AI焦虑是否导致了“氛围衰退”？一项调查

自2022年以来，经济Twitter和Bluesky上频繁出现一个概念——“氛围衰退”。简而言之，它指的是自2022年起，公众对经济的感受显著恶化，与实际经济基本面（至今仍然相当强劲）严重脱节。对于这一现象是否存在，各方观点不一。本文旨在探讨一个可能性：如果氛围衰退确实存在，那么对AI导致失业的焦虑或许在其中扮演了角色。

关于氛围衰退的争论主要分为几个阵营。以Will Stancil为首的一派认为，情绪与实际经济表现之间的差距源于社交媒体上误导性的虚假内容以及新闻消费的日益碎片化。另一派以G Elliot Morris为代表，主张差距可以用物价水平来解释——人们不满的不是通胀（即价格同比上涨），而是东西比2021年更贵了。最后一派则认为，经济确实糟糕，通胀率、失业率等基本面指标无法反映全貌，他们指出信用卡债务上升和大量美国人难以负担基本生活必需品。经济学家Matt Darling是这场争论中的重要人物，他似乎倾向于第一派，但大部分时间在反驳第三派。本文的灵感正来源于他的文章。

我倾向于认为各方都有道理。基本面和情绪之间的分歧显得突然且奇怪，但我不认为误导性的病毒式传播是全部原因。我比较认同Elliot Morris的理论，但也觉得经济中存在一些更深层次的问题未被 headline 数字捕获，例如汽车贷款违约率创历史新高就是一个令人担忧的信号。

通常人们用密歇根大学消费者调查的情绪指数来评估氛围。我仿照Matt Darling的方法，用新冠疫情前的失业率、通胀率和联邦基金利率预测了情绪指数。结果显示，预测值与实际值在2022年前大致吻合，但此后实际情绪持续低迷，而基本面保持强劲。看到这个图时，我想到2022年也是ChatGPT发布的时间点，不禁怀疑关于AI将导致大规模失业的报道是否让人对经济产生了不应有的负面感受。

密歇根调查还询问受访者未来五年内失业的概率。2025年，这一概率的平均值达到了异常高的水平，尽管失业率很低。我的理论是，这背后是AI的影响，进而导致了经济情绪低迷。

为了检验理论，我效仿Elliot Morris的方法，在预测模型中加入了五年失业概率变量。如果失业焦虑导致整体情绪更负面，那么包含该变量的模型应该更贴近实际情绪。然而，比较两个模型的预测误差后发现，加入失业变量几乎没有任何改善。数据并不支持AI焦虑是氛围衰退的显著原因。

这个结果让人略感失望，但或许失业概率变量并不能很好地捕捉AI焦虑。我原本希望能为氛围衰退之争带来一个和平的解决方案，但遗憾的是未能如愿。无论如何，感谢阅读！