Нобелевскую премию по экономике присудили экономистам из США Дэвиду Карду, Джошуа Ангристу и Гвидо Имбенсу за методологию исследования причинно-следственных связей в экономических процессах и исследование экономики труда. Эксперт по экономике труда ВШЭ Анна Лукьянова объясняет, как эти экономисты научились отделять причинные связи от корреляций, что мы узнали благодаря им об устройстве рынка труда и как пандемия внезапно сделала их исследования особенно востребованными.
Нобелевскую премию-2021 дали ученым-экономистам, чьи работы в России хорошо известны, их изучают студенты. Они как будто работают в соседнем офисе, а их темы так прочно вошли в нашу повседневную жизнь, что потерялось ощущение, насколько это новые, недавно разработанные идеи. Дэвиду Карду премию дали отдельно за эмпирические исследования в сфере экономики труда, а Джошуа Ангриста и Гвидо Имбенса выделяют за эконометрическое оформление новых исследований. Возникает ощущение, что одному дали за решение содержательных вопросов, а другим за методологическую работу. На самом деле и тот, и другие сделали много именно для экономики труда. Большинство работ Ангриста и Имбенса - не высоколобая теория, а прикладные исследования, а темы Карда очень сильно пересекаются с темами Ангриста и Имбенса.
Про зарплату и образование
Один из вопросов, над которым работают ученые, — приносит ли образование дополнительный доход? Казалось бы, простой вопрос. Мы знаем, что во всех исследованиях, где задаются вопросы о том, сколько лет человек учился и какая у него заработная плата, есть положительная корреляция — чем дольше люди учились, тем выше их заработная плата. Можно ли эту корреляцию интерпретировать как причинный эффект от образования, либо тут ещё много факторов? Разумеется, нельзя любую корреляцию интерпретировать как причинную связь. Какая-то часть прибавки к зарплате связана с образованием, а какая-то нет. Те, кто пошел в университет, были умнее и лучше учились в школе, поэтому им проще было поступить в университет, либо у них были богатые родители, которые нанимали репетиторов, или создавали такую атмосферу в семье, чтобы ребенку было интересно учиться.
И мы видим, что дело не только в образовании - люди просто разные. У выпускников университета зарплата и без университета скорее всего была бы выше за счет личных способностей и семейных факторов. И наоборот, те, кто пошел работать сразу после школы, и при окончании университета все равно получали бы меньше, потому что не такие умные, или попали в плохой университет и их образование не имеет ценности. Нужно различать эффект образования и эффект отбора. Нобелевская премия получена в том числе за исследования и доказательство этих различий. Кроме того, были предложены общие методы отделения в экономических данных причинно-следственной связи от просто наблюдаемой взаимосвязи, и это началось именно с экономики труда, а потом распространилось на другие области.
Про занятость и МРОТ
Первые исследования Карда касались того, ведет ли повышение минимальной заработной платы к снижению занятости. В классических учебниках микроэкономики пишут, что там, где повысили зарплату, занятость должна упасть, потому что у работодателей растут издержки, и становится невыгодно нанимать столько людей. В действительности у работодателя могут быть разные причины, чтобы продолжать нанимать людей. Кроме того, само повышение минимальной зарплаты нередко случается в периоды спада, когда правительство пытается поддержать доходы работников, т.е. фактическая зависимость противоположна: снижение занятости в период спада провоцирует рост минимальной заработной платы. Поэтому прежде чем делать выводы, нужно посмотреть, действительно ли занятость снижается. Из этого наблюдаемого снижения нужно ещё выделить ту часть, которая связана именно с повышением минимальной заработной платы.
Дэвид Кард шел от таких содержательных вопросов и проблем и интуитивно эту методологию разрабатывал, чтобы рассчитать эффект от повышения минимальной зарплаты. Он использовал то обстоятельство, что в Соединенных Штатах МРОТ может устанавливаться на уровне штата. В начале 1990-х в штате Нью-Джерси подняли минимальную зарплату, а в соседней Пенсильвании - нет. И если мы сравним, как в этих штатах меняется занятость (при одинаковом тренде до повышения), то увидим, что тренды в этих штатах меняются по-разному. Логично, что если другие факторы в этих двух штатах не изменились, то повышение минимальной заработной платы было причиной расхождения в трендах.
Эта простая мысль и была изложена в работе. Подходы сравнения контрольной и экспериментальной группы уже широко применялись, например, в медицине, где проводятся рандомизированные клинические исследования, но в экономических исследованиях подобное случилось впервые. Вообще анализировать данные в экономике сложнее, чем в медицине или естественных науках, где исследователи могут контролировать условия экспериментов. Экономисты имеют дело с данными, в которых смешалось влияние разных факторов, и нужно выделить причинный эффект одного из них. Вот здесь и приходит на помощь то, что экономисты называют естественными экспериментами, – ситуации, возникающие вследствие каких-то природных событий, особенностей законодательства, проводимых реформ и так далее. Эти события и изменения провоцируют появление в данных новых паттернов, которые можно использовать для идентификации причинных связей и эффектов.
Про трудовых мигрантов, ветеранов и зарплату
В начале 1990-х Дэвид Кард опубликовал еще одну работу, в которой исследовал влияние иммиграции на зарплату местного населения. Он воспользовался ситуацией, когда в начале 1980-х Фидель Кастро разрешил кубинцам эмигрировать в США. Сто тысяч кубинцев, приехавших в США, осели в одном городе Майами, где уже была большая кубинская община. Как это сказалось на заработных платах местного населения? Экономическая теория сказала бы, что потенциальных работников стало больше и зарплата должна бы снизиться, в том числе у местных. Изучая динамику заработных плат и занятости в Майами и других городах, где не было такого притока мигрантов, Кард показал, что местные работники не пострадали от наплыва мигрантов. Если кто и пострадал, то это иммигранты предыдущих волн.
От наплыва мигрантов пострадали не местные работники, а скорее прошлые волны мигрантов
Сравнивая города, куда приехали иммигранты в больших количествах, с городами, где их не было, Кард делает вывод, что скорее всего есть другие механизмы адаптации. Возможно, что не стоит так сильно бояться мигрантов. Вклад ученого состоял в том, что он стимулировал серьезные эмпирические исследования в области экономики труда, миграции, образования. Кард дал понять, что надо смотреть не только в книжку, но и на реальные данные, не только на временные ряды, которые показывают изменение динамики, но и на исторические события, которые позволяют идентифицировать причинно-следственный эффект.
То же самое у Ангриста: он изучал, как повлияла служба во Вьетнаме на будущие заработки ветеранов. Это важный политический вопрос. Если не повлияла, то может быть им не надо предоставлять льготы, а если повлияла, то государство должно компенсировать потерянное за годы службы. И речь не только об ущербе здоровью: они потеряли те годы, когда могли бы набираться опыта, а из-за меньшего опыта у них ниже зарплата. Исследования доказали, что это действительно так, и ветераны Вьетнамской войны обоснованно претендуют на льготы или стипендии для учебы в университете.
Влияние на науку
Исследования методами разрывного дизайна, разности разностей, мэтчинга, уже два десятка лет как стали стандартом эмпирических исследований. Все эти методы анализа данных возникли из работ сегодняшних нобелевских лауреатов. В России тоже ведутся подобные исследования, студенты используют их в своих дипломных работах, а результаты широко используются для оценки политики. Например, происходит повышение минимальной заработной платы. Мы в ВШЭ исследовали последствия, по той же логике, сравнивая, насколько кто-то подвергся воздействию этого события.
С приходом этих методов многое изменилось. Классический пример — влияние размера класса на успеваемость. Кажется, что у маленького класса успеваемость выше, потому что учитель внимательней к каждому отдельному ученику. Но если смотреть на статистические данные, то закономерность даже обратная — чем больше класс, тем выше успеваемость, и это, казалось бы, противоречит здравому смыслу. Почему же наблюдения так отличаются от наших ожиданий? Дело в том, что родители пытаются записать своих детей в лучшие школы, и поэтому там большие классы. Чтобы это проверить - нужны эксперименты, и они проводились в 80-х - 90-х годах. С тех пор, прежде чем провести какую-то реформу, ее проверяют экспериментально, хотя экспериментами это часто не называется.
Экспериментальным путем выяснилось, что чем больше класс — тем лучше успеваемость
Люди на слово «эксперимент» реагируют остро, «мы же не белые мышки и не собаки Павлова». Поэтому у нас это называется «пилотами». Последние громкие законодательные акты о самозанятых, повлиявшие на рынок труда, сначала вводились в ограниченном количестве пилотных регионов, а потом были распространены на всю страну. Но такая логика внедряется в нашу экономическую политику медленно. С анализом экспериментальных результатов и последующей модификацией реформ у нас проблемы.
Почему премию присудили именно сейчас?
При этом вызывает некоторое удивление, что в 2021 году премию дали Карду, Ангристу и Имбенсу. В 2019 году Эстер Дюфло и ее коллегам уже дали Нобелевку за рандомизированные эксперименты по борьбе с бедностью в развивающихся странах, и уже тогда звучали имена нынешних лауреатов, как достойных претендентов. Дюфло с коллегами показали, как анализировать факторы снижения бедности. В одной случайно отобранной деревне дали гранты на развитие бизнеса, провели вакцинацию, либо что-то еще, а другой похожей деревне нет — и в первой деревне дети стали больше учиться, снизилось насилие в отношении женщин и так далее, а во второй деревне деревне не проводили такую политику и там ничего не изменилось. Деревень в экспериментальной и контрольной группах было довольно много.
По всей видимости, в 2021 году на решение Нобелевского комитета сильно повлияла пандемия коронавируса. Это не политизированное решение, а скорее практическое. Пандемия – это типичный естественный эксперимент, т.е. внезапное событие, которое привело к массовому изменению поведения людей. Коронавирус создал мощный общественный запрос на оценки эффектов используемых мер и одновременно породил большое количество данных для оценивания. Это касается и работы медицинской сферы, и эффективности вакцин, и политики поддержки населения. Оценки эффектов должны быть evidence-based, т.е. базироваться на анализе статистики. А работы сегодняшних лауреатов как раз развивают методологию, позволяющую оценивать эффект таких программ.
Само использование антипандемийных ограничительных мер поставило много вопросов об их краткосрочных и долгосрочных эффектах. Например, встает вопрос, как разные меры (маски, локдауны, закрытия школ, вакцинация) вообще повлияли на распространение COVID-19? Какой дизайн мер был эффективен? Как закрытие школ повлияло на будущее детей? Насколько в будущем изменится их успеваемость и будут меньше заработки? Коронавирус предоставил возможность наблюдать большую вариацию мер, на основе которой можно оценивать эффект, а также поставил огромное количество вопросов о будущем тех, кто подвергся тем или иным воздействиям.