مصایب و خوشیهای اقتصادسنجی
حامد قدوسی | کارشناس اقتصاد
اقتصادسنجی شمشیر دولبهای برای ارتقا کیفیت علم اقتصاد است: از یک طرف حضور اقتصادسنجی از روزهای نخست تولد اقتصاد جریان اصلی و نیز توسعه شگفتآور آن در چند دهه اخیر باعث شد تا اقتصاد دادههای دنیای بیرون را جدی بگیرد و یکی از قویترین رشتههای علوم اجتماعی از حیث تحلیل درست و دقیق دادهها باشد.
البته اقتصاد در این بین تنها نیست، رشتههایی مثل بهداشت عمومی (Public Health) هم به لحاظ دقت در تحلیل علی (Causal) دادهها بسیار پیشرو هستند.
از طرف دیگر، فراوانی و آسانی دسترسی به دادهها و گسترش و آسانشدن کار با نرمافزارهای اقتصادسنجی به «مبتذل» شدن پژوهشهای اقتصادی هم کمک کرد.
سالیانه حجم زیادی مقاله به اصطلاح امپریکال تولید میشود که در آنها خبری از انضباط ناشی از «نظریه اقتصاد» یا خلاقیت ناشی از «شهود اقتصاددانانه» و نتیجهای نو برای درک جهان نیست ولی جداول و نمودارهای چشمگیر فراوان است.
نرمافزارهای اقتصادسنجی، نمایش دانستن اقتصاد بدون دانستن واقعی آن را آسان کردهاند.
این وسط یک بد فهمی در مورد کارکرد واقعی اقتصادسنجی – که بین منتقدین جریان اصلی اقتصاد از گروه موسوم به نهادگرایان ایرانی تا اتریشیها و جامعه پویایی سیستمها مشترک است – وجود دارد.
خلاصه این بدفهمی این مدعیها است که ۱) «اقتصادسنجی گذشتهنگر است، در حالیکه نگاه ما به آینده است» و ۲) «اقتصادسنجی قصد پیشبینی دارد، در حالی که اقتصاد موجود پویایی است که قابل پیشبینی نیست»، ۳) «اقتصادسنجی جعبه سیاه است و ما نمیتوان در آن چه میگذرد» و ۴) «اقتصادسنجی رابطه مکانیکی برای اقتصاد متصور است». همه این گزارهها تا حدی در خلا درست هستند، ولی هیچ کدام نقد اقتصادسنجی واقعا موجود نیستند.
در واقعیت یک اقتصاددان جدی وقتی از «اقتصادسنجی» استفاده میکند قصد «پیشبینی» آینده یا برونیابی را ندارد! درصد کمی از اقتصاددانان (آنهم بیشتر در محیطهای کاری یا غیرآکادمیک) چنین کاربردی برای اقتصادسنجی متصور هستند.
هدف اصلی اقتصاددانان از کاربست سنجی «درک رابطه نظری بین متغیرها از روی دادههای دنیای بیرون»، «سنجش اعتبار نظریههای رقیب با عیار دادهها» و «تخمین عددی از مقدار متغیرهای پنهان و عمیق سیستمها (مثل نرخ ترجیح زمانی افراد)» است.
اقتصاددان نه قصد «پیشبینی آینده» را دارد و نه نسبت به «پویایی ساختار اقتصاد» بیتوجه است و رابطه مکانیکی برای اقتصاد متصور است، بلکه به دنبال این است که ببیند آیا برای فرضیههای رقیبی که درمورد نوع پویایی اقتصاد در ذهن داریم، شواهدی از دنیای بیرون هم پیدا میشود یا نه.
پیچیدگی اصلی هم این است که ما روابط علی بین متغیرها را به سادگی مشاهده نمیکنیم و در نتیجه باید با تلاش زیاد، راههایی برای تفکیک «همبستگی» از «علیت» پیدا کنیم (موضوعی که برخی حوزههای علوم اجتماعی هنوز توجه کافی به آن ندارند.)
به یک معنی، نقدهای رایج از اقتصادسنجی بیشتر معطوف به برداشتی از ماهیت این علم در دوره ماقبل دهه هشتاد میلادی است.
در سه دهه گذشته چندین تحول مهم در این علم اتفاق افتاده است: ۱) با نقد لوکاس در حوزه سنجی-کلان، اقتصاددانان متوجه شدهاند که باید «پاسخ عاملها به تغییر متغیرهای محیطی» را هم به عنوان جزیی از مدل لحاظ کنند. ۲) در حوزه اقتصادسنجی خرد، توجه به تکنیکهایی که به ما اجازه تفکیک «همبستگی از علیت» را میدهد معطوف شده و روشهای دقیق متنوعی برای شرایط مختلف توسعه داده شده است تا در حد امکان معضل «درون زایی» (Endogeneity) در تخمین روابط بین متغیرها را کاهش دهد. ۳) توجه به پایداری و نقد مدل و شفافسازی ماهیت مدل خیلی بیشتر شده است.
همه این پیشرفتها البته به معنی بینقص بودن ابزارهای سنجی یا اعتماد داشتن کامل به نتایج آنان یا تفسیر نتایج آنان بدون توجه به بستر مساله یا نقد نداشتن به غلبه اقتصادسنجی نیست. نقد روی ضعفهای اقتصادسنجی هنوز فراوان است و همین نقدها هم باعث پیشرفت میشود.
به عنوان مثال، به عنوان کسی که دست آخر سلیقهام «نظریه-محور» است، از موج اخیر پژوهشهای صرفا داده-محور با شواهد محلی در حوزههایی مثل اقتصاد توسعه خیلی لذت نمیبرم و به نظرم این پژوهشها جامعه علمی را از کار روی نظریههای عمومیتر و قابل تعمیمتر دور کرده است.
خلاصه اینکه با همه ضعفها، اقتصادسنجی شهودهای مهمی به ما داده است که نمیتوان به آنها بیتوجه بود. به طور خلاصه، سنجی به ما یاد داده که کاه و گندم موجود در دادهها را چه طور از هم تفکیک کنیم و گول رابطه ظاهری بین متغیرها را نخوریم.