Обладателями премии Банка Швеции по экономике имени Альфреда Нобеля стали американские экономисты Дэвид Кард, Джошуа Ангрист и Гвидо Имбенс. Дэвид Кард (половина премии) получил награду «за эмпирический вклад в экономику труда», а Джошуа Ангрист и Гвидо Имбенс (по четверти премии) — «за методологический вклад в развитие и анализ причинно-следственных связей».
Фото: AP / Noah Berger
Фото: AP / Josh Reynolds
Фото: Reuters
Бывают вопросы о причинах и следствиях, которые легко сформулировать, но на которые чертовски трудно ответить. Например, влияет ли образование индивида на уровень его доходов? Сложность ответа тут в том, что простой подсчет средних уровней дохода более и менее образованных людей вряд ли даст корректный результат. Образование обычно коррелирует с ненаблюдаемыми характеристиками (например, с уровнями таланта, интеллекта и мотивации), которые тоже влияют на заработную плату индивида. Ведь ясно, что более талантливым людям легче поступить в университет. Поэтому они чаще это делают.
Таким образом, может оказаться, что более образованные люди получают более высокую зарплату не потому, что они более образованные, а потому, что они более талантливые. А значит, сравнение средних доходов приведет к преувеличенной оценке эффекта от образования. Такую ситуацию называют смещением из-за самоотбора (selection bias).
Как оценить отдачу именно от образования, отделить его эффект от влияния прочих факторов, важных для дохода? Если бы мы исследовали, например, эффективность нового лекарства, то могли бы случайным образом разделить выборку пациентов на две группы, одной группе выдать настоящее лекарство, а другой — плацебо. А затем сравнить здоровье пациентов из двух групп между собой. Такой подход называется контролируемым экспериментом и используется не только в медицине, но и в экономике. Скажем, такие технологические гиганты, как «Яндекс» или Google, могут случайным образом делить пользователей на группы и показывать им разные варианты рекламных объявлений, сопоставляя затем реакции.
Контролируемые эксперименты помогают надежно выявить причинно-следственные связи, так как деление людей на группы случайным образом устраняет влияние прочих факторов: люди лишаются возможности сделать выбор самостоятельно, эффект самоотбора пропадает. Но иногда такой эксперимент провести невозможно, иногда очень затратно, а иногда неэтично. Если вернуться к оценке отдачи от высшего образования, то вряд ли можно было бы провести сколько-нибудь большой контролируемый эксперимент. Для этого пришлось бы собрать много российских старшеклассников и объявить им, что решение об их поступлении или непоступлении в университет будет приниматься в результате подбрасывания монетки и не будет зависеть от их собственных желаний.
Нынешние нобелевские лауреаты продвинулись в разработке методов, которые позволяют выявлять причинно-следственные связи, когда контролируемый эксперимент невозможен. Скажем, предложенная Ангристом идея оценки локального среднего эффекта воздействия (local average treatment effect) не только помогла оценить отдачу от образования (хорошая новость для университетов — образование действительно делает людей богаче!), но и выяснить, снижает ли служба в армии будущие доходы индивидов в гражданском секторе.
А Дэвид Кард с соавтором Аланом Крюгером (Крюгер, несомненно, получил бы премию вместе с Кардом, если бы не скончался в 2019 году) ответили, что будет с занятостью на рынке низкоквалифицированного труда, если поднять там минимальную заработную плату.
Подход к моделированию Карда и Крюгера получил название метода разности разностей (difference in differences) и стал одним из самых часто используемых эмпирических способов оценки последствий изменения в экономической политике.
Метод разности разностей
В 1992 году в штате Нью-Джерси минимальный размер оплаты труда был увеличен с $4,25 до $5,05. Экономическая теория подсказывает, что подобное решение снизит занятость среди низкоквалифицированных работников: фирмы будут готовы нанять по более высокой ставке меньше людей. Эту гипотезу и решили проверить Кард и Крюгер. Они собрали данные о занятости работников в ресторанах быстрого питания. Авторов работы интересует среднее изменение занятости в ресторане быстрого питания в Нью-Джерси после повышения минимальной заработной платы. Как посчитать это изменение?
Первый, довольно наивный, подход — взять данные по Нью-Джерси до и после изменения минимальной заработной платы и сравнить их между собой. Этот подход плох, потому что занятость может изменяться не только из-за изменения заработной платы, но и по другим причинам. Например, в США могла начаться рецессия, которая способствовала бы снижению занятости во всех штатах, независимо от политики на рынке труда.
Второй подход состоит в том, чтобы сравнить занятость в среднем ресторане в Нью-Джерси (то есть в испытуемой группе) со средней занятостью в каком-нибудь другом штате, где минимальная зарплата не изменилась (в контрольной группе). Например, в Пенсильвании. Понятно, что такой подход тоже несовершенен. В отличие от совсем «честного» эксперимента, когда мы случайным образом делим рестораны на две группы, здесь все рестораны первой группы находятся в одном штате, а второй — в другом. Штаты, хотя и похожи, отличаются не только минимальной зарплатой, но и другими характеристиками. И поэтому снова невозможно выяснить, объясняются ли различия в занятости в этих двух штатах именно различием в минимальной заработной плате или в чем-то еще.
Идея Карда и Крюгера состояла в том, чтобы объединить первый и второй подходы: сравнить не саму занятость в двух штатах, а ее изменение в новом периоде по сравнению с периодом до принятия нового закона. Оказалось, что, вопреки предсказаниям теории, увеличение минимальной заработной платы не привело к снижению занятости.
Именно ответов на подобные прикладные вопросы мы часто ждем от экономистов: что будет с потреблением сигарет, если принять новый антитабачный закон? Что будет с инфляцией, если принять новый режим монетарной политики?
Во всех этих случаях бывает трудно отделить эффект принятия нового закона (или выбора новой политики) от влияния прочих факторов. Например, в какой мере потребление табака снизилось из-за того, что мы запретили его рекламу, а в какой — из-за того, что у граждан изменился уровень доходов?
Поэтому развитие эмпирических методов выявления причинно-следственных связей имеет такое большое практическое значение. И именно за успехи в этой области вместе с Кардом получили премии Джошуа Ангрист и Гвидо Имбенс.
Ангрист и Имбенс много сделали не только для развития методов оценки последствий экономической политики, но и внесли большой вклад в их популяризацию. Имбенс много рассказывает, как применять для выявления причинно-следственных связей стремительно развивающиеся сегодня методы машинного обучения. Книга Ангриста и Пишке «Mostly Harmless Econometrics» стала настольной для многих эмпирических исследователей, а его блог на YouTube Mastering Econometrics with Josh Angrist (MIT) поможет разобраться в идеологии выявления причинно-следственных связей даже новичку.
Совместные усилия Карда, Ангриста и Имбенса и их последователей привели к тому, что в экономической профессии теперь все согласны с тем, что простой подсчет корреляций не позволяет ответить на вопрос о причинно-следственных связях — нужны более аккуратные методы. Такое изменение в восприятии мира экономистами оказалось настолько значительным, что получило специальное название — революция достоверности.
И это один из тех случаев, когда слово «революция» точно означает нечто хорошее.