نوبل برای واقعیت محقق‌نشده

 رضا طهماسبی: اعطای جایزه نوبل اقتصاد به دیوید کارد، جاشوا انگریست و گویدو ایمبنز نشان از اهمیت کارهای این سه اقتصاددان دارد که محور آن بررسی روابط علی در اقتصاد است. کارد، انگریست و ایمبنز مطالعات زیادی در حوزه‌های بازار کار و آموزش دارند که با استفاده از واقعیت محقق‌نشده، به بررسی سیاست‌های اجراشده و آثار و تبعات آن می‌پردازند. محمد وصال، عضو هیات علمی دانشکده مدیریت و اقتصاد شریف، و سعید ملک‌الساداتی، عضو هیات علمی گروه اقتصاد دانشگاه فردوسی مشهد، در این میزگرد با تشریح مفهوم روابط علی و مفاهیم وابسته به آن، توضیح می‌دهند که این مطالعات تا چه اندازه در سیاستگذاری بهینه و کیفی می‌تواند اثرگذار باشد.

♦♦♦

 فصل مشترک سه اقتصاددانی که از سوی کمیته علمی به عنوان برندگان نوبل اقتصاد 2021 معرفی شده‌اند، «روابط علی» است که به نظر مفهوم پیچیده‌ای می‌آید که کمتر به آن پرداخته شده است. مفهوم روابط علی در علم اقتصاد چیست و چه کاربردی دارد؟

محمد وصال: یافتن دلایل رخداد یک پدیده طبیعی یا اجتماعی همیشه برای بشر یک سوال بنیادین بوده و انسان به دنبال کشف روابط علی بین پدیده‌ها رفته است. یافتن این روابط به‌طور کلی پیچیده و سخت است اما در مقام مقایسه در حوزه علوم طبیعی پیچیدگی کمتری دارد چون آنجا می‌توان شرایط محیطی را کنترل کرد یا در شرایط آزمایشگاهی پدیده موردنظر را با تغییر مولفه‌ها بررسی کرد. مثلاً در یک آزمایش می‌توان یک نیرو را صفر کرد تا اثر دیگر نیروها را به‌طور مشخص بررسی کرد. در علوم اجتماعی که علیت عوامل مختلف روی یک پدیده درهم‌تنیده است، برای پژوهشگر امکان جداسازی و تفکیک، به آن صورت که در آزمایشگاه فراهم بود، وجود ندارد. محقق نمی‌تواند یکسری عوامل را حذف کند تا فقط اثر یک عامل را بسنجد و ارزیابی کند. در نتیجه مساله بررسی روابط علی در علوم اجتماعی بسیار پیچیده‌تر است. به همین دلیل است که کشف علیت در علوم اجتماعی دیرتر رخ داده و متاخرتر است.

مساله بنیادین و چالش اصلی که در کشف علیت وجود دارد، به اصطلاح «پیامدهای بالقوه» نامیده می‌شود یعنی اگر من یک روز صبح تصمیم بگیرم از یک مسیر مشخص به محل کارم بروم، می‌توانم آن را تجربه کنم و زمان را اندازه بگیرم که مثلاً چند دقیقه طول می‌کشد تا به محل کارم برسم. اما اطلاعی ندارم که اگر دیگر مسیرهای جایگزین موجود را انتخاب می‌کردم، مدت زمانی که طول می‌کشید تا به محل کارم برسم چقدر بود. این پیامدی که محقق نشده یعنی مدت زمان سفری که محقق نشده، همان «پیامد بالقوه» است. من برای اینکه بتوانم علیت را استخراج کنم باید بتوانم پیامدهای بالقوه را اندازه بگیرم. البته در حوزه‌ای مانند حمل‌ونقل، نرم‌افزارهای مسیریاب به ما کمک می‌کند که این پیامدهای بالقوه را ببینیم اما باز هم آنچه در این نرم‌افزارها تخمین زده می‌شود، کامل نیست. چون ممکن است در مسیری که انتخاب کرده‌ایم رخدادی مانند تصادف یا هر پدیده دیگری که نرم‌افزار مسیریاب توان پیش‌بینی‌اش را ندارد، اتفاق بیفتد و آنچه برای ما محقق می‌شود نسبت به آنچه انتظار داشتیم محقق شود، متفاوت باشد. این یک پیچیدگی بنیادین است که محققان زیادی سعی کردند علوم اجتماعی را در این حوزه بسط دهند و به جلو ببرند.

سعید ملک‌الساداتی: در ادامه توضیحات آقای دکتر وصال، می‌توانم این را اضافه کنم که پیچیدگی مسائل در حوزه علوم اجتماعی باعث می‌شود بین عوامل مختلفی که روی یک پدیده تاثیر می‌گذارند، درهم‌تنیدگی وجود داشته باشد. بحث روابط علی، ناظر بر این است که ببینیم چگونه رفتار یک متغیر وابسته می‌تواند در حضور یا عدم‌حضور یک عامل دیگر متفاوت باشد. به بیان ساده‌تر بین شیوه‌ای که اقتصاددان‌ها همیشه به صورت سنتی و کلاسیک برای بررسی تاثیرگذاری متغیرها برهم استفاده می‌کردند با روش علی تفاوت وجود دارد. در استنباط علی، ما می‌خواهیم رفتار یک متغیر وابسته را در وضعیت موجود با وضعیت محقق‌نشده (Counterfactual) مقایسه کنیم تا بفهمیم اگر آن وضعیت دیگر رخ داده بود، چه نتیجه‌ای به دست می‌آمد. برای مثال اگر در پدیده مدنظر ما عامل X حضور نداشت، در مقایسه با وضعیت کنونی که حضور دارد، رفتار متغیر وابسته چه تغییری می‌کند. در روش‌های سنتی، مطالعه به این صورت بوده که همیشه گفته می‌شد اگر Xی که همیشه حضور دارد کمی تغییر کند، Y چقدر تغییر می‌کند. در واقع این تفاوت بنیادین بین استنباط علمی و استنباط‌هایی که مبتنی‌ بر گونه‌ای از وابستگی هستند، وجود دارد. ما در روش سنتی همیشه نمونه‌ای از یک جامعه داریم و اثر X بر Y را از روی نمونه بررسی می‌کنیم و ضریب اثرگذاری را استخراج می‌کنیم و یکسری آزمون‌ها روی آن انجام می‌دهیم؛ اما در روش علی نیاز داریم که دو نمونه از دو شرایط  مشابه اما در یک عامل متفاوت تهیه کنیم و در این دو نمونه باید تا حد زیادی سایر عوامل تاثیرگذار کنترل شوند. به بیان ساده‌تر این دو نمونه باید جفت‌های همتای هم باشند و آنچه بین این دو متفاوت است، فقط همان عاملی است که می‌خواهیم تاثیر علی آن را بررسی کنیم. این شیوه به ما کمک می‌کند که با دقت بیشتری به ارزیابی اثر آن عامل بپردازیم.

  این‌گونه آزمایش‌ها در حوزه علوم طبیعی ساده‌تر قابل انجام است. اما در حوزه علوم اجتماعی و به‌طور خاص علم اقتصاد چطور می‌توان چنین آزمایش‌هایی را پیش برد و اثر یک متغیر را در حالتی که محقق‌نشده نتیجه گرفت؟

 وصال:  من اجازه می‌خواهم سوال را با توضیح مثال مطالعه بازار کار که دیوید کارد و آلن کروگر انجام دادند و یکی از مطالعات اولیه در حوزه بازار کار بود، پاسخ بدهم. این سوال که قانون حداقل دستمزد چه اثری روی اشتغال دارد، یک مساله مهم و مناقشه‌برانگیز در علم اقتصاد و همچنین برای مردم و سیاستگذار بوده است چون معمولاً حداقل دستمزد برای تامین حداقل معیشت کارگران و تنظیم یک رابطه منصفانه بین کارگر و کارفرما تعیین می‌شود. برابر نظریه‌های اقتصادی می‌دانیم وقتی قیمت‌گذاری یک کالا یا خدمت مانند نیروی کار بالاتر از قیمت تعادلی تعیین شود، ممکن است باعث کاهش تقاضا در بازار و در این مورد مشخص، بالا رفتن بیکاری در بازار کار شود. در نتیجه بسیار مهم است که بتوانیم از نظر تجربی مشاهده کنیم که میزان بیکاری ایجادشده در اثر عامل حداقل دستمزد چقدر است؟ کم است یا زیاد؟ پاسخ دادن به این سوال به غایت دشوار است. چون در اقتصاد حداقل دستمزد اجرا می‌شود و شرایطی که این عامل وجود نداشته باشد، مشاهده نشده است. دیوید کارد و آلن کروگر در سال 1993 مطالعه‌ای انجام دادند و چاپ کردند که در آن اثر حداقل دستمزد را بر بیکاری در دو ایالت همجوار نیوجرسی و پنسیلوانیا مورد بررسی قرار داده بودند. به این صورت که حداقل دستمزد در یک تاریخ مشخص در نیوجرسی افزایش پیدا کرد، درحالی‌که در پنسیلوانیا این عامل تغییری نداشت. در واقع در یک شرایط شبه‌تصادفی فرصتی برای این دو اقتصاددان ایجاد شد که در دو ایالت مجاور که کم‌وبیش فضای مشابهی دارند، اثر اعمال یک سیاست با عدم اجرای آن بررسی و مقایسه شود. در این شرایط ایالت پنسیلوانیا در حکم یک آزمایشگاه طبیعی برای محققان بود که می‌شد پیامد عدم افزایش حداقل دستمزد را در آن دید و با نیوجرسی مقایسه کرد. کارد و کروگر در یک بازه زمانی در این دو ایالت که به خاطر هم‌مرز بودن و شباهت‌های زیاد همواره انتظار داشتیم تفاوت‌هایشان مانند هم باشد و با توجه به چرخه‌های تجاری یا عوامل برون‌زای دیگر که تقریباً برای هر دو یکسان بود، بیکاری و اشتغال در آنها به یک شکل تغییر کند، با وجود یا نبود یک عامل یعنی حداقل دستمزد مواجه شدند. آنها در این بازه تغییرات نرخ بیکاری را بررسی کردند و متوجه شدند تغییر حداقل دستمزد اثر چندانی روی بیکاری نگذاشته است.  اینجا ایده شناسایی علی یا کشف علیت بسیار جذاب است که در اقتصاد به آن روش تفاضل در تفاضل می‌گوییم که فرض می‌کند در نبود یک تغییر، روند چگونه است. مثلاً در دو ایالت نیوجرسی و پنسیلوانیا که مشابه هستند و تنها یک عامل تغییر کرده، نتایج به دست‌آمده اثر تغییر این عامل است. البته این روش مطالعه از قدیم در اقتصاد بوده و توسط این اقتصاددانان ابداع نشده اما نقش آنها در بسط آن پررنگ است. این روش بسیاری اوقات برای سیاست‌هایی که در داخل کشور ما اجرا شده قابل ‌استفاده است. از هر سیاستی یک گروه به دلایل بعضاً نامربوطی ممکن است بهره‌مند شوند و یک گروه دیگر بهره‌مند نشوند، می‌توان تغییرات در پیامدهای گروه بهره‌مند را با گروه غیربهره‌مند مقایسه کرد و نتیجه گرفت؛ البته منوط به اینکه ابتدا انتظار برود هر دو گروه شبیه به هم باشند.

 ملک‌الساداتی:  همان‌طور که گفته شد بررسی ارزیابی اثر یک سیاست در حوزه علوم اجتماعی کار سختی است. در حوزه علوم طبیعی کنترل عوامل مختلف ساده‌تر انجام می‌شود. بسیاری از داروهایی که کشف شده و مورد استفاده مردم قرار گرفته است، از طریق آزمایش و روش روابط علی که خود محقق طراحی کرده، ارزیابی شده‌اند. به این صورت که یک گروه از بیماران با ویژگی‌های مشابه و همتا در نظر گرفته و به دو دسته تقسیم شده‌اند. داروی مورد نظر به یک دسته از بیماران داده شده و نتیجه آن روی سلامت بیماران ارزیابی و با دسته دیگر مقایسه شده است. در واقع ارزیابی شده که با روش تفاوت در تفاوت؛ وضعیت گروهی که دارو مصرف کرده در مقایسه با گروهی که دارو مصرف نکرده، چقدر بهبود یافته است. در حوزه علوم اجتماعی، کار واقعاً سخت است. گاهی اوقات محقق می‌تواند شرایطی را پیدا کند که مشابه تحقیقاتی که در حوزه پزشکی انجام می‌شود، شرایط را تا حد زیادی کنترل و آزمایش مدنظرش را طراحی و اجرا کند. اما بسیاری اوقات شرایط به این شکل وجود ندارد و محقق باید با چشم تیزبین از عدم تقارن‌هایی که در اجرای برخی از سیاست‌ها اتفاق می‌افتد، استفاده کند. مواردی پیش می‌آید که یک سیاست در مکان‌های مختلف که به هم شبیه هستند، با زمان‌بندی متفاوتی شروع می‌شود؛ به‌عنوان مثال به یاد دارم که طرح هدفمندی یارانه‌ها در برخی استان‌ها زودتر شروع شد و استان‌های دیگر با یک تاخیر زمانی آن را اجرا کردند. مثلاً همان وقفه کوچک این فرصت را به محقق می‌دهد که بتواند بررسی کند که اجرای این سیاست در این چند استان، در مقایسه با استان‌هایی که هنوز طرح اجرا نشده، چه تغییری در وضعیت رفاهی و معیشتی خانوار ایجاد کرده است. این شرایط، شرایط آزمایش طبیعی است و به مراتب از آزمایشی که خود محقق طراحی می‌کند، بهتر است؛ به این دلیل که تمام عوامل طبیعی که ممکن است در طی آزمایش نقش‌آفرینی کنند، حضور دارند. فقط محقق باید دقت داشته باشد جامعه‌ای که به‌عنوان بخش مداخله انتخاب می‌شود با گروه کنترل شباهت زیادی داشته باشد.

  کار مطالعاتی مشترک دیوید کارد و آلن کروگر در بررسی اثر حداقل دستمزد که نتیجه جالب توجهی هم داشت مربوط به اوایل دهه 1990 است. در واقع در میانه دهه 90 میلادی این قبیل آزمایش‌ها در حوزه بازار کار، دستمزد، آموزش و... انجام شده و به قولی رونق داشته است. اما می‌بینیم بیش از دو دهه و نیم زمان برده تا این مساله مورد توجه کمیته علمی نوبل قرار بگیرد. این تاخیر طبیعی است یا دلیل دیگری دارد؟

 وصال:  سوال خیلی خوبی است. ببینید همیشه یک فاصله‌ای میان نوآوری‌های علمی تا به رسمیت شناخته شدن آن از طریق رویدادهایی مثل نوبل، فیلدز و... وجود دارد. چون باید آن نوآوری به بلوغ برسد و اثرات و پیامدهایش مشخص شود. روش‌های شناسایی علی از قبل در علم مورد استفاده قرار گرفته و مختص اقتصاد هم نبوده است. اما توسعه، تدقیق و دانستن اینکه دقیقاً چه اتفاقی در هر کدام از این روش‌ها رخ می‌دهد، موضوعی تقریباً متاخر است و اقتصاددانانی که امسال نوبل بردند، نقشی جدی در ایجاد فهم عمیق‌تر ما از روش‌های شناسایی علی داشتند. دیوید کارد به خاطر پیشبردهایی که در حوزه اقتصاد نیروی کار داشته، نیمی از جایزه را برد؛ اما مطالعات او محدود به بحث حداقل دستمزد نمی‌شود، بلکه مطالعات بعدی او در حوزه بازار کار، بازدهی تحصیلی و موضوعاتی چون تاثیر کیفیت و کمیت مدرسه روی دستمزد و آینده افراد هم به همین روش است. به‌علاوه اینکه کارد در راستای تدقیق روش‌های شناسایی علی هم پیشبردهای تئوریک داشته و مطالعاتش صرفاً محدود به کارهای تجربی و مدل‌سازی آماری نبوده است. ایمبنز و انگریست تقریباً نقش جدی‌تری در پیشبرد تئوریک روش‌های شناسایی علی داشتند. آنها هم در همان دهه‌های 1990 و 2000 عمده مطالعات خود را انجام دادند که در ادبیات اقتصاد با عنوان انقلاب اعتبار در مطالعات تجربی (Credibility Revolution in Empirical Economics) مطرح شده است. ابتدا این مطالعات بر اساس فروضی بود که بعضاً نمی‌شد از آنها زیاد دفاع کرد و شاید فروض غیرقابل‌باور یا سخت‌باوری بودند. اما بعد از اینکه این روش‌ها توسعه پیدا کرد و در اقتصاد رایج شد، حالا بسیار راحت‌تر و بهتر می‌توانیم در مورد علیت اظهارنظر کنیم. از دهه 2000 تاکنون این روش‌ها همچنان توسعه پیدا کرده و این سه اقتصاددان نقش مهمی در توسعه‌اش داشته‌اند. این روش باید به بلوغ می‌رسید تا جایزه نوبل بگیرد و حالا این اتفاق افتاده است. اگر خاطرتان باشد سال 2019 جایزه نوبل به استر دوفلو، آبهیجیت بنرجی و مایکل کرمر اعطا شد. این سه نفر به خاطر رواج و پیشبرد روش‌های آزمایش تصادفی در اقتصاد توسعه و مقابله با فقر جایزه بردند که درواقع در کنار روش‌هایی که کارد، انگریست و ایمبز توسعه دادند معنا پیدا می‌کند. ما برای شناسایی رابطه علی می‌توانیم دو دسته کلی روش داشته باشیم. یک دسته روش‌های آزمایشی (Field Experiment) یعنی آزمایش‌هایی که در میدان انجام می‌شود و سعی می‌کند شرایط آزمایشگاه‌ها در علوم طبیعی را بازتولید کند. یک دسته هم روش‌هایی که مبتنی‌بر اتفاقاتی است که در واقعیت رخ می‌دهد. جایزه نوبل 2019 به اقتصاددانانی رسید که در حوزه روش‌های تصادفی کار می‌کردند و جایزه 2021 به اقتصاددانانی رسید که در حوزه روش‌های مشاهده‌ای کار می‌کنند و باعث پیشبرد جدی این روش‌ها شدند. در نهایت اینکه کمیته نوبل یا علم اقتصاد به‌تازگی متوجه این رخدادهای شگرف نشده و از دهه 1990 این بحث‌ها به‌طور جدی مطرح است و اکنون به بلوغ کافی برای دریافت نوبل رسیده است.

 ملک‌الساداتی:  همان‌طور که آقای دکتر وصال عنوان کردند تکنیک‌هایی که امروز در روش علی به کار می‌رود تازگی ندارد؛ مثلاً من کارهای ایمبنز را به دلیل روش ناپیوستگی رگرسیونی که در توسعه‌اش بسیار نقش‌آفرین بوده، دنبال می‌کردم اما سابقه این روش به دهه 1960 برمی‌گردد و اولین مقالاتی که در این مورد نوشته شده، مربوط به همان زمان است که چندان مورد استقبال قرار نگرفت. اما از دهه 1990 و به‌طور خاص سال‌های ابتدایی دهه 2000 مطالعات در این حوزه و با این روش بسیار گسترش یافت. ایمبنز در این زمان نوآوری‌های زیادی در این روش داشت و به‌ویژه در سال 2008 که مقاله‌ای چاپ کرد در این مورد که چگونه می‌توان محدودیت‌های این روش را از بین برد که تحقیقات با اعتبار بالاتری انجام شود. ایمبنز و انگریست کارهای مشترکی با استفاده از روش ناپیوستگی رگرسیون انجام دادند تا نشان دهند چگونه می‌توانیم محدوده‌ای را که برای اعمال اثر یک سیاست در نظر گرفته‌ایم به نقطه مرز دو محدوده مورد نظر نزدیک کنیم. یکی از تکنیک‌های پرکاربرد در ارزیابی سیاست‌ها ناپیوستگی رگرسیونی است. در واقع ما بر اساس یک ویژگی یا مولفه جامعه، سعی می‌کنیم راه درمان تجویز کنیم و بعد ببینیم آیا این درمان می‌تواند روی بهبود عملکرد آن سیستم تاثیرگذار باشد یا نه. مثال کلاسیک آن در حوزه فقر و رفع محرومیت‌ها یا در حوزه آموزش به‌کار می‌رود. به این صورت که مثلاً اگر ما به بچه‌هایی که به مدرسه می‌روند و وضعیت درآمدی خانواده‌شان خوب نیست، کمک‌هزینه مالی بدهیم، آیا نمره‌هایشان بهبود می‌یابد یا خیر. در نتیجه سیاستی تعریف می‌کنیم که به آن بخشی از کودکان که خانواده‌هایشان درآمدهای کمتری دارند کمک‌هزینه داده شود و بعد عملکرد آنها با کودکانی که خانواده‌هایشان درآمدهای بیشتری دارند، مقایسه شود. مرز تصمیم‌گیری برای اینکه فرد شرایط این را دارد که ما به او کمک‌هزینه بدهیم یا نه، یک نقطه گسست در رگرسیون ایجاد می‌کند که اندازه‌گیری این گسست و بررسی معنا‌دار این گسست به لحاظ آماری نیازمند نوآوری‌هایی در رگرسیون‌های سنتی بود و بخش عمده دستاورد ایمبنز و انگریست هم معطوف به توسعه همین روش مهم است. معمولاً اینجا با شرایط اجرای آزمایشی یک سیاست قبل از اجرای اصلی آن سروکار داریم. اگر بخواهیم سیاست موردنظر را در مقیاس وسیع و در محیطی که مولفه‌های اجتماعی بسیار درهم‌تنیده است، اجرا کنیم، ممکن است دچار پیامدها و تبعات کنترل‌نشده شویم. درنتیجه منطقی است که ابتدا آن را در یک جامعه محدود به صورت پایلوت اجرا کرده و با ارزیابی آثار آن تصمیم بگیریم که آیا این سیاست می‌تواند در مقیاس وسیع و به صورت گسترده راهگشا باشد یا خیر. این رویکرد می‌تواند یک رویکرد تجربی باشد به این معنا که ما سیاست مدنظرمان را پیش از آنکه در کل جامعه به‌صورت گسترده اجرا کنیم، مورد ارزیابی قرار دهیم.

  نتایج عملی یا دستاوردهای این اقتصاددانان که در سیاستگذاری چه در سطح کلان و چه در سطح بنگاه مورد استفاده قرار گرفته یا می‌تواند به کار ما بیاید، چیست؟

 وصال:  این سه اقتصاددان مطالعات زیاد و کارهای فراوانی در حوزه علم اقتصاد انجام داده‌اند. یکی از مهم‌ترین مثال‌هایش بحث پیشبردهایی است که کارد و انگریست در حوزه تخمین بازدهی تحصیلی داشتند. ما برای اینکه بفهمیم چه میزان سرمایه‌گذاری در آموزش به‌صرفه است و باید چقدر برای آموزش هزینه کنیم که توجیه‌پذیر باشد، نیازمند دانستن این متغیر و این پارامتر هستیم که ببینیم هر یک سال بیشتر درس خواندن یا هر ارتقا در کیفیت تحصیل در نهایت چقدر بازدهی دارد. اما تخمین این بازده به‌غایت دشوار است. چرا؟ چون توانایی ذاتی افراد با یکدیگر متفاوت است، آنهایی که توانایی‌های بیشتر دارند احتمالاً بیشتر درس می‌خوانند و در بازار کار هم دستمزدهای بالاتری خواهند گرفت اما نه فقط به این دلیل که بیشتر درس خوانده‌اند. در واقع سوالی که ما باید به آن پاسخ بدهیم این است که اگر این آدم‌ها درس نمی‌خواندند دستمزدشان چقدر می‌بود و حالا که درس خوانده‌اند چقدر شده است. یعنی باید از مقایسه پیامد بالقوه بتوانیم نتیجه را به دست بیاوریم. انگریست و کروگر برای پاسخ به این پرسش، از قانون تحصیل اجباری در آمریکا استفاده می‌کنند. برابر این قانون افراد باید تا سن مشخصی در مدرسه باشند (که فکر می‌کنم در آمریکا 17 سال است) و به خاطر اینکه افراد در فصول مختلفی متولد می‌شوند، در زمان‌های متفاوتی به حد نهایی سن قانونی تحصیلی می‌رسند؛ در نتیجه برخی افراد در پایه آخر تحصیلی مشمول قانون نیستند و می‌توانند از تحصیل خارج شوند. این آستانه‌ای که قانون تحصیل اجباری ایجاد می‌کند، می‌تواند به ما این امکان را بدهد که پیامدهای بالقوه‌ای با استفاده از روش متغیر ابزاری (Instrumental Variable Approach) ایجاد کنیم. روش متغیر ابزاری می‌گوید این آستانه قانونی باعث می‌شود بعضی از افراد به خاطر فصل تولدشان اجازه خروج از مدرسه را پیدا کنند و در نتیجه میزان تحصیل آنها کمتر است، اما دیگران مجبورند در مدرسه بمانند و زمان بیشتری درس بخوانند. در نتیجه به خاطر قانون تحصیل اجباری، یک تغییر غیرقابل ‌کنترل از سوی افراد در سال‌های تحصیلی‌شان دیده می‌شود که می‌توان از طریق آن، ارتباط بین سال‌های تحصیل و دستمزد را مورد ارزیابی قرار داد. این ایده کلی متغیر ابزاری است که انگریست و کروگر در دهه 1990 از طریق آن بازدهی تحصیلی را تخمین می‌زنند. کارد هم در این زمینه مطالعات زیادی دارد و با پرداختن به ایده‌هایی دیگر برای متغیر ابزاری مثلاً فاصله محل سکونت فرد تا کالج، بازدهی آموزش را ارزیابی می‌کند. فاصله نزدیک فرد به کالج باعث می‌شود او راحت‌تر بتواند درس بخواند و در نتیجه سال‌هایی که به تحصیل می‌پردازد بیشتر خواهد بود. این متغیر ابزاری سال‌های تحصیل را تغییر می‌دهد اما روی پیامدهای دیگر اثر ندارد. همچنین انگریست و ایمبنز مقاله بسیار مهم دیگری دارند که روی مفهوم تخمین‌هایی که از روش متغیر ابزاری به‌دست می‌آید بحث می‌کند و می‌گوید اثر موضعی تیمار یا آن آزمایش چیست. وقتی ما با روش متغیر ابزاری اثر کمیت تحصیل روی دستمزد را تخمین می‌زنیم، در واقع صرفاً اثر متوسط روی دستمزد آن افرادی را تخمین می‌زنیم که تحت ‌تاثیر متغیر ابزاری ما قرار گرفته‌اند و نه برای کل جامعه؛ به‌طور مشخص برای افرادی که به خاطر قانون تحصیل اجباری، سال‌های تحصیلشان تغییر کرده این تخمین صورت می‌پذیرد، نه افرادی که بدون توجه به این قانون چند سالی درس می‌خواندند یا نمی‌خواندند. پس این متغیر ابزاری محدودیت‌هایی دارد که باید در تحلیل در نظر گرفته شود و نمی‌توان از پارامتر تخمین زده‌شده از این روش، یک تفسیر عام به دست داد. مقاله بسیار مهم تئوریک ایمبنز و انگریست در واقع این مفهوم را تشریح می‌کند. این اقتصاددانان مطالعات دیگری هم روی موضوع‌های مختلفی مانند آموزش نیروی کار دارند؛ اینکه مثلاً اگر دولت برای آموزش ضمن خدمت یا آموزش نیروی کار یارانه بدهد، چه تاثیری روی بهره‌وری نیروی کار و دستمزد آن می‌گذارد. اینجا هم با مساله تخمین پیامدهای بالقوه مواجهیم. افرادی که علاقه‌مندتر هستند و در این آموزش‌ها شرکت می‌کنند، احتمالاً در نبود آموزش‌ها هم علاقه‌مندی بیشتر و احتمالاً درآمد بالاتر دارند. اینکه بتوانیم اثر علاقه‌مندی را از اثر آموزش تفکیک کنیم کار دشواری است که می‌توان برای آن از ایده متغیرهای ابزاری استفاده کرد؛ یعنی عاملی را پیدا کنیم که روی دریافت آموزش اثرگذار است اما روی دستمزد این افراد اثر ندارد. در اقتصاد ایران مثال‌های متعددی برای چنین سیاست‌هایی داریم. برای مثال طرح وام‌های خوداشتغالی، بنگاه‌های زودبازده، طرح مسکن مهر یا انواع و اقسام مداخلات سیاستی که دولت در گذشته و حال در اقتصاد داشته و دارد، می‌تواند موضوع ارزیابی باشد و برای دولت هم بسیار مهم است که بداند این سیاست چه پیامدهایی داشته و اثر علی آن سیاست چه بوده است که بعد بتواند بیاید برای اصلاح و بهبود آن برنامه‌ریزی کند. متاسفانه ما از گذشته درس نمی‌گیریم چون به سمت ارزیابی این سیاست‌ها نرفتیم. هیچ‌گاه تلاش نشد که با روش‌های علمی واقعیت محقق‌نشده‌ای را بسازیم که مثلاً اگر وام نمی‌دادیم وضعیت بیکاری چه می‌شد؛ اگر راه‌آهن یا جاده نمی‌کشیدیم، رشد اقتصادی آن منطقه چه تغییری می‌کرد؛ اگر منطقه آزاد ایجاد نمی‌کردیم، صادرات و واردات چه می‌شد؛ و بعد ببینیم حالا که همه این کارها را کرده‌ایم چه نتیجه‌ای گرفته‌ایم. این روش‌های شناسایی علی به ما این اجازه را می‌دهد و اطلاعات بسیار مهم و ذی‌قیمتی را در اختیار سیاستگذار می‌گذارد.

 ملک‌الساداتی:  بسیاری از کارهای مهمی که در این حوزه انجام گرفته توضیح داده شد. اما مهم این است که ما بتوانیم از این روش‌ها سود ببریم و درس بگیریم و آموزه‌ها را در سیاستگذاری به‌کار بگیریم. سیاست‌هایی را که قبلاً اجرا شده، اگر ویژگی‌هایی دارد که این امکان را به ما می‌دهد به صورت پسینی ارزیابی کنیم و اگر سیاست‌ها جدید است، با طراحی آزمایش‌ها آن را تخمین بزنیم و در سیاستگذاری استفاده کنیم. یکی از حوزه‌هایی که به نظر من این آزمایش‌ها می‌تواند در آن به کار گرفته شود، حوزه سیاستگذاری برای کاهش فقر است. ما در کشور موسسات و نهادهای زیادی داریم که به‌صورت موازی و غیرهماهنگ با هم، همه در جهت کمک به طبقات محروم فعالیت می‌کنند، کمک‌های مردمی را جمع‌آوری می‌کنند و به گروه‌های فقیر تخصیص می‌دهند. اما اینکه چطور می‌توان کمک‌ها را به بهترین شکل برای خروج این افراد از تله‌های فقر هزینه کرد، نیازمند مطالعه جدی و دقیق است. بر اساس شواهدی که از استان خودمان، خراسان رضوی، در اختیار دارم، می‌دانم که کمک‌های زیادی از طریق نهادهایی مثل آستان قدس به اقشار ضعیف تخصیص پیدا می‌کند. اما باید به صورت آزمایشی بررسی کرد که این کمک‌ها به چه صورت می‌تواند برای تامین آینده افراد موثرتر باشد. مثلاً غذای رایگان در مدرسه ارائه شود، کمک نقدی تخصیص پیدا کند یا از راه‌های دیگری باید عمل شود. این مطالعات، نمونه‌های مشابه موفق زیادی در کشورهای مختلف دارد و می‌تواند به عنوان مدل و الگو مورد استفاده قرار گیرد. حوزه انرژی می‌تواند از زمینه‌های دیگر مطالعه باشد. با توجه به حساسیت‌های اجتماعی بالایی که در خصوص تغییرات قیمت حامل‌های انرژی وجود دارد، می‌توان ارزیابی کرد که آیا استفاده از روش‌ها و سیاست‌های غیرقیمتی، توجیه کردن مصرف‌کنندگان نسبت به تبعات اجتماعی یا تبعات اقتصادی کلان مصرف بی‌رویه‌شان می‌تواند کمک کند که مصرفشان را کاهش دهند یا خیر. یا اینکه سیاست‌های غیرقیمتی اگر می‌تواند موثر باشد، باید بر کدام نُرم‌های اجتماعی و بر کدام معیارها بیشتر تمرکز کند تا بتواند بیشترین کاهش را در مصرف حامل‌های انرژی نتیجه بدهد. هم‌چنین به نظر من به حوزه آموزش، کم پرداخته شده که باید بیشتر مورد توجه قرار گیرد. اعطای نوبل 2021 به این اقتصاددانان که در حوزه آموزش بسیار کار کرده‌اند نشان می‌دهد که حوزه آموزش چقدر اهمیت دارد. اقتصاددانان از حدود سال 1974 با بحث محاسبه نرخ بازدهی آموزش، کار در این حوزه را شروع کردند و ابتدا مینسر و بعد گری بکر مطالعاتی داشتند که به این مساله مهم پاسخ دهند که یک سال بیشتر درس خواندن چقدر می‌تواند برای فرد عایدی داشته باشد؟ چقدر می‌تواند به حقوقش اضافه کند؟ چقدر می‌تواند منفعت برایش داشته باشد؟ این خط سیر با مطالعات بعدی و بعدی تکمیل شد و روش‌های پاسخ دادن به این سوال هم متحول شد و تغییر کرد. مطالعاتی روی انواع درون‌زایی‌ها در محاسبه دقیق نرخ بازدهی آموزش تمرکز کردند و در واقع این دارد به ما نشان می‌دهد که پاسخ دادن به چنین سوال ساده‌ای چقدر اهمیت دارد. در کشور ما هم این می‌تواند موضوع مهمی باشد اگر به حوزه آموزشمان هم توجه کنیم و تخصیص کمک‌ها و یارانه‌ها روی بحث آموزش به این منوال انجام بشود.

  آیا پسینی بودن این روش‌ها را می‌توان به عنوان یک نقطه‌ضعف یا حلقه مفقوده برشمرد یا خیر؟

 وصال:  یادگیری یک چرخه دارد که طی آن ما می‌توانیم وضعیت خودمان را بهبود ببخشیم. نوبلیست‌های امسال مطالعات پسینی یا ارزیابی پس از وقوع را انجام داده‌اند. ارزیابی پیشینی یا پیش از وقوع نیازمند مدل‌سازی ریاضی و در نظر گرفتن سازوکارهایی است که در آن سیاست فعال هستند. به‌طور طبیعی برای این مدل‌سازی ما نیازمند مطالعات پیشینی از تجربه‌های قبلی هستیم که بتوان با آن آینده را قابل پیش‌بینی کرد. یعنی این مطالعات اگرچه گذشته را بررسی می‌کند اما به کار مطالعات پیشینی می‌آید و روابط بین مولفه‌ها و سازوکارها را تعیین می‌کند و به شکل کمّی به ما نشان می‌دهد. در واقع اگر سیاستگذاری و یادگیری را به صورت چرخه در نظر بگیریم، ما همیشه در حال امتحان سیاست‌ها و برنامه‌های جدیدی هستیم که بر اساس ادبیات و دانشی که در حوزه اقتصاد و سیاستگذاری وجود دارد، طراحی می‌شوند. برنامه طراحی‌شده به اجرا درمی‌آید و ما بر اساس روش‌های مشاهده‌ای یا آزمایش‌های تصادفی، ارزیابی پسینی انجام می‌دهیم تا بفهمیم که اجرای برنامه چه نتایج و تبعاتی در بر داشته است. از این نتایج درس می‌گیریم و در مرحله بعد یا در زمان بعدی برای اجرای مجدد یا گسترش آزمون از این درس‌ها استفاده می‌کنیم. این چرخه دائمی و همیشگی است و متوقف نمی‌شود. چون دانش ما در حال تکمیل و به‌روز شدن است و ما باید دائم در پی بهبود این روش‌ها باشیم. به همین دلیل است که در اغلب نهادهای سیاستگذار در اقتصادهای توسعه‌یافته واحدهای تحقیق و توسعه فعال هستند که هدفشان انجام همین مطالعات است. این واحدها بسیار به دانشگاه‌ها نزدیک هستند و غالباً اداره این واحدها در اختیار دانشگاهیان است تا چرخه یادگیری را تسریع کنند. اینکه ما می‌بینیم ناگهان یک سیاست در کل کشور انجام می‌شود بدون اینکه ارزیابی دقیقی از آن صورت گرفته یا به صورت آزمایشی در یک منطقه کوچک و قابل ارزیابی پیاده شده باشد، طبیعی است که نتایج خوبی هم نخواهیم گرفت. متاسفانه حتی بعد از پیاده‌سازی همین سیاست‌ها هم بررسی و ارزیابی درستی صورت نمی‌گیرد که برای دفعه‌های بعد تجربیات مدونی وجود داشته باشد که به کار بیاید. مثال بارز آن در اقتصاد ما پروژه‌های دولتی در بازار مسکن مانند مسکن مهر است. آیا هیچ پژوهشی از سوی سیاستگذار برای ارزیابی پروژه بزرگی مانند مسکن مهر صورت گرفته است که این سیاست توانست قدرت خرید خانوار را افزایش دهد یا خیر؟ اثرش روی بازار ساخت‌وساز مسکن توسط بخش خصوصی، روی قیمت املاک مجاور، روی بازار کار و همه متغیرهای دیگری که ممکن است از این طرح اثر پذیرفته باشد ارزیابی نشده است. در فقدان یک بررسی جامع باز هم دیده می‌شود که دولت‌ها تمایل به اجرای همان پروژه دارند، همان‌طور که قبل از مسکن مهر هم پروژه‌های مسکن‌سازی دیگری توسط دولت اجرا شده بود. اما هیچ اطلاعی در دست نیست که این پروژه‌ها هر کدام چقدر تاثیر مثبت و منفی داشته‌اند. یعنی هیچ درس‌آموخته‌ای وجود ندارد. اما باز هم همان پروژه‌ها دنبال و تکرار می‌شود. البته من به همراه یکی از همکاران مطالعه‌ای با موضوع اثر مسکن مهر روی قیمت خانه‌های مجاور انجام دادیم که یک اثر منفی را مشاهده کردیم. یعنی اجرای پروژه مسکن مهر باعث افت 8 تا 10درصدی املاک اطراف پروژه شده است. در واقع اجرای این پروژه دارایی افرادی را که در نزدیکی این پروژه خانه دارند و الزاماً افراد برخورداری نیستند، به دلایل مختلف کم می‌کند از جمله این دلیل که امکانات منطقه به اندازه کافی رشد نکرده؛ برای نمونه مدرسه به اندازه موردنیاز ساخته نشده است. در مناطقی که این امکانات زیرساختی وجود داشته، افت قیمت هم به شدت کمتر بوده است. در واقع از این جنس مطالعات باید زیاد و با محورهای مختلف انجام شود تا بتوان نتایج آن را جمع‌بندی کرد و در طراحی سیاست جدید مورد استفاده قرار داد.

 درس‌های مهم و آموزه‌های اصلی کارها و مطالعات این اقتصاددانان برای علم اقتصاد به‌طور کل و برای اقتصاد ایران به‌طور خاص، چه می‌تواند باشد؟

 وصال:  مساله بسیار مهم در این مقوله، فهم پیچیدگی روابط علی در علوم اجتماعی است؛ به این معنا که نباید تلاش بر ساده‌سازی و ساده‌انگاری آن داشته باشیم. در نبود مطالعات جدی و فهم درست از روابط علی، هر کسی می‌تواند ادعا کند که نتیجه مورد انتظارش از اجرای یک برنامه یا سیاست اتفاق افتاده است. برای مثال اگر شما در مورد تبعات و آثار اجرای سیاست مسکن مهر از افراد مختلف موافق یا مخالف سوال بپرسید، هر کدام از ظن خود تحلیل‌هایی دارند اما مادامی که مطالعه دقیقی مبتنی بر عدد و رقم و با استفاده از روش‌هایی که در اقتصاد انقلاب ایجاد کرده و بسط‌دهندگان آن نوبل گرفته‌اند، انجام ندهیم؛ نمی‌توان تمییز داد که چه کسی درست می‌گوید و چه کسی غلط. پس مطالبه عمومی باید این باشد که مطالعات درست و دقیقی انجام شود و سیاستگذار موظف باشد که سخنان مستند به مطالعات بگوید. نباید فضا این‌گونه باشد که افراد حرف‌هایی در تایید یا مخالفت با یکدیگر بیان کنند، بدون اینکه پشتوانه مطالعاتی داشته باشد. این سخنان مبتنی بر تئوری در این مورد کارایی ندارد و تحلیل‌ها باید مبتنی بر مطالعات آماری و تجربی باشد. مساله دوم اینکه ممکن است گاهی آمار هم در اختیار داشته باشیم اما به دلیل ناآشنایی با روابط علی صرفاً آمار را به شکلی ارائه بدهیم که دوست داریم. برای مثال فرض کنید در ارائه آمار مربوط به تورم، دو مفهوم تورم نقطه‌به‌نقطه یا تورم متوسط در طول 12 ماه موردنظر کاملاً متفاوت هستند. اما مهم است که بدانیم کدام شکل محاسبه، تصویر بهتری از کاهش قدرت خرید به دست می‌دهد. این بر عهده اقتصاددانان و کارشناسان حوزه است که این آگاهی را ایجاد کنند که کدام برداشت و تحلیل از آمارها درست است. مساله سوم ایجاد یک تقاضای عمومی برای در اختیار گذاشتن داده‌ها به صورت شفاف و آزاد است. بسیار پیش می‌آید که مطالعات ما به دلیل نبود داده محدود می‌شوند چون کسانی که داده‌ها را در اختیار دارند با لفظ محرمانه بودن از انتشار و دردسترس قرار دادن آنها امتناع می‌کنند. در حالی که این داده‌ها در واقع بیت‌المال است. بیت‌المال فقط منابع نقدی نیست، تجربه‌ای که با هزینه‌کرد منابع عمومی به دست آمده هم بیت‌المال محسوب می‌شود و باید داده‌ها و اطلاعات آن در اختیار محققان و پژوهشگران قرار گیرد تا تحلیل شود و از آن درس گرفته شود. داده‌ها نباید مهر محرمانه بخورد. مساله پایانی هم به نقد این روش‌ها برمی‌گردد. ببینید بسیاری از این مطالعات در مورد شناسایی روابط علی در مورد یک محیط مشخص است. اما اینکه تا چه اندازه می‌توان این محیط مشخص را به شرایطی که قرار است در آن سیاستگذاری صورت بگیرد، تعمیم داد، خود مساله پیچیده دیگری است. در واقع اعتبار درونی (Internal Validity) این روش‌ها پابرجاست اما اعتبار بیرونی (External validity) آنها لزوماً برقرار نیست. به این معنا که مثلاً مطالعه انگرست و کروگر که بازدهی تحصیلی را در آمریکا با استفاده از متغیر ابزاری قانون اجباری تحصیل تخمین زده است، نمی‌تواند به‌طور مستقیم برای ایران مورد استفاده قرار گیرد. حتی همان تخمین را به دلیل اثر موضعی آزمایش‌ها برای کل آمریکا هم نمی‌توان استفاده کرد. ما نیازمند فهم دقیق‌تری هستیم که چطور می‌توان نتایج این آزمایش را برای کل جامعه آمریکا یا یک جامعه دیگر به کار برد و تعمیم داد. اینجا نقش تئوری پررنگ می‌شود. اگر ما بتوانیم علاوه بر شناسایی اثر یک سیاست مشخص، مکانیسم‌های آن سیاست را هم شناسایی کنیم، قابلیت تعمیم آن بیشتر و گسترده‌تر خواهد بود. بر فرض مثال اگر محقق بتواند بفهمد چرا سال‌های تحصیل بیشتر به دستمزد بالاتر ترجمه می‌شود، آیا به خاطر مدرکی است که دریافت می‌کنند، به دلیل توانایی بالاتری است که به دست می‌آورند یا دلایل دیگری دارد، آن‌وقت بهتر می‌توان به محیط دیگری برد و مورد استفاده قرار داد. در واقع یک جبهه دیگر در علم اقتصاد وجود دارد که می‌گوید روش‌های شناسایی علی محدودیت زیادی در تعمیم به محیط‌های خارج از خود مطالعه دارد که مساله بسیار مهمی است.

 ملک‌الساداتی:  در کشور ما متاسفانه اشکال‌های مهمی در نظام آماری وجود دارد. در واقع نظام آماری ضعیف است و از بخش تحقیق و پژوهش پشتیبانی نمی‌کند. یعنی بخش وسیعی از اطلاعات و آمار در کشور ما در دسترس نیست. متاسفانه به غلط یک نگاه امنیتی بر آمارها حاکم شده است چون یک دیدگاه اشتباه وجود دارد که اگر در ارزیابی و بررسی مطالعاتی مشخص شود که سیاست اتخاذ‌شده اثر ضعیفی داشته به معنای کوتاهی آن وزارتخانه یا دستگاه مجری در عملکرد خودش است. به همین دلیل سخت‌گیری در ارائه آمار و داده‌ها به تدریج به ابزاری برای پنهان کردن ناکارآمدی‌ها تبدیل شده است. این نگاه باید عوض شود و اگر چنین تغییری رخ ندهد ما هیچ‌گاه به مرحله انجام چنین مطالعات و تحقیقاتی نخواهیم رسید. مساله دوم اینکه باید سطح کارشناسی در جامعه سیاستگذار و تصمیم‌گیر توسط جامعه علمی کشور با مطالبه‌گری بالا برده شود. بسیاری اوقات در اخبار روزمره می‌بینیم که سطح تحلیل‌ها بسیار پایین مانده و درک ما از تغییر یک شاخص خطی و در مورد جهت تغییر است. در حالی که جهت تغییر مهم نیست بلکه اندازه تغییر است که اهمیت دارد. برای مثال اگر سیاستی حجم نقدینگی را افزایش می‌دهد باید بدانیم هر یک درصد افزایش چه اندازه تورم را در کشور بالا خواهد برد. آثار سیاست‌ها باید قابل اندازه‌گیری شود. مطالبه دیگری که باید شکل بگیرد این است که قبل از اعتماد به ادعای سیاستگذار باید از او خواست که استناد علمی و کارشناسی و کار آزمایشی آن سیاست را ارائه کند. در کشور ما امکانات کافی برای مطالعات با روش علی وجود ندارد. ضمن اینکه در کشوری مانند ایالات متحده به دلیل فدرال بودن، زیاد پیش می‌آید که یک ایالت یک سیاست را به اجرا بگذارد در حالی که ایالت دیگری که فضای اجتماعی و فرهنگی مشابهی دارد آن سیاست را اجرا نکند، در نتیجه فرصت مناسبی برای پژوهشگران به‌وجود می‌آید اما در کشور ما که سیاستگذاری متمرکز است و شامل همه کشور می‌شود، کمتر فرصت مقایسه فراهم می‌شود.