.png)
Как измерить влияние образования на зарплату, узнать, работает ли новая технология или социальная программа, и при этом не перепутать случайные совпадения с реальным эффектом? Для этого экономисты ищут либо специально создают ситуации, в которых можно достоверно утверждать, что обнаруженная связь не случайна. О том, что заставляет их идти на такие ухищрения и как они проводят рандомизированные эксперименты, рассказывает профессор РЭШ Ольга Кузьмина*.
Экономисты анализируют данные в основном с одной из двух целей. Во-первых, они могут пытаться что-либо предсказать: инфляцию, безработицу и другие макропоказатели или, например, вероятность дефолта заемщика в зависимости от его пола, возраста, кредитной истории и др.
Вторая цель анализа данных – выявление не просто закономерностей, а причинно-следственных связей, чтобы на их основе давать рекомендации. Как потратить деньги, чтобы максимально улучшить результаты школьного образования, – на учебники, зарплаты учителям или что-то еще? Кого нанять на пост руководителя компании, чтобы увеличить ее стоимость, – мужчину или женщину? Как сильно вырастет преступность, если в городе станет меньше полицейских? Стоит ли поступать в более престижный вуз – окупит ли прибавка к зарплате потраченные на обучение деньги и силы? И есть ли она, эта прибавка?
Это два разных типа задач, и решаются они по-разному. В «предсказаниях» главенствуют модели временных рядов и машинное обучение. «Рекомендации» же – это царство дизайна экспериментов и причинно-следственных моделей.
С зарплатами на первый взгляд все кажется просто: чем лучше образование, тем больше зарплата. По последним данным Росстата (за октябрь 2023 г.), выше средней (73 700 руб.) зарплаты были только в группе работников с высшим образованием (95 100 руб.). Средняя зарплата у людей со средним профессиональным образованием составляла 59 500 руб., со средним общим – 57 900 руб., с основным общим – 55 700 руб., без него – 57 500 руб. Похожая ситуация во всех группах, кроме высококвалифицированных рабочих: им высшее образование тоже обеспечивает зарплату выше средней, но больше всего она у работников с основным общим образованием (79 500, 84 000 и 86 700 руб. соответственно).
Статистическая связь между зарплатами и образованием очевидна, но являются ли зарплаты его следствием? Есть ли основания утверждать, что уровень образования влияет на зарплаты?
Может быть, дело в том, что более одаренные дети получают лучшее образование, т. е. причина разницы в зарплатах – не образование, а врожденные способности (более способным и так платят больше)? Или, возможно, сказывается то, из какой они семьи? Скажем, у детей из неблагополучных семей меньше возможностей получить хорошее образование, а дети богатых родителей зарабатывают больше по другим причинам (например, связи могут помогать им быстрее продвигаться вверх по карьерной лестнице). Но даже при одинаковых способностях и социальном статусе семьи влияние могут оказать другие факторы, такие как, например, мотивация: более мотивированные дети скорее получат лучшее образование, а более мотивированным и так платили бы больше.
Подобных факторов может быть очень много. Более того, эти факторы могут быть неизвестны, непредсказуемо меняться во времени, могут быть неизмеряемы или ненаблюдаемы. В общем, невозможно учесть все! Сравнение до и после получения дополнительного образования также не решает всех проблем. Это может устранить часть различий (например, врожденный талант), но не все. За время обучения могут измениться другие условия: рынок труда, мотивация, возраст человека. Недаром говорят, что «после» не значит «вследствие». В идеале нам нужна была бы «параллельная реальность», где все было бы точно так же, как в нашей, за исключением лишь одного фактора (уровня образования), влияние которого мы исследуем. Но где же ее взять?
Хотя такой параллельной реальности не существует, хорошая новость заключается в том, что это вовсе не значит, что в экономике невозможно выявить никаких причинно-следственных связей. Экономисты нашли выход в использовании экспериментальных методов. Они ищут (и находят!) ситуации, которые позволяют максимально приблизиться к таким «параллельным реальностям». Или же сами создают их.
Для этого проводятся рандомизированные эксперименты. Они пришли к нам из медицины, где они называются рандомизированными клиническими испытаниями, а в других областях наук, например в маркетинге, они носят название А/В-тестирований. Их участников случайным образом делят на две группы – экспериментальную (получающую исследуемое лекарство, воздействие, политику и т. д.) и контрольную. Это гарантирует, что все факторы, кроме исследуемого воздействия, будут в среднем одинаковы, а значит, любую разницу в исходах можно приписать именно ему. Такие эксперименты стали золотым стандартом эмпирического исследования.
Первое подобие такого эксперимента было проведено в 1746 г. шотландским врачом Джеймсом Линдом. Чтобы найти лекарство от цинги, он поделил 12 заболевших моряков на пары, каждая из которых получала к обычной (и одинаковой для всех) еде разные добавки: уксус, специи и др. Пара, которой давали лимоны и апельсины, вскоре выздоровела. Так было найдено лекарство, хотя тогда никто не понимал, почему именно оно работает (это было задолго до открытия витамина С и задолго до статистики и эконометрики). Это удивительно, но рандомизированные эксперименты позволяют нам выявить наличие той или иной причинно-следственной связи даже тогда, когда мы не до конца понимаем, почему она вообще может существовать.
Сейчас таким образом проводится множество исследований. Они заставили ученых и политиков по-новому взглянуть на многие проблемы: рандомизированные эксперименты опровергли немало старых истин. Они также позволяют выявить, на что более эффективно потратить заданный бюджет. Например, самым важным для улучшения школьного образования в развивающихся странах оказалось не устранение дефицита учебников или обеспечение детей бесплатными обедами, а лечение от паразитарных инфекций, мотивация учителей и адресная помощь самым отстающим ученикам. За этот «экспериментальный подход к борьбе с глобальной бедностью» в 2019 г. Абхиджит Банерджи, Эстер Дюфло и Майкл Кремер получили премию по экономике имени Альфреда Нобеля.
С экспериментами есть очевидная проблема: в социальных науках далеко не всегда получается их провести. Это может быть слишком дорого либо невозможно по этическим или другим причинам. Относительно нетрудно разделить людей на группы, которым будут показывать баннер на синем/красном фоне или давать лекарство/плацебо. Но если мы ищем ответ на вопрос, есть ли на рынке труда дискриминация по цвету кожи, как выбрать, кому его «поменять»?
Марианн Бертран и Сендхил Муллинатан нашли выход: можно случайным образом распределить не самих соискателей, а представление о цвете их кожи у работодателей. Этого достаточно, чтобы обнаружить дискриминацию, если она есть. Так как закон запрещает указывать в резюме цвет кожи, исследователи взяли пул настоящих резюме и случайным образом изменили в них имена кандидатов: в одних – на более «афроамериканские» имена (Лакиша Вашингтон, Джамаль Джонс и др.), а в других – на статистически более «белые» имена (Эмили Уолш, Грегори Бейкер и пр.). Все остальные параметры (от более очевидных вроде опыта работы и образования до менее очевидных, например шрифта и количества строк в резюме) на большой выборке усредняются, и единственным различием остаются имена, а значит, измеренную разницу в реакции работодателей на эти резюме можно полностью приписать их представлениям о цвете кожи кандидата.
Результатом стал ответ на вопрос: «Легче ли Эмили и Грегу найти работу, чем Лакише и Джамалю?» – так называется знаменитое исследование Бертран и Муллинатана: да, легче. Отклик на резюме с «белыми» именами оказался в 1,5 раза выше.
Иногда околоэкспериментальные условия создает сама жизнь. Исследователи ищут ситуации, в которых люди распределяются на группы «околослучайным» образом, пусть и не по непосредственной воле самих исследователей, и затем применяют к таким ситуациям эконометрические методы (разрывный дизайн, метод инструментальных переменных и др.).
Например, пандемия COVID-19 вызвала вопрос: помогает ли от вируса прививка от туберкулеза (БЦЖ), полученная в детстве? Ответ искали, сравнивая заболеваемость и смертность среди людей, родившихся непосредственно до начала массовой вакцинации БЦЖ и сразу после нее. Вряд ли эти младенцы сильно отличались друг от друга, за исключением того, что вторых обязательно прививали. Похожий подход применили и на данных Швеции, где в 1975 г., наоборот, отменили вакцинацию новорожденных и привитых БЦЖ стало значительно меньше. Исследователи сравнили реакцию на ковид людей, родившихся в конце 1974 г. и начале 1975 г. Вывод у обоих исследований один: прививки БЦЖ, полученные в детстве, от ковида во взрослом возрасте не защищали.
Таким образом, исследователи ищут подобные искусственные границы, разделяющие людей, и сравнивают, что происходит вблизи них по обе стороны. Например, для оценки эффекта от обучения в лучшем вузе страны можно взять абитуриентов, набравших ровно проходной балл по ЕГЭ, и тех, кто получил всего на 1 балл меньше. Это совсем маленькая разница, скорее всего определяемая случайными факторами, а в остальном такие абитуриенты должны быть очень похожи: по уровню подготовки, амбициям, интересам. Такие искусственные границы могут проходить и по времени рождения. Например, в странах, где начало школьного обучения определяется календарным годом и можно прекращать его по достижении определенного возраста, для оценки влияния количества лет обучения на зарплаты можно сравнивать детей, родившихся в декабре и январе. Этот эконометрический метод называется разрывным дизайном (иногда может быть применен в виде обобщенного метода инструментальных переменных). Что только для него не используют: административные правила, географические границы, время рождения, округление чисел…
Метод инструментальных переменных также помогает анализировать рандомизированные эксперименты с неполным комплаенсом, в том числе в ситуациях, когда они происходят не по воле исследователей. Например, в США во время вьетнамской войны службу в армии частично определяла лотерея, проведенная правительством. Этим воспользовался Джошуа Ангрист, чтобы оценить влияние службы в армии на зарплаты. В начале 1980-х, спустя 10 лет после конца войны, у белых ветеранов зарплаты были на 15% меньше, чем у тех, кто не воевал. Хидо Имбенс с соавтором исследовал влияние службы в голландской армии на зарплаты и тоже обнаружил дисконт – примерно 5% спустя 10 лет после окончания службы. Однако, как обнаружил Ангрист в более поздней работе, еще через 10 лет разрыв исчез: в начале 1990-х гг. разницы в зарплатах воевавших и не воевавших во Вьетнаме американцев уже не было.
Таким образом можно анализировать причинно-следственные эффекты от любого поведения или выбора людей – до тех пор, пока есть случайности, хотя бы частично определяющие этот выбор. Причем это возможно не только в экономике, но и в других науках. Подобным образом случайные рекомендации позволили оценить, например, влияние грудного вскармливания на здоровье детей (1,2,3,4): он есть, но совсем небольшой.
В том числе за этот методологический вклад – анализ причинно-следственных эффектов от поведения людей – Ангрист и Имбенс стали нобелевскими лауреатами в 2021 г. Они разделили премию с Дэвидом Кардом, который награжден за эмпирический вклад в экономику труда. Он также анализировал причинно-следственные связи (методами разницы разниц, инструментальных переменных, разрывного дизайна и т. д.). В одном из своих знаменитых исследований Кард и Алан Крюгер (к сожалению, не доживший до вручения этой премии) использовали повышение минимальной зарплаты в штате Нью-Джерси для оценки его влияния на безработицу. Они сравнили занятость в ресторанах быстрого питания Нью-Джерси и точно таких же в соседнем штате, где МРОТ не повышали. Разница оказалась минимальной, а гипотеза об отрицательном влиянии повышения минимальной зарплаты на занятость была поставлена под сомнение. Споры об этом продолжаются до сих пор.
***
Так что же с образованием: влияет ли оно на зарплату? Работы экономистов говорят, что скорее да, чем нет. Это исследовали самыми разными методами: например, сравнения близнецов (1,2,3) показывают, что дополнительный год обучения в школе повышает зарплату в среднем на 7–10%. Другие оценки с учетом основных факторов выявляют увеличение зарплат на 5–10% за каждый лишний год за партой. Самые достоверные с точки зрения причинно-следственности (околоэкспериментальные) оценки дают результат от 7,5% для США (а те, кто бросил школу, не доучившись год, получали на 11–12% меньше тех, кто ее окончил, – Ангрист и Крюгер) до 10–14% в Англии и 12–13% в Канаде. А вот в Германии исследователи эффекта не обнаружили.
Про Россию таких исследований меньше. Различного рода условные корреляции показывают, что дополнительный год обучения связан с ростом зарплат на 8–10%. Некоторые исследователи используют для анализа метод разницы разниц – в 2011 г. часть пятилетних программ стали четырехлетними. Сравнение выпускников, вышедших на рынок труда одновременно, не выявило заметной прибавки к зарплате в начале карьеры от дополнительного года обучения либо потерь от сокращения обучения на год.
* Мнение автора может не совпадать с мнением редакции.
Что почитать и послушать на тему:
— Колонку профессора РЭШ Герхарда Тевса о том, как данные нас обманывают
— Статью GURU о том, как не дать обмануть себя
— Колонку Константина Егорова о том, зачем экономисты доказывают то, что «и так всем ясно»
— Рассказ Константина Егорова о необычном «естественном эксперименте», который позволил узнать больше про индустриализацию в Англии
— Выпуск «Экономики на слух» с Андреем Маркевичем о том, как экономисты изучают историю
— Список для чтения от Ольги Кузьминой с реккомендациями книг, которые помогут найти причину происходящего, не перепутав ее с простой корреляцией
