We apply a simpleweighting to these

We apply a simple
weighting to these data in January of each year. First we sum the total dollar amount of
the expiring tax provisions for each year in a 10-year horizon (using the absolute value of
dollars, as some expiring provisions are taxes, and some are tax cuts). Then we discount
these future expirations by 50% per year, and sum the discounted number of dollarweighted tax code expirations to obtain an index value for each January, which we then
hold constant during the calendar year. We utilize a high discount rate because many
expiring tax code provisions are regularly renewed, and are unlikely to be a major source
of uncertainty until the expiration date looms near.
Figure 3 plots the discounted sum of expiring tax provisions. Here we see a
generally increasing series. This pattern reflects a secular increase in the number of tax
provisions involving temporary measures subject to continual renewal, debate and
uncertainty. The one earlier bump in 2002-2004 was the accelerated capital depreciation
allowances introduced in 2002.
2.3 Economic Forecaster Disagreement
The third component of our policy-related uncertainty index draws on the Federal
Reserve Bank of Philadelphia’s Survey of Professional Forecasters (SPF). This quarterly
survey covers a wide range of macroeconomic variables. Each quarter, every forecaster
receives a form in which to fill out values corresponding to forecasts for a variety of
variables in each of the next five quarters, as well as annualized values for the following
2 years.5 We utilize the individual-level data for three of the forecast variables, the
consumer price index (CPI), purchase of goods and services by state and local
governments, and purchases of goods and services by the federal government. For each
series, we look at the quarterly forecasts for one year in the future. We chose these
variables because they are directly influenced by monetary policy and fiscal policy
decisions. We treat the dispersion in the forecasts of these variables as proxies for
uncertainty about future monetary policy and about government purchases of goods and
5
A sample form for Q1 2010 can be seen at http://www.philadelphiafed.org/research-and-data/real-timecenter/survey-of-professional-forecasters/form-examples/SpfForm-10Q1.pdf
7
services at the federal, state, and local level. This approach builds on a long literature
using disagreement among forecasters as a proxy for economic uncertainty.6
For inflation, we look at the individual forecasts for the quarterly inflation rates
four quarters in the future as measured by the CPI. To construct the dispersion
component, we then take the interquartile range of each set of inflation rate forecasts in
each quarter. We use the raw interquartile range because we believe that the absolute
level of the CPI is the important factor, not only the uncertainty relative to a mean CPI
level.
For both federal and state and local government purchases, we divide the
interquartile range of four-quarter-ahead forecasts by the median four-quarter-ahead
forecast and multiply that quantity by a 5-year backward-looking moving average for the
ratio of nominal purchases, either federal or state/local, to nominal GDP. We hold the
values of the forecaster disagreement measures constant within each calendar quarter.
Finally, we sum the two indices, weighted by their nominal sizes, to construct a single
federal/state/local index.
Figure 4 shows the dispersion in forecasts for federal, state, and local purchases
four quarters in the future. Noteworthy jumps occur around the passage of Balanced
Budget legislation in 1985 and 1987, the 1992 presidential election, 9/11 and the 2nd Gulf
War, and the stimulus spending debates from 2008 to 2010. Figure 5 shows the
dispersion in CPI forecasts, with larger spikes coming in both earlier and in later years
following federal budgetary indecision, major actions by the Federal Reserve, and recent
stimulus measures by the federal government.
2.4 Constructing our overall Economic Policy Uncertainty index
To construct our overall index of policy-related economy uncertainty, we first
normalize each component by its own standard deviation prior to January 2012. We then
compute the average value of the components, using weights of 1/2 on our broad news-
6
See, for example, Zarnowitz and Lambros (1987), Bomberger (1996), Giordani and Soderlind (2004) and
Boero, Smith and Wallis (2008). These papers find a significant correlation between disagreement among
forecasters over future outcomes such as inflation and other measures of uncertainty. However, there is
disagreement over the strength and the interpretation of the link between forecaster disagreement and
uncertainty about future outcomes. See, for example, Rich and Tracy (2010), who claim a very weak link
for inflation.
8
based policy uncertainty index and 1/6 on each of our other three measures (the tax
expirations index, the CPI forecast disagreement measure, and the federal/state/local
purchases disagreement measure). These weights roughly reflect the distribution of
specific sources of policy-related uncertainty, as measured in Table 1 below, giving more
weight to indices with a broader coverage. To deal with missing values, we set the pre-
1991 tax expiration index equal to its 1991 value. Finally, we normalize our overall index
to have a value of 100 from 1985 to 2009, the first 25 years of the period covered by our
data.
In addition to our preferred weighting, we also calculate Economic Policy
Uncertainty indices using two other weighting methodologies. First, we equally weight
the news-based measure, the combination of the forecast disagreement measures, and the
tax expiration measure. The result series, shown in Figure A1, is very similar to our
preferred measure. Second, we perform a principle component factor analysis on our four
series to obtain weights for each component. This approach yields weights of 0.22 on our
news-based index, 0.27 on our tax expirations index, 0.29 on the CPI forecast
disagreement measure, and 0.21 on our federal, state, and local purchases disagreement
measure. We again find a similar final index, plotted in Figure A5. Our preferred index
has correlations of 0.962 and 0.945 with the equally weighted and principle components
weighted indices, respectively. All three versions of the overall index yield very similar
results in the VAR-based discussed in Section 4 below.
Figure 1 displays our preferred version of our Economic Policy Uncertainty
Index. We find spikes in uncertainty corresponding to several well-known prominent
events and a substantially higher level of uncertainty since the onset of the Great
Recession in 2007. In particular, we find spikes associated with consequential
presidential elections, wars, 9/11, contentious budget battles, and a number of spikes
during and after the Great Recession. The average index value is 71 in 2006 (the last year
before the current crisis) and 172 in the first eight months of 2011, a difference of 101.
We use this increase in the average index value when quantifying the responses of output,
investment and employment to policy uncertainty shocks.
We update our Economic Policy Uncertainty Index on a monthly basis as more
data becomes available, and post the data at www.policyuncertainty.com.
9
2.5 Measuring Policy Uncertainty in Europe
We also construct economic policy uncertainty indices in a number of other
countries. In these other countries since we do not typically have large amounts of
expiring tax code provisions, we base our overall policy uncertainty indices on 50%
newspaper searches and 50% forecaster disagreement. In particular, for our European
index (shown in Figure 6) we use 2 papers from each of the largest 5 European
economies (Germany, the United Kingdom, France, Italy, and Spain). The papers include
El Pais, El Mundo, Corriere della Sera, La Repubblica, Le Monde, Le Figaro, the
Financial Times, The Times of London, Handelsblatt, and FAZ.
As with our American newspaper index, we utilize the number of news articles
containing the terms uncertain or uncertainty, economic or economy, as well as policy
relevant terms (here scaled by the smoothed number of articles containing ‘today’).
Policy relevant terms include: ‘policy’, ‘tax’, ‘spending’, ‘regulation’, ‘central bank’,
‘budget’, and ‘deficit’.7 All news searches are done in the native language of the paper in
question. Each paper-specific series is normalized to standard deviation 1 prior to 2011
and then summed. The series is normalized to mean 100 prior to 2011.
To measure forecaster disagreement we use the Consensus Economics forecast
database of public expenditure for each European country (because the SPF only provides
US forecasts).8 For each country, we use data on individual forecasts for the following
calendar year of CPI and federal budget balances, taking the interquartile range of each
set of country-month forecasts. Due to the nature of the forecasts, asking about the
following calendar year and not 1 year ahead, the forecasts become mechanically more
accurate as months progress in a year. To correct for this, we deseasonalize the series of
interquartile ranges. For the CPI disagreement measure, we then use the raw values. For
the budget balance, we scale by a country’s GDP. Each country’s index is then scaled to
standard deviation 1 and summed to create a single European-wide index.
7
These terms differ slightly from our US terms because they were the version we used in our initial US
index before undertaking a detailed audit (see section 3.1 and Baker, Bloom and Davis, 2012). When we
updated our US index on the basis of this audit we decided not to update our European index until we have
performed a similarly detailed audit on our European terms, which we have yet to complete.
8
From Consensus Economics (http://www.consensuseconomics.com/)

Kết quả (Việt) 2:

Chúng tôi áp dụng một đơn giản
trọng để các dữ liệu trong tháng Giêng mỗi năm. Đầu tiên chúng ta cộng tổng số tiền của
các quy định về thuế hết hạn cho mỗi năm trong một chân trời 10 năm (sử dụng giá trị tuyệt đối của
đô la, như một số quy định hết hạn các loại thuế, và một số là cắt giảm thuế). Sau đó, chúng tôi giảm giá
những hết hạn trong tương lai bằng 50% mỗi năm, và tổng số chiết khấu của dollarweighted hết hạn mã số thuế để có được một giá trị chỉ số cho từng tháng một, mà chúng tôi sau đó
giữ không đổi trong năm dương lịch. Chúng tôi sử dụng một tỷ lệ chiết khấu cao vì nhiều
hết hạn quy định mã số thuế được thường xuyên đổi mới, và không có khả năng là một nguồn chính
của sự không chắc chắn cho đến ngày hết hạn khung dệt gần.
Hình 3 lô tổng chiết khấu hết hạn quy định thuế. Ở đây chúng ta thấy một
loạt nói chung ngày càng tăng. Mô hình này phản ánh một sự gia tăng trong thế tục số thuế
quy định liên quan đến các biện pháp tạm thời để liên tục đổi mới chủ đề, tranh luận và
không chắc chắn. Người trước đó vết sưng trong giai đoạn 2002-2004 là khấu hao cơ bản tăng tốc
các khoản phụ cấp được giới thiệu trong năm 2002.
2.3 Bất đồng Forecaster kinh tế
các thành phần thứ ba của chỉ số không chắc chắn chính sách liên quan của chúng tôi dựa trên các Federal
Reserve Bank Khảo sát Philadelphia của Professional dự báo thời tiết (SPF). Quý này
khảo sát bao gồm một loạt các biến số kinh tế vĩ mô. Mỗi quý, dự báo
nhận một hình thức trong đó để điền vào các giá trị tương ứng với dự báo cho một loạt các
biến trong mỗi năm quý tiếp theo, cũng như giá trị hàng năm sau
2 years.5 Chúng tôi sử dụng các dữ liệu cá nhân cấp cho ba của các biến dự báo,
chỉ số giá tiêu dùng (CPI), mua hàng hoá và dịch vụ của nhà nước và địa phương
chính phủ, và mua sắm hàng hoá và dịch vụ của chính phủ liên bang. Đối với mỗi
dòng, chúng ta nhìn vào các dự báo hàng quý cho một năm trong tương lai. Chúng tôi chọn các
biến vì chúng bị ảnh hưởng trực tiếp bởi chính sách tiền tệ và chính sách tài chính
quyết định. Chúng tôi đối xử phân tán trong các dự báo của các biến như các proxy cho
sự không chắc chắn về chính sách tiền tệ trong tương lai và về mua sắm chính phủ của hàng hóa và
5
Một mẫu cho quý 1 năm 2010 có thể được xem tại tại, tiểu bang và địa phương liên bang. Cách tiếp cận này được xây dựng trên một nền văn học dài sử dụng bất đồng giữa các nhà dự báo như là một proxy cho uncertainty.6 kinh tế Đối với lạm phát, chúng ta nhìn vào các dự báo cá nhân của tỷ lệ lạm phát hàng quý bốn quý trong tương lai được đo bằng chỉ số CPI. Để xây dựng phân tán thành phần, chúng ta sau đó đi khoảng tứ phân vị của mỗi tập hợp các dự báo tỷ lệ lạm phát trong mỗi quý. Chúng tôi sử dụng khoảng tứ phân vị nguyên bởi vì chúng tôi tin rằng tuyệt đối độ của CPI là yếu tố quan trọng, không chỉ là sự không chắc chắn liên quan đến một số CPI trung bình cấp. Đối với cả hai chính phủ mua của liên bang và tiểu bang và địa phương, chúng tôi chia các khoảng tứ phân vị của bốn dự báo quý-trước bởi các trung bình bốn quý-trước dự báo và nhân con số đó của một đường trung bình 5 năm nhìn về quá khứ cho các tỷ lệ mua hàng trên danh nghĩa, hoặc là bang hoặc liên bang / địa phương, với GDP danh nghĩa. Chúng tôi giữ các giá trị của các biện pháp dự báo bất đồng liên tục trong mỗi quý dương lịch. Cuối cùng, chúng tôi tổng hợp hai chỉ số, trọng bởi kích thước danh nghĩa của họ, để xây dựng một đơn / tiểu bang chỉ số liên bang / địa phương. Hình 4 cho thấy sự phân tán trong các dự báo cho liên bang, nhà nước, địa phương và mua bốn quý trong tương lai. Nhảy đáng chú ý xảy ra xung quanh những đoạn văn của Balanced luật Ngân sách nhà nước năm 1985 và 1987, cuộc bầu cử tổng thống năm 1992, 9/11 và vùng Vịnh lần thứ 2 chiến, và các cuộc tranh luận chi tiêu kích thích kinh tế từ năm 2008 đến năm 2010. Hình 5 cho thấy sự phân tán trong dự báo CPI, với lớn hơn gai sắp tới ở cả trước và trong những năm sau đó sau do dự ngân sách liên bang, hành động chính của Cục Dự trữ Liên bang, và gần đây các biện pháp kích thích kinh tế của chính phủ liên bang. 2.4 Xây dựng chỉ số bất định chính sách kinh tế tổng thể của chúng tôi để xây dựng chỉ số chung của chúng ta về chính sách liên quan đến nền kinh tế không chắc chắn, trước tiên chúng ta bình thường hóa từng phần bởi độ lệch chuẩn của riêng mình trước khi đến tháng Giêng năm 2012. Chúng tôi sau đó tính giá trị trung bình của các thành phần, sử dụng trọng lượng của 1/2 trên rộng thời sự của chúng tôi 6 Xem, ví dụ, Zarnowitz và Lambros (1987), Bomberger (1996), Giordani và Soderlind (2004) và Boero, Smith và Wallis (2008). Những giấy tờ tìm thấy một mối tương quan đáng kể giữa các bất đồng giữa các nhà dự báo về kết quả tương lai chẳng hạn như lạm phát và các biện pháp khác không chắc chắn. Tuy nhiên, có sự bất đồng về sức mạnh và việc giải thích mối liên hệ giữa dự báo bất đồng và sự không chắc chắn về kết quả tương lai. Xem, ví dụ, Rich và Tracy (2010), người tuyên bố một liên kết rất yếu đối với lạm phát. 8 dựa trên chỉ số bất định chính sách và 1/6 trên mỗi ba biện pháp khác của chúng tôi (thuế chỉ hết hạn, chỉ số CPI dự báo biện pháp bất đồng, và liên bang / tiểu bang / địa phương mua bất đồng đo lường). Những trọng lượng xấp xỉ phản ánh sự phân bố của các nguồn cụ thể của sự không chắc chắn liên quan đến chính sách, được đo trong Bảng 1 dưới đây, cho biết thêm trọng lượng cho các chỉ số với một phạm vi rộng lớn hơn. Để đối phó với các giá trị bị mất tích, chúng tôi thiết lập trước năm 1991 thuế chỉ số hết hạn bằng với giá trị năm 1991. Cuối cùng, chúng ta bình thường hóa chỉ số tổng thể của chúng tôi để có một giá trị của 100 1985-2009, trong 25 năm đầu của thời kỳ bao phủ bởi chúng tôi dữ liệu. Ngoài trọng ưa thích của chúng tôi, chúng tôi cũng tính toán chính sách kinh tế chỉ số không chắc chắn sử dụng hai phương pháp trọng khác. Đầu tiên, chúng ta đều trọng lượng các biện pháp dựa trên tin tức, sự kết hợp của các biện pháp dự báo bất đồng, và các biện pháp hết hạn thuế. Các loạt kết quả, thể hiện trong hình A1, là rất tương tự như chúng ta biện pháp ưa thích. Thứ hai, chúng tôi thực hiện một phân tích yếu tố thành phần nguyên tắc của chúng tôi trên bốn loạt để có được trọng lượng cho mỗi thành phần. Cách tiếp cận này mang lại trọng lượng là 0,22 trên của chúng tôi chỉ dựa trên tin tức, 0.27 vào chỉ mục của thuế hết hạn, 0,29 đến CPI dự báo biện pháp bất đồng, và 0,21 vào liên bang của chúng tôi, nhà nước, và mua hàng tại địa phương không đồng ý biện pháp. Chúng tôi lại tìm thấy một mục thức tương tự, được vẽ trong hình A5. Chỉ số ưa thích của chúng tôi có mối tương quan của 0,962 và 0,945 với các thành phần như nhau trọng và nguyên tắc trọng các chỉ số tương ứng. Cả ba phiên bản của năng suất chỉ số tổng thể rất tương tự như kết quả trong VAR dựa trên thảo luận tại mục 4 dưới đây. 1 hiển thị phiên bản của chúng tôi ưa thích của Hình Sự không chắc chắn chính sách kinh tế của chúng ta Index. Chúng tôi tìm thấy những đột biến về sự không chắc chắn tương ứng với một số nổi bật nổi tiếng sự kiện và một mức độ cao hơn đáng kể của sự không chắc chắn kể từ sự khởi đầu của cuộc Đại Suy thoái kinh tế trong năm 2007. Đặc biệt, chúng ta thấy đỉnh kết hợp với hậu quả cuộc bầu cử tổng thống, chiến tranh, 9/11, ngân sách tranh cãi chiến trận, và một số gai trong và sau cuộc Đại suy thoái. Các giá trị chỉ số trung bình là 71 vào năm 2006 (năm cuối cùng trước khi cuộc khủng hoảng hiện nay) và 172 trong tám tháng đầu năm 2011, một sự khác biệt của 101. Chúng tôi sử dụng này gia tăng trong giá trị chỉ số trung bình khi xác định số lượng các đáp ứng của đầu ra, đầu tư và việc làm cho những cú sốc bất ổn chính sách. Chúng tôi cập nhật Index bất định chính sách kinh tế của chúng tôi trên cơ sở hàng tháng khi có thêm dữ liệu trở nên có sẵn, và gửi các dữ liệu ở www.policyuncertainty.com. 9 2.5 Đo không chắc chắn chính sách ở châu Âu Chúng tôi cũng xây dựng chỉ số bất định chính sách kinh tế trong một số khác nước. Tại các quốc gia khác vì chúng ta không thường có số lượng lớn hết hạn quy định mã số thuế, chúng tôi căn cứ chỉ số bất ổn chính sách tổng thể của chúng tôi trên 50% các tìm kiếm báo và 50% dự báo bất đồng. Đặc biệt, đối với châu Âu của chúng tôi chỉ số (hình 6), chúng tôi sử dụng 2 giấy tờ từ mỗi 5 châu Âu lớn nhất nền kinh tế (Đức, Anh, Pháp, Ý và Tây Ban Nha). Các giấy tờ bao gồm El Pais, El Mundo, Corriere della Sera, La Repubblica, Le Monde, Le Figaro, các Financial Times, The Times of London, Handelsblatt, và FAZ. Như với chỉ số tờ báo Mỹ của chúng tôi, chúng tôi sử dụng số lượng tin bài chứa các thuật ngữ không chắc chắn hoặc không chắc chắn, kinh tế, kinh tế, cũng như các chính sách. thuật ngữ có liên quan (ở đây theo tỷ lệ số làm trơn của bài báo có chứa 'hôm nay') Chính sách thuật ngữ liên quan bao gồm: 'chính sách', 'thuế', 'chi', ' quy định ',' ngân hàng trung ương ',' ngân sách ', và' deficit'.7 Tất cả các tìm kiếm tin tức sẽ được thực hiện trong ngôn ngữ mẹ đẻ của giấy trong câu hỏi. Mỗi loạt giấy cụ thể là bình thường đến độ lệch chuẩn 1 trước đến năm 2011 và sau đó cộng lại. Bộ phim này bình thường có nghĩa là 100 trước năm 2011. Để đo dự báo bất đồng, chúng tôi sử dụng các Consensus Economics dự báo cơ sở dữ liệu của chi tiêu công cho mỗi quốc gia châu Âu (vì SPF chỉ cung cấp Mỹ dự báo) 0,8 Đối với mỗi quốc gia, chúng tôi sử dụng dữ liệu về dự báo cá nhân sau năm dương lịch của CPI và cân bằng ngân sách liên bang, lấy khoảng tứ phân vị của mỗi tập hợp các dự báo nước tháng. Do tính chất của dự báo, hỏi về những năm tiếp theo và không phải 1 năm trước, dự báo trở thành máy móc nhiều hơn chính xác như tiến độ các tháng trong năm. Để chính xác cho điều này, chúng tôi deseasonalize hàng loạt các dãy tứ phân. Đối với các biện pháp CPI bất đồng, chúng ta sau đó sử dụng các giá trị nguyên. Đối với các cân đối ngân sách, chúng tôi mở rộng quy mô của GDP của một quốc gia. Chỉ số của mỗi nước sau đó được thu nhỏ lại đến độ lệch chuẩn 1 và tổng kết để tạo ra một chỉ số duy nhất châu Âu rộng. 7 Những thuật ngữ khác nhau đôi chút từ ngữ Mỹ của chúng tôi bởi vì họ là những phiên bản chúng tôi được sử dụng trong Hoa Kỳ ban đầu của chúng tôi chỉ số trước khi thực hiện một kiểm toán chi tiết (xem phần 3.1 và Baker, Bloom và Davis, 2012). Khi chúng tôi được cập nhật chỉ số Mỹ của chúng tôi trên cơ sở kiểm toán này, chúng tôi quyết định không cập nhật chỉ số châu Âu của chúng tôi cho đến khi chúng tôi đã thực hiện một kiểm toán chi tiết tương tự như trên về châu Âu của chúng tôi, mà chúng tôi vẫn chưa hoàn thành. 8 Từ Consensus Economics (http: // www .consensuseconomics.com /)