Hogyan értékeljünk gazdaságpolitikát szakszerűen? (1. rész)

Kijárási tilalom, határzár, hitelmoratórium, bértámogatás és még sorolhatnánk a járványra adott szakpolitikai válaszokat. Közgazdászként pedig gyakran hallhatjuk nem szakmabeli ismerőseinktől a kérdéseket: ez most jó vagy rossz, kevés vagy sok? Enyhíteni fogja-e a recessziót a bértámogatási program?

Ebben a kétrészes posztban azt az eszköztárat mutatom be, amihez egy közgazdász nyúlhat, ha ilyen típusú kérdésekre szeretne felelősségteljes választ adni.[1] Az első részben az elvi alapokat fektetem le, a konkrét technikák bemutatására pedig a második részben kerítek majd sort. [2]

Az ideális kísérlet, ami sosem valósulhat meg

Hogyan tudnánk eldönteni minden kétséget kizáróan, hogy mérsékli-e a recessziót egy bértámogatási program?[3] Leginkább egy kísérlettel. Tegyük fel, hogy olyan kísérletet tervezünk, amilyet csak akarunk úgy, hogy még a fizikai törvényei sem gátolhatnak minket! Rendben, akkor elsőként hozzunk létre egy alternatív valóságot, mondjuk egy párhuzamos univerzumban, ahol minden pontosan úgy történik, mint a saját valóságunkban! Ezután vezessük be a bértámogatási programot, de csak a saját valóságunkban. A program hatását pedig egyszerűen kiszámolhatjuk, ha vesszük a GDP különbségét a két valóságban a program bevezetése után mondjuk egy évvel. Ha kevésbé csökkent a GDP nálunk, akkor az a beavatkozásnak köszönhető.

De mi értelme van ilyen képtelen kísérleteken gondolkozni? Ha tényleges választ szeretnénk kapni a feltett kérdésünkre, akkor kelleni fog egy végrehajtható recept is. Egy ilyen gondolatkísérlet végig játszása ugyanakkor mégis nagyon hasznos, mert a végrehajtható vizsgálatunk megtervezésekor ezt akarjuk majd a lehetőségeinkhez mérten minél hűségesebben imitálni.[4]

Kontrollált kísérletek

Az első megvalósítható receptet randomizált kontrollált vizsgálatnak (randomized controlled trial, röviden RCT) hívják. Úgy működik, hogy a párhuzamos univerzumot valóságból vett alanyokkal „játszatjuk el”. Az eredeti példánknál maradva vegyünk egy csokornyi gazdaságot. Például az EU országait, vagy az USA államait. Ezután véletlenszerűen osszuk két csoportra őket, és csak az egyik csoportban vezessük be a bértámogatási programot, a másikban ne. Az első csoportot kezelt, a másodikat kontroll csoportnak szokás nevezni, míg a beavatkozást kezelésnek. [5]

A véletlenszerű kiválasztás nagyon fontos! Ez biztosítja, hogy a két csoport mindenben hasonló legyen, ahogy gondolatkísérletünkben a két párhuzamos valóság is az volt. Tökéletes hasonlóság persze nem lesz, de emiatt a két csoport közötti bármi nemű különbség függetlenné válik attól, hogy melyik gazdaság kerül kezelt és melyik a kontroll csoportba.

A különbségek-különbsége módszerének illusztrációja

A hatás kiszámolása ebben az esetben már nem lesz annyira egyszerű, mint az előbb. A különbségek-különbsége módszeréhez kell folyamodnunk.[6] Segítségképp nézzük a mellékelt ábrát, ahol a vízszintes tengely az időt, a függőleges pedig a GDP szintjét méri. A kék vonalak mutatják a bértámogatást bevezető kezelt csoport átlagos GDP-ét, míg a vörös szaggatott a kontroll csoportét. Ha csak a kezelés utáni teljes különbséget (B) tulajdonítanánk a bértámogatás hatásának, mint a gondolatkísérletben, akkor tévednénk. A két csoport között ugyanis lehetett valamekkora különbség a kezeléstől függetlenül is. Ezt az eleve meglévő különbséget (A) távolítja el B-ből a különbségek-különbsége. Tehát a kezelés hatását az ábrán B-A adja.

Problémák és kitekintés a megoldások felé

Ebben a módszerben tehát az a trükk, hogy megfelelő körülményeket teremtve imitálni tudjuk a párhuzamos univerzumot. Azonban teljes joggal felmerülhetett számtalan aggály az olvasóban a fenti példával kapcsolatban. Az egyik ilyen, hogy az egyes gazdaságok nem függetlenek egymástól, például mert kereskednek egymással, a szomszédok valószínűleg sokkal intenzívebben is, mint a távoliak. Így egyáltalán hihető lesz-e az összehasonlítás a kezelt és a kontroll csoport gazdaságai között? Valóban, a kezelt gazdaságok támogatási programjai feltételezhetően hatni fognak a kontroll gazdaságokra is valamilyen közvetett csatornán. Így a különbségek-különbsége módszer nem a bérprogram tiszta (torzításmentes) hatását fogja megmérni.

Felmerülhetett az is, hogy vajon mennyire etikus egyes embereket véletlenszerűen kiválasztani támogatásra, míg másokat szándékosan magukra hagyni pusztán annak érdekében, hogy legyen egy pontos mérésünk egy szakpolitika hatásáról. Továbbá felvetődhet az is, hogy egy ilyen kísérletnek elképesztően magas lenne a költsége, amit a tudományos érdeklődés önmagában biztosan nem indokolna.

Ezek mind olyan aggályok, amik miatt a közgadaságtudományban csak nagyon korlátozott körülmények között alkalmazható a kontrollált kísérletek módszere. Az itt felsorolt problémák kezelésére azonban az elmúlt évtizedekben más tudományokkal is karöltve kifejlődött néhány alternatív módszer. Ezek általános jellemzője, hogy valamilyen leleményes trükkel megválaszolhatóvá teszik az olyan kérdéseket, mint amit példánkban is végigkövettünk, nevezetesen, hogy egy bértámogatási program enyhítheti-e a recessziót. Ezeket a módszereket mutatom be bejegyzésem második részében.

Rácz Olivér

Vezető közgazdasági elemző, MNB

Rácz Olivér 2009-ben végzett a Budapesti Corvinus Egyetemen. Még abban az évben elkezdett dolgozni a Magyar Nemzeti Bankban, a Közgazdasági főosztályon munkaerőpiaci elemzőként. 2014-ben kezdte el PhD tanulmányait a Közép-európai Egyetemen, 2015-től három évig a PADS/PADE alapítvány ösztöndíjasa volt. 2019-ben egy trimesztert a Cambridge-i egyetemen töltött vendég phd hallgatóként. Kutatási területe a termelési-hálózatok (production networks).

A poszt második része itt olvasható.

Hivatkozás:

Angrist, J. D., & Pischke, J. S. (2008). Mostly harmless econometrics: An empiricist’s companion. Princeton university press.

[1] Ez az eszköztár nem csak a közgazdászok sajátja. Az itt bemutatott módszerek más tudományterületekkel együttműködve fejlődtek ki. Ráadásul könnyű általánosíthatósága okán sok egyéb szakma is alkalmazza ezeket.

[2] Akit mélyebben is érdekel az ilyesmi, forgassa Joshua Angrist és Jörn-Steffen Pischke (2008) Mostly Harmless Econometrics című könyvét!

[3] A program részletei ebben a pontban nem lényegesek, az egyes módszerek bemutatásakor azonban erre egyes esetekben kitérek.

[4] Angrist és Pischke (2008) könyvük bevezetőjében azt is megjegyzik, hogy sokkal nagyobb eséllyel fogunk tudni megválaszolni egy olyan kérdést megfigyelési adatokon, amivel kapcsolatban meg tudjuk tervezni ezt az idealisztikus gondolatkísérletet.

[5] A kontrollcsoporton végrehajtott méréseinket szokás tényellentétesként, angolul counter factual-nak nevezni. A közgazdaságtanban ezt a módszert laboratóriumi és helyszíni kísérletek esetén szokták alkalmazni. Előbbi elterjedt a viselkedési közgazdaságtanban, utóbbit a fejlődésgazdaságtanban alkalmazzák előszeretettel.

[6] Angolul difference-in-differences, rövidebben diff-in-diff vagy DiD. Bővebben ezen a linken.

Főoldali kép forrása: pixabay.com