لبه تاریکی

محمد وصال مدیرگروه اقتصاد و امینه محمود‌زاده عضو هیات علمی دانشکده اقتصاد دانشگاه شریف هستند. هر دو در برگزاری وبینار «سیاستگذاری مبتنی بر شواهد» نقش داشتند. این دو اقتصاددان جوان به این پرسش پاسخ داده‌اند که چرا سیاستگذاری در ایران مبتنی بر داده و شواهد نیست؟

♦♦♦

  سیاستگذاری مبتنی بر شواهد به عنوان رویکرد جدیدی به چرخه سیاستگذاری عمومی، در بسیاری از کشورها رواج یافته و بر این فرض استوار است که تصمیم‌های سیاسی باید مبتنی بر قضاوت‌ها و نظرسنجی‌ها و به طور مشخص مبتنی بر آمار و اطلاعات باشد، این امر چه اهمیتی دارد؟ 

محمد وصال: سیاستگذاری بدون شناخت محیط پیرامونی قدم زدن در تاریکی و بدون ارزیابی گذشته، بیهوده دور خود گشتن است و ثمره مفیدی نخواهد داشت. با یک مثال، موضوع را روشن‌تر بیان می‌کنم. یکی از معضلات فعلی کشور ما، بیکاری فارغ‌التحصیلان دانشگاهی است. یعنی افراد زیادی، مدت قابل‌توجهی از عمر خود را صرف سرمایه‌گذاری در تحصیل کرده‌اند، اما وقتی برای بهره‌برداری از آن اقدام می‌کنند، هیچ بهره‌ای نمی‌گیرند. قدم اول شناخت چرایی مساله است. آیا کمبود تقاضا دلیل بیکاری فارغ‌التحصیلان است؟ یعنی بنگاه‌ها تقاضای نیروی کار کافی ندارند؟ یا دلیل این معضل، نداشتن مهارت‌های کافی هم‌سنخ بازار کار است؟ تجزیه و تحلیل این دلایل بدون وجود شواهد کمی و کیفی غیرممکن است. نمی‌شود صرفاً به مشاهدات موردی تکیه کرد بلکه باید با داده سیستماتیک وضعیت متوسط جامعه را بررسی کرد. البته معمولاً جمع‌آوری داده به تنهایی کفایت نمی‌کند و باید تحلیلی روی آن صورت گیرد و گویا شود.  گام دوم، ارائه راه‌حلی برای مساله است. در سیاستگذاری باید همواره به دنبال یافتن بهترین راه‌حل ممکن باشیم. بهترین از این جهت که بیشترین اثر مثبت ماندگار را با کمترین هزینه ممکن به دست آوریم. چون چالش‌ها خیلی زیاد هستند و منابع در اختیار برای مواجهه با آنها کم است. اگر برای بهترین راه‌حل تلاش نکنیم، خیلی سخت پیش می‌رویم و هنوز مشکلات قبلی را حل نکرده باید با مشکلات نوظهور دست‌و‌پنجه نرم کنیم. برای فهم اینکه آیا راه‌حل خوب بوده یا نه، حتماً باید ارزیابی اثرات سیاست انجام شود. یعنی داده جمع‌آوری و تحلیل شود که سیاست روی متغیر مدنظر چه تاثیری داشته است. برای مثال ممکن است، زمانی وام زودبازده برای کسب‌و‌کارهای کوچک داده شود. سوال اصلی این است که چنین سیاست‌هایی چقدر در ایجاد شغل برای فارغ‌التحصیلان دانشگاه موثر بوده است؟ البته اگر سیاست اثری نداشت باید فهمید چرا. یا اگر اثر خوبی داشت باز هم باید بررسی کرد که چه مکانیسم‌هایی این اثر را ایجاد کرده است. این تحلیل‌ها به طراحی سیاست در آینده کمک می‌کند. 

  چقدر سیاستگذاری در ایران مبتنی بر داده و شواهد انجام می‌شود؟

وصال: سیاستگذاری بدون داده عملاً امکان‌پذیر نیست و در واقع همیشه یک استفاده حداقلی از داده وجود دارد. مثلاً سیاستگذار به تعداد فارغ‌التحصیلان بیکار توجه می‌کند و می‌پرسد چه کنم؟ اما اینکه آیا داده مناسب و تحلیل متقن انجام می‌شود و چقدر سیاست اجراشده مبتنی بر این واقعیات است، جای سوال دارد. دلیل اول این است که خیلی از اوقات باوری داریم و دوست داریم داده آن را تایید کند. اگر تایید کرد که داده خوب است و اگر موید نبود حتماً داده ایراد دارد و آن را زیر سوال می‌بریم. دلیل دوم پیچیدگی تحلیل داده برای نیل به سیاست‌های مشخص است. در واقع خیلی از اوقات به سادگی نمی‌توان از یک داده، تحلیلی متقن استخراج کرد. در این میان عدم قطعیت‌های آماری و توجه به ناهمگنی‌های یک جامعه حائز اهمیت است. برآوردهای آماری همواره باید با دقت ارائه شوند و در صورت دقت پایین ممکن است نتوان نتیجه مشخصی به دست آورد. به‌علاوه تحلیل‌ها خیلی اوقات روی متوسط جامعه تمرکز می‌کند در حالی که سیاستگذار ممکن است نسبت به دهک پایین یا اقشار مختلف حساسیت متفاوتی از متوسط داشته باشد. طبعاً مواجهه با پیچیدگی تحلیلی وظیفه کارشناسان زبده علوم اجتماعی و آمار است ولی سیاستگذار هم باید فهم حداقلی از تحلیل‌های آماری و اقتصادی داشته باشد و نیز صبوری لازم برای توجه به جزئیات را به خرج دهد.  مثال‌های زیادی وجود دارد که دو دلیل فوق سیاستگذاری مبتنی بر شواهد را تضعیف کرده است. بسیار شنیده شده که سدی یا یک پروژه عمرانی بدون توجیه کافی (فنی-مهندسی-اقتصادی) صرفاً به دلیل باور یک نفر یا لابی یک گروه کلنگ‌زنی شده است. حتی اثرات مخربی بر محیط زیست و جوامع پیرامونی داشته است. دسته دیگری از مثال‌ها از سیاستگذاری‌های تجاری قابل استخراج است. یک روز تعرفه کالایی کم می‌شود و فردا روزی بالا می‌رود. چرا؟ کسی نمی‌داند. شاید منفعت گروهی در آن است. شاید باور سیاستگذار تغییر کرده است. اما اینکه شواهد چه می‌گویند، خیلی مبنا نیست. دسته سوم مثال‌ها را در سیاست‌های مالیاتی می‌توان دید. اصلاحات مالیاتی عمده‌ای در قانون مالیات‌های مستقیم طی سال‌های ۱۳۶۷، ۱۳۸۰ و ۱۳۹۴ انجام شده است. وقتی به این اصلاحات نگاه می‌کنیم می‌بینیم در ابتدا، موردی حذف، بعد دوباره اضافه و بعد دوباره حذف شده است. این سردرگمی تنها به دلیل عدم توجه به شواهد، تجربه خودمان و سایر کشورهاست. 

  پیوند دادن میان سیاستگذاری و آمار و داده‌های مستند با چه چالش‌هایی مواجه است؟

امینه محمود‌زاده: فرآیند جمع‌آوری داده، فناوری مبتنی بر علم آمار است و اگر قرار باشد حداقل شروط لازم برای قابلیت اتکای آمار برقرار باشد، لازم است گستره و عمق مناسبی از جامعه (مثلاً خانوارها، شرکت‌ها یا واحدهای صنفی) را در‌بر گیرد. به‌علاوه، داده‌های مختلف در کنار هم می‌توانند وضعیت اقتصادی جامعه را از ابعاد مختلف شفاف کنند. جمع‌آوری، ثبت و تجمیع این داده‌ها هزینه می‌خواهد. تحلیل کردن و استخراج حقایق از دل داده‌های خام نیز تخصص بالایی می‌طلبد و زمان و هزینه می‌برد. وقتی سیاستگذار برای تصمیم‌گیری خود را نیازمند این داده‌ها نمی‌بیند و گزارش‌های مستخرج از آنها را به هر دلیل مفید تشخیص نمی‌دهد برای جمع‌آوری این داده‌ها، افزایش حیطه تحت پوشش آنها و تحلیل‌شان نیز هزینه نمی‌کند، با هدف کاهش هزینه‌ها ایجاد، تکمیل و تجمیع پایگاه‌های اطلاعاتی از اولویت خارج می‌شود. بنابراین چرخه منحوسی شکل می‌گیرد، با این تصور که داده مهم نیست، بودجه نمی‌گیرد، پرسشنامه‌ها به‌روز نمی‌شوند، استمرار برخی از طرح‌های آماری که امکان استفاده آنها در تحلیل پیامدهای بلندمدت سیاستگذاری را ممکن می‌کرد مخدوش می‌شود، داده مرتبط در زمان مناسب تولید نمی‌شود، اهمیت داده کاهش می‌یابد و باز بودجه‌اش کم می‌شود.  طرفه آن است که در عمل دستگاه‌های اجرایی نمی‌توانند بدون داده روزگار بگذرانند، حتی اگر سیاستگذاران در رده‌های بالا به داده‌های اقتصادی نیاز نداشته باشند، کارشناسان برای رصد وضع موجود داده می‌خواهند. بنابراین در حالی که مراکز مهم آماری کشور بودجه قابل ملاحظه ندارند، هر یک از دستگاه‌ها مراکزی برای جمع‌آوری داده دارند. از یک‌سو تعدد مراکزی که آمار تهیه می‌کنند وجود دارد، از سوی دیگر سوال‌های زیادی هستند که ارزش پرسیدن دارند و دانستن آنها به ارزیابی سیاست‌ها کمک می‌کند اما بودجه‌ای برای تهیه آنها وجود ندارد. به این ترتیب، چندگانگی مراکزی که آمار جمع می‌کنند بر روی گرداندن سیاستگذار از آمار اثر می‌گذارد. در مواردی که سیاستگذار برای دیدن شرایط گزارش‌های این سازمان‌ها را کنار هم می‌گذارد و نمی‌تواند ارتباط میان ارقام مختلف برقرار کند، آمار تهیه‌شده را نادقیق می‌پندارد و شهود خود را قابل‌اتکاتر لحاظ می‌کند. به‌عنوان مثال وقتی برای برداشتن ارز ترجیحی به بی‌اثری آن در قیمت‌های نهایی اشاره می‌شد گزارش‌های سه مرکز فوق ارقام بسیار متفاوتی را نشان می‌داد، که می‌توانست همه درست هم باشد، زیرا جامعه آماری با شیوه متفاوت داشتند، اما اثر نامطلوب بر تصمیم‌گیری گذاشت. از طرف دیگر، سیاستگذاری که دائم با شوک‌های مختلف مواجه است و هنوز مکانیسم‌ها ثبات‌سازی را فعال نکرده، به‌علاوه عمر مدیریتش کوتاه (زیر دو سال) است، فرصت نمی‌کند از داده‌ها یاد بگیرد. از دید او باید تصمیم‌های سریع گرفت و رجوع به داده وقت باارزش باقیمانده‌اش را تلف می‌کند. بنابرین در پارادوکس عجیبی گیر می‌کند، همیشه برای تصمیم‌گیری عجله دارد و هیچ وقت هم تصمیم نمی‌گیرد. در واقع سیاستگذار آن‌قدر صبوری نکرده که بتواند حلاوت پیش‌بینی به کمک داده را بچشد که بداند می‌تواند سریع‌تر از زمان هم حرکت کند. عمر کوتاه مدیریت باعث می‌شود لازم نباشد در قبال تصمیم‌هایش هم پاسخگو باشد، بنابراین به ارزیابی مبتنی بر شواهد انتخاب‌هایش هم نیازی ندارد. دست که از شواهد خالی شد، شهود به میان می‌آید. شهودی که نه قابلیت کمّی شدن دارد، نه می‌شود عینی شود و با بقیه به اشتراک گذاشته شود و در نتیجه میزان دسترسی به آن هم هیچ‌وقت قابل ارزیابی نیست. وقتی تصمیم‌گیری مبتنی بر شهود باشد، ارزیابی هم مبتنی بر شهود می‌شود؛ جملاتی شبیه خوب است، پیشرفت کرده‌ایم، از قبل بهتر شده. در این فضا، تک‌گزارش‌هایی که مبتنی بر داده تهیه می‌شوند و به ارزیابی شرایط و پیش‌بینی می‌پردازند، وصله ناجورند، زیرا معمولاً وضع موجود را از شهود سیاستگذار ناگوارتر نشان می‌دهند، بنابراین تلخ هستند و کنار گذاشته می‌شوند. چارچوب‌های نظارتی موجود هم مبتنی بر داده نیستند و سیاستگذار را مجبور به مستند کردن فرآیند تصمیم‌گیری، توضیح انتخاب یک گزینه در مقابل گزینه‌های جایگزین و سپس ارزیابی اقدامات انجام‌شده نمی‌کند. ناظران، متقاضیان بالقوه داده هستند. هرچه قدرت فنی و قانونی کمتری داشته باشند، تقاضای  داده و اثرگذاری آنها کاهش می‌یابد. نبود تصمیم‌سازان هم حلقه نیست‌ها را کامل می‌کند. تصمیم‌سازان کنشگران مرزی هستند که از یک‌سو به زبان و علم دانشگاهیان آشنایند و از سوی دیگر گفتار و محدودیت‌های چند‌بعدی سیاستگذاران را در‌می‌یابند و به نوعی توانسته‌اند اعتماد آنها را جلب کنند. این افراد در فرآیندهایی بعد از دانشگاه آموخته‌اند که داده‌ها را به خدمت بگیرند، آنها را برای نشان دادن شواهد به سخن آورند و از تلفیق حقایق مبتنی بر داده، راه‌حل‌های ممکن برای بهبود وضعیت بن‌بست‌های تصمیم‌گیری ارائه کنند و فضای سیاستگذاری تصمیم‌گیران را در ابعاد ممکن و شدنی بزرگ و در ابعاد نشدنی و شهودی کوچک کنند. بی‌توجهی به علم اقتصاد، پایین بودن توان کمّی دانش‌آموختگان این حیطه برای کار با داده‌های بزرگ و محرمانه تلقی کردن همه ثروتی که در قالب داده‌ها تجمیع شده، در عمل تصمیم‌سازانی که بتوانند تغییر‌دهنده بازی میان مراکز آماری و سیاستگذار باشند رشد نکرده‌اند. این امر وقتی در کنار این حقیقت گذاشته می‌شود که مراکز تولید داده برای حفظ استقلال و بی‌طرفی خود ممکن است کمتر به سمت ارائه گزارش‌های تحلیلی و ارزیابی سیاست‌ها بروند اهمیت بیشتری پیدا می‌کند. بنابراین در نبود سیاستگذاری مبتنی بر شواهد تعادل نامطلوب پایداری در کشور شکل گرفته است؛ گزارش‌ها مرتبط و به‌موقع نیستند، تصمیم‌ساز تربیت نمی‌شود و تصمیم‌گیر نیازی به شواهد ندارد.

   اقتصاددانان معتقدند یکی از دلایل شکست سیاستگذاری در ایران این است که تصمیم‌های سیاستمداران بدون اتکا به آمارها و شواهد در دسترس، گرفته می‌شود. گسست میان سیاستگذاری و نهادهایی که کارشان جمع‌آوری و تحلیل داده است چه عواقبی برای کشور دارد؟

وصال: پیامدهای عدم توجه به شواهد؛ در وهله اول، درجا زدن است. مدام راه‌حل‌هایی ارائه می‌شود، بعد از چندی رها می‌شود، بدون اینکه اثر قابل لمسی روی چالش ایجادشده بگذارد. مسکن مهر با یک هدف خیلی خوب شروع شد. دهک‌های پایین را صاحب خانه کنیم. اما آیا واقعاً این هدف به دست آمد؟ به نظر می‌رسد خیر. اگر به دست آمده که مجدد نیاز به ساخت یک میلیون مسکن در سال نیست. آیا رشد قیمت مسکن کنترل شد؟ چند سال گذشته خلاف این را می‌گوید. دلیل چیست؟ دلیل واضح است؛ فهم نادرست از محیط و مساله وجود داشت. راه‌حلی ارائه شد که همه شواهد را در نظر نمی‌گرفت و مساله را ساده تلقی می‌کرد. مهم‌تر از آن پس از اجرا هیچ تلاشی برای ارزیابی آن پروژه عظیم پرخرج صورت نگرفت. پیامد دوم بی‌توجهی به شواهد، امکان پناه گرفتن در تاریکی است. سیاستگذاری که شواهدی تولید نمی‌کند و اجازه ارزیابی سیاستش را نمی‌دهد، عملاً خود را بیمه می‌کند. هیچ‌کس نمی‌تواند تحلیلی متقن ارائه دهد که آیا اشتباهی رخ داده یا نه. متاسفانه این مساله در ضمیر ناخودآگاه همه ما وجود دارد. چه کسی دوست دارد دائم تحت پایش باشد و عملکردش ارزیابی شود؟ ایجاد شواهد برای ارزیابی شواهد یعنی زیر نور راه رفتن. کج قدم بگذاری، مشخص می‌شود. پس به نفع سیاستگذار است که شواهد تولید نکند. سیاستگذار بی‌رقیب هم راحت‌تر این تئوری را دنبال می‌کند. اصولاً پاسخگویی بدون وجود شواهد خیالی بیش نیست. پیامد سوم، امکان بروز کج‌فهمی است. وقتی علم شیمی نبود، جادوگری بود و وقتی روابط مواد کشف شد، جادوگری به آزمایشگاه شیمی منتقل شد. بدیهی است وقتی شواهد تولید نشود و تحلیل‌ها بر شواهد مبتنی نشود، هر حرفی می‌شود زد. کج‌فهمی بین سیاستگذاران، بین مردم و حتی بین نخبگان شکل می‌گیرد. وقتی تحلیلی از اثرات آلودگی هوا روی سلامتی نداریم، آلودگی مساله مهمی نیست. یکی می‌گوید افزایش بیماری‌های تنفسی به‌خاطر رواج سیگار است. دیگری آن را به رژیم غذایی افراد ربط می‌دهد. اما وقتی داده آلودگی گردآوری شد، شواهد تحلیلی ارائه شد، آن وقت انکار مساله غیرممکن می‌شود. تبیین‌های رقیب واقعیت جایگاه خود را از دست می‌دهند و همگرایی بین تحلیلگران ایجاد می‌شود. در این شرایط مردم هم کم‌کم ارتباط پدیده‌ها را بهتر درک می‌کنند و مطالبه‌گری از سیاستگذار شکل می‌گیرد. سیاستگذار نمی‌تواند خود را به کج‌فهمی بزند یا بی‌تفاوت بماند. باید کاری کند، توجیهی ارائه دهد. شاید ساده‌ترین راه، پنهان کردن شواهد و واقعیات باشد. اما روی همین رفتار هم باید شواهد باشد. اصلاً شفافیت دولتمردان یعنی همین. یعنی روی عملکردشان دائماً نظارت باشد و داده تولید شود و تحلیل ارائه شود. پیامد چهارم، امکان ارائه وعده‌های توخالی است. وقتی شواهدی نباشد، عملکرد گذشته ارزیابی نشده باشد، ترسیم باغ بهشت ساده است. موعد وعده دادن که می‌رسد، همه هیجان‌زده می‌شوند و انواع اهداف عالی اما دست‌نیافتنی را ذکر می‌کنند. چون شاهدی نیست که بگوید این کار نمی‌شود. قبلاً امتحان شده و تاثیری نداشته است. 

  بده‌بستان میان متخصص آمار، سیاستمدار و اقتصاددان چگونه باید باشد؟

محمودزاده: حتی اگر به گردش انداختن چرخ سیاستگذاری مبتنی بر شواهد در اولویت سیاستگذار هم نباشد، دو رأس دیگر می‌توانند در تعامل مناسبی که با هم برقرار می‌کنند، برخی از چالش‌های این حیطه را تخفیف دهند و علاوه بر عرضه محصولات باارزش در این داده‌ها و مدل‌ها ابزارهای دست تصمیم‌سازها و محققان هستند. انتخاب سوال مناسب برای تحقیق و استفاده از روش، آمار و مدل مناسب می‌تواند پاسخی آماده برای سوال‌های بالقوه تصمیم‌گیر فراهم کند. وسواس پسندیده‌ای که انتظار می‌رود بر شیوه پاسخگویی به سوال حاکم باشد، باعث می‌شود حتی اگر تحقیق‌های مختلف به نتایج متفاوتی رسیده‌اند دلیل این تفاوت مشخص باشد. نکته دیگر آنکه در تعاملی که میان محققان و تولیدکنندگان آمار کشور شکل می‌گیرد هر دو گروه از هم بازخوردهایی در جهت ارتقای کارشان می‌گیرند. محققان با فرصت‌ها و محدودیت‌های داده‌ای آشنا می‌شوند، و سوالشان را مبتنی بر آن تعریف می‌کنند و تولیدکنندگان آمار هم از محدودیت‌های پایگاه‌های داده‌ای موجود مطلع می‌شوند و فرصت‌های ارتقا و اتصال آنها را با اولویت دید تصمیم‌سازان می‌بینند.  بنابراین این دو رأس می‌توانند پاسخ به مجموعه‌ای از سوال‌های ارزشمند را در دستور کار قرار دهند. حیطه‌هایی که سازوکارهای چندگانه و ناهمسو تشخیص روابط علی و معلولی را در آنها با مشکل زیاد مواجه می‌کند، و این باعث می‌شود اقتصاددانان نتوانند توصیه‌های متقن و مشخص داشته باشند، یا نتوانند درباره شدت اثرگذاری سیاست‌ها اظهارنظر کنند مگر با اتکا به داده‌هایی که امکان بررسی را فراهم می‌کنند. انجام این همکاری با توجه به بودجه‌های محدودی که در نهادهای مختلف برای پژوهش وجود دارد تا اندازه‌ای فراهم است. با این حال، این گزارش‌های محدود اولیه اگر با سوال‌های مرتبط انتخاب شوند، ارائه شوند و از طریق رسانه‌ها وجودشان به گوش کارشناسان و تصمیم‌گیران برسد و در نهایت در زمان مناسب (مثلاً تدوین بودجه، تصمیم درباره اجرا یا توقف سیاست‌های خاص) به نهادهای تصمیم‌گیر عرضه شوند می‌توانند نقطه شروعی برای شکستن بن‌بست کنونی باشند. ارائه نتایج این تحقیق‌ها به زبان ساده می‌تواند تقاضا از سمت مردم و مقام ناظر را هم فعال کند. از آنجا که سیاستگذاری مبتنی بر شواهد فرآیندی تکرارشونده و نه یک اقدام یکباره است، تدوین این رویه‌ها و ایجاد زیرساخت‌های ارتباط شرط لازم راه انداختن چرخه سیاستگذاری مبتنی بر شواهد است. توان بالقوه کشور در تولید و جمع‌آوری داده، تحلیل آن و تدوین گزارش‌های سیاستی بسیار بالاتر از چیزی است که استفاده می‌شود.