• O Presente

Experimentos naturais ganham o Prêmio Nobel de Economia de 2021

Crédito: Mathieu Stern/ Unsplash

• Ao contrário da medicina, experimentos aleatórios muitas vezes não são possíveis em economia ou ciências sociais.
• No entanto, três economistas mostraram que a causação ainda pode ser determinada mesmo que os pesquisadores não possam projetar ou controlar um experimento.
• Esses experimentos naturais têm usos em vários campos, da economia à saúde pública.

Correlação implica causalidade, mas a correlação por si só não é suficiente para justificar uma conclusão de causalidade – caso contrário, teríamos que culpar Filmes de Nicolas Cage para afogamentos em piscinas . Infelizmente, em quase todos os campos, separar a correlação da causalidade é notoriamente difícil.

Uma das poucas exceções é a ciência biomédica. Em um experimento randomizado como um ensaio clínico, os indivíduos são designados aleatoriamente (um passo absolutamente crucial) para um grupo de controle ou um grupo de teste. O grupo de controle geralmente recebe uma pílula falsa que não faz nada (um placebo), enquanto o grupo de teste recebe uma droga real. Esse design permite que os pesquisadores determinem se o medicamento funciona e quais efeitos colaterais ele traz.

Esse projeto, por mais bem-sucedido que seja, não é possível ou ético em muitas circunstâncias. Por exemplo, não é possível atribuir aleatoriamente várias nações a uma determinada política econômica e outro grupo de nações a uma política diferente. Da mesma forma, não é possível nem ético alimentar milhares de pessoas com bacon para ver se elas desenvolvem câncer. As ciências sociais, portanto, muitas vezes estão presas a métodos inferiores.

Mas só porque esses métodos não são tão poderosos quanto os experimentos aleatórios não significa que sejam inúteis. Dados muito interessantes e muitas vezes persuasivos podem ser extraídos de pesquisas bem projetadas. Por acaso, as condições do mundo real às vezes imitam as de um experimento. Conhecidas como experimentos naturais, essas situações surgem quando algo parecido com um grupo de controle e um grupo de teste surgem naturalmente, permitindo que os pesquisadores comparem os dados entre eles. Cientistas sociais, incluindo economistas e sociólogos, e até mesmo alguns membros das ciências mais difíceis, como epidemiologistas, costumam fazer uso de experimentos naturais.

Um dos exemplos mais famosos é a do médico vitoriano John Snow, que determinou a taxa de mortes por cólera que ocorreram em domicílios que receberam água de uma das duas companhias de água diferentes. Isso não foi planejado; Snow não tinha como atribuir aleatoriamente casas a diferentes empresas. Mas as condições desse experimento natural eram boas o suficiente. Por causa disso, ele foi capaz de determinar que uma das empresas era muito mais propensa a envenenar seus clientes com água suja.

Isso nos leva ao Prêmio Nobel de Economia 2021 , que foi para três pesquisadores nos EUA que usaram experimentos naturais com grande efeito.

Experimentos naturais

Na segunda-feira, foi anunciado que Cartão David ganhou o prêmio por contribuições empíricas para a economia do trabalho, enquanto Joshua D. Angrist e Guido W. Imbens ganhou por contribuições metodológicas para a análise de relações causais.

O trabalho de Card na década de 1990 utilizou experimentos naturais para contribuir com grandes debates – ainda em andamento hoje – sobre o salário mínimo e a política educacional. Em um 1993 papel , Card e Alan Krueger examinaram o efeito do aumento do salário mínimo sobre o emprego. Nova Jersey aumentou seu salário mínimo, mas a vizinha Pensilvânia não, o que criou um experimento natural. Card e Krueger compararam as lanchonetes do leste da Pensilvânia (grupo de controle) com as de Nova Jersey (grupo experimental).

Subvertendo o senso comum, eles não encontraram evidências de que o emprego tenha caído em Nova Jersey após o aumento do salário mínimo. Outras possíveis consequências não intencionais – como menos novos restaurantes, cortes nos benefícios ou uma mudança do trabalho de período integral para meio período – não ocorreram.

Em um 1996 papel , Card e Krueger analisaram o experimento natural criado por diferentes políticas educacionais nas Carolinas na era Jim Crow. A Carolina do Sul foi muito mais agressiva do que a Carolina do Norte na transferência de recursos das escolas para alunos negros para escolas para alunos brancos. Isso permitiu uma comparação direta entre os dois estados.

Os resultados mostraram claramente que escolas mais bem financiadas e turmas menores levaram a salários mais altos mais tarde na vida. Especificamente, os estudantes negros da Carolina do Norte se saíram melhor do que seus colegas da Carolina do Sul, enquanto os brancos da Carolina do Sul se saíram melhor do que os brancos da Carolina do Norte. De importância semelhante, o estudo descobriu que as diferenças de salários entre esses grupos se erodiram lentamente ao longo do tempo, à medida que a lacuna educacional começou a diminuir após o fim da era Jim Crow.

Embora os estudos de Card e Krueger fossem robustos, suas descobertas não foram totalmente aceitas devido ao atrito que existia entre a teoria econômica e a realidade. Com o passar do tempo, no entanto, as metodologias simples que Card e Krueger usaram foram emuladas em pesquisas econômicas subsequentes. É aí que entra o trabalho de Angrist e Imbens.

Uma nova maneira de determinar a causalidade

Para usar o exemplo do Comitê Nobel, imagine que uma empresa decida dar bicicletas a seus trabalhadores no Natal enquanto outra não. Este é um experimento natural com um grupo de teste e um grupo de controle, e tem muitas coisas que podem ser medidas, como quantas pessoas de cada empresa acabam indo de bicicleta para o trabalho.

No entanto, como um experimento natural, pode ser difícil determinar como uma pessoa é afetada por ter recebido uma bicicleta. Afinal, eles podem optar por não usá-lo, ou talvez já fossem um ávido motociclista. Essas variáveis ​​complicam os efeitos causais, como o impacto das bicicletas na saúde dos funcionários.

Este é o lugar onde uma ferramenta proposta por Angrist e Imbens em 1994 estude , o efeito de tratamento médio local (LATE), torna-se útil. É possível colocar as pessoas de ambas as empresas em um dos quatro grupos:

1. Compiladores (que usarão a bicicleta se receberem uma);
2. Sempre Pegadores (que sempre usarão uma bicicleta, mesmo que não tenham recebido uma);
3. Never Takers (que nunca usará uma bicicleta, mesmo que tenha uma); e
4. Desafiadores (que usarão sua própria bicicleta se não for dada uma, mas se recusarão a usar uma bicicleta se for dada uma).

LATE nos permite colocar os três últimos grupos de lado e examinar apenas os compiladores. Então, usando muita matemática, o efeito médio do tratamento – neste caso, receber uma bicicleta – pode ser determinado para um membro desse grupo. Embora não seja possível determinar o impacto exato em uma única pessoa, detalhes sobre o grupo geral podem ser extraídos, como o aumento médio de saúde atribuível à bicicleta fornecida pelo empregador.

Em conjunto, o trabalho desses economistas esclareceu como o mundo realmente funciona (em vez de como deveria funcionar na teoria) e como podemos usar dados empíricos para informar nossa tomada de decisão econômica. É importante ressaltar que essa abordagem tem sido usada para estudar uma ampla variedade de assuntos fora da economia, incluindo a Pandemia do covid .

Compartilhar: