.png)
Премию по экономике памяти Альфреда Нобеля в 2021 году разделили Дэвид Кард из Калифорнийского университета в Беркли – за развитие эмпирических исследований рынка труда, и Джошуа Ангрист из MIT и Гвидо Имбенс из Стэнфорда – за развитие методологии по выявлению и оценке причинно-следственных связей. Такое решение Нобелевского комитета – повод побеседовать о том, как важен поиск причинно-следственных связей не только с исследовательской, но и с практической точки зрения, а также о том, как работают методы нобелевских лауреатов в огромном количестве современных исследований. Об этом в новом выпуске подкаста «Экономика на слух» рассуждают профессора РЭШ Сергей Измалков и Ольга Кузьмина. Мы публикуем основные тезисы.
Маргарита Лютова
Сергей Измалков: Огромная часть экономических исследований построена на поиске причинно-следственных связей. Их важно устанавливать во всех ситуациях, когда государство должно решить, как потратить бюджетные средства. Классический пример – образование. Вопрос, который может показаться простым: сколько лет дети должны учиться в школе, чтобы выигрыш был максимальным и для них, и для экономики в целом? 10 лет, 12 или может быть 15? Может быть, стоит дифференцировать срок образования для разных категорий учеников? Наука пытается ответить на такие вопросы.
Один из способов – найти инструментальную переменную. Этот метод применяется в экономике уже более 50 лет, но именно нобелевские лауреаты 2021 года показали, как его применять для обнаружения причинно-следственных связей. Как это работает? Предположим, что как в ситуации с измерением ценности образования, есть две переменные: X – количество лет образования, Y – зарплата. Эти две переменные взаимозависимы. Можно предположить, что более высокую зарплату получают наиболее способные и сознательные, а именно такие ученики понимали, что лучше учиться дольше. Или же образование все же позволяет повысить производительность человека и, как следствие, увеличить будущий доход? Чтобы понять, как же устроена эта зависимость, нужно найти такую третью переменную, которая влияет на X (количество лет образования), но не может повлиять на Y (уровень будущей зарплаты), такая переменная и называется инструментальной или коротко – «инструмент». Именно эта переменная помогает обнаружить естественную вариацию в данных, которая делит людей на контрольную группу и группу, подвергнувшуюся воздействию, а затем – проанализировать такой естественный эксперимент.
В вопросе про образование и будущую зарплату естественную вариацию в данных обеспечило государственное регулирование: в США каждый штат устанавливает минимальный возраст, начиная с которого ученик может бросить школу и пойти работать, например – 16 лет. Но есть и минимальный возраст зачисления в школу: предположим, что по состоянию на 1 января года ребенку должно быть 6 лет. Дети, родившиеся 31 декабря и 1 января, будут очень близки по своим способностям, но вторые поступят в школу на год позже и соответственно, если захотят, смогут бросить учебу на год позже родившихся 31 декабря. Иными словами, у них появится возможность бросить школу только после вынужденного дополнительного года образования.
Ангрист и Алан Крюгер в своей статье использовали даже не даты рождения, а четверти. Фокусируясь на детях, родившихся в первой и четвертой четвертях, они установили, что последующие доходы тех, кто был вынужден учиться дольше, так как позже пошел в школу из-за даты рождения, оказались на 9% выше, чем у тех, кто не доучился. Это был неожиданный вывод: до этого исследования показывали, что дополнительный год образования в среднем дает рост зарплат на 5–7%.
Важный методологический вклад Ангриста и Имбенса состоит еще и в том, что они отдельно задавались вопросом, кто эти люди, на которых воздействовала инструментальная переменная, и какой именно эффект удалось измерить в исследовании. В случае с исследованием американских школьников они обнаружили, что дополнительный год образования влияет только на тех, кто хотел бросить школу – например, потому что вынужден был пойти работать из-за низких доходов семьи или потому что ему слишком трудно давалась учеба. Влияние дополнительного года образования на тех, кто хотел продолжить учебу, такое исследование не сможет выявить. Таким образом, исследователи обнаружили эффект для конкретной категории школьников, а не для всего населения в среднем.
Классическая экономическая модель из учебников для бакалавров говорит, что есть предложение труда и спрос на него, а также равновесная цена труда, балансирующая спрос и предложение. Если цена возрастает, то предложение увеличится, а спрос уменьшится. Поэтому если повысить минимальный размер оплаты труда, желающих работать станет больше, а желающих их нанять на такую зарплату – меньше, то есть вырастет безработица. Но это очень упрощенная модель, которая рассматривает равновесие на одном единственном рынке и не учитывает иные факторы. Например, можно предположить, что МРОТ вводится или повышается в проблемных странах или регионах, где и так высокий уровень безработицы.
Современные исследователи, в том числе благодаря Карду, знают, что, чтобы оценить реальный эффект повышения МРОТ, нужно найти источник вариации в данных, который не зависит от рынков труда. Можно посмотреть на регулирование в разных странах, но возникает проблема сопоставимости прочих факторов и условий. То есть нужны как можно более похожие друг на друга штаты, в одном из которых произошло повышение МРОТ, а в другом – нет. В статье 1994 г. Кард и Крюгер сравнивали ситуацию на рынках труда Нью-Джерси, где произошло повышение МРОТ, и соседней Пенсильвании, где МРОТ не повышался. Данные показали, что в Нью-Джерси не просто не произошло роста безработицы, но и увеличилась занятость.
Этот результат противоречил множеству более ранних работ, что вызвало большой интерес исследователей, которые стали искать объяснения такого явления в Нью-Джерси. Объяснения оказались очень разнообразными. Во-первых, в поисках более высокой зарплаты в Нью-Джерси могли приехать работники из соседней Пенсильвании. Во-вторых, реального роста оплаты труда могло и не быть: установленный законом минимум увеличился, а остальные источники компенсации (например, чаевые или социальные гарантии) могли сократиться.
Отдельный вопрос: а какие люди получают минимальную зарплату? Это могут быть люди с низкой квалификацией, женщины, у которых нет альтернатив в трудоустройстве, недавние выпускники или даже те, кто не пошел в колледж. Это очень разные категории людей и эффект от повышения МРОТ для них может существенно отличаться. Например, регулируя МРОТ, государство может рассчитывать, что компании смогут нанять больше молодых людей, и сократится безработица среди молодежи, которая приводит к разнообразным негативным социальным последствиям.
Если бы можно было один раз провести эксперимент, и потом повсеместно применять полученные выводы, то нужды в экономистах уже не было бы. Но применять в иных ситуациях можно если не выводы, то сами методы. А по мере того, как доступных данных становится все больше, ученые могут точнее определить, в каких контекстах тот или иной метод будет наиболее эффективным. Экономисты изучают людей, а различия в поведении, взглядах, предпочтениях, ценностях – важнейший источник естественной вариации. Ангрист и Имбенс знамениты именно вниманием к локальным эффектам, и современная экономика все в большей мере становится наукой о конкретном человеке, потому что способна учитывать гетерогенность.
Ольга Кузьмина: На меня и моих коллег, занимающихся эмпирическими исследованиями, очень сильно повлияли работы всех трех нобелевских лауреатов.Но если Кард занимался в основном более специфическими вопросами экономики труда, а Имбенс – больше других занимался теорией, то Джошуа Ангрист нашел наибольшее количество интересных жизненных ситуаций, которые могут быть использованы в естественном эксперименте. Он выдвинул много интересных идей, где найти ту самую необходимую случайность, чтобы выявить причинно-следственные связи.
Одно из его исследований в соавторстве с Виктором Лэви посвящено классическому вопросу в экономике образования: как размер классов влияет на успехи детей? Ответ важен для выработки оптимальной политики в этой сфере. Понятно, что нельзя смотреть просто на корреляцию, так как, скорее всего, менее успевающих детей распределяют в классы меньшего размера.
Ангрист и Лэви обнаружили, что в израильских государственных школах часто используется древнее правило Маймонида, которое говорит о том, что в классах не должно быть более 40 детей. В некоторых школах детей, которые подходят по возрасту для зачисления в первый класс и приписаны к этой школе, может оказаться 41, и в таком случае они будут разделены на два класса примерно по 20 человек. В других школах подходящих по возрасту детей оказывается 39 или 40, и там дети будут учиться в классах вдвое большего размера. В итоге крошечная разница в количестве первоклассников, по сути случайность – приводит к огромной разнице в размере класса, в котором будут учиться дети. Это позволило Ангристу и Лэви установить причинно-следственный эффект: дети, которые учатся в более маленьких классах, в будущем показывают более хорошие результаты, чем те, кто учатся в больших классах.
В своих исследованиях я использую разные методы выявления причинно-следственных связей и в том числе метод инструментальных переменных. В одном из последних исследований мы с моим соавтором Валентиной Мелентьевой адаптировали идею Ангриста и Лэви к изучению эффекта доли женщин в советах директоров с точки зрения стоимости компании и ее стратегии. Многие европейские страны за последние десятилетия вводили квоты на минимальное присутствие женщин в советах директоров. Исследования квот сталкивались с трудностью в поиске релевантной контрольной группы компаний. Ведь процентная квота примененная к небольшой группе людей (а совет директоров это всегда небольшая группа) может давать совершенно разный минимальный процент из-за округления и из-за целочисленности числа женщин. Так, если в совете 4 директора, то для соблюдения 25%-тной квоты необходимо, чтобы присутствовала минимум одна женщина. А если в совете 5 директоров, то нужно уже как минимум две женщины – это уже 40% директоров, то есть существенно выше формального требования в 25%.
Компании с 4, 8,12 директорами сравниваются с компаниями с 5, 9,13 директорами, причем число членов совета директоров определяется задолго до объявления процентной квоты для женщин. Это обеспечивает близкую к случайной сортировку компаний на две группы и позволяет аккуратно отследить влияние большей доли женщин на стоимость компаний. Оно оказывается положительным, то есть нанимать женщин можно не только для соответствия требованиям гендерного равенства, но и потому что это выгодно компании и ее акционерам.
