NOBEL 2021
Un Nobel per l’economia agli esperimenti naturali

Prendere una decisione corretta comporta conoscere le conseguenze delle proprie scelte. Operazione difficile quando ci si deve affidare all’osservazione di dati non sperimentali provenienti dal mondo reale. I premi Nobel 2021 per l’economia David Card, Joshua Angrist and Guido Imbens hanno mostrato che è possibile, attraverso i cosiddetti “esperimenti naturali”, cioè situazioni che si presentano nella vita reale ma permettono di identificare relazioni causa-effetto come nei trial clinici

Giovanna Vallanti
Giovanna-Vallanti


Il Nobel per l’Economia 2021 è stato assegnato a David Card, Joshua Angrist and Guido Imbens. I tre economisti hanno sviluppato e applicato a questioni di grande rilevanza per la società un nuovo metodo empirico tramite il quale è possibile identificare relazioni di causa effetto utilizzando dati osservazionali.

Attraverso i loro lavori, Card, Angrist e Imbens (da sinistra, nell’illustrazione) hanno contributo in maniera incisiva all’utilizzo di metodi sperimentali, assimilabili agli esperimenti di laboratorio, nelle scienze sociali.
Prendere una decisione corretta comporta conoscere le conseguenze delle proprie scelte. Questo vale sia per gli individui che per i responsabili delle politiche pubbliche: un individuo che investe in istruzione vuole conoscere l’effetto di tale scelta sulla sua condizione occupazionale futura, così come il policy maker vuole sapere gli esiti degli interventi di policy e la loro capacità di produrre risultati nella direzione voluta. Ne consegue che lo studio della relazione causa effetto tra eventi, azioni e processi è centrale nell’analisi dei fenomeni economici e sociali.

Tuttavia, stabilire una relazione di causa effetto non è semplice se non in circostanze del tutto particolari. Il modo più immediato di misurare un effetto causale tra variabili è quello di utilizzare dati ottenuti attraverso un esperimento controllato randomizzato. È questo il caso degli esperimenti di laboratorio, nei quali, all’interno della popolazione oggetto dell’esperimento, è possibile individuare in maniera casuale un gruppo che è sottoposto al trattamento (gruppo trattato) e un gruppo che invece non lo è (gruppo di controllo).

L’esperimento si dice randomizzato se il trattamento è attribuito in maniera casuale; la randomizzazione garantisce che non vi siano altre cause che abbiano influito sull’attribuzione del trattamento stesso, le quali potrebbero rendere inaffidabile la misurazione dell’effetto.

Se esperimenti di questo tipo sono comuni nelle scienze dure, per esempio nei trial clinici per la sperimentazione di nuovi farmaci, in pratica, nello studio dei fenomeni sociali, gli esperimenti controllati randomizzati sono rari, sia per problemi etici (non è possibile, per esempio, scegliere ex ante i bambini a cui consentire di continuare gli studi e quelli a cui non dare la medesima opportunità) sia perché i loro costi sono spesso elevati.

Quando non è possibile condurre un esperimento controllato randomizzato, ci si deve necessariamente affidare all’osservazione di dati non sperimentali provenienti dal mondo reale. Ma con i dati osservazionali sorge un problema di identificazione fondamentale: nella maggior parte dei casi la causa sottostante a qualsiasi correlazione rimane non identificata.

I premi Nobel 2021 per l’economia David Card, Joshua Angrist and Guido Imbens hanno mostrato con la loro ricerca che è possibile identificare una relazione di causalità tra variabili (o eventi) anche utilizzando dati osservazionali. La risposta dei tre economisti al problema di identificazione delle relazioni causa effetto usando dati non di laboratorio sono i cosiddetti “esperimenti naturali”, situazioni che si presentano nella vita reale e che sono per molti aspetti assimilabili a esperimenti controllati randomizzati.

Questi esperimenti naturali sono dovuti al manifestarsi di eventi casuali quali accadimenti naturali (es. la pandemia COVID), cambiamenti nelle regole istituzionali che governano i mercati (es. cambiamento del salario minimo) o cambiamenti politici, che portano a gruppi di individui ad essere trattati in modo diverso da altri individui. Gli esperimenti naturali quindi, attraverso una sorta di randomizzazione involontaria che divide le persone in gruppi di controllo e di trattamento, si prestano all’identificazione di possibili relazioni casuali in una maniera concettualmente simile a quanto accade nei trial clinici in medicina.

Utilizzando esperimenti naturali, David Card nei suoi studi dei primi anni ’90 (molti dei quali condotti insieme al collega Alan Kruger recentemente scomparso) ha mostrato, tra le altre cose, che un aumento del salario minimo non porta necessariamente a meno posti di lavoro, che gli effetti dell’immigrazione sui lavoratori nativi non sono necessariamente negativi e che investire risorse pubbliche in istruzione e scuole migliori comporta benefici economici futuri rilevanti per gli studenti.

Usiamo un esempio concreto per illustrare come funziona un esperimento naturale partendo proprio da un lavoro del 1992 di Card e Kruger sui benefici economici prodotti da un incremento delle risorse destinate a migliorare la qualità delle scuole sugli studenti una volta entrati nel mercato del lavoro1.

Ricerche precedenti suggerivano che la relazione tra l’aumento delle risorse da un lato e il rendimento scolastico e le opportunità del mercato del lavoro dall’altro fosse debole. Tuttavia, tale risultato non teneva conto della possibilità che le risorse venissero indirizzate proprio su quelle scuole (o aree geografiche) dove la qualità delle scuole era peggiore e quindi i risultati di apprendimento erano bassi e le condizioni del mercato del lavoro meno vantaggiose.

Tale allocazione compensativa delle risorse pubbliche verso scuole o aree geografiche più deboli, andava a indebolire il possibile effetto positivo della politica sui risultati di apprendimento e lavorativi degli studenti. Per poter identificare correttamente l’effetto, David Card e Alan Krueger hanno confrontato i rendimenti dell’istruzione per individui che vivevano nello stesso stato degli Stati Uniti, ma che erano cresciute in stati diversi – per esempio, persone che erano cresciute in Alabama o in Iowa, ma che ora vivevano in California.

L’ipotesi di identificazione causale dell’effetto era dunque che due individui con il medesimo livello di istruzioni ed entrambi trasferiti in California fossero tra loro comparabili. Quindi, se per questi due individui i rendimenti dell’istruzione (in termini di salario) differivano, questo era dovuto al fatto che l’Alabama e l’Iowa avevano investito diversamente nei loro sistemi educativi. Card e Krueger hanno così stimato empiricamente che le risorse finanziarie destinate al sistema educativo sono importanti: i rendimenti sull’istruzione aumentano con la densità degli insegnanti nello lo stato in cui gli individui erano cresciuti.

Gli esperimenti naturali differiscono dagli esperimenti di laboratorio su un aspetto cruciale: in un trial clinico, per esempio, il ricercatore ha il controllo completo sul gruppo di individui che vengono trattati (il gruppo di trattamento) e di coloro ai quali non viene offerto il trattamento (il gruppo di controllo). In un esperimento naturale, il ricercatore ha semplicemente accesso ai dati (caratteristiche) degli individui che fanno parte del gruppo trattato e di controllo, ma, a differenza del trial clinico, vi sono circostanze nelle quali sono gli individui stessi che decidono o meno di partecipare a un certo trattamento, ossia sono gli individui che, sulla base dello loro caratteristiche spesso non osservabili, si auto selezionano nel gruppo trattato.

Inoltre, non sempre gli individui modificano il loro comportamento a causa del trattamento. Per esempio, supponiamo che venga dato un incentivo ai lavoratori per seguire un corso di aggiornamento. Il ricercatore può solo osservare chi decide di seguire il corso e chi non. Tuttavia, tra gli individui trattati (ossia coloro che decidono di seguire il corso), è possibile che vi siano alcuni che sanno di poter beneficiare del corso e che avrebbero seguito ugualmente un corso anche in assenza dell’incentivo. Il comportamento di questi individui quindi non è stato modificato dall’incentivo. In questo caso come è possibile determinare l’efficacia del trattamento e stabilire una relazione di causalità tra l’incentivo a seguire il corso e i possibili benefici lavorativi per gli individui trattati, se questi avrebbero seguito il medesimo corso anche in assenza di incentivo?

Questo rende molto più difficile interpretare i risultati di un esperimento naturale. Di qui il contributo di Angrist e Imbens che hanno fornito un solido framework teoretico-metodologico per rispondere proprio a queste domande. In uno studio del 1994, Joshua Angrist e Guido Imbens hanno mostrato quali conclusioni sulla causalità possono essere tratte dagli esperimenti naturali in cui le persone non possono essere costrette a partecipare al programma studiato (né gli viene proibito di farlo)2.

Se il contributo di Angrist e Imbens è di natura più metodologica di quello di Card, entrambi rimangono comunque due ricercatori applicati. Da un lato infatti, hanno contribuito con il loro lavoro a cambiare radicalmente il modo in cui i ricercatori affrontano le questioni empiriche e ne interpretano i risultati utilizzando i dati degli esperimenti naturali o degli esperimenti sul campo randomizzati; dall’altro lato entrambi i ricercatori, parallelamente allo sviluppo di modelli empirici teorici, hanno condotto ricerche empiriche applicate su una molteplicità di fenomeni economici e sociali.

1Card, D. and A.B. Krueger (1992a). “Does school quality matter? Returns to education and the characteristics of public schools in the United States.” Journal of Political Economy, 100(1): 1-40.

2Imbens, G.W. and J.D. Angrist (1994). “Identification and estimation of local average treatment effects.” Econometrica, 61: 467-476.