کلارک برای اندروز

ایزایا اندروز (‌Isaiah Andrews‌) که در میان اقتصاددانان برجسته آمریکایی زیر 40 سال شناخته شده است ابزارها و مدل‌های آماری را برای هرچه نیرومندتر کردن تحقیقات گسترش داده است. او که یکی از اقتصاددانان برجسته دانشگاه هاروارد است مدال جان بیتس کلارک را دریافت کرد؛ جایزه‌ای که سالانه به یک اقتصاددان آمریکایی زیر 40 سال که مهم‌ترین سهم را در توسعه اندیشه و دانش اقتصادی داشته باشد، اهدا می‌شود.

اندروز 34ساله می‌گوید دریافت مدال برای او یک شگفتی بسیار بزرگ بوده است. او بر توسعه ابزارهای آماری و مدل‌هایی که به محققان علم اقتصاد کمک می‌کند تا در تحقیقات خود بر موانعی که می‌توانند سبب کاهش دقت شوند، پیروز شوند، متمرکز شده است. کارهای او کاربردهای گسترده‌ای در اقتصاد و رشته‌های دیگر دارد.

به گفته خودش کار اخیر او کمتر درصدد جوابگویی سوالات سیاستی خاص برآمده و در عوض به بررسی درباره ابزارهایی پرداخته است که برای پاسخ به آن سوال‌ها مورد استفاده قرار می‌گیرند و بیشتر تلاشش متمرکز بر بهبود و قابل اعتمادتر کردن این ابزارها بوده است، بنابراین می‌توانیم پاسخ‌های بهتری به سوالات سیاستی داشته باشیم.

در اطلاعیه کمیته جوایز و افتخارات انجمن اقتصاد آمریکا آمده است: مشارکت‌های ایزایا اندروز در نظریه اقتصادسنجی و تحقیقات تجربی، کیفیت و اعتبار و ارتباط تحقیقات کمی در اقتصاد را بهبود بخشیده است. او در چرخش اخیر اقتصادسنجی به سمت شناسایی مهم‌ترین مشکلات پیش‌آمده در تحقیقات تجربی نقش اساسی ایفا کرده است.

بیشتر کارهای اندروز شامل توسعه روش‌هایی است که تخمین‌ها و داده‌ها را در مدل‌های اقتصادی شفاف‌تر و قابل اطمینان‌تر کرده‌اند، مانند «ماتریس حساسیت» که نحوه تغییر در برآورد را بر اساس انحراف میان مدل‌های واقعی و فرضی اندازه‌گیری می‌کند. او همچنین نشان داده است که چگونه نتیجه‌گیری‌های گمراه‌کننده به دلیل «سوگیری انتشار» (Publication bias‌) اصلاح می‌شوند و با توسعه مدل‌های قابل اعتماد برای محاسبه اندازه نااطمینانی که در برآورد روابط گاه‌به‌گاه وجود دارد به مشکل «شناسایی ضعیف» پرداخته است.

در سال 2018 اکونومیست اندروز را به عنوان یکی از هشت اقتصاددان برتر دهه معرفی کرد و گفت او و دیگر نامزدها نماینده آینده این رشته هستند. در سال 2020 هم او برای کار در زمینه استنباط آماری به عنوان پژوهشگر در بنیاد مک‌آرتور معرفی شد.

برای اندروز اقتصاد در خانواده جریان داشته است؛ والدین او در این رشته مدرک دکترا دارند. با وجود این او قصد نداشت کار آنها را دنبال کند و نگران بود که این حرکت به نوعی قابل پیش‌بینی باشد. به گفته خودش این تفکر او در دانشگاه تغییر یافت چرا که به این درک رسید که چگونه این رشته می‌تواند به برطرف کردن برخی از مهم‌ترین چالش‌های جهان کمک کند: به نظر می‌رسید به عنوان یک رشته تحصیلی اقتصاد زمان بسیار زیادی را صرف فکر کردن در مورد برخی از این سوالات بسیار مهم می‌کند و در تلاش است به جواب آنها برسد، که به‌طور خوش‌بینانه به نتایج بهتر سیاستی منجر می‌شود و این مساله بسیار مورد توجه من قرار گرفت.

ایزایا در سال 2009 در رشته ریاضی و اقتصاد از دانشگاه ییل فارغ‌التحصیل شد و دکترای خود را از انستیتوی فناوری ماساچوست در سال 2014 دریافت کرد. او بعد از دو سال کار به عنوان دانشجوی فوق دکترا در سال 2018 به عضویت هیات علمی دانشکده اقتصاد دانشگاه هاروارد درآمد. اندروز دستیار پژوهشی در دفتر ملی تحقیقات اقتصادی و همچنین عضو کمیته انجمن اقتصادی آمریکا در زمینه گروه‌های اقلیت در مشاغل اقتصادی است.

 اندروز که یک آمریکایی سیاهپوست است، می‌گوید در حالت کلی این رشته را به عنوان تلاشی برای حل مسائل نژادی می‌بیند و امیدوار است شناخت جدید او از این رشته به شکلی هر چند کوچک بتواند این حوزه را به مکانی بهتر برای طیف وسیع‌تری از نژادهای مختلف تبدیل کند.

به گفته انجمن اقتصاد آمریکا مشارکت‌های ایزایا اندروز در نظریه اقتصادسنجی و تحقیقات تجربی، کیفیت و اعتبار تحقیقات کمی در اقتصاد را بهبود بخشیده است. او در چرخش اخیر اقتصادسنجی به سمت عقب و مطالعه مهم‌ترین مشکلات تحقیقات تجربی نقش بسیار اساسی ایفا کرده است. مشارکت اندروز در این روند در سه زمینه اصلی قرار دارد: مورد اول ارائه روش‌هایی برای ایجاد حساسیت برآورد پارامترهای تخمینی نسبت به خصوصیات داده‌ها برای تخمین شفاف‌تر آنهاست. مورد دوم مربوط به مساله سوگیری انتشار و مشکلات مربوط به نحوه استنباط از برآوردهای انتخاب‌شده است. مورد سوم نیز مربوط به تخمین و استنتاج در صورت وجود شناسایی ضعیف است.

ابزارهایی برای توصیف حساسیت پارامترهای تخمینی به گشتاورهای تخمین و فرضیات مدل

در مقاله «اندازه‌گیری حساسیت برآورد پارامترها نسبت به گشتاورهای تخمین» که به همراه متیو گنتزکو و جسی ام شاپیرو در سال 2017 نگاشته شده، اندروز نشان داد که چگونه می‌توان حساسیت پارامترهای تخمینی را نسبت به فرض‌هایی که ارتباط میان تخمین‌زن و خصوصیات داده را تعیین می‌کنند، به صورت کمی درآورد. اولین عنصر مورد استفاده «ماتریس حساسیت» است. این ماتریس تعیین می‌کند که چگونه پارامتر مورد نظر با انحراف مدل از مدل فرضی، دچار تغییر می‌شود.

دومین جزء مورد استفاده اندازه انحراف است؛ در مورد رگرسیون حداقل مربعات اینها اجزای متغیرهای حذف‌شده فرمول تورش (اریبی) هستند. اندروز و دیگر نویسندگان این مقاله فرمول را به گستره‌ای از مدل‌های مختلف تعمیم داده و سودمندی آن را با مثال‌های تجربی نشان داده‌اند. این روش‌ها در حال تبدیل شدن به بخش ثابت ابزارهای مورد استفاده محققان کاربردی است.

مقاله «فواید آمار توصیفی برای تخمین‌های ساختاری» نیز که به همراه متیو گنتزکو و جسی ام شاپیرو در سال 2020 نوشته شده به همان اندازه حائز اهمیت است. محققان این تحقیق به‌طور غیررسمی این بحث را مطرح می‌کنند که چه آمارهایی توزیع نمونه برآوردگر را هدایت می‌کنند، اما اینکه آنها درست هستند یا خیر، مشخص نیست.

محققان همچنین تلاش کرده‌اند تا اعتبار مدل‌های ساختاری را به وسیله مقایسه پیش‌بینی‌های مبتنی بر مدل، با آمارهای توصیفی، مورد اعتبار‌سنجی قرار دهند

(میانگین‌ها، ضرایب رگرسیون‌ها و...). با وجود این دانستن اینکه آیا مقایسه‌هایی که محققان درباره مناسب بودن مدل برای پیش‌بینی‌های با شروط غیرواقعی انجام می‌دهند مفید است، ضرورت دارد.

اندروز و دیگر همکارانش روشی شهودی و بنیادین برای برآورد میزان اثرگذاری ترتیبات آماری خاص در شکل‌گیری تخمین‌های یک موضوع مورد نظر، مثل تاثیر سیاست در، در نظر گرفتن شروط غیرواقعی، ارائه کرده‌اند. رویکرد آنها را می‌توان در طیف گسترده‌ای از مدل‌ها به کار برد و نمونه‌های تجربی موجود در این مقاله چگونگی آن را نشان می‌دهند. این دو مقاله نویددهنده تغییرات اساسی در نحوه ارزیابی و انتقال نتایج توسط اقتصاددانان است.

سوگیری انتشار و استنباط پس از انتخاب

مقاله «شناسایی و اصلاح سوگیری انتشار» که به همراه M.kasy در سال 2019 نوشته شده است سهم عمده‌ای در رشد ادبیات سوگیری انتشار ایفا کرده است. در این مقاله مدل‌های رفتار گزارشی انتخابی و انتخاب برای انتشار ارائه شده است، که نشان می‌دهد مطالعات تکراری که همان طراحی مطالعات منتشرشده را دارند می‌توانند برای توزیع بدون شرط یک پارامتر مورد نظر مورد استفاده قرار گیرند. این توزیع، به همراه توزیع تخمین‌های پارامتر در مطالعات به چاپ‌رسیده، می‌تواند برای تصحیح سوگیری انتشار مورد استفاده قرار گیرد. در یک فراپژوهش که مقالات به چاپ‌رسیده و چاپ‌نشده را شامل می‌شود نیز می‌توان از ایده مشابهی استفاده کرد. این مقاله از استدلال‌های مهمی برای تحقیقات تجربی و قوانین مربوط به انتشار مطالعات برخوردار است.

مقاله اخیر اندروز به نام «استنباط برندگان» که با همکاری تورو کیتاگاوا و آدام مک کلوسکی در سال 2020 نگاشته شده نشان می‌دهد که چگونه می‌توان استنباط درباره یک پارامتر خاص را که به عنوان بهترین پارامتر در میان مجموعه‌ای از انتخاب‌ها برگزیده شده به پیش برد، به‌طوری که انتخاب بر اساس تخمین‌های نمونه باشد. به عنوان مثال ممکن است کسی آزمایشی با روش‌های درمانی مختلف با هدف شناسایی درمان و معرفی به یک سیاستگذار انجام دهد؛ انتخاب بهترین روش درمان بر اساس برآورد اثرات درمانی که حاوی خطای نمونه‌گیری است، به سوگیری ناشی از مشکل «نفرین برنده» منجر می‌شود. اندروز و همکارانش تخمین‌زن‌هایی برای حذف این سو‌گیری ارائه کرده‌اند.

استنباط با شناسایی ضعیف

اندروز در مجموعه‌ای از مقالات راه‌های بهتری برای انجام استنباط آماری در زمانی که احتمال شناسایی ضعیف برای طیف وسیعی از انواع مدل‌های غیرخطی وجود دارد، ارائه کرده است. او همچنین رویه‌هایی را ایجاد کرده است که بدون اینکه از پیش بدانیم که آیا شناسایی ضعیف خواهد بود یا در صورت قوی بودن آیا عملکرد خوبی دارد، می‌توانند مورد استفاده قرار گیرند.

به عنوان مثال مقاله «استنباط شرطی با یک پارامتر شرطی مزاحم» که با همکاری آنا میکوشوا در سال 2016 نوشته شده است، استنباط آماری را برای طیف گسترده‌ای از

مدل‌های شرطی گشتاور مورد استفاده قرار می‌دهد که شروط گشتاور مورد استفاده ممکن است برای شناسایی پارامتر مورد نظر کافی نباشند. برخلاف

مدل خطی IV مدل گشتاور تعمیم‌یافته GMM یک مدل نیمه‌پارامتریک است. می‌توان توزیع معادلات گشتاور را شامل یک پارامتر عملکردی مزاحم دانست که از بخش غیرپارامتری مدل نشات گرفته است. ایده اصلی این مقاله شرطی‌سازی توزیع یک آماره آزمون بر یک آماره بسنده برای یک پارامتر عملکردی مزاحم است، به‌طوری که زمینه را برای انجام یک آزمون با اندازه مناسب و شاخصه‌های قدرت خوب فراهم می‌کند. این مقاله بر روی روش تجربی و چگونگی مطالعه مدل‌های گشتاور شرطی توسط استادان اقتصادسنجی تاثیرگذار است.

بسیاری از مقالات تجربی در اقتصاد پارامترهای ساختاری را به وسیله انتخاب آنها تخمین می‌زنند به‌طوری که فاصله میان پیش‌بینی‌های مدل درباره پارامترهای تقلیل‌یافته و تخمین‌های نمونه آن پارامترها را به کمترین میزان برسانند. استنباط آماری و بر اساس تئوری مجانبی استاندارد تنها در صورتی قابل توجیه است که توزیع نمونه پارامترهای تقلیل‌یافته نسبت به اندازه غیرخطی بودن در پیش‌بینی‌های مدل به عنوان تابعی از پارامترهای ساختاری، به اندازه کافی محکم باشند. در مقاله «رویکرد هندسی

به مدل‌های اقتصادسنجی با شناسایی ضعیف»، اندروز و میکوشوا با استفاده از هندسه دیفرانسیل، آزمون‌های حداقل فاصله مجانبی را به‌طور یکنواخت به دست آوردند. این آزمون‌ها برای طیف

گسترده‌ای از فرآیندهای تولید داده و مدل‌های ساختاری قابل استفاده است. این مقاله خلاقانه بینش عمیقی نسبت به ماهیت

شناسایی ضعیف ارائه می‌دهد و ابزار بهتری برای موقعیت‌هایی که ممکن است در آن استنباط مجانبی استاندارد اعمال نشود، فراهم می‌کند.

گفتنی است مدال جان بیتس کلارک یکی از معتبرترین جوایزی است که هر ساله در ماه آوریل به اقتصاددانان جوان آمریکایی اعطا می‌شود. این مدال قبلاً از سال 1947، زمانی که اهدای مدال آغاز شد، تا سال 2009 هر دو سال یک‌بار به یکی از اقتصاددانان زیر 40 سال آمریکایی اهدا می‌شد ولی پس از آن به‌طور سالیانه اهدا می‌شود.

برای دریافت این جایزه دارا بودن ملیت آمریکایی مطرح نیست و کافی است نامزد دریافت آن در زمان اعطای جایزه در ایالات متحده آمریکا فعالیت کند.

پل ساموئلسون اقتصاددان برجسته و معروف آمریکایی اولین نفری است که در سال 1947 این مدال را دریافت کرده است. او همچنین اولین اقتصاددانی بوده است که جایزه نوبل اقتصاد را دریافت کرده است؛ کسی که کتاب پرفروش درسی اقتصاد در همه دوران‌ها به نام تحلیل مقدماتی علم اقتصاد را در سال 1948 منتشر کرد.