Letzte Woche die Königlich Schwedische Akademie der Wissenschaften angekündigt die Gewinner des Nobelpreises für Wirtschaftswissenschaften, der offiziell als Sveriges Riksbank Prize in Economic Sciences in Memory of Alfred Nobel bekannt ist. Die drei Gewinner waren Abhijit Banerjee und Esther Duflo von M.I.T. und Michael Kremer von Harvard. Ihr besonderer Beitrag bestand darin, experimentelle Methoden zu verwenden, um die Wirksamkeit kleiner politischer Interventionen zu untersuchen, die dazu beitragen sollen, das Leben einiger der ärmsten Bürger der Welt zu verbessern. Der Nobelpreis würdigt sowohl den Einsatz einer leistungsstarken Forschungstechnik durch die Gewinner als auch ihre Anwendung dieser Technik auf einige der dringendsten politischen Probleme der Welt.
Die von den drei Gewinnern angewandte spezielle experimentelle Methode wird als randomisierte kontrollierte Studie oder RCT bezeichnet. Die entscheidende Zutat, die randomisierte Studien von anderen Forschungsmethoden unterscheidet, ist die zufällige Zuordnung der Behandlungen zu den an einem Forschungsprojekt beteiligten Personen, Orten oder anderen Untersuchungsobjekten. In einer typischen Beobachtungsstudie weisen Analytiker den Personen, deren Verhalten oder andere Merkmale das Thema sind, keine Behandlung zu. Stattdessen sammelt der Analytiker Informationen über eine Stichprobe von Personen und versucht, Schlussfolgerungen über die Auswirkungen natürlich vorkommender Umwelt- oder Richtlinienunterschiede zu ziehen, von denen angenommen wird, dass sie das Verhalten oder die Ergebnisse der Stichprobenmitglieder beeinflussen.
Bei der einfachsten Art von RCT wird eine Stichprobe von Personen oder Dörfern in eine Studie aufgenommen. Der Analytiker ordnet einen Teil der eingeschriebenen Stichprobe nach dem Zufallsprinzip einer Sonderbehandlung zu, beispielsweise der Berechtigung für kostenlose Moskitonetze. Der Rest der Probe wird in eine Kontroll- oder Nullbehandlungsgruppe aufgenommen. Personen oder Dörfer in der Kontrollgruppe sind nicht berechtigt, die getestete Behandlung zu erhalten. Um festzustellen, ob und inwieweit die kostenlosen Moskitonetze das Wohlbefinden der Personen in der Sonderbehandlungsgruppe beeinträchtigt haben, sammelt der Analytiker Folgeinformationen über die Ergebnisse in den beiden Gruppen und schätzt dann den Unterschied in den Ergebnissen zwischen den beiden Gruppen. In dem gerade beschriebenen Beispiel möchte der Analytiker möglicherweise die Auswirkung des Angebots kostenloser Moskitonetze auf das Auftreten von durch Moskitos übertragenen Krankheiten in den ein oder zwei Jahren nach dem ersten Angebot der kostenlosen Moskitonetze bestimmen.
In einer typischen Beobachtungsstudie ohne zufällige Zuordnung könnte der Forscher nahegelegene Dörfer finden, die sich in der Verwendung von Moskitonetzen unterscheiden. Um die Wirkung von Moskitonetzen zu bestimmen, schätzt der Analyst dann die Wirkung von beispielsweise 10 Prozentpunkten Unterschied bei der Verwendung von Moskitonetzen in Dörfern mit hoher Auslastung im Vergleich zu Dörfern mit geringer Auslastung. Für viele Zwecke kann diese Art von Schätzung nützliche Informationen liefern. Es sagt uns jedoch nicht unbedingt, ob eine höhere Nutzung von Netzen den Unterschied bei durch Mücken übertragenen Krankheiten verursacht hat. Dörfer mit Bewohnern, die gewissenhaft Moskitonetze verwenden, können auch andere hygienische Praktiken sorgfältig befolgen. In diesem Fall könnte der Unterschied in der Krankheitshäufigkeit zwischen Dörfern mit hoher und niedriger Auslastung teilweise auf andere Unterschiede zwischen den beiden Dorfarten zurückzuführen sein. Die zufällige Zuweisung von Dörfern in die kostenlose Netzbehandlung verringert das Risiko, einen falschen Schluss zu ziehen, ob der verstärkte Einsatz von Netzen die Krankheitsreduktion bewirkt hat. Darüber hinaus kann es unsere Unsicherheit über die genauen Auswirkungen einer breiteren Verwendung von Moskitonetzen verringern. Ebenso wichtig ist, dass es uns die Auswirkungen der Bereitstellung kostenloser Netze auf die Nutzung von Netzen unter den Dorfbewohnern aufzeigen kann.
Seit Mitte der 1990er Jahre haben Banerjee, Duflo und Kremer eine Reihe von RCTs entwickelt, die darauf abzielen, praktische, kosteneffektive Maßnahmen zu entdecken, die die Gesundheit verbessern, die Schulbildung fördern oder die Produktivität armer Dorfbewohner in Entwicklungsländern steigern können. In vielen Fällen haben die Studien ein anspruchsvolleres Design als die oben beschriebene einfache RCT. In allen Fällen sollen die Experimente jedoch die Verhaltensentscheidungen einiger der ärmsten Bürger der Welt beleuchten, um zu erfahren, wie politische Maßnahmen zur Verbesserung von Bildung, Gesundheit und anderen Ergebnissen gestaltet werden können. Fast ein Jahrzehnt vor der Verleihung des Nobelpreises verteidigte Esther Duflo ihre Methoden in einem kurzen Brief klar und ansprechend TED-Gespräch das ist noch sehenswert.
wann hat henry hudson erforscht?
Vor und nach der Verleihung des Nobelpreises wurden Duflo und ihre Kollegen für die angeblichen Schwächen kritisiert, sich in ihrer Forschung so stark auf RCTs zu verlassen. Eine häufige Klage ist, dass sie sich durch das Vertrauen auf diese Forschungsmethode gezwungen sehen, sich auf kleine Probleme zu konzentrieren, wie die Abwesenheit von Lehrern vom Klassenzimmer oder die korrekte Preisgestaltung von Moskitonetzen. Manche sagen, es wäre besser, wenn sich gute Ökonomen mit umfassenderen politischen Fragen befassen, die einen größeren Teil der Bevölkerung in Entwicklungsländern betreffen. In der Tat, am Tag nach der Bekanntgabe der diesjährigen Auszeichnung durch die Königliche Schwedische Akademie, sagte der Ökonom der Hoover-Institution David Henderson schnupperte, dass die Nobelpreisträger zu niedrig ansetzten, indem sie sich auf Probleme mit kleinen Bohrungen konzentrierten.
Die richtige Antwort auf Hendersons Einwand ist, dass die Antworten auf kleine Fragen dennoch wichtige Konsequenzen für das menschliche Wohlbefinden haben können. In ihrem TED-Vortrag erwähnt Duflo eine kostengünstige experimentelle Intervention in indischen Dörfern, die die Impfrate von Kindern von 6 Prozent auf 38 Prozent erhöht hat. Die Tatsache, dass dieses Ergebnis in einer randomisierten Studie erzielt wurde, bedeutet, dass der Befund von den meisten Sozialwissenschaftlern mit ungewöhnlichem Respekt behandelt wurde, die die Schätzungen für glaubwürdig hielten. Das experimentelle Design und die Ergebnisse waren auch für die meisten Nichtwissenschaftler leicht zu verstehen und zu glauben. Infolgedessen waren politische Entscheidungsträger möglicherweise eher geneigt, auf die Ergebnisse des RCT zu reagieren. Dies ist möglicherweise der wichtigste Vorteil randomisierter Studien aus politischer Sicht.
Wissenschaftler, die mit empirischer Ökonomie nicht vertraut sind, haben möglicherweise den Eindruck, dass RCTs in den Wirtschaftswissenschaften vor den 1990er Jahren unbekannt waren, als Banerjee, Duflo und Kremer damit begannen, dieses Werkzeug in ihrem Forschungsprogramm zu verwenden. Tatsächlich war das erste groß angelegte RCT das Experiment mit garantiertem Einkommen in New Jersey, das Ende der 1960er Jahre begann. Dem Experiment in New Jersey folgten bald drei weitere Experimente mit garantiertem Einkommen sowie andere groß angelegte RCTs, in denen Wohngeldpläne, verschiedene Krankenversicherungssysteme, Rehabilitationsprogramme für Gefängnisse, Strompreise zu Tageszeiten und Mitarbeiterschulungen getestet wurden. Bis Mitte der 1990er Jahre waren mehr als 1,5 Milliarden US-Dollar (in heutigen Dollar) war für wirtschaftliche Experimente ausgegeben worden.
Die Ergebnisse einiger der frühen groß angelegten Experimente werden immer noch in der Politikanalyse verwendet. Zum Beispiel die Erkenntnisse aus der Krankenversicherungsexperiment weiterhin nützlich sein, um die Auswirkungen höherer oder niedrigerer Versicherungszuzahlungssätze auf die Nachfrage der Verbraucher nach Gesundheitsdienstleistungen vorherzusagen. Sollte der Kongress jemals ernsthaft ein universelles Grundeinkommen in Erwägung ziehen, wie es der Präsidentschaftskandidat Andrew Yang vorgeschlagen hat, werden Haushaltsanalysten mit ziemlicher Sicherheit auf die Experimente mit garantiertem Einkommen um Hilfe bei der Vorhersage der Auswirkungen verschiedener Grundeinkommensregelungen auf das Arbeitsverhalten von Amerikanern mit niedrigem Einkommen.
Uhren gehen vorwärts 2019
Kritiker von RCTs haben Recht, uns vor den Grenzen dieses entscheidenden Bewertungsinstruments zu warnen. Wenn ein Experiment mit zufälliger Zuweisung nicht durchführbar ist oder wahrscheinlich statistische Ergebnisse liefert, die zu ungenau oder unvollständig sind, um nützliche Antworten auf unsere politischen Fragen zu geben, sollten wir uns einer anderen und besseren Forschungsstrategie zuwenden (sofern verfügbar). Die Forschungsergebnisse von Banerjee, Duflo und Kremer zeigen jedoch, dass in vielen Fällen die Vorteile von Experimenten mit zufälliger Zuordnung die vermeintlichen Nachteile bei weitem überwiegen.