Năm 2021
Giải Nobel Kinh tế 2021
Giải thưởng Nobel Kinh tế năm 2021 được trao cho ba nhà kinh tế học David Card, Joshua D. Angrist và Guido W. Imbens vì những đóng góp mang tính đột phá trong phương pháp nghiên cứu thực nghiệm trong kinh tế học.
“for his empirical contributions to labour economics”
David Card được trao một nửa giải thưởng nhờ các đóng góp tiên phong trong kinh tế học lao động, đặc biệt là việc sử dụng các “thí nghiệm tự nhiên” để phân tích tác động của mức lương tối thiểu, nhập cư và giáo dục đối với thị trường lao động.
Joshua Angrist và Guido Imbens được trao chung nửa còn lại của giải thưởng vì đã phát triển khuôn khổ phương pháp luận giúp xác định quan hệ nhân quả trong các tình huống mà nhà nghiên cứu không thể kiểm soát hoàn toàn thí nghiệm, tạo nền tảng cho các ứng dụng thực nghiệm hiện đại trong kinh tế học.
Công trình của họ đã cách mạng hóa kinh tế học thực nghiệm, cung cấp công cụ mạnh mẽ để trả lời các câu hỏi chính sách quan trọng bằng bằng chứng đáng tin cậy, và có ảnh hưởng sâu rộng trên nhiều lĩnh vực nghiên cứu hiện nay.
David Card
David Card (sinh năm 1956 tại Guelph, Canada) là Giáo sư tại Đại học California, Berkeley – một trong những học giả có ảnh hưởng nhất trong lĩnh vực kinh tế lao động hiện đại. Ông được trao một nửa Giải Nobel Kinh tế 2021 :* “vì những đóng góp thực nghiệm đối với kinh tế lao động.”*
Card sử dụng thực nghiệm tự nhiên (natural experiments) – những biến cố ngẫu nhiên hoặc thay đổi chính sách tác động khác nhau lên các nhóm người – để trả lời các câu hỏi nhân quả quan trọng trong khoa học xã hội. Thông qua cách tiếp cận này, ông đã phân tích tác động của mức lương tối thiểu, nhập cư và giáo dục lên thị trường lao động.
Kết quả nghiên cứu của Card đã làm thay đổi tư duy kinh tế học truyền thống: ông cho thấy rằng tăng lương tối thiểu không nhất thiết làm giảm việc làm, trái ngược với quan điểm kinh tế học cổ điển. Những phát hiện này mở ra một kỷ nguyên mới cho nghiên cứu chính sách lao động và thúc đẩy việc áp dụng rộng rãi phương pháp thực nghiệm tự nhiên trong kinh tế học.
Joshua D. Angrist
Joshua D. Angrist (sinh ngày 18 tháng 9 năm 1960 tại Columbus, Ohio, Hoa Kỳ) là một trong những nhà kinh tế học có ảnh hưởng sâu rộng nhất trong lĩnh vực kinh tế lượng hiện đại. Tại thời điểm nhận Giải Nobel Kinh tế năm 2021, ông đang công tác tại Viện Công nghệ Massachusetts (MIT).
Ông được trao 1/4 giải thưởng với động cơ:* “vì những đóng góp phương pháp luận cho phân tích quan hệ nhân quả”.*
Nhiều câu hỏi lớn trong khoa học xã hội xoay quanh vấn đề nhân – quả. Tuy nhiên, trong thực tiễn, chúng ta hiếm khi có thể tiến hành thí nghiệm ngẫu nhiên như trong khoa học tự nhiên. Thay vào đó, thí nghiệm tự nhiên — những biến cố ngẫu nhiên hoặc thay đổi chính sách ảnh hưởng khác nhau đến các nhóm người — trở thành công cụ quan trọng để các nhà nghiên cứu xác định quan hệ nhân quả.
Trong công trình mang tính bước ngoặt năm 1994, Joshua Angrist và Guido Imbens đã xây dựng khuôn khổ phương pháp luận giúp chỉ ra khi nào và bằng cách nào có thể rút ra kết luận nhân quả từ các thí nghiệm tự nhiên, đặc biệt trong bối cảnh người tham gia không thể bị bắt buộc hoặc ngăn cản tham gia chương trình được nghiên cứu. Bộ công cụ của họ — bao gồm khái niệm LATE (Local Average Treatment Effect) — đã trở thành nền tảng cho kinh tế lượng nhân quả hiện đại.
Nhờ các đóng góp của Angrist, giới nghiên cứu giờ đây có thể phân tích dữ liệu quan sát một cách chặt chẽ hơn, đưa ra kết luận đáng tin cậy về tác động của chính sách trong giáo dục, lao động, y tế và nhiều lĩnh vực khác.
Guido W. Imbens
Guido W. Imbens (sinh ngày 3 tháng 9 năm 1963 tại Geldrop, Hà Lan) là một trong những học giả có ảnh hưởng sâu rộng nhất trong kinh tế lượng hiện đại, đặc biệt trong lĩnh vực phân tích quan hệ nhân quả. Tại thời điểm được trao Giải Nobel Kinh tế 2021, ông đang công tác tại Đại học Stanford, Hoa Kỳ.
Ông được trao 1/4 giải thưởng, cùng với Joshua Angrist, với động cơ: “vì những đóng góp phương pháp luận cho phân tích các mối quan hệ nhân quả.”
Trong khoa học xã hội, nhiều câu hỏi cốt lõi xoay quanh vấn đề nguyên nhân – kết quả: chính sách tác động như thế nào đến hành vi người dân? Giáo dục ảnh hưởng ra sao đến thu nhập? Các nhà nghiên cứu thường gặp khó khăn vì không thể áp dụng thí nghiệm ngẫu nhiên trong nhiều bối cảnh thực tế. Thay vào đó, họ dựa vào thí nghiệm tự nhiên, nơi sự thay đổi chính sách hoặc các biến cố ngẫu nhiên tạo ra các nhóm được đối xử khác nhau.
Năm 1994, Guido Imbens và Joshua Angrist đã có bước đột phá lớn khi phát triển khung phương pháp luận cho phép rút ra kết luận nhân quả đáng tin cậy từ các thí nghiệm tự nhiên, đặc biệt trong những tình huống mà người tham gia không thể bị ép buộc hoặc ngăn cản tham gia chương trình nghiên cứu. Công trình của họ đặt nền tảng cho khái niệm Local Average Treatment Effect (LATE) – một bước tiến mang tính cách mạng trong kinh tế lượng thực nghiệm.
Tóm tắt kết quả nghiên cứu
Các chủ nhân giải Nobel Kinh tế năm nay – David Card, Joshua Angrist và Guido Imbens – đã chứng minh rằng thí nghiệm tự nhiên có thể được sử dụng để trả lời những câu hỏi trọng yếu của xã hội, chẳng hạn như mức lương tối thiểu và nhập cư ảnh hưởng đến thị trường lao động như thế nào. Họ cũng làm sáng tỏ chính xác những kết luận về quan hệ nhân quả có thể rút ra từ phương pháp nghiên cứu này.
Thí nghiệm tự nhiên giúp trả lời những câu hỏi quan trọng
Để đưa ra các quyết định đúng đắn, chúng ta phải hiểu được hậu quả của những lựa chọn mình đưa ra. Điều này đúng đối với cả cá nhân lẫn các nhà hoạch định chính sách: những người trẻ đang cân nhắc con đường học vấn muốn biết lựa chọn của họ sẽ ảnh hưởng thế nào đến thu nhập tương lai; các chính trị gia khi xem xét những cải cách khác nhau muốn biết tác động của chúng đến việc làm và phân phối thu nhập. Tuy nhiên, việc trả lời các câu hỏi rộng liên quan đến quan hệ nhân – quả không hề dễ dàng, bởi chúng ta không bao giờ biết được điều gì sẽ xảy ra nếu ta đưa ra một lựa chọn khác.
Một cách để xác lập quan hệ nhân – quả là sử dụng thí nghiệm ngẫu nhiên (randomised experiments), nơi các nhà nghiên cứu phân bổ cá nhân vào nhóm điều trị (treatment groups) bằng cách rút thăm ngẫu nhiên (random draw). Phương pháp này được dùng rộng rãi trong kiểm nghiệm hiệu quả thuốc mới, nhưng không phù hợp để nghiên cứu nhiều vấn đề xã hội – ví dụ như không thể tiến hành thí nghiệm ngẫu nhiên để quyết định ai được học trung học phổ thông và ai không được học.
Bất chấp những thách thức này, các chủ nhân giải thưởng đã chứng minh rằng nhiều câu hỏi lớn của xã hội vẫn có thể được trả lời. Giải pháp của họ là sử dụng thí nghiệm tự nhiên (* natural experiments*)– những tình huống trong đời thực có tính chất giống với thí nghiệm ngẫu nhiên. Các thí nghiệm tự nhiên có thể xuất phát từ sự thay đổi ngẫu nhiên tự nhiên, các quy tắc thể chế hoặc những điều chỉnh chính sách.
Trong các công trình tiên phong từ đầu thập niên 1990, David Card đã phân tích một số câu hỏi trung tâm của kinh tế lao động – như tác động của lương tối thiểu, nhập cư và giáo dục – bằng phương pháp này. Kết quả nghiên cứu của ông đã thách thức các quan niệm kinh tế trước đó và mở ra hướng nghiên cứu mới, mà Card tiếp tục có nhiều đóng góp quan trọng. Nhìn chung, ngày nay chúng ta hiểu rõ hơn nhiều về cách thị trường lao động vận hành so với 30 năm trước.
Thí nghiệm tự nhiên khác với thử nghiệm lâm sàng ở một điểm quan trọng – trong thử nghiệm lâm sàng, nhà nghiên cứu hoàn toàn kiểm soát việc ai được nhận điều trị (nhóm điều trị -the treatment group ) và ai không (nhóm đối chứng - the control group). Trong thí nghiệm tự nhiên, nhà nghiên cứu cũng có dữ liệu từ cả hai nhóm, nhưng khác với thử nghiệm lâm sàng, cá nhân có thể tự quyết định việc có tham gia “can thiệp” hay không. Điều này khiến việc diễn giải kết quả của thí nghiệm tự nhiên trở nên khó khăn hơn nhiều.
Trong một nghiên cứu đổi mới năm 1994, Joshua Angrist và Guido Imbens đã chỉ ra những kết luận nhân – quả (causation)nào có thể rút ra từ các thí nghiệm tự nhiên trong đó người tham gia không thể bị ép buộc (hay cấm đoán) tham gia chương trình được nghiên cứu. Khung phân tích mà họ xây dựng đã thay đổi căn bản cách các nhà nghiên cứu tiếp cận câu hỏi thực nghiệm, sử dụng dữ liệu từ thí nghiệm tự nhiên hoặc thí nghiệm hiện trường ngẫu nhiên.
Một ví dụ về thí nghiệm tự nhiên
Hãy sử dụng một ví dụ cụ thể để minh họa cách một thí nghiệm tự nhiên hoạt động. Một câu hỏi quan trọng đối với xã hội cũng như đối với các bạn trẻ đang cân nhắc về tương lai là :Nếu bạn học lâu hơn, bạn sẽ kiếm được nhiều hơn bao nhiêu?
Một cách tiếp cận ban đầu để trả lời câu hỏi này là xem xét dữ liệu về mối quan hệ giữa thu nhập và trình độ học vấn. Trong mọi bối cảnh có thể hình dung, những người có số năm học nhiều hơn đều có thu nhập cao hơn.
Ví dụ, đối với nam giới sinh tại Hoa Kỳ trong thập niên 1930, thu nhập trung bình cao hơn khoảng 7% đối với những người có thêm một năm học.
Vậy, chúng ta có thể kết luận rằng thêm một năm học sẽ làm thu nhập của bạn tăng thêm 7% không? Câu trả lời là không – những người chọn học lâu hơn khác với những người chọn học ít hơn theo nhiều cách. Ví dụ, một số người có thể có năng lực học tập và làm việc tốt hơn. Những người này có khả năng tiếp tục học dài hơn, nhưng ngay cả khi họ không học nhiều thì họ vẫn có thể có thu nhập cao. Cũng có thể chỉ những người tin rằng giáo dục mang lại lợi ích mới chọn học lâu hơn.
Những vấn đề tương tự xuất hiện khi bạn muốn nghiên cứu xem thu nhập có ảnh hưởng đến tuổi thọ hay không. Dữ liệu cho thấy những người có thu nhập cao sống lâu hơn – nhưng điều này có thực sự do thu nhập cao hay không, hay là vì họ có những đặc điểm khác khiến họ vừa sống lâu hơn vừa kiếm được nhiều tiền hơn? Rất dễ nghĩ ra nhiều ví dụ khác trong đó có lý do để nghi ngờ liệu mối tương quan có thực sự hàm ý một quan hệ nhân quả hay không.
Vậy làm thế nào để sử dụng một thí nghiệm tự nhiên (natural experiment) nhằm xem liệu những năm học thêm có ảnh hưởng đến thu nhập tương lai hay không? Joshua Angrist và đồng nghiệp Alan Krueger (đã mất) đã chỉ ra cách thực hiện điều này trong một bài báo nổi tiếng. Ở Hoa Kỳ, học sinh có thể nghỉ học khi tròn 16 hoặc 17 tuổi, tùy theo tiểu bang. Vì tất cả trẻ sinh trong cùng một năm dương lịch đều nhập học cùng thời điểm, trẻ sinh đầu năm có thể nghỉ học sớm hơn trẻ sinh cuối năm. Khi Angrist và Krueger so sánh những người sinh vào quý I và quý IV trong năm, họ thấy rằng nhóm sinh quý I trung bình có ít thời gian học hơn. Những người sinh quý I cũng có thu nhập thấp hơn nhóm sinh quý IV. Nghĩa là khi trưởng thành, họ vừa có ít học hơn vừa có thu nhập thấp hơn so với những người sinh cuối năm.
Vì thời điểm sinh ra hoàn toàn do ngẫu nhiên quyết định, Angrist và Krueger có thể sử dụng thí nghiệm tự nhiên này để xác lập quan hệ nhân quả rằng học nhiều hơn dẫn đến thu nhập cao hơn: hiệu ứng của một năm học thêm đối với thu nhập là 9%. Điều đáng ngạc nhiên là hiệu ứng này mạnh hơn mối liên hệ tương quan giữa học vấn và thu nhập, vốn chỉ là 7%. Nếu những người chăm chỉ và thông minh vừa học nhiều (bất kể tác động thực sự của giáo dục) vừa có thu nhập cao, thì lẽ ra kết quả phải ngược lại: tương quan phải mạnh hơn nhân quả. Quan sát này đặt ra câu hỏi mới về cách diễn giải kết quả từ các thí nghiệm tự nhiên – những câu hỏi sau đó được Joshua Angrist và Guido Imbens giải đáp.
Sẽ rất dễ nghĩ rằng những tình huống cho phép tiến hành các thí nghiệm tự nhiên là rất hiếm, đặc biệt là những trường hợp có thể được sử dụng để trả lời các câu hỏi quan trọng. Tuy nhiên, nghiên cứu trong 30 năm qua đã cho thấy điều ngược lại: các thí nghiệm tự nhiên xảy ra khá thường xuyên.
Chúng có thể xuất hiện thông qua các thay đổi chính sách ở một số khu vực trong một quốc gia, qua các ngưỡng điểm chuẩn trong tuyển sinh giáo dục đại học, hoặc qua các mức thu nhập dùng để xác định thuế và phúc lợi xã hội. Những cơ chế này khiến một số cá nhân được tiếp xúc với một biện pháp can thiệp, trong khi những cá nhân khác – dù tương tự – lại không. Như vậy, tồn tại một yếu tố ngẫu nhiên ngoài ý muốn chia mọi người thành nhóm can thiệp và nhóm đối chứng, tạo điều kiện cho các nhà nghiên cứu xác định quan hệ nhân quả.
Hiểu về thị trường lao động
Tác động của mức lương tối thiểu (The effects of a minimum wage)
Vào đầu những năm 1990, quan điểm phổ biến của các nhà kinh tế là mức lương tối thiểu cao hơn sẽ dẫn đến việc làm giảm xuống, vì nó làm tăng chi phí tiền lương cho doanh nghiệp. Tuy nhiên, bằng chứng thực nghiệm hỗ trợ kết luận này chưa thật sự thuyết phục. Quả thật có nhiều nghiên cứu cho thấy mối tương quan âm giữa mức lương tối thiểu và việc làm, nhưng liệu điều này có thật sự nghĩa là tăng lương tối thiểu gây ra thất nghiệp cao hơn? Hoàn toàn có thể tồn tại quan hệ nhân quả ngược: khi thất nghiệp tăng, người sử dụng lao động có thể đưa ra mức lương thấp hơn, và điều này có thể dẫn đến các yêu cầu tăng lương tối thiểu.
Để nghiên cứu tác động của việc tăng lương tối thiểu lên việc làm, Card và Krueger đã sử dụng một thí nghiệm tự nhiên. Đầu những năm 1990, mức lương tối thiểu theo giờ tại bang New Jersey được tăng từ 4,25 USD lên 5,05 USD. Nếu chỉ xem xét những gì xảy ra tại New Jersey sau khi mức lương tăng, ta vẫn không thể rút ra kết luận đáng tin cậy, vì còn nhiều yếu tố khác có thể ảnh hưởng đến sự thay đổi của việc làm theo thời gian. Giống như các thí nghiệm ngẫu nhiên, cần phải có một nhóm đối chứng – tức là một nhóm mà mức lương không thay đổi nhưng mọi yếu tố khác về cơ bản giống nhau.
Dĩ nhiên, giữa hai bang có những khác biệt nhất định, nhưng rất có khả năng thị trường lao động gần khu vực biên giới sẽ diễn biến tương tự nhau. Vì vậy, họ đã nghiên cứu tác động đến việc làm ở hai khu vực giáp ranh – New Jersey và miền Đông Pennsylvania – vốn có thị trường lao động tương đồng, nhưng chỉ New Jersey tăng lương tối thiểu, còn phía bên kia biên giới thì không.
Không có lý do rõ ràng để tin rằng bất kỳ yếu tố nào khác (chẳng hạn tình hình kinh tế) ngoài việc tăng lương tối thiểu lại khiến xu hướng việc làm thay đổi theo cách khác nhau ở hai bên biên giới. Do đó, nếu quan sát thấy sự thay đổi số lượng việc làm tại New Jersey và sự thay đổi đó khác biệt so với phía Pennsylvania, thì có cơ sở vững chắc để diễn giải đây là tác động của việc tăng lương tối thiểu.
Card và Krueger tập trung vào việc làm trong ngành nhà hàng thức ăn nhanh, một lĩnh vực có mức lương thấp và chịu ảnh hưởng rõ rệt từ lương tối thiểu. Trái ngược với các nghiên cứu trước đây, họ phát hiện rằng việc tăng lương tối thiểu không làm giảm số lượng việc làm. David Card cũng tìm được cùng kết luận này trong một vài nghiên cứu khác đầu thập niên 1990.
Nghiên cứu tiên phong này đã dẫn đến hàng loạt công trình tiếp theo. Kết luận tổng thể của các nghiên cứu sau đó cho thấy:
Tác động tiêu cực của việc tăng lương tối thiểu đến việc làm là rất nhỏ,
Và nhỏ hơn nhiều so với niềm tin phổ biến cách đây 30 năm.
Những nghiên cứu của Card đầu thập niên 1990 cũng thúc đẩy sự ra đời của nhiều lý giải mới, nhằm giải thích vì sao tăng lương tối thiểu không làm giảm việc làm. Một số khả năng bao gồm:
Doanh nghiệp có thể chuyển chi phí tăng lương sang người tiêu dùng bằng cách tăng giá mà không làm giảm cầu đáng kể.
Một số doanh nghiệp có quyền lực thị trường trong tuyển dụng, khiến họ có thể trả lương thấp hơn mức cạnh tranh; do đó, tăng lương tối thiểu lại thu hút nhiều lao động hơn, dẫn đến tăng việc làm.
Khi doanh nghiệp có quyền lực thị trường như vậy, ta không thể biết trước việc làm sẽ thay đổi như thế nào khi mức lương tối thiểu thay đổi.
Nhìn chung, những nghiên cứu được truyền cảm hứng từ công trình của Card và Krueger đã cải thiện đáng kể hiểu biết của chúng ta về thị trường lao động.
Nghiên cứu về nhập cư và giáo dục
Một vấn đề quan trọng khác là thị trường lao động bị ảnh hưởng như thế nào bởi dòng người nhập cư. Để trả lời câu hỏi này, chúng ta cần biết điều gì sẽ xảy ra nếu không có bất kỳ làn sóng nhập cư nào. Vì người nhập cư thường chọn định cư ở những khu vực có thị trường lao động đang tăng trưởng, nên chỉ so sánh các vùng có và không có nhiều người nhập cư là chưa đủ để xác định mối quan hệ nhân quả. Một sự kiện độc nhất trong lịch sử nước Mỹ đã tạo ra một thí nghiệm tự nhiên, và David Card đã sử dụng nó để nghiên cứu tác động của nhập cư lên thị trường lao động.
Vào tháng 4 năm 1980, Fidel Castro bất ngờ cho phép tất cả công dân Cuba nào muốn rời khỏi đất nước được tự do ra đi. Từ tháng 5 đến tháng 9, có 125.000 người Cuba nhập cư vào Mỹ. Nhiều người trong số họ định cư tại Miami, làm lực lượng lao động của thành phố này tăng khoảng 7%. Để xem dòng lao động khổng lồ này ảnh hưởng đến thị trường lao động ở Miami như thế nào, David Card đã so sánh xu hướng tiền lương và việc làm ở Miami với xu hướng tương tự tại bốn thành phố đối chứng.
Mặc dù nguồn cung lao động tăng mạnh, Card không tìm thấy tác động tiêu cực nào đối với cư dân Miami có trình độ học vấn thấp. Tiền lương không giảm và tỷ lệ thất nghiệp cũng không tăng so với các thành phố khác. Nghiên cứu này đã thúc đẩy hàng loạt công trình thực chứng mới, giúp chúng ta hiểu rõ hơn về tác động của nhập cư. Ví dụ, các nghiên cứu tiếp theo cho thấy việc gia tăng nhập cư có tác động tích cực đến thu nhập của nhiều nhóm sinh ra trong nước, trong khi những người nhập cư từ trước lại bị ảnh hưởng tiêu cực. Một lời giải thích cho điều này là người bản địa có xu hướng chuyển sang các công việc đòi hỏi kỹ năng ngôn ngữ bản địa tốt, nơi họ không phải cạnh tranh trực tiếp với người nhập cư.
Card cũng có những đóng góp quan trọng liên quan đến tác động của nguồn lực trường học đối với thành công tương lai của học sinh trên thị trường lao động. Một lần nữa, kết quả của ông đặt nghi vấn về quan niệm phổ biến trước đó – vốn cho rằng mối liên hệ giữa tăng nguồn lực giáo dục với kết quả học tập và cơ hội lao động sau này là yếu. Tuy nhiên, vấn đề của các nghiên cứu trước là chưa xét đến khả năng phân bổ nguồn lực có tính bù đắp. Chẳng hạn, rất có thể các nhà quản lý sẽ đầu tư nhiều hơn vào chất lượng giáo dục ở những trường nơi thành tích học tập của học sinh thấp.
Để kiểm tra liệu nguồn lực trường học có ảnh hưởng tới thành công nghề nghiệp tương lai của học sinh hay không, David Card và Alan Krueger đã so sánh lợi tức giáo dục (returns on education) của những người sống trong cùng một bang ở Mỹ nhưng lớn lên ở các bang khác nhau — ví dụ, những người lớn lên ở Alabama hoặc Iowa nhưng hiện sống tại California. Ý tưởng ở đây là những người chuyển đến California và có cùng trình độ học vấn có thể coi là tương đồng. Nếu lợi tức giáo dục khác nhau, lý do có thể là Alabama và Iowa đã đầu tư vào hệ thống giáo dục khác nhau. Card và Krueger phát hiện rằng nguồn lực giáo dục rất quan trọng: lợi tức giáo dục tăng theo mật độ giáo viên(teacher density) tại bang nơi các cá nhân lớn lên.
Nghiên cứu này cũng truyền cảm hứng cho nhiều công trình mới. Hiện nay, có bằng chứng thực nghiệm khá mạnh cho thấy đầu tư vào giáo dục ảnh hưởng tích cực đến thành công nghề nghiệp sau này của học sinh. Tác động này đặc biệt mạnh đối với học sinh đến từ các hoàn cảnh khó khăn (students from disadvantaged backgrounds).
Một khuôn khổ mới cho nghiên cứu quan hệ nhân quả
Trong mọi bối cảnh thực tế, tác động của một can thiệp(intervention) – chẳng hạn tác động của việc học thêm một năm lên thu nhập – đều khác nhau giữa các cá nhân. Hơn nữa, mỗi người phản ứng khác nhau trước một thí nghiệm tự nhiên. Cơ hội được rời trường ở tuổi 16 hầu như không ảnh hưởng đến những người vốn đã có kế hoạch học đại học. Các vấn đề tương tự cũng xuất hiện trong những nghiên cứu dựa trên thí nghiệm thực, vì chúng ta thường không thể bắt buộc mọi người tham gia vào một chương trình can thiệp. Nhóm người cuối cùng chọn tham gia có thể gồm những cá nhân tin rằng họ sẽ được hưởng lợi từ chương trình. Tuy nhiên, nhà nghiên cứu khi phân tích dữ liệu chỉ biết ai đã tham gia, chứ không biết lý do – không có thông tin về việc ai tham gia chỉ vì họ được trao cơ hội nhờ thí nghiệm tự nhiên (hoặc thí nghiệm ngẫu nhiên), và ai sẽ tham gia dù có hay không cơ hội đó. Vậy làm thế nào để xác lập quan hệ nhân quả giữa giáo dục và thu nhập?
Joshua Angrist và Guido Imbens đã giải quyết vấn đề này trong một nghiên cứu có ảnh hưởng lớn vào giữa những năm 1990. Cụ thể hơn, họ đặt câu hỏi sau:
Trong những điều kiện nào chúng ta có thể sử dụng một thí nghiệm tự nhiên để ước tính tác động của một chương trình can thiệp – chẳng hạn một khóa học tin học – khi tác động khác nhau giữa các cá nhân và chúng ta không hoàn toàn kiểm soát được ai tham gia?
Làm thế nào để ước tính tác động này và phải diễn giải nó ra sao?
Một cách đơn giản, ta có thể hình dung thí nghiệm tự nhiên giống như việc ngẫu nhiên chia mọi người thành hai nhóm: nhóm điều trị và nhóm đối chứng. Nhóm điều trị được quyền tham gia chương trình, còn nhóm đối chứng thì không. Angrist và Imbens chỉ ra rằng có thể ước tính tác động của chương trình bằng cách áp dụng quy trình hai bước (được gọi là phương pháp biến công cụ – instrumental variables).
- Bước thứ nhất xem thí nghiệm tự nhiên ảnh hưởng thế nào đến xác suất tham gia chương trình.
- Bước thứ hai sử dụng xác suất này để đánh giá tác động của chương trình thực tế.
Với một số giả định nhất định – được Imbens và Angrist xây dựng và thảo luận chi tiết – các nhà nghiên cứu có thể ước tính tác động của chương trình ngay cả khi không có thông tin về việc ai thực sự bị tác động bởi thí nghiệm tự nhiên.
Một kết luận quan trọng là chỉ có thể ước tính tác động đối với những người thay đổi hành vi do thí nghiệm tự nhiên gây ra. Điều này hàm ý rằng kết luận của Angrist và Krueger về tác động của thêm một năm học đối với thu nhập – mà họ ước tính là khoảng 9% – chỉ áp dụng cho những người thật sự quyết định rời trường khi có cơ hội đó. Chúng ta không thể xác định chính xác ai thuộc nhóm này, nhưng có thể xác định được quy mô của nó. Tác động đối với nhóm này được gọi là hiệu quả điều trị trung bình cục bộ (Local Average Treatment Effect – LATE).
Như vậy, Joshua Angrist và Guido Imbens đã chỉ ra chính xác những kết luận nào về quan hệ nhân quả có thể rút ra từ thí nghiệm tự nhiên. Phân tích của họ cũng có ý nghĩa đối với các thí nghiệm ngẫu nhiên trong đó ta không hoàn toàn kiểm soát được ai tham gia chương trình can thiệp – điều thường xảy ra trong hầu hết các thí nghiệm hiện trường. Khuôn khổ phương pháp mà Angrist và Imbens phát triển đã được áp dụng rộng rãi trong các nghiên cứu dùng dữ liệu quan sát. Bằng cách làm rõ các giả định cần thiết để xác lập quan hệ nhân quả, khuôn khổ này đã nâng cao tính minh bạch – và do đó là độ tin cậy – của các nghiên cứu thực nghiệm.
Tài liệu tham khảo và đọc thêm
- https://www.nobelprize.org/prizes/economic-sciences/2021/popular-information/
- https://www.nobelprize.org/uploads/2021/10/advanced-economicsciencesprize2021.pdf