Гвидо Имбенс, Guido Imbens (1963 -)
К
началу XXI в. основная задача практически любой работы с данными в
любой науке — установить причинно-следственные связи. Не определив, что
является причиной, а что — следствием, невозможно полноценно оценивать
результаты осуществляемой политики или обсуждать какие-то реформы.
Проблема в том, что если корреляцию между переменными установить
относительно просто, то выявить причинно-следственную связь может быть
очень сложно. В экономической науке задачи выявления связей и
направлений зависимости особенно сложны — лабораторные эксперименты,
которые дают ответы на множество вопросов в естественных науках, прежде
всего в биомедицине, экономистам помогают мало. Ключевая сложность
состоит в том, что объектами экономических экспериментов выступают люди;
их поведение в условиях эксперимента и в реальной жизни может
принципиально отличаться именно потому, что они рационально делают
различие между экспериментом и реальной жизнью. А возможности проводить
эксперименты так, чтобы их участники сами не осознавали, что они
участвуют в эксперименте, достаточно редки. Неудивительно, что в
экономической науке область применения полноценных рандомизированных
экспериментов ограничена: специалисты по эмпирической поведенческой
экономике проводят лабораторные эксперименты, в которых участники
вовлечены в стратегические взаимодействия, специалисты по экономике
развития проводят «полевые эксперименты», добавляя рандомизированную
компоненту к различным правительственным программам.
Важный
результат ранних работ лауреатов 2021 г. состоит в том, что поиск
«естественных экспериментов» (квазиэкспериментов) стал стандартной
процедурой для экономистов. Квазиэксперименты, предложенные Кардом в
конкретных контекстах — изменение минимальной заработной платы или
иммиграция в Майами кубинцев, стали образцом для огромного множества
исследователей. Недостаточно найти в море данных ситуацию, которую можно
интерпретировать как эксперимент. Кард показал, как практически
использовать методы анализа данных, позволяющие выделять причину и
следствие в ситуациях, когда теоретически возможно влияние в обе
стороны. Использование в качестве квазиэкспериментов аналогичных
ситуаций в других странах и тех же самых инструментальных переменных
позволило получить ответы в конкретных контекстах других стран. Важность
работ двух других лауреатов 2021 г. — Ангриста и Имбенса — связана с
тем, что даже самый тщательный поиск хорошего естественного эксперимента
все равно не даст аналога для идеального рандомизированного
эксперимента. Ангрист и Имбенс сформулировали фундаментальные требования
к исследуемым данным, при выполнении которых можно получить
содержательные оценки и в отсутствие идеальной независимой рандомизации.
Хороший квазиэксперимент может быть недоступен. Современный учебник
анализа данных (Angrist, Pischke, 2008) открывается классическим
примером. Казалось бы, естественный вопрос: если отправить ребенка в
школу на год раньше, как это скажется на его будущих успехах? Многие
родители хотели бы знать ответ на этот вопрос. Более того, многим
родителям кажется, что они этот ответ знают. Глядя на высокую корреляцию
между ранним поступлением ребенка в школу и его будущими достижениями,
родители заключают: в этом есть смысл. Это, конечно, типичный пример
ситуации, когда корреляцию принимают за причинно-следственную связь.
Возможно, и даже — по косвенным признакам — вероятно, что эта корреляция
определяется наличием ненаблюдаемых переменных (таланта, усидчивости,
послушания), которые одновременно повышают вероятность того, что ребенок
пойдет в школу рано, и вероятность того, что он будет получать отличные
оценки и разные награды в будущем. А ведь если причинно-следственной
связи нет, если дело действительно в ненаблюдаемых переменных, то
родителям ребенка, в среднем, не следует отдавать ребенка в школу рано!
Идеальный эксперимент, позволяющий ответить, есть причинноследственная
связь или ее нет, потребовал бы полностью случайного разделения всех
детей на «экспериментальную» и «контрольную» группы. Конечно, в реальном
мире никакие родители не согласятся на рандомизированный выбор
жизненной траектории для своего ребенка, так что полноценный
рандомизированный эксперимент невозможен. Более того, и
квазиэксперимента, в котором соблюдались бы базовые требования,
гарантирующие получение несмещенной оценки, пока найти не удалось. (См.
К.И. Сонин. Вместо лаборатории: анализ данных естественных экспериментов)
См. также:
Guido W. Imbens. Prize Lecture
Guido Imbens (Google Scholar)
The Vita of Guido Wilhelmus Imbens
К. И. Сонин.
Вместо лаборатории: анализ данных естественных экспериментов
Joshua D. Angrist, Jörn-Steffen Pischke. Mostly Harmless Econometrics: An Empiricist's Companion
Joshua Angrist, David Card, and Guido Imbens Awarded 2021 Nobel Prize (NBER)
Susan Athey, Mohsen Bayati, Guido Imbens and Zhaonan Qu.
Ensemble Methods for Causal Effects in Panel Data Settings
Susan Athey, Mohsen Bayati, Nikolay Doudchenko, Guido Imbens, Khashayar Khosravi. Matrix Completion Methods for Causal Panel Data Models
Guido W. Imbens (UBS)
Координация материалов.Экономическая школа
Комментариев нет:
Отправить комментарий