موضوع علوم اجتماعی، انسان و تعاملات او در اجتماع است. نظریات متعددی در اقتصاد و سایر علوم اجتماعی در قرن گذشته برای تبیین این موضوعات توسعه یافته‌اند. با این حال در اغلب موارد نظریات علوم اجتماعی، «یک» پیش‌بینی مشخص ارائه نمی‌دهند، بلکه گزاره‌های مشروطی از دل تئوری بیرون می‌آید. اما سیاستگذار اقتصادی نسخه مشخصی می‌خواهد. روش‌های آماری یا «تحلیل تجربی »، مکمل روش‌های نظری برای رسیدن به جمع‌بندی و ارائه راه‌حل هستند. از دیرباز پژوهشگران، جمع‌آوری داده و مشاهده را در دستور کار خود داشته‌اند؛ اما حضور عوامل متعدد اثرگذار در یک محیط اجتماعی، نتیجه‌گیری قطعی درباره مکانیزم‌های علّی را دشوار می‌کند.

در چند دهه گذشته پیشرفت‌های چشم‌گیری در حوزه روش‌های شناسایی علّی رقم خورده است . آزمایش تصادفی، استاندارد طلایی در این زمینه است. درصورتی‌که بتوان متغیر مورد علاقه را به‌صورت تصادفی تعیین کرد، عملا اثر عوامل مخل خنثی می‌شود. جایزه نوبل اقتصاد در سال ۲۰۱۹ به بنرجی، دوفلو و کرمر  برای ترویج و توسعه این روش در حوزه اقتصاد توسعه اعطا شد. اما در خیلی از شرایط امکان اجرای آزمایش تصادفی وجود ندارد. برای مثال اینکه افزایش حداقل دستمزد بر اشتغال چه تاثیری دارد، سوال بسیار مهمی است؛ اما نمی‌توان حداقل دستمزد را به‌صورت تصادفی برای افرادی زیاد کرد و برای دیگران ثابت نگه ‌داشت. در این شرایط «روش‌های شناسایی علّی مشاهده‌ای » باید استفاده شوند. این روش‌ها از شرایط خاص محیطی یا طبیعی حداکثر بهره را می‌برند تا تغییرات «شبه‌تصادفی» در متغیرهای مورد علاقه پیدا کنند و تحلیل تجربی را بر آن اساس بنا کنند. جایزه نوبل امسال به افرادی داده شد که نقش جدی در کاربست و توسعه این روش‌ها داشته‌اند.

دیوید کارد به علت نقش جدی در پیشبرد حوزه اقتصاد نیروی کار، نیمی از جایزه نوبل را برده است. اثرات حداقل دستمزد روی بازار کار و بازده تحصیلی دو زیرحوزه اصلی ایشان است. یکی از مقالات مهم ایشان اثر حداقل دستمزد را بر اشتغال بررسی می‌کند. بازار کار تحت تاثیر عوامل بسیار زیادی ازجمله دوره‌های رونق و رکود، تحولات فناوری و نظام آموزش و مهارتی قرار دارد. بنابراین تفکیک اثر حداقل دستمزد از این عوامل دیگر بسیار دشوار است. کارد و کروگر (۱۹۹۴)   روش جذاب برای فائق آمدن بر این چالش ارائه می‌دهند. آنها دو ایالت مجاور پنسیلوانیا و نیوجرسی را در نظر می‌گیرند. در نیوجرسی حداقل دستمزد در آوریل ۱۹۹۲ افزایش داشته، اما در پنسیلوانیا خیر. از این رو اگر اثر تغییر سایر عوامل را در دو ایالت مشابه در نظر بگیریم، تغییرات وضعیت اشتغال پس از آوریل ۱۹۹۲ در پنسیلوانیا، برآوردی از بازار کار نیوجرسی در غیاب افزایش حداقل دستمزد ارائه می‌دهد. اگر در این تاریخ مشخص، اتفاق دیگری در یکی از دو ایالت نیفتاده باشد، تغییر حداقل دستمزد در نیوجرسی می‌تواند شبه‌تصادفی تلقی شود و مقایسه تغییرات بازار کار در این ایالت با پنسیلوانیا منعکس‌کننده اثرات افزایش حداقل دستمزد خواهد بود. تحلیل نهایی این مقاله نشان می‌دهد افزایش حداقل دستمزد اثر معنا‌داری روی بازار کار غیرماهر در نیوجرسی نداشته است. این نتیجه چالشی، مشوق مطالعات متعدد بعدی بود و پشتوانه‌ای برای دفاع از قانون حداقل دستمزد ارائه می‌داد. روش این مقاله در ادبیات اقتصادسنجی تحت عنوان روش تفاضل در تفاضل  شناخته می‌شود. کارد مبدع این روش نبوده، اما استفاده‌های هوشمندانه وی از این روش برای تحلیل مسائل بازار کار، پاسخ‌های بهتری به سوالات دشوار تجربی در این حوزه داده است.

انگریست و آیمبنز به‌دلیل نقش جدی که در توسعه روش‌های شناسایی علّی مشاهده‌ای داشته‌اند، نیم دیگر جایزه نوبل امسال را بردند. پرارجاع‌ترین کارهای این دو نفر، مقالات انگریست، آیمبنز و روبین (۱۹۹۶)   و آیمبنز و انگریست (۱۹۹۴)   است. این مقالات ناظر به روش متغیر ابزاری  در اقتصادسنجی است. متغیر ابزاری یک متغیر کمکی است که اجازه تفکیک اثر علّی متغیر مورد مطالعه، از سایر عوامل اثرگذار را می‌دهد. برای توضیح این روش به مثال بازده تحصیلی متوسل می‌شویم. برای سیاستگذار تخمین اثر یک سال بیشتر درس خواندن روی دستمزد بزرگسالی، اهمیت کلیدی دارد؛ چراکه بازده سرمایه‌گذاری در نظام آموزشی را مشخص می‌کند. اما صرف مشاهده دستمزد بالاتر، برای افراد با تحصیلات بیشتر، موید بازده مثبت تحصیلی نیست. افراد مستعدتر، بیشتر درس می‌خوانند و در عین حال به علت توانایی ذاتی بالاتر، در بازار کار دستمزد بیشتری دریافت می‌کنند. توانایی در این مثال عاملی اخلال‌گر است که شناسایی علّی اثر تحصیل روی دستمزد را دشوار می‌کند.

متغیر فصل تولد می‌تواند یک متغیر کمکی (ابزار) برای شناسایی اثر علّی تحصیل روی دستمزد باشد. فصل تولد، زمان شروع تحصیل را مشخص می‌کند. بنابراین متولدین فصول مختلف در مقاطع مختلف تحصیلی از شمول قانون تحصیل اجباری مبتنی بر سن خارج می‌شوند. با توجه به اینکه قانون، یک آستانه سنی شبه تصادفی (مثلا ۱۷ سال) را مشخص می‌کند و برخی افراد پس از خروج از شمول قانون از مدرسه خارج می‌شوند، عملا این متغیر ابزاری، روی سال‌های تحصیل تکمیل‌شده افراد اثر می‌گذارد. در عین حال به نظر نمی‌رسد فصل تولد روی متغیر دیگری اثرگذار باشد. انگریست و کروگر (۱۹۹۱)   این ایده را برای تخمین بازده تحصیلی استفاده می‌کنند. درواقع این روش مقایسه معتبرتری را بین افرادی که در اثر اعمال این قانون در مدرسه مانده‌اند و بیشتر درس خوانده‌اند و افرادی که به علت سن بالاتر از مدرسه خارج شده‌اند، انجام می‌دهد. این دو گروه، به احتمال زیاد از سطح توانایی مشابهی برخوردار بودند؛ اما به‌علت وجود قانون تحصیل اجباری، تغییراتی شبه‌تصادفی در سال‌های تحصیلشان ایجاد شده است. این تفاوت در تحصیلات می‌تواند به تفاوت مشاهده‌شده در دستمزد مرتبط شود تا اثر علّی تحصیل روی دستمزد شناسایی شود. آیمبنز و انگریست (۱۹۹۴) یکی از مقالات جدی است که محدودیت‌های این روش را تبیین می‌کند. ایده اصلی آن است که تخمین اثر علّی بر این اساس، منعکس‌کننده «اثر متوسط تغییرات به‌صورت موضعی » است. یعنی از این مقایسه نمی‌توان، متوسط اثر یک سال بیشتر درس‌خواندن برای کل جامعه را به‌دست آورد، بلکه صرفا بازده تحصیلی برای گروهی که تحت تاثیر قانون قرار می‌گیرند، برآورد می‌شود.

کارد، انگریست و آیمبنز نقش جدی در توسعه روش‌های شناسایی علّی داشتند. این روش‌ها پیامدهای اساسی برای تعیین خط‌مشی سیاستگذاری دارند. سیاستگذاری وقتی سودمند است که مبتنی بر شواهد تجربی باشد و این شواهد تنها وقتی قابل اتکاست که روش‌های درست شناسایی علّی استفاده شود. از این رو پیشبردهای این دانشمندان برای ایران و سایر کشورهایی که با چالش‌های ریز و درشت دست و پنجه نرم می‌کنند، حائز اهمیت است. کاربست این روش‌ها در تحلیل اثرات علّی سیاست‌های گذشته، مسیر اصلاحی آینده را ترسیم می‌کند. بی‌توجهی به این روش‌ها و ساده‌انگاری شناسایی اثرات علّی، کشور را در دور باطل تکرار خطاهای گذشته گرفتار می‌کند.

 

 

این مطلب برایم مفید است
47 نفر این پست را پسندیده اند