这项分解分析的结果表明，劳动生产率放缓是近期美国GDP增长乏力的主要驱动因素，与Fernald（2014）的分析一致。
图3. 美国长期产出增长的分解
注：图中绘出GDP长期增长的后验中位数（红色），以及68%和90%的后验可信区间（蓝色虚线）；同时绘出长期劳动生产率增长和长期总工作时数增长的后验中位数（蓝色实线和灰色虚线）。
将模型应用于其他发达经济体后，我们提供了证据，表明劳动生产率走弱似乎是一种全球现象。
图4. 其他发达经济体的分解
（a）长期劳动生产率
（b）长期劳动投入
注：面板（a）展示发达经济体长期劳动生产率的后验中位数。面板（b）绘出相应的长期总工作时数估计。两个面板中的“欧元区”均指德国、意大利和法国的加权平均值。
此外，分解分析结果表明，在使用动态因子模型剔除工作时数和产出的商业周期波动后，根据我们的模型，自21世纪初以来发达经济体观察到的GDP长期增长下降，完全可归因于长期生产率增长下降。最后值得注意的是，对于G7经济体，长期生产率增长在横截面上似乎趋于收敛；最新估计显示，其正趋向较低的增长率，即0.5%至1%。[2]
结论
我们运用先进的计量经济学技术提供证据，表明近年来劳动生产率放缓是全球增长乏力的主要驱动因素；这一结果支持Fernald（2014）的论述，而且适用于美国以外的国家。
我们已证明，劳动投入和劳动生产率的长期变动是数据的重要特征，并且可以在动态因子模型框架内成功建模。我们的计量经济学框架不预设经济的深层结构。原则上，这些低频变动可能同时受到需求和供给因素的影响。厘清二者是值得进一步研究的方向。
本文与 Vox EU合作发表。本文发表不代表世界经济论坛认可其中观点。
关注议程动态， 订阅我们的每周通讯。
作者：Juan Antolin-Diaz是Fulcrum Asset Management的宏观经济学家。Thomas Drechsel是伦敦政治经济学院（LSE）的博士生。Ivan Petrella是英格兰银行的高级研究经济学家、伦敦大学伯贝克学院讲师，并兼任CEPR附属研究员。
图片：一名男子在东京一家经纪公司外查看股票行情牌。REUTERS/Toru Hanai
