为何一个本来失败概率只有470万分之一的指标会一败涂地？出于同样的原因，尽管美国的全国性彩票强力球彩票的中奖概率达到1.95亿分之一，但每隔几周还是会有人中奖。对于所有买彩票的人来讲，中奖概率都是相当小的，但数百万张彩票一经出售，总会有人走运中奖。同样的，在世界上数百万统计指标中，有一些恰好与股票价格、GDP、失业率有很大的相关性。如果不是超级杯的冠军，就可能是乌干达的鸡肉产量。这种关系仅仅是一个巧合而已。
尽管那些经济学家可能并不会真的把美国橄榄球超级杯大赛的结果当成领先指标，但他们还是说服自己去相信其他类型的变量——所有与经济意义沾边儿的事物都算——也可以成为提前几个月预测经济衰退或复苏的重要“领先指标”。曾有一家预测公司吹嘘自己对400个领先指标了如指掌，远远超过了哈祖斯所说的包含大部分经济事物在内的二三十个领先指标。其他预测者则把一些相对晦涩的指标，如预订量和提货量的比率，高价卖给那些半导体公司。有这么多经济变量可以选择，其中有些变量一定可以将噪声拟合进历史数据。
想要找到能识别信号的变量就更难了，一个经济周期中作为领先指标的变量经常会成为下一个经济周期的滞后指标。2003年《公司》杂志中的一篇文章提到的7个所谓的领先指标，都曾成功地预测了1990年和2001年的经济衰退。但其中只有两个指标——房价和临时雇工——能够使人们感知到2007年开始的经济衰退。其他指标，如商业贷款，直到2008年，即经济衰退开始一年以后，才开始显现出下跌的趋势。
即使人人都看好的“领先指标”也存在问题。“领先指标”由经济咨询商局发布的10个经济指标合成。在经济衰退几个月前，“领先指标”就已经普遍地降低了，但它给出的基本上都是假警报，包括1984年最臭名昭著的那次，当时这个指数连降了3个月，预示着经济衰退，然而经济非但没有衰退，反而以6%的增长率快速发展。有些研究甚至声称，“领先指标”在实际生活中，根本不具备任何预测作用。
哈祖斯对我说：“真正具有预测性的变量几乎不存在，想要弄明白哪些是因果关系，哪些属于相关性，是很困难的。”
大多数人都听说过这句格言：“相关性并不是指因果关系。”两个变量之间存在统计学关系，并不代表两者互为因果。比如，冰淇淋的销量和森林火灾是两个相关变量，因为两者都会在炎热的夏季出现，但两者之间没有因果关系：当你买了一盒哈根达斯冰淇淋时，并没有点燃蒙大拿的灌木丛。
然而，这一概念表达起来容易，应用起来却十分困难，在理解经济领域的因果关系时尤其如此。比如，哈祖斯注意到失业率一直被视为滞后指标，有时也确实如此。经济衰退之后，许多企业在对经济的前景恢复信心之前，不大可能雇用新员工，因此失业人员要经过很长一段时间才能重返工作岗位。但是，失业率也可以成为衡量消费需求的领先指标，原因是失业人员对新产品和服务的购买力很低。经济衰退期间，经济发展可能陷入这样的恶性循环：在消费需求上升之前，企业不会雇用新员工，失业的消费者就买不起企业的产品，这样又会导致消费需求不足。
消费者信心是另一个捉摸不定的变量，总会变来变去。有时，消费者是最先发现经济预警信号的群体之一，而有时他们又是最后觉察到经济复苏的群体之一，因为一直以来，经济衰退实际上早就结束了，但公众却认为经济仍然处于衰退期。于是，对于消费者信心是领先指标还是滞后指标这个问题，经济学家仍存有争议，判断标准也许要视经济运行所处的周期决定。另外，由于消费者的信心会对消费行为产生影响，在经济预期和实际经济情况之间，可能会有各种各样的反馈环（反作用）。
或许经济预测和经济政策之间的反馈环问题更严重。比如，如果预测到一场经济衰退即将发生，那么美国政府和美联储可能就会采取行动降低风险，或者减少损失。这样就会产生一个问题，那就是像哈祖斯这样的预测者既要预测政治决策，又要预测经济决策，而对美国这种国会拥有的支持率仅为10%的国家，这无疑是一个挑战。
然而，问题会进一步加剧。正如1976年诺贝尔经济学奖获得者罗伯特·卢卡斯指出的那样，经济模型以历史数据作为依据，这些数据一部分来自方针决策，而这些决策在当时是适用的。因此，只知道现在的政策制定者想要做什么是不够的，还需要对尼克松政府执政期间的财政和货币政策有所了解。由伦敦政治经济学院教授提出的“古德哈特定律”认为，政策制定者一旦锁定一个特定变量，这个变量就会逐渐失去其作为经济指标的价值。比如，如果美国政府人为地上调房价，房价会上涨，但房价就不再是衡量整体经济是否健康的指标了。
从逻辑的角度来看，这有点像观察者效应（常被误认为海森堡的不确定性原理）：一旦我们开始测量某物，它的行为就会发生改变。大多数统计模型都是依托这一概念建立的，输入和输出分别是自变量和因变量，彼此之间泾渭分明，但在经济领域中，两者却混在一起、乱作一团。
变化莫测的经济
即使经济学家可以解决这些问题，他们仍然需要应对动态的目标。美国和全球的经济一直在发展，不同经济变量之间的关系会随着时间的推移发生改变。
比如，历史上GDP增长率和工作岗位增加率两者之间一直保持着一种合理的密切联系，经济学家称之为“奥肯定律”（或奥肯法则）。1947~1999年的经济长期繁荣期内，工作岗位增加率通常是GDP增长率的1/2，所以，如果GDP的增长率为4%，那么工作岗位的增长率就为2%。
这一关系至今仍旧存在——GDP增长得越多，工作岗位也增长得越多，但它们之间的动态关系似乎有所改变。前几次经济衰退过后，工作岗位的新增数量寥寥无几，比经济长期繁荣期的新增岗位数量少很多。比如，2009年经济刺激方案出台后，根据奥肯定律，GDP的增长速度已足够创造约200万个工作岗位，而实际上，这一时期工作岗位的数量不但没有增加，反而减少了350万个。
这种变化意味着什么，经济学家对此总是争论不休。包括哥伦比亚大学的杰夫瑞·萨克斯在内的经济学家做出的最消极的解释是，GDP增长和工作岗位增加之间的关系反映出美国经济许多严重的结构问题，比如，来自别国的竞争不断加强，服务业和制造业之间的不平衡状态，人口老龄化问题，中产阶层萎缩，还有越来越高的国家债务。在奥肯定律下，美国进入了一个全新的非正常状态，如果不进行根本上的改变，这些问题会更加严重。萨克斯告诉我，“我们低估了全球变化对美国变化的影响。国际上的工作岗位都转移到了中国，新兴市场确实动摇了美国经济。”
更大的问题是，21世纪初的经济波动是否更能代表长期的经济发展状况——也许经济长期繁荣一直是表面现象。1947~1999年的50多年时间里，经济处于衰退期的时间只占整个时间段的15%，但1900~1945年这45年里，衰退期所占时间的比例为36%，是繁荣期所占时间的两倍还多。
尽管大多数经济学家认为，我们在稳定经济周期方面已经取得了一些进步，但我们或许只是很幸运地躲过了更多的问题。这一点在1983~2006年这段时间尤为明显，衰退期只占整个时间段的3%，所以这一时期有时也被称作“大缓和”时期，是经济长期繁荣期的一个子集。但是，经济增长依靠的大多是激增的政府和消费者债务，还有各种资产价格泡沫。再先进的经济也没有神授的权利可以使自身按照“大缓和”时期的增长率发展：20世纪80年代，日本经济的年增长率为5%，而此后的增长率仅为1%。
2007年的经济大衰退危害如此之深，让那些预测人员和政策制定者感到措手不及，原因或许也在于此。他们不但未能解释“大萧条”这样的重大事件，有时还会根据“大缓和”时期的经济状况调整他们的预测。事实上，从历史角度来看，“大缓和”时期不过是非主流现象罢了。
负责制定利率的美国联邦公开市场委员会（FOMC），每年依法需要向美国国会公布宏观经济预测至少两次。到2007年年末，比起私有企业的预测者，FOMC在某些方面的预测更准确，比如他们公布的GDP增长预测就略胜一筹，这就使得那些私有企业在2007年年底之前，先后4次降低利率预测值。
然而，在FOMC于2007年10月底召开的一次长时间的会议中，仍未提及“经济衰退”这个词，即使是在讨论经济问题时，也没有提到。FOMC在措辞上十分谨慎，尽管这样，“经济衰退”还是可能通过使用“经济下降的危险”这类词体现出来。但是，FOMC不认为会发生经济衰退（他们预测经济走势仍会呈增长状态），而且也没有迹象表明他们愿意直面当时正处在严峻的经济衰退期的现状。
出现这种情况的一部分原因可能是，为了做出准确的预测，FOMC参考了“大缓和”时期的数据。FOMC成员对一篇记录了1986~2006年经济预测表现的论文有些过度依赖。只关注近几年的预测表现所带来的问题就是，这些预测包含的经济波动太少，只有发生在1990~1991年和2001年的两次较为缓和的经济衰退。论文作者提醒人们：“用20世纪80年代中期的数据估计现在的不确定性，就是在含蓄地假设‘大缓和’时期之后的平静状态会一直持续到未来。”这是一个十分糟糕的假设。FOMC正是因为忽视了那些出现严重经济衰退的年份，才得出2007年不会出现严重的经济衰退这一结论。
一个预测者永远都不应该忽视数据，在研究经济衰退或是美国总统选举这样的少有事件时尤其如此，因为这类事件可供参考的数据并不多。忽视数据通常表明预测者过于自信，或是在对自己的模型进行过度拟合——不是为了使预测更加准确，而是为了炫耀。
在这个特殊案例中，经济学家的预测准确性并没有明显提高。在图6–5A中，我将“调查”中GDP增长的预测水平与1968~1985年（这些都是FOMC注意过但又忽略掉的年份）的实际增长数字作了对比，你会发现，这一时期确实有很多经济波动，如20世纪70年代中期和80年代初由通货膨胀导致的经济衰退。这些结果并没有让预测者完全沮丧，原因在于预测结果和实际结果之间有着密切关联。
如果对1986~2006年的GDP增长情况做一个同样的对比图（如图6–5B），情况正好相反。大部分数据点，不论是有关GDP的预测值还是实际数值，都紧密地聚集在年增长率为2%~5%的狭窄区域里，因为这一时期经济波动非常小，预测的平均误差小于之前的那个时期。然而，经济中存在一定程度的可变性，如1990~1991年或2001年较为缓和的经济衰退，这份预测确实没有很好地抓住这一点——实际上，这份预测结果与实际结果之间几乎没有半点关联。没有迹象表明经济学家对经济的预测越来越准确，相反，由于经济运行平稳，他们的工作暂时变得更加轻松，这就好比檀香山的气象预报员的工作要比布法罗的预测者容易得多。
有时你会听说，抛开数据的另一个原因就是，你正在试图解决的问题发生了根本性的转变。有时，这些论断在某种程度上是说得通的：美国经济在不断发展，也会经历周期性的结构转变（最近，制造业主导的经济正在向服务业主导的经济转变）。经济不是棒球，棒球比赛总是遵循同样的规则，而经济规则不会一成不变。
问题是，你永远都不会知道下一个转变什么时候会出现，也不会知道这个转变会使经济变得更加波动还是更加平稳，更加强大还是更加脆弱。如果一个经济模型是建立在“没什么大变化”的前提条件之上，那么这个经济模型就毫无价值可言。但是，预测这些转折点的出现实非易事。
经济数据中充满噪声
经济预测者面临的第三大挑战是，他们的原始数据质量不高。我在前文曾经提到，经济预测者在进行预测时，很少公开自己的预测区间，或许是因为这样做会降低公众对他们的专业知识的信任度。哈祖斯说：“经济预测者为什么不公开预测区间呢？因为他们怕出丑。我认为就是这个原因，他们怕出丑。”
然而，不仅经济预测中存在着不确定性，经济变量本身也具有不确定性。大多数经济数据序列都需要修正，统计数据一经公布，修正工作可能长达数月甚至数年。修正工作有时是十分庞杂的。美国政府对2008年第四季度GDP增长的估计就是这样一个不算体面的例子，最初公布GDP“仅”下降了3.8%，现在又改为当时经济的降幅将近9%。如果白宫这些经济学家对经济漏洞的实际大小有所了解，他们就会在2009年1月强烈推行更大的经济刺激方案，或者他们会意识到问题的严重性，从长计议，而不是试图速战速决。
此类错误相当普遍。1965~2009年，美国政府对GDP的季度增长率的初始估值最终得到修正，平均变动幅度为1.7%。这只是一个平均变化，而每个季度的变动幅度仍然较大，最初GDP的季度增长率估值的误差幅度为±4.3%。这就意味着，即使政府最初报告说经济会出现超常增长，可实际上经济有可能正处于衰退期，反之亦然。比如，1977年，美国政府公布第4季度美国经济增长了4.2%，但这个数字后来被修正为–0.1%。
所以，我们还是应该同情经济预测者。预测经济发展趋势实属不易，但如果连经济预测从何处着手都不知道的话，那就难上加难了。
经济是一个动态系统，不是一个方程式
经济学家与气象预报员面对的挑战或许有些可比性，他们都面临着以下两个基本问题。
第一，经济与大气一样，是动态系统。不同事物之间互相作用，这些系统都处于永久的运动当中。在气象学中，这个问题非常明显，因为天气系统符合混沌理论。从理论上讲，巴西的蝴蝶扇动一下翅膀，就会在美国得克萨斯州引起一场龙卷风。在经济领域中也存在着大致相同的情况，日本海啸或是长滩港口工人罢工也会影响到某个得克萨斯人是否能找到工作。