2021 Nobel çalışmalarının incelenmesi

Öğrenme çıktıları

• Hatırlama — Doğal deneyi, uyum gösterenleri, tahmin hedefini, tasarım temelli yaklaşımı, yapısal yaklaşımı ve marjinal tedavi etkisini tanımlar.
• Uygulama — Bir askerlik kurası verisinde Wald tahminini hesaplar, uyum gösterenlerin nüfustaki payını ve özelliklerini çıkarır ve dışlama kısıtının küçük bir ihlalinin tahmini ne kadar değiştirdiğini sayısal olarak gösterir.
• Analiz — Card'ın, Angrist'in ve Imbens'in ödüllendirilen çalışmalarının bu kursun yöntemlerini, yani rastgele atamayı, araç değişkenleri, fark içinde farkı ve potansiyel sonuçlar çerçevesini, nasıl bir araya getirdiğini çözümler.
• Değerlendirme — Askerlik kurası çalışmasına, araç değişkenlerin potansiyel sonuçlar çerçevesine yerleştirilmesine ve doğal deney yaklaşımına yöneltilen eleştirilere verilen cevaba dayanarak, tasarım temelli yaklaşımın güçlü yanlarını ve sınırlarını değerlendirir.

Sezgi

Açılış

Günümüz iktisadının durumunu ele aldığımız derste, 2021 Nobel iktisat ödülünün David Card ile Joshua Angrist ve Guido Imbens'e verildiğini, ödül komitesinin bu çalışmaları iktisattaki ampirik araştırmada bir devrim olarak nitelediğini ve güvenilirlik devriminin yayın yanlılığı ve kuramla ilişkisi gibi sorunlarını tartıştık. O derste ödülü, iktisat biliminin genel gidişatının bir işareti olarak okuduk. Bu ders, aynı çalışmalara farklı bir gözle bakıyor: bu kursun on bir dersinde kurduğumuz araçlarla, ödülün dayandığı çalışmaları tek tek açıp içlerinde ne olduğunu görmek.

Bu yakın okuma, iki şeyi aynı anda gösterecek. Birincisi, bu kursun yöntemlerinin soyut teknikler olmadığını, belirli sorulara cevap ararken, belirli veri setleriyle ve belirli tartışmaların içinde geliştiğini. İkincisi, bu yöntemlerin her birinin, ödül almış en ünlü uygulamalarında bile, varsayımlara dayandığını ve bu varsayımların hâlâ tartışıldığını. Ders, bir kutlamadan çok, bir inceleme olarak tasarlandı.

Hikâye — kura ve kazanç

1970'lerin başında ABD, Vietnam Savaşı için askere alınacak gençleri bir kurayla belirledi. Her doğum günü tarihine rastgele bir sıra numarası verildi; düşük numaralı tarihlerde doğanlar öncelikli olarak askere çağrıldı. Kura, bir askeri ihtiyaç ve bir adalet kaygısı nedeniyle yapılmıştı; ama Joshua Angrist, onun askerlik hizmetinin sivil hayattaki kazançlar üzerindeki etkisini ölçmek için eşsiz bir fırsat yarattığını gördü.

Bu çalışma, kursun birçok fikrini bir arada içerir. Askerlik hizmeti rastgele atanmamıştı: gönüllüler, muafiyet alanlar ve askere çağrılıp reddedilenler vardı. Ama kura numarası rastgeleydi. Kura numarası askerlik olasılığını değiştirdi, ama herkesi askere göndermedi; bu, araç değişkenler dersindeki eksik uyumlu bir deneyin tam karşılığıdır. Tahmin, kura numarası ile askerlik arasındaki ilişkiye bölünmüş, kura numarası ile kazanç arasındaki ilişkiden elde edildi; yani bir Wald tahminiydi.

Kavram — doğal deney ve kimin etkisi

Ödülün merkezindeki kavram, araştırmacının tasarlamadığı ama rastgele atamaya benzeyen bir durumdur.

Angrist ve Imbens'in yöntemsel katkısı, doğal deneyin tam olarak kimin etkisini ölçtüğünü netleştirmekti.

Bu netleştirme, bir tahminin hangi soruya cevap verdiğini açıkça belirtme ihtiyacını doğurdu.

Veri ve kanıt — çerçeve ve tartışma

Angrist, Imbens ve Donald Rubin, 1996'da araç değişkenleri potansiyel sonuçlar çerçevesine yerleştiren bir makale yayımladı ve onu yine askerlik kurasına uyguladı.

Bu yaklaşım, her alanda kabul görmedi. 2009'da Angus Deaton ile James Heckman ve Sergio Urzua, deneysel ve yarı deneysel yöntemlerin iktisatta aşırı ve uygunsuz biçimde kullanıldığını savunan iki makale yayımladı. Imbens, bu eleştirilere bir cevap yazdı.

Neden önemli? — yöntemlerin nereden geldiğini bilmek

Bu kursun yöntemleri, ders kitaplarında çoğu zaman tarihlerinden ve tartışmalarından arındırılmış biçimde sunulur. Ama her biri, belirli sorulara cevap aramak için ve belirli itirazlara karşı geliştirildi. Askerlik kurasının eksik uyumu, araç değişkenlerin potansiyel sonuçlar diliyle yeniden yazılmasını gerektirdi; asgari ücret tartışması, fark içinde farkın varsayımlarının dikkatle sınanmasını; doğal deneylere yöneltilen eleştiriler, tahmin hedefinin açıkça belirtilmesini. Bu tarihi bilmek, yöntemleri doğru kullanmanın bir parçasıdır: bir yöntemin hangi soruya cevap olarak geliştirildiğini bilen biri, onun hangi soruya cevap veremeyeceğini de bilir.

Model

Aşağıdaki kura oranları, kazançlar ve ölüm oranları öğretim amacıyla kurgulanmıştır; Angrist'in, Angrist, Imbens ve Rubin'in ya da Imbens'in makalelerindeki rakamlar sanılmamalıdır.

Çözümlü örnek — Kuradan Wald tahminine

Bir doğum kuşağında 10.000 erkek var. Kurada düşük numara çekenlerin, yani askere alınma önceliği olanların, yüzde 35'i askerlik yapıyor; yüksek numara çekenlerin yüzde 19'u, yani gönüllüler ve başka yollardan askere alınanlar, askerlik yapıyor. Birinci aşama 35 − 19 = 16 yüzde puanıdır.

On yıl sonra, düşük numara çekenlerin ortalama yıllık kazancı, yüksek numara çekenlerinkinden 480 dolar düşük. İndirgenmiş biçim, yani kuranın kazanç üzerindeki etkisi, eksi 480 dolardır. Wald tahmini −480 ÷ 0,16 = −3.000 dolardır: askerlik, uyum gösterenlerin yıllık kazancını 3.000 dolar düşürmüştür.

Bu tahmin, gazileri gazi olmayanlarla doğrudan karşılaştırmaktan çok farklı bir sayı verebilir. Doğrudan karşılaştırmada gaziler gönüllüleri de içerir; gönüllüler, sivil iş seçenekleri zaten kısıtlı olan kişiler olabilir ve bu, gazilerin kazancını askerlikten bağımsız olarak düşük gösterir. Ya da tersine, askerliğe kabul edilenler sağlık ve eğitim taramasından geçmiş kişiler olduğu için, gazi olmayanlardan daha yetenekli olabilir. Doğrudan karşılaştırmanın yönü belirsizdir; kura ise bu seçilimi ortadan kaldırır.

Sayılarla karşılaştıralım. Aynı kuşakta askerlik yapan bütün erkeklerin ortalama kazancı, yapmayanlarınkinden 1.000 dolar düşük olsun. Bu doğrudan karşılaştırma, askerliğin etkisini 3.000 dolar değil 1.000 dolar olarak gösterir. Fark, gazilerin gazi olmayanlardan askerlik dışındaki nedenlerle de farklı olmasından gelir: askerlik yapanlar sağlık ve eğitim taramasından geçmiş, ortalamada daha sağlıklı ve belirli bir eğitim düzeyinin üzerindeki kişilerdir; bu özellikler kazancı askerlikten bağımsız olarak artırır ve askerliğin olumsuz etkisinin bir kısmını gizler. Kura temelli tahmin, bu seçilimi ortadan kaldırarak etkinin gerçek büyüklüğünü ortaya çıkarır.

Çözümlü örnek — Uyum gösterenler kim?

Aynı kurada nüfus üç türe ayrılır. Her zaman askerlik yapanlar, yani gönüllüler: yüksek numara çekenlerin yüzde 19'u askerlik yaptığına göre, nüfusun yaklaşık yüzde 19'u. Hiç askerlik yapmayanlar, yani muafiyet alanlar ya da sağlık taramasında reddedilenler: düşük numara çekenlerin yüzde 65'i askerlik yapmadığına göre, nüfusun yaklaşık yüzde 65'i. Uyum gösterenler: geri kalan yüzde 16.

Uyum gösterenlerin özelliklerini de tahmin edebiliriz. Diyelim ki nüfusun yüzde 30'u üniversite mezunu ve üniversite mezunları arasında birinci aşama yalnızca 6 puan, çünkü öğrenci ertelemeleri ve muafiyetler nedeniyle düşük numara çekenlerin çoğu yine de askere gitmiyor; üniversite mezunu olmayanlar arasında birinci aşama ise yaklaşık 20,3 puan. Genel birinci aşama 0,3 × 6 + 0,7 × 20,3 ≈ 16 puandır. Uyum gösterenler arasında üniversite mezunlarının payı 0,3 × 6 ÷ 16 ≈ yüzde 11'dir; nüfustaki yüzde 30'un çok altında.

Bu, askerlik kurası tahmininin, eğitim düzeyi daha düşük erkekler ağırlıklı bir grubun deneyimini yansıttığını gösterir. Askerliğin üniversite mezunları üzerindeki etkisi farklı olabilir. Tahmin, bu grubun dışına, örneğin bugünün gönüllü ordusuna katılan gençlere, ek varsayımlar olmadan taşınamaz.

Çözümlü örnek — Kura başka bir yoldan da etkiliyorsa

Angrist, Imbens ve Rubin, dışlama kısıtının ihlal edilebileceği bir yolu tartıştı: düşük numara çeken gençlerin bir kısmı, askere gitmemek için üniversiteye kaydolmuş ya da eğitimlerini uzatmış olabilir. Bu durumda kura, kazancı askerlikten bağımsız olarak, eğitim üzerinden de etkiler.

Sayılarla düşünelim. Düşük numara çekenlerin, askerlikten kaçınmak için fazladan eğitim alan bir kısmı yüzünden, kuranın kazanç üzerinde askerlikten bağımsız olarak yıllık 80 dolarlık olumlu bir etkisi olsun. İndirgenmiş biçimdeki eksi 480 doların bir kısmı aslında bu olumlu etkiyle dengelenmiştir: askerliğin gerçek katkısı −480 − 80 = −560 dolardır. Askerliğin uyum gösterenler üzerindeki gerçek etkisi −560 ÷ 0,16 = −3.500 dolardır; Wald tahmini, etkiyi 500 dolar küçümser.

Kuranın askerlik dışı etkisi küçük olan birinci aşamaya bölündüğü için büyür: 80 ÷ 0,16 = 500 dolar. Araç değişkenler dersinde gördüğümüz uyarının aynısı: birinci aşama küçükse, dışlama kısıtındaki küçük bir ihlal büyür. Angrist, Imbens ve Rubin'in yaklaşımının bir üstünlüğü, tam da bu tür ihlallerin sonuçları nasıl değiştireceğini açıkça incelemeye izin vermesiydi.

Çözümlü örnek — Farklı araçlar, farklı cevaplar

Bir araştırmacı, eğitimin getirisini iki farklı araçla tahmin ediyor. Birinci araç, zorunlu eğitim yasalarıyla bağlantılı doğum çeyreği; uyum gösterenler, yasa olmasa okulu erken bırakacak gençler. Tahmin: bir yıl ek eğitim kazancı yüzde 7 artırıyor. İkinci araç, çocuklukta bir üniversiteye yakın büyümek; uyum gösterenler, üniversite yakında olduğu için okuyan, uzakta olsaydı okumayacak gençler. Tahmin: yüzde 12.

Bu iki tahmin çelişmez; farklı tahmin hedeflerine karşılık gelir. Birincisi, lise düzeyinde okulu bırakma eşiğindeki gençler için ek eğitimin getirisidir; ikincisi, üniversiteye gitme kararının sınırındaki, büyük olasılıkla mali ya da coğrafi kısıtlar nedeniyle bu sınırda duran gençler için. Bu ikinci grup için getirinin daha yüksek olması, eğitime erişim kısıtlarının, getirisi yüksek olan bazı gençleri eğitimden alıkoyduğuna işaret edebilir.

Bu örnek, yerel ortalama tedavi etkisi kavramının bir zayıflık değil, bir bilgi kaynağı olabileceğini gösteriyor: farklı araçlar, etkinin nüfusun farklı kesimlerinde nasıl değiştiğine dair birer pencere açar. Ama bu pencereler, bütün nüfus için ortalama etkiyi doğrudan vermez.

Çözümlü örnek — Etki, katılma isteğine göre nasıl değişir?

Farklı uyum gösteren grupları bir araya getirmenin sistematik bir yolu vardır. Bir eğitim programına katılım, bir burs tutarına bağlı olsun: burs ne kadar yüksekse, o kadar çok genç katılıyor. Burs olmadan gençlerin yüzde 20'si, düşük bursla yüzde 40'ı, yüksek bursla yüzde 60'ı katılıyor.

Burssuzdan düşük bursa geçişte katılan yeni yüzde 20, katılma isteği orta düzeyde olan gençlerdir; bu grup için programın etkisi diyelim ki yüzde 15. Düşük burstan yüksek bursa geçişte katılan yeni yüzde 20, katılma isteği daha düşük olan gençlerdir; bu grup için etki yüzde 8. Bu iki sayı, etkinin, katılma isteği azaldıkça düştüğünü gösterir.

Bu çerçeve, Heckman'ın doğal deney yaklaşımına yönelttiği eleştirinin olumlu yüzüdür: tek tek yerel etkiler yerine, etkinin katılma isteğine göre nasıl değiştiğini gösteren bir eğri tahmin edilebilirse, herhangi bir politika değişikliğinin etkisi bu eğriden hesaplanabilir. Ama eğrinin tamamını tahmin etmek, katılma isteğinin bütün aralığını kapsayan güçlü araçlar ya da ek fonksiyonel biçim varsayımları gerektirir.

Çözümlü örnek — Kura ve ölüm

Angrist, Imbens ve Rubin'in uygulaması, askerliğin sonraki yıllardaki ölüm oranı üzerindeki etkisiyle ilgiliydi. Mantığı sayılarla kuralım. Düşük numara çekenlerin yüzde 35'i, yüksek numara çekenlerin yüzde 19'u askerlik yapmış olsun. Kuradan yirmi yıl sonra, düşük numara çekenlerin binde 12'si, yüksek numara çekenlerin binde 11,2'si hayatını kaybetmiş olsun.

Niyete göre tedavi etkisi binde 0,8'dir: düşük numara çekmek, ölüm oranını binde 0,8 artırmıştır. Bu, kuranın kendisinin etkisidir ve rastgele atama sayesinde yansızdır. Askerliğin uyum gösterenler üzerindeki etkisi, bunun birinci aşamaya bölünmesiyle bulunur: 0,8 ÷ 0,16 = binde 5. Askerlik, kura yüzünden askere giden erkeklerin sonraki yirmi yıldaki ölüm olasılığını binde 5 artırmıştır.

Bu iki sayının yorumu farklıdır. Niyete göre tedavi etkisi, bir kura politikasının bütün kuşak üzerindeki etkisini gösterir ve hiçbir ek varsayım gerektirmez. Uyum gösterenler üzerindeki etki, askerliğin kendisinin etkisini gösterir, ama dışlama kısıtına ve ters davranan yokluğuna dayanır. Angrist, Imbens ve Rubin'in vurguladığı nokta buydu: ikinci yorumun hangi varsayımlara dayandığı açıkça yazılmalı ve bu varsayımlar ihlal edildiğinde sonucun ne kadar değişeceği gösterilmelidir.

Çözümlü örnek — Bir şehir, bir göç dalgası

Bir şehre bir yıl içinde, yerel işgücünün yüzde 7'si kadar göçmen geliyor; göçmenlerin çoğu düşük eğitimli. Bir araştırmacı, bu göç dalgasının yerli düşük eğitimli işçilerin ücretleri üzerindeki etkisini ölçmek istiyor. Göçten önce ve sonra şehirdeki ücretleri karşılaştırmak yetmez: aynı yıllarda ülke genelinde bir durgunluk yaşanmış olabilir.

Araştırmacı, göç almayan ama ekonomik yapısı ve göç öncesi ücret eğilimleri benzer dört şehri karşılaştırma grubu olarak seçiyor. Göçten önceki üç yılda, düşük eğitimli yerli işçilerin reel ücreti hem göç alan şehirde hem karşılaştırma şehirlerinde yılda ortalama yüzde 1 düşüyor; göçten sonraki üç yılda göç alan şehirde yılda yüzde 1,2, karşılaştırma şehirlerinde yılda yüzde 1,1 düşüyor. Üç yılın sonunda fark yaklaşık 0,3 puandır; ücretlerdeki standart dalgalanmalar göz önüne alındığında sıfırdan ayırt edilemez.

Bu örnek, göç ekonomisini işlediğimiz derste ele aldığımız Mariel tartışmasının yapısını taşır. Sonuç, karşılaştırma şehirlerinin seçimine ve hangi işçi grubunun incelendiğine duyarlıdır: başka bir araştırmacı, farklı karşılaştırma şehirleri ve daha dar tanımlanmış bir işçi grubu seçerek farklı bir sonuca ulaşabilir. Tasarımın şeffaflığı, bu tartışmanın verilerle yürütülmesini mümkün kılar; ama tartışmayı kendiliğinden bitirmez.

Çözümlü örnek — Hangi tahmin hedefi bu politikaya uyar?

Bir hükümet, zorunlu eğitimi sekiz yıldan on iki yıla çıkarmayı düşünüyor ve bu reformun kazançlar üzerindeki etkisini öngörmek istiyor. Elinde üç tahmin var. Birincisi, gözlemsel verilerden basit bir regresyonla elde edilen, bir yıl ek eğitimin kazancı yüzde 9 artırdığı tahmini. İkincisi, zorunlu eğitimin daha önce beş yıldan sekiz yıla çıkarılmasını araç olarak kullanan bir tahmin: yüzde 6. Üçüncüsü, üniversiteye yakınlığı araç olarak kullanan bir tahmin: yüzde 12.

Reformun etkilediği kişiler, reform olmasa sekizinci ya da dokuzuncu yıldan sonra okulu bırakacak gençlerdir. Birinci tahmin, seçilim yanlılığı taşıyabilir ve bütün nüfusun ortalamasını yansıtır. Üçüncü tahminin uyum gösterenleri, üniversiteye gitme kararının sınırındaki gençlerdir; bu reformun etkileyeceği gençlerden farklıdır. İkinci tahminin uyum gösterenleri, zorunlu eğitim yasası nedeniyle okulda kalan gençlerdir; bu reformun etkileyeceği gruba en çok benzeyen gruptur.

Bu yüzden ikinci tahmin, bu politika sorusu için en ilgili tahmin hedefine en yakın olanıdır; ama o da bir tahmindir: önceki reform beş yıldan sekiz yıla çıkışı kapsıyordu, yeni reform sekizden on ikiye. Lise yıllarının getirisi, ilkokul sonrası yılların getirisinden farklı olabilir. Doğru tahmin hedefini seçmek, politika sorusunun kimi etkileyeceğini önce açıkça tanımlamayı gerektirir.

Modelin sınırları

Bu örneklerde kura oranlarını ve kazanç farklarını kesin olarak bildiğimizi varsaydık; gerçek verilerde birinci aşama tahmin hatası taşır ve küçük birinci aşamalarda Wald oranı oynaktır. Uyum gösterenlerin özellikleri örneğinde, eğitim düzeyinin kuradan etkilenmediğini varsaydık; oysa dışlama kısıtı örneğinde, kuranın eğitimi etkileyebileceğini gördük. İki varsayım birlikte geçerli olamaz ve gerçek uygulamalarda hangisinin daha makul olduğu tartışılmalıdır. Marjinal tedavi etkisi örneğinde, katılma isteğinin tek boyutlu olduğunu ve bursla düzenli biçimde ilişkili olduğunu varsaydık; bu, ters davranan yokluğu varsayımının bir biçimidir.

Teknik

Güvenilirlik devriminin kökleri

Doğal deneylerin iktisatta yaygınlaşması, 1980'lerde uygulamalı ekonometriye yöneltilen bir eleştiriyle başladı. Edward Leamer, ekonometrik tahminlerin, araştırmacının hangi kontrol değişkenlerini seçtiğine aşırı duyarlı olduğunu ve bu yüzden kimsenin onları ciddiye almadığını savunmuştu. Angrist ve Jörn-Steffen Pischke, sonraki otuz yılda bu sorunun büyük ölçüde araştırma tasarımına odaklanılarak aşıldığını savundu: tahminin güvenilirliği, model belirlemenin inceliğinden değil, karşılaştırmanın rastgele ya da rastgeleye yakın olmasından gelmelidir.

Card'ın, Angrist'in ve Imbens'in çalışmaları bu yönelimin üç ayağını temsil eder. Card, emek piyasasının temel sorularını, asgari ücret, göç ve eğitimin getirisi, doğal deneylerle cevapladı ve bu cevapların bazıları, standart kuramın öngörülerine meydan okudu. Angrist, kimsenin aklına gelmeyen rastlantılarda, örneğin bir askerlik kurasında, doğum tarihinde ya da kardeşlerin cinsiyetinde araç buldu ve bunları dikkatle uyguladı. Imbens, Angrist ile birlikte, bu araçların neyi tahmin ettiğini potansiyel sonuçlar çerçevesinde netleştirdi ve sonraki yıllarda süreksizlik tasarımları, eşleştirme ve sentetik kontrol gibi yöntemlerin kuramına katkıda bulundu.

Tasarım temelli ve yapısal yaklaşımlar

Ödülün ardından süren tartışma, iki araştırma geleneği arasındadır.

Deaton ve Heckman ile Urzua'nın eleştirileri, tasarım temelli yaklaşımın, özellikle yerel ortalama tedavi etkisinin, politika açısından ilgili tahmin hedeflerini vermediği, mekanizmaları açıklamadığı ve kuramla bağını kopardığı noktalarında yoğunlaştı. Imbens'in cevabı, iç geçerliliği güçlendirmenin ve tahminlerin hangi nüfus için geçerli olduğunu netleştirmenin, güvenilir olmayan ama daha genel görünen tahminlerden daha değerli olduğuydu. Bugün iki yaklaşım arasındaki ayrım eskisi kadar keskin değildir: birçok çalışma, deneysel ya da yarı deneysel tahminleri yapısal modellerin tahmininde ya da sınanmasında kullanır; dış geçerlilik dersinde gördüğümüz, bir deneyin bir yapısal modelin öngörülerini sınamak için kullanılması bunun bir örneğidir.

Card'ın çalışmalarından dersler

Card'ın çalışmaları, bu kursun birçok yöntemini önceden uygulamıştı. New Jersey ile Pennsylvania'daki fast food restoranlarının karşılaştırılması, fark içinde farkın en çok tartışılan uygulamalarından biriydi ve tartışma, kontrol grubunun seçimi, verinin ölçümü ve paralel eğilim varsayımı üzerineydi. Göç ekonomisini işlediğimiz derste gördüğümüz Mariel göçü çalışması, tek bir şehrin büyük bir göç şokuna nasıl tepki verdiğini, benzer şehirlerden oluşan bir karşılaştırma grubuyla inceledi; bu, sentetik kontrol yönteminin öncülü sayılabilecek bir tasarımdı. Card'ın eğitimin getirisine dair çalışmaları ise, her aracın nüfusun ayrı bir kesimi için ayrı bir getiri ölçtüğü ve bu farkın eğitime erişim kısıtlarıyla açıklanabileceği fikrini işledi.

Bu çalışmaların her biri, yayımlandıktan sonra yıllarca süren tartışmalara konu oldu ve bu tartışmalar, yöntemlerin kendisinin gelişmesine katkıda bulundu. Mariel tartışması, farklı karşılaştırma gruplarının ve farklı alt nüfusların sonucu nasıl değiştirebileceğini gösterdi; asgari ücret tartışması, idari verilerin ve anket verilerinin farklı sonuçlar verebileceğini. Bu, güvenilirlik devriminin bir başka yüzüdür: tasarımın şeffaflığı, başka araştırmacıların aynı soruyu farklı verilerle ve farklı varsayımlarla yeniden ele almasını kolaylaştırır.

Rubin nedensellik modeli ve iktisat

Angrist, Imbens ve Rubin'in 1996 makalesinin önemi, iki geleneği birleştirmesindeydi. İktisatçılar araç değişkenleri onlarca yıldır, genellikle etkinin herkes için aynı olduğu doğrusal regresyon modelleri içinde kullanıyordu. İstatistikçiler ise Rubin'in geliştirdiği potansiyel sonuçlar çerçevesini, deneylerin ve gözlemsel çalışmaların analizinde kullanıyordu. Makale, iktisatçıların aracını istatistikçilerin diline çevirdi ve bu çeviri, aracın neyi ölçtüğünü, hangi varsayımlara dayandığını ve etkiler heterojen olduğunda ne anlama geldiğini açıkça gösterdi.

Bu çevirinin pratik bir sonucu, varsayımların artık model denklemlerinin içine gömülü olmaması, bireylerin davranışına dair açık ifadeler olarak yazılmasıydı: kura, hiç kimseyi askerlikten kaçmaya itmemelidir; kura, kazancı askerlik dışında hiçbir yoldan etkilememelidir. Bu ifadeler, kurumsal bilgiyle tartışılabilir ve duyarlılık analizleriyle sınanabilir. Potansiyel sonuçlar çerçevesini kurduğumuz dersten bu yana kursun bütün yöntemlerini bu dille yazmamızın nedeni budur.

Eleştirinin kalıcı katkısı

Deaton ile Heckman ve Urzua'nın eleştirileri, tasarım temelli yaklaşımı zayıflatmaktan çok, onu olgunlaştırdı. Bu eleştirilerden sonra, yerel etkilerin hangi nüfus için geçerli olduğunu raporlamak, uyum gösterenlerin özelliklerini tanımlamak, dış geçerliliği tartışmak ve mekanizmaları ölçmeye çalışmak, iyi uygulamanın parçası hâline geldi. Dış geçerlilik dersinde gördüğümüz ölçek büyütme deneyleri ve yeniden ağırlıklandırma yöntemleri, bu eleştirilere verilen cevapların bir kısmıdır.

Eleştirinin bir başka kalıcı katkısı, kuramın yerinin yeniden tartışılmasıdır. Bir doğal deney, bir müdahalenin belirli bir grup için etkisini güvenilir biçimde ölçebilir; ama bu etkinin neden ortaya çıktığını, başka koşullarda nasıl değişeceğini ve refah açısından ne anlama geldiğini söylemek için bir kurama ihtiyaç vardır. Günümüz iktisadının durumunu ele aldığımız derste tartıştığımız gibi, ampirik devrim kuramı gereksiz kılmadı; onun hangi sorular için ve hangi kanıtla birlikte kullanılacağını yeniden tanımladı.

Şeffaflık ve yeniden üretim

Ödülün tanıdığı yaklaşımın belki de en geniş etkisi, ampirik araştırmanın kültürü üzerindedir. Tasarım temelli bir çalışmada, karşılaştırma açıkça tanımlandığı için, başka araştırmacılar aynı verilerle aynı karşılaştırmayı yeniden yapabilir, farklı varsayımlarla sınayabilir ve farklı verilerle tekrar edebilir. Asgari ücret ve göç tartışmaları, tam da bu yeniden üretimler yoluyla ilerledi. Bugün birçok dergi, makalelerle birlikte veri ve kodların paylaşılmasını şart koşuyor; rastgele kontrollü deneyler dersinde gördüğümüz ön analiz planları ve deney kayıtları da aynı şeffaflık kültürünün parçasıdır.

Doğal deneylerin sınırlı arzı

Tasarım temelli yaklaşımın pratik bir sınırı, iyi doğal deneylerin sayısının sınırlı olmasıdır. Askerlik kurası ya da doğum tarihine bağlı okula başlama kuralı gibi rastlantılar, her soru için bulunmaz. Bu durum, araştırmacıları iki tehlikeye iter. Birincisi, soruyu doğal deneye uydurmak: önemli bir soru yerine, iyi bir doğal deneyi olan ama daha az önemli bir soruyu incelemek. İkincisi, zayıf doğal deneyleri güçlü sanmak: dışlama kısıtı ya da rastlantısallık varsayımı tartışmalı olan araçları, iyi bir tasarımın güvencesiyle sunmak. Deaton'ın itirazlarının önemli bir bölümü bu iki tuzağı hedef alıyordu. İyi bir araştırmacı, önce soruyu sorar, sonra o soruyu cevaplamaya en uygun tasarımı arar; doğal deney yoksa, bunu açıkça kabul edip başka kanıt türlerine başvurur.

Ödülden sonra

Ödülün tanıdığı yöntemler, son on beş yılda birçok yönde genişledi. Kademeli uygulamalı fark içinde fark tasarımlarının ağırlıklandırma sorunları, bağışçı ağırlıklarının iki dönemli karşılaştırmayla buluşturulması, makine öğrenmesinin etki heterojenliğini tahmin etmek için kullanılması ve deney sonuçlarının başka nüfuslara taşınması, bu kursun önceki derslerinde gördüğümüz gelişmelerdir. Bu gelişmelerin ortak noktası, ödülün temel fikrini korumalarıdır: bir nedensel tahminin değeri, onun dayandığı karşılaştırmanın açıkça tanımlanmasına ve varsayımlarının dürüstçe tartışılmasına bağlıdır.

Türkiye'de de doğal deneylere dayanan çalışmalar son yirmi yılda yaygınlaştı: zorunlu eğitimin sekiz yıla çıkarılması, Suriyeli sığınmacıların farklı illere farklı yoğunluklarda yerleşmesi, asgari ücretin büyük adımlarla artırılması ve çeşitli bölgesel teşvik programları, bu kursun yöntemleriyle incelendi. Bu çalışmaların her biri, bu dersin sorularıyla okunabilir: doğal deney gerçekten rastlantısal mı, tahmin hedefi ne ve sonuç kime taşınabilir?

Uygulama

Özet kartı

1. 2021 Nobel ödülü, Card'ın doğal deneylerle emek piyasasının temel sorularını cevaplayan çalışmalarına ve Angrist ile Imbens'in doğal deneylerden hangi nedensel sonuçların çıkarılabileceğini netleştiren yöntemsel katkılarına verildi.
2. Angrist, Vietnam dönemi askerlik kurasını araç olarak kullanarak, 1980'lerin başında beyaz gazilerin kazançlarının karşılaştırılabilir gazi olmayanlarınkinden yaklaşık yüzde 15 düşük olduğunu buldu; bu tahmin, kimin askerlik yaptığına dair seçilimden etkilenmiyordu.
3. Angrist, Imbens ve Rubin, araç değişken tahmin hedefini potansiyel sonuçlar çerçevesine yerleştirdi ve basit varsayımlar altında bu hedefin uyum gösterenlerin ortalama nedensel etkisi olduğunu, bu varsayımlar olmadan ise yalnızca iki niyete göre tedavi etkisinin oranı olduğunu gösterdi.
4. Farklı araçlar farklı uyum gösteren gruplar için farklı etkiler verir; marjinal tedavi etkisi, bu yerel etkileri katılma isteğine göre bir eğride birleştirerek başka tahmin hedeflerinin hesaplanmasına izin verir.
5. Deaton ile Heckman ve Urzua, deneysel ve yarı deneysel yöntemlerin aşırı kullanıldığını savundu; Imbens, iç geçerliliği güçlendirmenin ve tahminin hangi nüfus için geçerli olduğunu netleştirmenin ampirik çalışmaların güvenilirliğini artırdığını savundu; bugün tasarım temelli ve yapısal yaklaşımlar giderek birlikte kullanılıyor.

Kavram sözlüğü

Kendini sına

1. (Çıktı 1) Tahmin hedefi, tahminci ve tahmin arasındaki farkı askerlik kurası örneği üzerinden açıklayın.
2. (Çıktı 2) Bir kurada düşük numara çekenlerin yüzde 42'si, yüksek numara çekenlerin yüzde 22'si askerlik yapıyor ve düşük numara çekenlerin yıllık kazancı 700 dolar daha düşük. Wald tahmini nedir? Uyum gösterenler nüfusun yüzde kaçıdır?
3. (Çıktı 2) Aynı örnekte kuranın kazanç üzerinde askerlikten bağımsız olarak yıllık 100 dolarlık olumlu bir etkisi varsa, askerliğin uyum gösterenler üzerindeki gerçek etkisi nedir ve Wald tahmini ne kadar sapardı?
4. (Çıktı 3) İki farklı araçla yapılan eğitimin getirisi tahminleri yüzde 7 ve yüzde 12 çıkıyor. Bir araştırmacı, «iki tahmin birbiriyle çelişiyor, biri yanlış olmalı» diyor. Bu yargıyı uyum gösterenler kavramıyla değerlendirin.
5. (Çıktı 3) Tasarım temelli yaklaşım ile yapısal yaklaşımın birer güçlü ve birer zayıf yanını açıklayın ve iki yaklaşımın nasıl birlikte kullanılabileceğine bir örnek verin.
6. (Çıktı 4) Bir yorumcu, «Nobel ödülüne konu olan doğal deney çalışmaları, yalnızca küçük alt gruplar için geçerli yerel etkiler veriyor; bu yüzden politika için işe yaramaz» diyor. Bu görüşü Angrist'in askerlik kurası çalışması, Imbens'in cevabı ve marjinal tedavi etkisi kavramı ışığında değerlendirin.

Cevaplar

1. Tahmin hedefi, araştırmanın tahmin etmeye çalıştığı nüfus düzeyindeki büyüklüktür: askerlik kurası örneğinde, askerliğin uyum gösterenlerin kazancı üzerindeki ortalama etkisi. Tahminci, bu büyüklüğü verilerden hesaplamak için kullanılan yöntemdir: kura numarasının kazanç üzerindeki etkisinin, kura numarasının askerlik üzerindeki etkisine bölündüğü Wald tahmincisi. Tahmin, bu yöntemin belirli bir veri setine uygulanmasıyla elde edilen sayıdır: örnekteki eksi 3.000 dolar. Aynı tahmin hedefi farklı tahmincilerle, aynı tahminci farklı verilerle farklı tahminler verebilir; tahmincinin bir tahmin hedefini vermesi ise varsayımlara bağlıdır.
2. Birinci aşama 42 − 22 = 20 yüzde puanıdır. Wald tahmini −700 ÷ 0,20 = −3.500 dolardır. Uyum gösterenlerin payı birinci aşamaya eşittir: nüfusun yüzde 20'si. Her zaman askerlik yapanlar yüzde 22, hiç yapmayanlar yüzde 58'dir.
3. Kuranın askerlikten bağımsız olumlu etkisi indirgenmiş biçimi kısmen dengeler; askerliğin katkısı −700 − 100 = −800 dolardır. Gerçek etki −800 ÷ 0,20 = −4.000 dolardır. Wald tahmini −3.500 dolar olduğuna göre, etkiyi 500 dolar küçümser. Kuranın askerlik dışı etkisini birinci aşamaya bölersek sapmayı buluruz: 100 ÷ 0,20 = 500 dolar.
4. Yargı, iki tahminin aynı tahmin hedefini ölçtüğünü varsayıyor. Oysa iki aracın yakaladığı gençler aynı değildir: doğum çeyreği, okulu bırakma yaşının sınırında duranları kımıldatır; üniversiteye yakınlık ise yükseköğretime gidip gitmemek arasında kararsız kalanları, özellikle yol ve barınma masrafının belirleyici olduğu aileleri. Etkiler kişiden kişiye değişiyorsa, iki grup için ek eğitimin getirisi farklı olabilir ve iki tahmin de kendi grubu için doğru olabilir. İkinci grupta getirinin daha yüksek olması, mali ya da coğrafi kısıtların getirisi yüksek bazı gençleri eğitimden alıkoyduğuna işaret edebilir. Tahminlerin farklılığı bir çelişki değil, etki heterojenliğine dair bir bilgidir.
5. Tasarım temelli yaklaşımın güçlü yanı, varsayımlarının görece zayıf ve şeffaf olmasıdır: tahminin güvenilirliği, rastgeleye yakın bir karşılaştırmaya dayanır. Zayıf yanı, tahminlerin genellikle belirli bir alt nüfusa ve belirli bir müdahaleye özgü olması ve mekanizmaları açıklamamasıdır. Yapısal yaklaşımın güçlü yanı, gözlenmemiş politikaların etkisini ve refah sonuçlarını öngörebilmesidir. Zayıf yanı, öngörülerin modelin varsayımlarına bağlı olması ve bu varsayımların çoğu zaman tam olarak sınanamamasıdır. İki yaklaşım birlikte kullanılabilir: bir yapısal model, bir deneyin kontrol grubuyla tahmin edilip deneyin tedavi grubundaki etkiyi öngörüp öngörmediğine bakılarak sınanabilir; model bu sınamayı geçerse, deneyde denenmemiş politikalar için yaptığı öngörülere daha çok güvenilebilir.
6. Görüşün haklı bir yanı vardır: yerel ortalama tedavi etkisi, yalnızca uyum gösterenler için geçerlidir ve bu grup nüfusun tamamını temsil etmeyebilir. Ama «işe yaramaz» yargısı aşırıdır. Birincisi, aracın kımıldattığı kişiler, politikanın da kımıldatacağı kişilerle sık sık örtüşür: askerlik kurası tahmini, zorunlu askerlik politikasının etkilediği erkekler için askerliğin maliyetini gösterir. İkincisi, Imbens'in cevabında vurguladığı gibi, iç geçerliliği güçlü ve hangi nüfus için geçerli olduğu açık bir tahmin, iç geçerliliği zayıf ama daha genel görünen bir tahminden daha değerlidir. Üçüncüsü, farklı araçlardan elde edilen yerel etkiler, marjinal tedavi etkisi çerçevesinde birleştirilerek, etkinin katılma isteğine göre nasıl değiştiği tahmin edilebilir ve başka politikaların etkisi bu bilgiyle hesaplanabilir. Yerel etkiler, politika için tek başına yeterli olmayabilir; ama güvenilir bir başlangıç noktasıdır.

İleri okuma

• Joshua D. Angrist (1990). «Lifetime Earnings and the Vietnam Era Draft Lottery: Evidence from Social Security Administrative Records». American Economic Review 80(3). Askerlik kurasını araç olarak kullanan klasik çalışma.
• Joshua D. Angrist, Guido W. Imbens, Donald B. Rubin (1996). «Identification of Causal Effects Using Instrumental Variables». JASA 91(434). Araç değişkenlerin potansiyel sonuçlar çerçevesine yerleştirilmesi.
• Guido W. Imbens (2010). «Better LATE Than Nothing: Some Comments on Deaton (2009) and Heckman and Urzua (2009)». Journal of Economic Literature 48(2). Doğal deney yaklaşımına yöneltilen eleştirilere cevap.

Sonraki derse köprü

Bu kursun yöntemlerinin çoğu, birçok birimin karşılaştırılmasına dayandı: tedavi edilen ve edilmeyen kişiler, iller, firmalar. Ama makroiktisadın birçok sorusunda tek bir ülkenin tek bir zaman serisi vardır: enflasyon, faiz, kur ya da üretim, yıllar boyunca ölçülen tek bir çizgi. Bu tür verilerle nedensel ya da öngörüye dönük bir analiz yapmanın ilk koşulu, serinin zaman içinde istikrarlı bir yapıya sahip olup olmadığını, yani ortalamasının ve dalgalanmasının zamanla değişip değişmediğini anlamaktır. Bir seri bu özelliği taşımıyorsa, iki seri arasında gerçekte olmayan ilişkiler görülebilir. Sıradaki kurs, zaman serisi ekonometrisini, durağanlık kavramıyla başlatıyor.