Nobelprisen i økonomi for 2019 blev annonceret i går. Det er
blevet en tradition, at jeg skriver et fagligt portræt af årets vindere – denne
gang er det Abhijit Banerjee, Ester Duflo og Michael Kremer. Det bliver mit 16.
portræt. I år offentliggøres det på Euroinvestor og kan læses her.
Tilmed ganske gratis.
Nobelprisen handler i år om to ting: Udviklingsøkonomi og
empirisk metode. Som jeg skriver i portrættet, styrter fattigdommen i Verden
med uset hastighed, men det skyldes ikke bistandspolitikken. Der er tilmed en udbredt
modvilje i ”det udviklingsindustrielle kompleks” af politikere, embedsmænd og
organisationer mod evidens i bistandspolitikken (hvilket er forståeligt i lyset
af de ringe resultater).
Årets Nobelpristagere har imidlertid bidraget med netop at
levere bedre evidens for, hvilke konkrete typer af politiktiltag der er mest
effektive til at bekæmpe fattigdom. F.eks. virker flere ressourcer til skoler i
form af lavere klassekvotient, bedre bøger og gratis måltider ikke særlig
effektivt, mens målrettede initiativer for svage elever og incitamenter til at
nedbringe det enorme lærerfravær i lande som Indien har stor effekt ifølge
navnlig Banerjee og Duflos forskning.
Men hvad vil evidens sige, og hvad kan vi bruge den til?
Statistisk evidens handler grundlæggende om at måle signifikante forskelle og at koble dem til mulige årsager. Det er en betydelig udfordring, ikke mindst i samfundsvidenskaberne. Det er let nok at sammenligne f.eks. gennemsnitsindkomsten i to lande, Danmark og Luxembourg, og identificere en forskel en forskel, måske at vi er overvejende protestantiske og luxembourgerne overvejende katolske. Men deraf kan man ikke slutte, at katolicisme har en gavnlig indflydelse på gennemsnitsindkomsten, selv om luxembourgerne er rigere end os. Der er mange forskelle på de to lande, og vi kan ikke være sikre på, at kun religion spiller en rolle.
Hvis man skal kunne sige noget om effekten af religion, skal
man eliminere samtlige andre potentielt forklarende årsager til, at
gennemsnitsindkomsten varierer.
Den mest almindelige metode i samfundsvidenskaben er at
forsøge at kontrollere for alle de andre mulige forklaringsfaktorer. Det gør
man ved at tage disse faktorer med i den statistiske analyse (typisk en multipel
regressionsanalyse, som netop kan håndtere flere forklaringsfaktorer på én
gang). Det kunne være aldersfordelingen, det historiske udgangspunkt,
styreformen, udrustningen af naturressourcer og meget andet. For både at øge
antallet af observationer og sandsynligheden for, at andre forklaringsfaktorer
er tilfældigt fordelt, er det hensigtsmæssigt at udvide antallet af lande og af
år, der sammenlignes.
Hvad er det strengt taget, denne metode forsøger at gøre?
Den forsøger via kontrollerne at gøre al anden variation tilfældig end netop
den faktor, man vil undersøge (i dette tilfælde effekten af religion).
Problemet er, at det er svært at være sikker på, at man får fjernet effekten af
al anden variation. Altså – om der kontrolleres for nok. Det er også vigtigt at
finde holdepunkter for årsagssammenhængens retning. Altså – selv om vi måtte
finde en positiv korrelation mellem katolicisme og velstand, skyldes den så, at
katolicisme fører til velstand, eller snarere at velstående lande er mere
katolske? (det findes der også metoder til at belyse).
I naturvidenskaben er det ofte lettere at opnå det, samfundsvidenskaber
søger ved at indføre kontroller mv. i sine statistiske studier. For det første kan
man gennemføre eksperimenter. For det andet kan man udtage randomiserede, dvs.
tilfældigt udvalgte, stikprøver. Antag at vi f.eks. kunne udtage 10.000
personer og gøre halvdelen til henholdsvis protestanter og katolikker, og så
se, hvor velstående de blev. Det ville besvare spørgsmålet. Og det er præcis,
sådan man oftest gør i naturvidenskaben. Nye lægemidler bliver testet på denne
måde. To tilfældigt udvalgte grupper får henholdsvis det aktive stof og
placebo. Forskellen mellem de to grupper kan derfor tilskrives lægemidlet.
Som mit lille eksempel med velstand og religion sikkert har
antydet over for den indsigtsfulde læser, så ville det være svært at gennemføre
det eksperiment her. Man kan ikke gøre folk religiøse på samme måde, som man
giver dem en pille. Og selv da ville effekten måske først udspille sig over
lang tid. Derfor har det været god latin i økonomi, at man ikke kan eftergøre naturvidenskabens
metode i samfundsvidenskaben.
Den gode latin er imidlertid blevet udfordret. Vernon Smith,
Nobelpristager i 2003, indførte eksperimentaløkonomi i form af laboratorieforsøg,
hvor man rekrutterer forsøgspersoner (ofte studerende), og lader dem f.eks.
spille bestemte typer af spil. Smith viste f.eks., at personer uden formel
træning i at agere på et marked meget hurtigt lærer at opføre sig, som om de
havde.
En anden form for eksperimenter, som er blevet ganske
udbredt, er naturlige eksperimenter. Det går ud på at anvende
begivenheder, som mere eller mindre tilfældigt opstår i den virkelige verden.
Der kan f.eks. være tale om indførelsen af en skattereform. Hvis man kan finde
to ellers ens grupper, som bliver berørt forskelligt, kan man måle effekten af
skattereformen – f.eks. hvor meget folks arbejdsudbud reagerer på en ændring i
den disponible indkomst. Et fremragende eksempel på et studie af et naturligt
eksperiment er Simon Calmar Andersen og Helena Skyt Nielsens studie af effekten af de
obligatoriske test i grundskolen. De udnyttede et IT-nedbrud, som betød, at
nogle skoler ikke deltog i testen, mens andre gjorde. Tilfældigheden i
nedbruddet gav den tilfældige udvælgelse, man var ude efter. Studiet viste i
øvrigt en klar positiv effekt på indlæringen af de nationale test.
En tredje form for eksperimenter er feltstudier, hvor man lader
tilfældigt udvalgte personer få en på forhånd tilrettelagt intervention, mens
andre ikke gør. Og det er netop sådanne studier, Banerjee, Duflo og Kremer
belønnes for i år. De har f.eks. set på effekten forskellige typer interventioner
for at forbedre undervisningen, sundhed og finansiering (hvor mikrolån viser
sig ikke at være så effektive, som tidligere troet). Feltstudierne er foretaget
på konkrete skoler, klinikker osv. i den tredje verden.
Nobelpriskomiteen lægger vægt på, at de tre forskere ikke
alene har formået at dokumentere selve deres studier godt (intern validitet),
men også deres generelle anvendelighed (ekstern validitet).
Spørgsmålet er dog, hvor langt anvendeligheden rækker.
Jeg synes, der er tre hovedpointer.
Den ene er, at man altid bør basere konkrete politiske
indgreb på evidens. Det omfattende spild af udviklingsbistandsmidler er en
tragedie. Men også når det gælder indenlandsk dansk politik på f.eks. undervisningsområdet,
bør der være krav om evidens. Det kan medvirke til at anvende de store mængder
af offentlige udgiftskroner så effektivt som muligt og stille de organiserede
interesser lidt svagere. Se blot på den polemik, Calmar Andersen og Skyt
Nielsens studie har udløst.
Den anden er, at man årets Nobelpris ufortalt ikke altid har
mulighed for at basere sig på feltstudier. Det håber jeg, at mit lille
tankeeksempel om religion illustrerede. Vi vil fortsat se en betydelig mængde økonomiske
studier, som anvender statistiske kontroller frem for randomiseret udvælgelse
og eksperimenter. Og denne type analyser er altså ikke forkerte, selv om
styrken af deres resultater kan være svagere.
For det tredje skal man også huske på, at evidens for politiske indgreb er et planøkonomisk redskab. Allokering ved hjælp af politiske beslutninger er højst en nødløsning. Under normale omstændigheder er institutioner som privat ejendomsret, markeder, åben konkurrence, fri prisdannelse og gode incitamenter langt mere effektivt end politisk styring. Det er udviklingsøkonomi og fattigdomsbekæmpelse et glimrende eksempel på. Nok har de tre Nobelpristagere været med til at forbedre tilværelsen for et meget stort antal mennesker, men det store fald i fattigdommen i de senere år skyldes primært globalisering, handel og mere markedsøkonomi.