Нобелевская премия по экономике 2021 г.

skorobogatov — 13.10.2021

В этом году мне особенно приятно поговорить о традиционной осенней награде за вклад в экономику, поскольку моя собственная работа с ним тесно связана.

Опять же по пунктам о премии и лауреатах.

1. Уже не раз мне приходилось слышать от некоторых гостей, мол, это "ненастоящая премия" на том основании, что Альфред Нобель не включил экономику в число премируемых дисциплин и это сделали уже после его смерти. Поэтому ревнители его наследия негодуют, когда премию для экономистов называют нобелевской, настаивая на официальном названии "памяти Альфреда Нобеля".

Этот аргумент неявно предполагает, что престиж премии целиком связан с именем ее учредителя. При всех достижениях Нобеля, включая изобретение динамита, едва ли бы сейчас он был широко известен, если бы не его премия. В жизни часто бывает, что нечто становится известным совершенно непредсказуемо. Бах написал более тысячи произведений, но на слуху у обывателя лишь несколько из них. Так и Нобель много чего сделал, но стал известен благодаря завещанию о том, как следует распорядиться его состоянием после его смерти. В то время было куда меньше таких премий, чем сейчас, и отчасти из-за этого, отчасти по другим изначально непредсказуемым причинам она стала самой узнаваемой среди других научных наград.

Фактор Нобеля как личности в том, что награда стала престижной, является сугубо второстепенным. В 60-е годы, когда экономику добавили в нобелевский список, премия уже давно обладала статусом главной научной награды, и этот же статус получила и премия по экономике;

2. В этом году отмечены достижения в установлении причинной связи эмпирическими методами. Благодаря интернету все уже знают, что корреляция и причинная связь это не одно и то же, а ученые не только знают, но и думают, как под покровом разнообразных корреляций найти настоящую причинную зависимость от А к Б.

В науках, допускающих контролируемый эксперимент, это относительно несложно. При наличии экспериментальных данных аппарата мат. статистики из учебника для этого достаточно. Нужно лишь случайным образом разделить объекты наблюдения на группы, где на одну оказывается интересующее воздействие А, а на другую нет, и статистически значимая разница в интересующей исследователя характеристике Б между группами и будет мерой воздействия А на Б.

В экономике контролируемые эксперименты тоже проводятся там, где возможно. Подопытными чаще всего становятся студенты, поскольку до них легче всего дотянуться исследователю. Понятно, что влияние денежно-кредитной политики на инфляцию не может быть оценено таким способом, но он годится для анализа причин поведения людей в социуме. В частности, таким способом проверяют предсказания теории игр или, напр., экономическое допущение рациональности.

Но если взять животрепещущие вопросы, напр., влияние образования на зарплату, понадобятся другие подопытные, которых уже не получится силами отдельного исследователя случайным образом разделить на группы. В этом случае иногда проводят полевые эксперименты. Они проводятся в реальной жизни над как правило ничего не подозревающими людьми с использованием тех, кто может на них повлиять. Предположим, решили власти проводить политику стимулирования врачей, а тут к ним подходит исследователь и просит провести ее выборочно, предварительно разделив случайным образом больницы на экспериментальную и контрольную группы. Запустили эксперимент, собрали данные об обеих группах, после этого делайте что хотите, в том числе опираясь на результаты анализа собранных данных. Как раз такая работа была отмечена в прошлом году;

3. Но, опять-таки, ясно, что если бы контролируемые или полевые эксперименты были единственным способом установления причинной связи, эта задача была бы нерешаема для большинства исследователей в большинстве областей. В реальности, дела обстоят гораздо лучше, и связано это с тем, что огромные массивы данных, генерируемых современным миром без всякой исследовательской задачи, можно использовать в исследовательских целях.

В тех случаях, когда находится возможность использования неэкспериментальных данных в целях установления причинной связи, говорят о естественном эксперименте. Жизнь все время сама проводит различные эксперименты на людях, и исследователю, вместо того чтобы пытаться проводить эксперимент самому, нужно лишь воспользоваться данными экспериментов, проводимых жизнью. Для этого надо найти историю, в которой содержатся составляющие эксперимента, и описывающие ее данные.

Я сам это делал, напр., для оценки влияния СМИ на общественное мнение в контексте истории с Pussy Riot или влияния алкогольной политики на смертность;

4. Нынешние лауреаты стали одними из пионеров в применении методов установления причинной связи при анализе неэкспериментальных данных. Кард и Крюгер являются авторами широко цитируемой статьи о влиянии политики минимальной зарплаты на занятость неквалифицированных работников. В качестве объекта исследования они взяли сегмент рынка труда, связанный с ресторанами быстрого питания, что обеспечило некоторую однородность рабочей сил. Естественный же эксперимент они обнаружили в том, что такая политика проводилась не во всех штатах, так что сама жизнь разделила людей на нужные им группы. Но, в отличие от контролируемого эксперимента, здесь разбиение на группы неслучайно, между ними имеются систематические различия.

Это типичная ситуация, ввиду чего самым популярным методом работы с такими данными стала "разность разностей", когда смотрят не на разницу в средних значениях интересующей переменной, а на разницу в динамике (откуда и название метода). Скажем, если в Пенсильвании занятость систематически выше, чем в Нью Джерси (штаты, которые рассматривали исследователи), это проявится, если мы будем сравнивать их средние уровни по состоянию на определенную дату, но не будет играть роли, если сравним их в динамике от момента до запуска политики до момента после.

Другие методы, к которым приложили руку лауреаты, – инструментальные переменные, regression discontinutity design, разнообразные мэтчинги и пр. – решают ту же задачу нахождения "случайной вариации" в интересующей исследователя переменной. В данных, описывающих А и Б, нужно очистить А от компонентов, осложняющих причинную связь, после чего уже простая корреляция будет служить мерой этой связи.

Напр., Ангрист оценил влияние армейской службы во Вьетнаме на заработки на гражданке. Простая корреляция помимо причинной связи содержит разницу в постоянных характеристиках тех, кто участвовал и не участвовал в военных действиях. Чтобы оценить причинную связь, нужно найти случайную вариацию в том, служишь ты или нет. Ученый обнаружил ее в данных о том, как молодых людей вербовали на основе своего рода лотереи (это стало популярным примером использования инструментально переменной). Использовав этот кусок данных для предсказания того, служил ли человек во Вьетнаме, он и обнаружил ту самую случайную вариацию, которую после этого уже можно использовать как переменную, предсказывающую заработки. У ветеранов заработки предсказуемо оказались меньше, чем у тех, кто не воевал. Разница в 15% – значительно меньше, чем если просто сравнивать средние.

В последние годы большинство статей в престижных журналах, индексы цитирований и награды указывают на эмпирические исследования как новый тренд. Долгие десятилетия лучшие умы экономической науки разрабатывали теорию, не уделяя должного внимания тому, соответствует ли она тому, что происходит за окном. Давно пора этот перекос исправить.



Мой Телеграм-канал

Оставить комментарий

Популярные посты:

• Ранее
• Архив