68
いないのに対し、本論文では、予想データの年限間の整合性や、インフレ率以外の経済変数 との整合性を考慮しつつ、経済全体の基調的なインフレ予想を推計している。
第２に、インフレ予想カーブの先行研究と比較すると、先行研究で用いているのは、専門 家のサーベイ・データ、またはマーケット・データのみであるが、本論文では、家計や企業 を含め様々な主体のサーベイ・データ情報を集約して、インフレ予想カーブを推計している。
第３に、状態空間モデルを用いた先行研究では、最尤法を用いてモデル推計を行っている が、本論文ではベイズ推計を採用している。パラメータ数が多い複雑なモデルでは、最尤法 による推計は、結果が不安定になるため、ベイズ推計を用いてこうした問題を軽減している。
69
図4-1 予想データ（インフレ率）
（１）短期（１～２年先）
（２）中期（３～４年先）
（３）長期（５～10年先）
（出所） Consensus Economics「コンセンサス・フォーキャスト」、QUICK、日本経済研究センター、
経済企画協会、Wolters Kluwer「Blue Chip Economic Indicators」、Bloomberg、日本銀行
70
図4-2 予想データ（実質成長率・名目金利）
（１）コンセンサス・フォーキャスト
（２）Blue Chip （３）ESPフォーキャスト
（４）名目金利
（出所） Consensus Economics「コンセンサス・フォーキャスト」、日本経済研究センター、
経済企画協会、Wolters Kluwer「Blue Chip Economic Indicators」、財務省
71
次に、実質成長率の予想データは、入手可能な系列が全て専門家の予想データとなってお り、コンセンサス・フォーキャスト（６系列）、Blue Chip（１系列）及びESPフォーキャス ト（３系列）の、計10系列である（図4-2）。最後に、名目金利の予想データは、モデルで用 いる３か月物金利の先行き１年以上についてのサーベイ・データが存在しないため、国債の 市場金利のスポット・レート（残存年限１年、２年、…、10 年）から、１～９年先の各時 点における、先行き１年のフォワード・レート（９系列）を算出している。
また、３変数の実績値として、消費者物価指数（総合＜除く生鮮＞、消費税調整済）、実 質成長率、名目金利（３か月物）を用いる（図4-3）ほか、インフレ率に対する外生変数と して、輸入物価指数を用いる。データは、いずれも四半期の季節調整済・前期比を用いる。
以上、本論文の推計に用いる系列は、予想データ38系列、実績値４系列の、計42系列とな る。これは、日本において利用可能な、インフレ率、実質成長率、名目金利の予想に関する サーベイ・データ及びマーケット・データ（１年先以上）を概ね包含している。Crump, Eusepi,
and Moench [2018] が用いた約600系列よりは少ないが、これは日米で利用可能な、サーベ
イ・データの数が、大きく異なるためである。
予想データをモデルで推計に用いる際には、スポット系列（足もとから ℎ 年先までの平均 的な伸び率に対する予想）と、フォワード系列（先行き ℎ 年先スタートの 𝑥 年間の伸び率に 対する予想）のいずれを用いるかという論点が存在する32。本論文では、期間構造の推計に おいて、各々の年限の情報が独立して得られることが望ましいと考え、スポットの予想デー タは全てフォワード系列に変換して、モデルの推計を行っている。例えば、QUICK月次調査
（債券）は、「今後１年間」「今後２年間」「今後10年間」の３つのスポット系列があるが、
「今後１年間」と「今後２年間」から「１年先スタート１年間」を、「今後２年間」と「今 後10年間」より「２年先スタート８年間」を計算し、この２系列を推計に用いる。
32 金利の期間構造の表現を用いると、前者はスポット・レート、後者はフォワード・レートに相当する。
72 図4-3 実績値
（１）実質成長率 （２）潜在成長率（日本銀行推計値）
（３）輸入物価指数 （４）CPI（総合＜除く生鮮＞）
（５）名目金利（３か月物）
（出所） 内閣府、総務省、日本銀行、Bloomberg
73