经济学权威被Excel公式击倒:一份家庭作业撼动全球紧缩政策

一个博士生，一份家庭作业，和一条不存在的“红线”

2013年春天，马萨诸塞大学阿默斯特分校经济学系，一名28岁博士生正在为课程作业发愁。 他叫托马斯・赫恩登（Thomas Herndon）。导师布置的任务并不复杂：挑选一篇影响力较高的经济学论文，尝试复现它的实证结果。赫恩登选中一篇学界重磅成果---卡门・莱因哈特（Carmen Reinhart）与肯尼斯・罗格夫（Kenneth Rogoff）在2010年发表的论文《债务时代的增长》（Growth in a Time of Debt）。

莱因哈特和罗格夫在学界分量十足：莱因哈特是哈佛大学教授、前彼得森国际经济研究所研究员，罗格夫同样任职哈佛，还曾担任国际货币基金组织首席经济学家。论文提出一个极具冲击力的结论：一国公共债务规模如果达到GDP的90%以上，经济平均增速将从3%–4%大幅下滑至-0.1%。

这条“90%债务红线”，在2010年后的欧洲主权债务危机期间，几乎被当成金科玉律。

赫恩登在电脑上录入数据、运行模型，反复验算，却始终无法复现两位哈佛教授公布的结论。多次更换计算方式，结果依旧存在明显偏差。他写信联系莱因哈特与罗格夫，申请获取原始数据表格，对方同意提供文件。

打开Excel表格的瞬间，赫恩登发现了一个极具戏剧性的疏漏。在计算20个国家样本均值的单元格，公式出现书写错误：正确公式本应是AVERAGE (L30:L49)，实际录入为AVERAGE (L30:L44)。

公式少选中了5行数据，直接漏掉澳大利亚、新西兰、加拿大等5个样本。这些国家在1946至1950年间负债率偏高，但经济增长表现并不差。

这个简单的表格错误，带来了巨大的政策影响。修正样本范围之后，债务占GDP比重超90%的国家，平均经济增长率从-0.1%回升至+2.2%。

那条被欧盟经济事务委员引用、写入美国国会预算提案、被多国财长反复引用的90%临界线，根本不成立。

诺贝尔经济学奖得主保罗・克鲁格曼在《纽约时报》发表专栏，文章标题带着他标志性的讽刺风格---《Excel 的抑郁》。他写道，支撑紧缩政策的理论体系，很大程度依托少数几篇研究。政策制定者在没有充分验证的情况下采纳它，只因研究结论刚好契合决策者的偏好。

数字本身不会撒谎，但筛选与定义数字的人，会带来偏向性

如果仅仅把赫恩登的发现当成一次学术乌龙，就低估这件事的价值。

Excel 公式的疏漏，只是整个故事的冰山一角。赫恩登联合阿什、波林后续发表的反驳论文，进一步指出了论文里另一处更隐蔽的统计缺陷：样本加权规则。

莱因哈特与罗格夫的计算逻辑里，每个国家每一年的数据拥有同等权重。举个例子：新西兰仅有一年债务率突破90%，当年经济增速为-7.6%；英国有长达19年处在90%债务线之上，同期平均增速2.4%。在这套算法下，新西兰这一年的低迷数据，和英国19年稳定增长的数据权重完全等同。

如此加权方式，会让长期高负债但经济稳健的经济体，被单一国家某一年的衰退数据拉低整体均值。得出“高负债损害增长”的结论，并不是原始数据天然指向这个结果，而是统计规则人为塑造出来的。

赫恩登团队重新测算后得到截然不同的结果：债务/GDP超过90%的国家，平均经济增长率并非-0.1%，而是+2.2%。更关键的是，债务与经济增长之间的因果关系被推翻。两者的因果关系甚至可能完全倒置：经济低迷才推高债务水平，而非高额债务拖累增长。

经济体一旦陷入衰退，税收收入萎缩，刚性财政支出难以压缩，债务规模自然上行。把经济下行当成债务高企的结果，本质等同于把发烧当成感染的诱因。

那条红线为什么被需要

如果仅仅将事件归结为两位经济学家的计算失误，就看不到更深层的政治逻辑。

事件的因果顺序需要理清：并不是先有90%红线，各国才选择推行财政紧缩；而是当时各国政治力量本就倾向紧缩路线，急需一套学术理论作为支撑，这篇论文恰好提供了现成依据。

2010年欧洲深陷债务危机，希腊、西班牙、葡萄牙、爱尔兰接连爆发经济困境。政策制定者面临抉择：继续依靠财政刺激托底经济，还是削减公共开支、上调税收，以此重建市场信心。

莱因哈特和罗格夫的研究给出了看似中立客观的答案：债务一旦超过90%，经济增长就会崩塌。它看起来不再是意识形态之争，而是冷冰冰的数据、是经过验证的科学结论。

于是欧盟经济事务委员奥利・雷恩多次引用该论文；美国众议院预算委员会主席保罗・瑞安把结论写入预算方案；英国财政大臣奥斯本借助这篇研究，为本国紧缩政策辩护。紧缩政策落地希腊，公共部门裁员、养老金削减、医疗预算压缩。

赫恩登的结论公之于众之后，一个令人不安的问题浮出水面：如果这条关键红线并不存在，当年的紧缩政策，究竟建立在何种依据之上？

答案很清晰：政策方向早已确定，数据只是用来包装决策的外衣。

幸存者偏差：看不见的样本才是关键

莱因哈特与罗格夫另一部知名著作《这次不一样：八百年金融危机史》，同样值得带着批判性视角审视。

这本书收集66个国家与地区长达八百年的金融危机记录，总结出危机之后经济运行的相似规律：房价平均下跌35%，调整周期约六年；股票平均跌幅55%，下跌周期三年半；失业率平均上升7个百分点，持续四年以上；政府债务会在危机爆发后的三年平均增长86%。

这组数字整齐到让人警惕。跨越金本位、纸币体系、固定与浮动汇率，横跨农业时代到数字时代，金融危机之后的经济轨迹仿佛高度重复，波动范围被精准统计。

但这种整齐本身就是陷阱。

八百年间被纳入统计样本的，都是危机之后政权存续、留存完整历史记录的经济体。那些在危机中彻底崩溃、政权更迭，没有留下完整经济数据的地区，全部被排除在样本之外。

统计学上将这个问题称为幸存者偏差。这套均值，描述的只是成功熬过危机的国家的平均表现，而不是所有遭遇危机的社会最终结局，整体结果偏乐观。

平均数还掩盖了巨大的个体差异。房价平均调整六年，这个均值是怎么来的？瑞典1992年银行危机，仅用三年完成经济修复；日本1990年泡沫破裂，经济低迷持续三十年。把瑞典、日本和几十个其他危机样本合并计算，最后得到六年这个平均值。

但现实世界里，没有任何一个国家，真实经历“刚好六年”的调整周期。三年复苏和三十年停滞，是完全不同的社会图景。平均数只能展示这类危机的大致特征，却无法预判单个经济体最终会落入哪一种结局。而对于一个国家、行业乃至普通人而言，落在哪个区间，才是全部意义所在。

瑞典和日本当年遭遇相似的资产泡沫危机，但采取两套截然不同的处置方案，最终结局相差二十七年。瑞典快速推进银行国有化、剥离坏账、清零股东权益，快速完成损失出清；日本选择掩盖坏账、拖延处置，寄希望于地价回升。泡沫形成的底层逻辑可以被统计归纳，但泡沫破裂之后的走向无法简单预判。它由人性、金融结构、政策响应速度、政治约束，以及损失承担主体共同决定。

从“90%红线”到“AI的万亿豪赌”

读懂莱因哈特-罗格夫事件带来的教训，再回看当下围绕AI产业的各类争论，看待数据的视角会完全改变。

正反两方都能拿出海量数据支撑自身观点。

看空一方的数据：五大云厂商2026年资本开支预计约6900亿美元；头部纯AI企业全年总营收预计不超过400亿美元。麦肯锡调研显示，接近八成落地AI项目没有带来企业净利润提升，95%的生成式AI试点无法产生直接财务回报。

看多一方的数据：AI推理成本两年降幅超99.7%；数据中心GPU负载率维持在50%-70%区间，算力供给持续紧张。摩根士丹利上调2026全球云资本开支预测至约7350亿美元，同比提升约60%，连续三年增速高于60%。Alphabet、亚马逊、微软、Meta 四大云厂商同步上调资本开支指引。

这些数据本身大多真实无误。但每一组数据都绑定特定统计口径、时间窗口和筛选规则，而引用数据的人，往往不会主动说明这些前提条件。

更值得警惕的是，未来总有一天，这类数据会被赋予政策层面的意义。

一旦AI资产价格下跌、行业面临救助抉择，就会出现研究论证算力属于战略基础设施，托底投入的长期收益远高于成本。反过来，如果需要对行业进行约束管控，也会有研究指出数据中心推高居民电价、挤占电网投资，单位岗位创造效率偏低。无论看多还是看空，两边都能拿出顶级机构、严谨模型、详实数据。

莱因哈特和罗格夫的教训就在这里：数据本身没有对错，但数据常常被当成辩论武器，而非认知世界的指南针。

身居决策位置的人，看到一份契合自身立场的权威研究，天然倾向相信结论成立，很少主动索要原始数据表逐行核验。这和决策者聪明与否无关，是人类固有的证实性偏见。

克鲁格曼在专栏写下的判断，放到今天依旧尖锐：支撑紧缩经济学的知识大厦很大程度上建立在少数几篇论文之上，政策制定者未经充分检验就拿来使用，只因这些结论刚好说出那些“非常严肃的人”想听的话。

那个“认真核对表格”的人

赫恩登的故事里，有一个容易被忽略的细节。

他并不是反紧缩运动的活动者，也不是专门针对两位教授的学术对手。他只是一名博士生，在完成课程作业。导师要求复现一篇论文，他便着手复现；验算结果无法匹配，就去索要原始数据；拿到表格之后，逐行逐单元格核对。

他做的本是学术研究最基础的规范，却也是学术界常常省略的一步：重复验证。

剑桥大学出版社后续一篇评论文章提到，如果学术期刊和行业规范强制作者公开可复现的原始文件，这场争论本可以提前三年到来。关于紧缩政策的公共讨论，也会建立在更加扎实的证据之上。

仅仅三年时间差，希腊紧缩政策落地、西班牙公共部门裁员、葡萄牙养老金削减。政策带来的民生损失，不会因为多年后论文结论被推翻而消失。

赫恩登事件还有一层讽刺的后续：早在赫恩登公布Excel错误之前，国际货币基金组织就已经承认，在评估紧缩政策负面冲击时出现测算偏差，低估财政紧缩对经济的伤害。也就是说，就算不存在Excel公式错误，紧缩政策的实际负面效果，在现实中已经显现，只是没有得到足够重视。

结语：最贵的从来不是错误的数字

莱因哈特和罗格夫这件事，讨论的早已不只是一次学术失误。八百年金融危机史的数据告诉我们：危机里代价最高的，从来不是出错的数字，而是那些看似权威可靠的数据，被用来支撑错误的公共决策。

修正前的90%债务红线刊登于顶级期刊，被多国政策引用，它承载了自身无法承受的政策重量。如今AI万亿投资浪潮下，推理成本暴跌、项目高投入低回报等各类统计数据被反复引用，这些数字本身不会说话，是数字的引用者赋予数字意义，有人以此论证泡沫，有人宣称革命。而当年赫恩登坐在电脑前逐行核对 Excel，初衷不过是完成一份家庭作业。