測定困難な極めて重要なインプット

金融政策立案において最も重要な数値のひとつは、直接観測することができないものです。需給ギャップ――経済が実際に生産しているものと、持続的に生産可能なものとの差――は、インフレ率予測を左右し、中央銀行の意思決定を形成し、数千億ドルの市場ポジションに影響を与えます。しかしエコノミストたちは、その値について2〜3パーセントポイントもの差をもって意見が一致せず、真の数値は、データ改訂が行われる数年後になって初めて明らかになることが少なくありません。

現実の問題を考えてみましょう。2016年、米国経済は成長余地を残した低稼働状態にあったのか、それともさらなる景気刺激策がインフレを引き起こす完全稼働状態にあったのか。当時の推計値は−2%（大きな経済的スラック）から+1%（既に過熱状態）まで幅がありました。この乖離は分析の粗さを反映するものではなく、「どれだけの人々が労働意欲と能力を持っているか」「工場はフル稼働でどこまで生産できるか」「労働力全体のスキルはどのくらいの速度で向上しているか」といった問いに対して明快に答えることの困難さを映し出しています。これらのいずれも、クリーンな測定を許しません。

なぜこれほど重要なのか？ 需給ギャップは、中央銀行が金利を調整するために用いるベンチマーク公式であるテイラー・ルールに直接入力されるからです。ギャップが大きくマイナスの場合（経済的スラックが大きい）、テイラー・ルールは成長を刺激するための低金利を求めます。ギャップがプラスの場合（経済が「過熱」している）、同ルールはインフレを抑制するための高金利を求めます。2021〜2022年のインフレ急騰時、これは学術的な問題ではありませんでした。一部のエコノミストは、需給ギャップがプラスに転じていたとして連邦準備制度理事会の対応が遅れていると主張し、一方で依然としてスラックが存在しインフレは一時的なものであると主張する声もありました。どちらの見方が正しいかによって、政策対応の内容が左右されたのです。

金融政策分析における中心的課題

需給ギャップ――実際の産出量と潜在産出量との乖離――は、金融政策立案において最も重要な観測不能変数です。インフレ率や失業率とは異なり、統計的ノイズはあるものの直接測定が可能なこれらの変数と違って、潜在産出量は技術、要素利用率、均衡雇用に関する前提から導出される理論的構成概念としてのみ存在します。これにより根本的な不確実性が生じます。リアルタイムの推計値は手法によって2〜3パーセントポイントも異なることが多く、その後のデータ改訂により同時点の推計値の符号が逆転することさえあります。ギャップはテイラー・ルールとその派生モデルに直接入力されるため、ギャップ測定の誤差は政策の誤調整を引き起こす主要因となります。

2008〜2010年の時期はそのリスクを端的に示しています。議会予算局（CBO）によるリアルタイム推計は、需給ギャップがほぼ−7%に達していることを示唆し、大規模なデフレ圧力の存在を示して異例の金融緩和措置を正当化しました。その後の改訂では、潜在産出量への構造的ダメージの評価が更新され、推計値は−4%〜−5%へと修正されました。この2〜3パーセントポイントの改訂は、金融危機が生産能力を永続的に毀損したのか、単に循環的なスラックを生じさせたにすぎないのかという真の不確実性を反映したものです。潜在産出量が当初の認識以上に低下していたとすれば、金融政策は意図した以上に緩和的であったことになり、その後に顕在化したインフレの一因となった可能性があります。

根本的な課題

実際のGDPは経済分析局（BEA）が四半期ごとに公表しています。改訂・季節調整・測定上の問題はありますが、観測可能なデータです。一方、潜在GDPは理論的構成概念です。すべての資源が持続可能な水準で完全かつ効率的に活用された場合に経済が達成する産出水準を意味します。「完全に」「効率的に」「持続可能な水準で」という各修飾語には、判断が伴います。

労働の成分を考えてみましょう。潜在雇用とは労働力人口の95%なのか、96%なのか。人々が職を変える際には常にある程度の摩擦的失業が存在します。しかし、どの程度なのか。就職活動のテクノロジーが向上するにつれて変化するのか。景気後退期に労働市場から退出した人々については、潜在産出量の一部として算入すべきか否か。この答えは重要です。失業率の成分に0.5パーセントポイントの誤差が生じれば、需給ギャップにほぼ1パーセントポイントの誤差が生じ、それが金利に関するテイラー・ルールの勧告を変化させます。

資本と生産性についても同様の問いが生じます。新型コロナウイルス感染症のパンデミック時、一部の事業者が永続的に閉鎖しました。これは潜在産出量を低下させたのか、それともより効率的な使途に資源を解放することで実際には潜在産出量を高めたのか。異なるモデルと前提を用いた異なるエコノミストは、異なる結論に達しました。これは分析上の失敗ではなく、問いそのものが本質的に曖昧であるということです。

識別問題

潜在産出量は反実仮想的なものです。現行の技術水準において完全な要素雇用が達成された場合に実現可能な生産水準を意味します。統計的ノイズはあるものの観測可能な実際の産出量とは異なり、潜在産出量はモデルのフレームワーク内においてのみ存在します。これにより識別問題が生じます。生産技術・要素市場均衡・確率過程に関する異なる前提を体現した異なるモデルは、同一の実際のデータから異なる潜在産出量の系列を生成します。

リアルタイムでの推計はこの困難をさらに増幅させます。Orphanides and van Norden（2002）は、需給ギャップ推計が期末における大きな不確実性を示し、新たなデータが入手されるにつれて大幅に改訂されることを示しています。米国では、リアルタイムと最終的なギャップ推計値が2〜3パーセントポイント異なることも多く、符号が逆転することさえあります。この改訂に起因する不確実性は、ギャップ推計に基づく政策を損ないます。政策立案者は経済の循環的な位置について広範な不確実性に直面した状態で行動しているからです。

この公式の意味

この方程式は単純なバランシング問題を解きます。ふたつの競合する目標を達成するトレンドラインを見つけることです。第1項は、実際のGDPから乖離するトレンドにペナルティを課します。トレンドはデータに近く追従することを求めます。第2項は、方向を頻繁に変えるトレンドにペナルティを課します。平滑さを求めます。パラメータλ（ラムダ）は、これらふたつの目標の相対的な重みを決定します。

四半期データの標準値はλ=1600で、米国の景気循環の特性に基づいてHodrickとPrescottが提案したものです。この選択にはやや恣意的な面がありました。λ=800に設定すると、GDP の変動をより密接に追う反応速度の高いトレンドが得られます。λ=6400に設定すると、短期的な動きにほとんど反応しない非常に滑らかなトレンドが得られます。中央銀行によって使用する値は異なり、その選択は得られる需給ギャップ推計値に大きく影響します。λの値に定まった正解はありません。

ラムダ問題と期末バイアス

Hodrick and Prescott（1997）は、戦後米国データで観察された景気循環の頻度、具体的には6〜8年のサイクルを目標としてλ=1600を選択しました。このキャリブレーション戦略には一般性がありません。最適なλはデータ生成過程に応じて異なるべきですが、実務家は国や時代を問わず1600を機械的に適用しています。感応度分析によれば、λ∈[800,6400]の範囲で典型的な景気循環のギャップ推計値が2〜4パーセントポイント変動します。

さらに根本的な問題として、HP フィルターには深刻な期末バイアスがあります。フィルターは双方向であり、現在のトレンドを推計するために将来のデータを使用します。サンプルの末端では過去のデータしか存在しないため、推計された潜在産出量が実際の産出量を過度に追跡し、リアルタイムでのギャップが過小評価されます。リアルタイム推計と最終的な HP 推計を比較した研究は、系統的なバイアスを記録しています。リアルタイム推計は景気の転換点を見逃し、ギャップの変動を大幅に過小評価します。これにより、HP フィルターは迅速なギャップ評価が求められる政策分析において特に問題となります。