Szakpolitikai programok és intézményi változások hatásának elemzése Kézdi Gábor Közép-európai Egyetem (CEU) és MTA KRTK
A Magyar Agrárközgazdasági Egyesület konferenciája 2013. május 3. Budapest
A hatás tényellentétes definíciója Realizált eredmények összehasonlítása tényellentétes eredményekkel Mi történik Y-nal amikor X megtörténik Y egy realizált eredmény ha X valóban megtörténik összehasonlítva azzal, ami Y-nal történne, ha X nem történne meg
Y egy tényellentétes eredmény ha X nem történik meg
Példa: egy agrártámogatási program hatása A gazdálkodónál mért eredmény (kibocsátás, árak,stb.) agrártámogatás mellett összehasonlítva azzal, ami a gazdálkodó eredménye lenne agrártámogatás nélkül 2013. május 3.
Kézdi Gábor (CEU és MTAKRTK)
2
A tényellentétes eredmény mérése A tényellentétes eredmények mérése a fő probléma • Mi lett volna ha? De nem az történt, így nem megfigyelhető • Mégis mérni kell, különben nem mondhatunk semmit a hatásról
A tényellentétes eredményt is csak valamilyen megfigyelhető eredménnyel mérhetjük • Olyan helyzetben, amikor X nem történik meg • És úgy gondoljuk, hogy az jól mutatja a tényellentétes eredményt – Vagyis azt, hogy mi történt volna a minket érdeklő megfigyeléssel akkor, ha X nem történt volna meg vele
Minden hatáselemzés tesz feltételezéseket a tényellentétes eredményre vonatkozóan • A jobb elemzések ezt explicit módon teszik meg 2013. május 3.
Kézdi Gábor (CEU és MTAKRTK)
3
Mérési lehetőségek Randomizált kísérletek Nem kísérleti módszerek („kvázi-kísérletek”) • úgy teszünk, mintha kísérletet elemeznénk • Ezen belül több módszer is használatos – Diszkontinuitás modellek – Difference-in-differences és általánosításai • Fixed effects, correlated random effects, synthetic controls...
– Matching – Többváltozós regresszió
Bevallottan torz mérések • Tudjuk, hogy a mérésünk torz, de megpróbáljuk a valószínű torzítás irányát és mértékét meghatározni és figyelembe venni 2013. május 3.
Kézdi Gábor (CEU és MTAKRTK)
4
Randomizált kísérletek Véletlennek köszönhető, hogy kivel történik meg a hatás • Véletlenszerű, hogy ki kerül a „kezelt csoportba” (érinti a policy vagy intézményi változás) és ki kerül a „kontroll csoportba” (nem érinti a változás) • A gyógyszerkísérlet-analógia hasznos • A véletlenszerű csoportba rendelés miatt a kontroll csoport eredményei jól mutatják, hogy mi történt volna a kezelt csoporttal, ha nem kapják meg a kezelést – Átlagosan – Ha minden jól történik
• Egyszerű az elemzés: össze kell hasonlítani a két csoportban mért átlagot – A tesztelés kicsit bonyolult tud lenni ha nem elég nagyok a minták 2013. május 3.
Kézdi Gábor (CEU és MTAKRTK)
5
Egy randomizált kísérlet Ghanai gazdálkodók (Pace Phillips, Innovations for Poverty Action)
• Azért fektetnek keveset a gazdálkodók a gazdaságukba, mert nem férnek hozzá megfelelő hitelhez, vagy mert kockázatkerülők? •
1377 gazdálkodó 22 faluban
• Véletlenszerű besorolás 4 csoportba 1. Biztosítást vásárolhatnak a csapadékmennyiségre (729 gazdálkodó) 2. Kedvezményes hitelt kaphatnak (363 gazdálkodó) 3. Biztoítást is vásárolhatnak és hitelt is kaphanak (108 gazdálkodó) 4. Kontroll csoport (177 gazdálkodó)
• A véletlenszerű kiválasztás miatt a csoportok átlagosan nagyon hasonlóak – Mindenben, ami a kísérlet előtt mérhető volt 2013. május 3.
Kézdi Gábor (CEU és MTAKRTK)
6
Randomizált kísérlet, eredmények Ghanai gazdálkodók • Összehasonlítva a kontrollcsoporttal, 1. Aki biztosítást vásárolt, azok 13 százalékkal növelték a gazdaságukra fordított kiadásaikat (befektetéseiket) 2. Akik hitelt kaptak, azok is növelték a kiadásokat, de kisebb mértékben, és csak műtrágyára 3. Akik biztosítást is vásároltak és hitelt is kaptak, azok növelték leginkább a kiadásaikat
• De a kiadások növekedése nem járt együtt a profit növekedésével • Konklúzió: a kockázatkerülés és a hitelekhez való hozzáférés hiánya is probléma – A kockázatkerülés hatása jelentősen enyhíthető megfelelő biztosítással – De számos kérdés maradt 2013. május 3.
Kézdi Gábor (CEU és MTAKRTK)
7
Egy diff-in-diffs elemzés Etiópiai gazdálkodók (Matsumoto és Yamato, National Graduate Institute for Policy Studies, Tokyo)
• Magasabb hozamot érnek-e el a gazdálkodók, ha hitelt vesznek fel? • Probléma: az, aki hitelt vesz fel, sok minden másban is különbözik attól, aki nem vesze föl hitelt, és ez számíthat a hozamoknál is... • 400 gazdálkodó 40 faluban • Megfigyelés 2004-ben és 2006-ban • Hogyan változott azoknál a hozam, akik felvettek hitelt a két időpont között – Összehasonlítva azokkal, akik nem vettek föl hitelt?
• Feltevés: Ha nem vettek volna föl hitelt, a hozam úgy változott volna azoknál, akik hitel vettek föl mint azoknál, akik nem vettek fel hitelt 2013. május 3.
Kézdi Gábor (CEU és MTAKRTK)
8
Diff-in-diffs • Jobb, mint a hitelt felvevők és a hitelt nem felvevők hozamainak egyszerű összehasonlítása – Mert kontrollál a hitel felvétele előtti hozamokra
• Szükséges a „közös trend” – Feltevés: ha nem vettek volna fel hitelt, a hitelfelvevők hozamai ugyanúgy változtak volna, mint a hitelt nem felvevők hozamai
• Nem szükséges a „közös szint” – De megengedjük, hogy a hitelfelvevők hozamai átlagosan eltérjenek a nem hitelfelvevők hozamaitól akkor is, ha nem vettek volna fel hitelt
• Általában jobb, mint a keresztmetszeti regresszió – Egy keresztmetszeti regresszióban magyarázó változók bevonásával próbáljuk meg kontrollálni mindazt, ami miatt a hitelfelvevők hozamai hitelfevétel nélkül is eltérhenének a hitelt nem felvevők hozamaitól – Mindent kontrollálni hiú remény 2013. május 3.
Kézdi Gábor (CEU és MTAKRTK)
9
Diff-in-diffs • Rosszabb, mint a kísérlet – A közös trend feltevés csak egy feltevés – Bár több időpontra vonatkozó adattal megvizsgálható, hogy két olyan időpont között hasonlóak voltak-e a valtozások a későbbi hitelfelvevők és nem hitelfelvevők között, amikor még a későbbi hitelfelvevők sem vettek fel hitelt
• Megvalósítható anélkül, hogy beleszólnánk a policy menetébe – Randomizált kísérletnél mindennek úgy kell történnie, ahogy a hatáselemzés megkívánja
• Egyszerűbb és robusztosabb mint a többáltozós regresszió vagy a bonyolultabb modellek (pl. „Heckman-féle szelekciós modellek”) – Könnyebb kommunikálni – Mi magunk is jobban értjük, hogy pontosan mi is történik a becslés során
2013. május 3.
Kézdi Gábor (CEU és MTAKRTK)
10
Eredmények az etióp tanulmányból • 1994: 100% hitelbiztosítás trágya vásárlásra adott hitelre • 2000-es évek elejére a vásárolt trágya 90%-a ilyen hitelből történt • Probléma lehet ha a hitelt nem a legmegfelelőbb trágyára használják – A 100% garancia torzíthatja az ösztönzőket
• Minta több területen működő gazdálkodókból • Megfigyelés kétszer: 2004-ben és 2006-ban • Diff-in-diffs eredmények – Jobban nőtt a trágya felhasználás azoknák, akik hitelfelvevők lettek – De nem nőtt jobban a hozam a kukorica és búza esetében azoknák, akik hitelfelvevők lettek – Csak a teff esetében mutatható ki nagyobb hozamnövekedés
• Még ezek a „nem-eredmények” is valószínűleg torzak felfelé 2013. május 3.
Kézdi Gábor (CEU és MTAKRTK)
11
Eredmények az etióp tanulmányból
2013. május 3.
Kézdi Gábor (CEU és MTAKRTK)
12
Eredmények az etióp tanulmányból
2013. május 3.
Kézdi Gábor (CEU és MTAKRTK)
13
Eredmények az etióp tanulmányból
2013. május 3.
Kézdi Gábor (CEU és MTAKRTK)
14
Eredmények az etióp tanulmányból
2013. május 3.
Kézdi Gábor (CEU és MTAKRTK)
15
Konklúziók • A tényellentétes eredményekről való gondolkodás alapvető része a policy és intézményi hatások elemzésének • A tényellentétes eredmények mérése az ilyen elemzések kucsproblémája • A legjobban ezt a randomizált kísérletek kezelik – Ritkák de egyre gyakrabbak
• A nem kísérletes módszerek csak erősebb feltevések mellett működnek • Ezeket a feltevéseket explicitté kell tenni • Jobbak azok a módszerek, amiknél kevésb erés feltevéseket kell tenni – És általában egyszerűbbek is
• De mindig explicitté kell tenni, hogy milyen irányba torzíthatnak 2013. május 3.
Kézdi Gábor (CEU és MTAKRTK)
16
Köszönöm a figyelmet! Kézdi Gábor Közép-európai Egyetem (CEU) és MTA KRTK
[email protected]