如今，获取经济数据几乎容易得令人猝不及防。只需点击几下美国劳工统计局网站，或在圣路易斯联邦储备银行的 FRED 网站上简单搜索，任何对经济学感兴趣的人都能找到数千个数据集。这种快速便捷的数据获取方式推动了实证经济学研究中的“可信度革命”。然而，数量如此庞大的数据集并非一开始就 涌现 于世。相反，数据的生成过程可能杂乱无序，尤其是考虑到美国公众和研究人员最终可能看到的那个版本时。
这里就有一个这样的乱象——上周在 布鲁金斯经济活动小组讨论会 上发表的一篇新论文警告说，用于保护隐私的程序可能正在扭曲研究人员使用的许多数据集。大型数据集能够捕捉有关个人的大量信息，因而极具效用，但也会对这些个人的隐私构成风险。以美国劳工统计局和美国人口普查局共同维护的当前人口调查为例。该调查包含有关个人家庭状况、收入、所在地以及其他不少变量的信息。如果这些数据未经改动就向公众开放，那么有人可能会查看数据，并有可能识别出受访者。
为避免通过这些方式识别个人，私营和公共部门的数据提供者都会通过多种统计流程掩盖身份。在这篇布鲁金斯 论文中，康奈尔大学的 John M. Abowd 和佐治亚大学的 Ian M. Schmutte 详细说明了统计披露限制（SDL）——这些流程的统称——如何影响经济分析。作者特别指出了一种危害尤为严重的 SDL 形式：交换。在这一过程中，统计机构或公司会交换受访者的某些属性。例如，个人所在地可能会被调换，以保护其身份，但这可能会扭曲研究人员正在进行的经济分析。 例如，个人所在地可能会被调换，以保护其身份，但这可能会扭曲研究人员正在进行的经济分析。
作者呼吁，创建这些受限数据集的机构应披露一定程度的信息。Abowd 和 Schmutte 并不想要原始、未经改动的数据，而是希望机构更充分地说明具体如何更改了数据。如果相关机构或公司让研究人员了解数据匿名化流程的某些方面，研究人员就能在分析中考虑这些扭曲。
当然，相关机构也可以开放更多原始数据。但正如布鲁金斯小组讨论会的参与者所指出的，如果有人从数据中被识别出来，这些机构的员工将面临严重后果。处罚可能包括数千美元的罚款或监禁。这种潜在处罚使机构工作人员相当不愿披露数据。
目前，这些统计披露限制流程几乎只用于调查数据，因此一些经济学家对数据的未来持乐观态度。微观经济学家越来越多地转向直接取自政府来源的行政数据，其中包括税收凭证等，而不再依赖调查数据。但一位参与者警告说，这些 SDL 流程几乎肯定也会应用于行政数据。
Abowd 和 Schmutte 的论文提醒我们，所有人都需要关注经济数据的来源及其呈现方式。关于经济分析有个老笑话：它就像是在路灯照亮的路面上寻找一串丢失的钥匙。我们至少应当确保灯光尽可能明亮、照射范围尽可能广。
本文由 华盛顿公平增长中心合作发表。本文的发表并不意味着世界经济论坛认可其中观点。
如需了解更多议程动态，请 订阅我们的每周简报。
作者：Nick Bunker 是华盛顿公平增长中心的政策研究助理。
图片：画面显示一处商业区内的总部大楼。路透社。
