12.10.21

Giải Nobel Kinh tế học dành cho mối quan hệ nhân quả: Angrist, Card và Imbens

NgÀY 11 THÁNG 10 NĂM 2021 | NHÀ KINH TẾ HỌC DỄ GẦN

GIẢI NOBEL KINH TẾ HỌC DÀNH CHO MỐI QUAN HỆ NHÂN QUẢ: ANGRIST, CARD VÀ IMBENS

Tác giả: Timothy Taylor

Guido W. Imbens (1963-), Joshua Angrist (1960-) và David Card (1956-)

Thoạt nhìn, có vẻ như giải Nobel kinh tế học năm 2021 (tên chính thức là Giải thưởng Sveriges Riksbank về Khoa học Kinh tế để tưởng nhớ Alfred Nobel 2021) được trao cho hai đóng góp khá riêng biệt. Các thông báo về giải thưởng cho biết rằng một nửa giải thưởng được trao cho David Card “vì những đóng góp về thực nghiệm của ông ấy đối với kinh tế học lao động”, trong khi một nửa còn lại được trao cho Joshua D. Angrist và Guido W. Imbens “vì những đóng góp về phương pháp luận của họ cho việc phân tích các mối quan hệ nhân quả.” (Nếu sau một cuộc trò chuyện khá hài hước, người ta chia giải thưởng thành 1/2, 1/4, 1/4, chứ không phải là 1/3, 1/3, 1/3 thì hẳn nó sẽ rất thú vị đấy, song những việc như vậy là do ủy ban Nobel quyết định.)

Nhưng mối liên hệ cơ bản giữa ba người đồng nhận giải là đủ rõ nếu như bạn đọc các tài liệu cơ bản do ủy ban Nobel công bố. Mỗi năm, ủy ban đưa ra bài giải thích giải thưởng dưới dạng “khoa học thường thức” rất dễ đọc và năm nay có tựa đề “Các cuộc thực nghiệm tự nhiên giúp trả lời các câu hỏi quan trọng” cùng với bài nghiên cứu dưới dạng: “nền tảng khoa học” chuyên biệt hơn và dài hơn, năm nay có tựa đề “Trả lời các câu hỏi quan hệ nhân quả sử dụng dữ liệu quan sát.

Như một điểm xuất phát để hiểu được đóng góp ở đây, sẽ thật hữu ích khi bắt đầu với một cảnh báo quen thuộc cũ rích từ mọi lớp thống kê nhập môn rằng “mối tương quan không dẫn đến quan hệ nhân quả”. Nếu hai biến A và B có mối tương quan với nhau, có thể A gây ra B, hoặc B gây ra A, hoặc cả A và B đang chịu tác động bởi một vài nhân tố không được đặt tên C, hoặc thậm chí là nếu con người có xu hướng tìm kiếm các khuôn mẫu trong dữ liệu, song khi bạn chỉ xem đủ các tổ hợp biến, một vài biến trong số chúng sẽ có mối tương quan với nhau một cách ngẫu nhiên, và không có mối liên hệ thực tế nào giữa chúng với nhau. Trở lại khi tôi lần đầu tiên học thống kê vào cuối những năm 1970, thông thường tất cả những cảnh báo này đều được đề cập trong lớp kinh trắc học nhập môn [intro econometrics], song như một vấn đề thực tế, sau đó chúng tôi quay lại ngay lập tức với việc tính toán các tương quan.

Louis Pasteur (1822-1895)

Các nhà khoa học thường tìm cách chứng minh mối quan hệ nhân quả bằng các cuộc thực nghiệm đối chứng. Trong một thí dụ nổi tiếng, Louis Pasteur đã phát triển một loại vắc-xin phòng bệnh than ở cừu vào năm 1881, ông bắt một đàn cừu 100 con, tiêm vắc xin cho một nửa trong số chúng, sau đó cho cả đàn tiếp xúc với bệnh than. Những con cừu không được tiêm phòng thì chết, còn những con được tiêm phòng thì vẫn sống. Song người không phải là cừu. Do vậy, nếu như một nhà kinh tế học muốn giải quyết một câu hỏi như liệu mức lương tối thiểu cao hơn có gây ra tình trạng thất nghiệp hay không (không tương quan với nó!) Hoặc liệu tình trạng nhập cư gia tăng có khiến cho tỷ lệ thất nghiệp cao hơn ở dân số sinh ra trong nước hay không (không tương quan với nó!), làm sao có thể sử dụng dữ liệu quan sát trong thế giới thực theo cách cho phép một nhà nghiên cứu khoa học xã hội rút ra các kết luận về quan hệ nhân quả? Nói cách khác, các sự kiện trong thế giới thực đôi khi lại có tạo ra một loại “thực nghiệm tự nhiên” [natural experiment] để các nhà nghiên cứu nghiên cứu hay không?

Ủy ban Nobel mô tả một vài nghiên cứu nổi bật nhất được xây dựng trên nền tảng “thực nghiệm tự nhiên” này. Thí dụ, hãy xem xét câu hỏi liệu giáo dục có làm tăng mức thu nhập của một người hay không. Quả thật, cố nhiên đúng là có mối tương quan giữa trình độ học vấn và thu nhập cao hơn, song có lẽ có những đặc điểm cơ bản về sự kiên trì – chẳng hạn, kiên trì hoặc tuân theo quy tắc hoặc khả năng làm việc với người khác – có mối tương quan với cả trình độ học vấn cao hơn lẫn với thu nhập cao hơn. Làm sao chúng ta có thể xem xét dữ liệu trong thế giới thực và có được một ước tính nhân quả? Ủy ban Nobel giải thích.

Alan Krueger (1960-2019)

Joshua Angrist và đồng nghiệp Alan Krueger (hiện đã mất) cho thấy điều này có thể được thực hiện như thế nào trong một bài nghiên cứu có tính bước ngoặt. Ở Hoa Kỳ, trẻ em có thể nghỉ học khi đủ 16 hoặc 17 tuổi, tùy thuộc vào bang của trường mà chúng theo học. Vì tất cả trẻ em sinh trong một năm nhất định đều bắt đầu đi học vào cùng một ngày, trẻ em sinh sớm trong năm có thể nghỉ học sớm hơn so với trẻ em sinh muộn hơn trong cùng một năm. Khi so sánh những người sinh trong quý 1 và quý 4 của năm, Angrist và Krueger thấy rằng nhóm đầu tiên trung bình dành ít thời gian hơn cho giáo dục. Những người sinh vào quý 1 cũng có thu nhập thấp hơn những người sinh vào quý 4. Khi trưởng thành, họ vừa ít học vừa có thu nhập thấp hơn những người sinh cuối năm. Bởi vì cơ may quyết định chính xác thời điểm sinh ra của một người, Angrist và Krueger đã có thể sử dụng thực nghiệm tự nhiên này để thiết lập mối quan hệ nhân quả cho thấy rằng học nhiều hơn dẫn đến thu nhập cao hơn: tác động của một năm học tăng thêm đối với thu nhập là 9%.

Nghiên cứu này chủ yếu sử dụng ý tưởng rằng những người sinh vào quý 4 của một năm nhất định về cơ bản không khác so với những người sinh vào quý 1 của năm tiếp theo, và do đó, ngày bạn được phép nghỉ học có hiệu lực đã tạo ra sự phân tách ngẫu nhiên của hai nhóm tương đương này – về mặt logic tương tự như vắc xin của Pasteur. Các nhà nghiên cứu bắt đầu tập trung vào các tình huống khác với các đặc điểm của một “thực nghiệm tự nhiên”.

Thí dụ, nhiều chương trình của chính phủ có một ngưỡng về tính đủ điều kiện [eligibility cut-off], và người ta có thể tin một cách hợp lý rằng những người chỉ ở một bên ngưỡng giống như những người chỉ vừa ở phía bên kia ngưỡng, với ngưỡng tự nó đã phân chia ngẫu nhiên hai nhóm này. Do vậy, việc so sánh những ai vừa đủ điều kiện đạt ngưỡng với những ai không đủ điều kiện ấy nên bị loại trừ có thể cho phép có một ước tính quan hệ nhân quả về tác động của chương trình.

Các chương trình khác dựa trên một yếu tố ngẫu nhiên: thí dụ, ở nhiều thành phố nếu như các điểm tuyển sinh trong các trường trung học bán công mong muốn được đăng ký quá nhiều, sẽ có một cuộc xổ số cho ai được nhận vào học. Ở Oregon trong một vài năm trở lại đây, bang này quyết định mở rộng phạm vi bảo hiểm Medicaid song vì quỹ hạn hẹp, quyền lợi mới được trao thông qua xổ số. Thỉnh thoảng, khi một chương trình mới được triển khai, nó được tung ra ở một số khu vực trước những khu vực khác – và những khu vực áp dụng sớm đó có thể được chọn một cách hầu như ngẫu nhiên. Khi các nhà kinh tế học và các nhà khoa học xã hội khác nghe về tính ngẫu nhiên trong một chương trình, họ bắt đầu ngẫm nghĩ về việc liệu nó có thể được sử dụng như một cuộc thực nghiệm tự nhiên nhằm cung cấp chứng cứ về quan hệ nhân quả hay không.

Trong các tình huống khác, có thể có một sự kiện hoặc lựa chọn chính sách hoạt động giống như một cuộc thực nghiệm tự nhiên. Ủy ban Nobel mô tả một nghiên cứu nổi bật về tình trạng nhập cư do David Card tiến hành:

Fidel Castro (1926-2016)

Một sự kiện duy nhất trong lịch sử của Hoa Kỳ đã làm nảy sinh một cuộc thực nghiệm tự nhiên, mà David Card đã sử dụng để điều tra xem tình trạng nhập cư tác động ra sao lên thị trường lao động. Vào tháng 4 năm 1980, Fidel Castro bất ngờ cho phép tất cả người Cuba muốn rời khỏi đất nước được làm điều đó. Từ tháng 5 tới tháng 9, 125.000 người Cuba đã di cư sang Hoa Kỳ. Nhiều người trong số họ định cư ở Miami, kéo theo tình trạng lực lượng lao động gia tăng ở Miami khoảng 7%. Để kiểm tra xem dòng người lao động khổng lồ này tác động như thế nào lên thị trường lao động ở Miami, David Card đã so sánh xu hướng của mức lương và việc làm ở Miami với sự phát triển của tiền lương và việc làm ở 4 thành phố được so sánh. Mặc dù nguồn cung lao động tăng mạnh, nhưng Card lại không tìm thấy tác động tiêu cực nào đối với những người dân Miami có trình độ học vấn thấp. Lương không giảm và tỷ lệ thất nghiệp không tăng so với các thành phố khác. Nghiên cứu này đã tạo ra rất nhiều công trình thực nghiệm mới, và giờ đây chúng ta đã hiểu rõ hơn về các tác động của tình trạng nhập cư. Thí dụ, các nghiên cứu tiếp theo đã chỉ ra rằng tình trạng nhập cư tăng lên có tác động tích cực lên thu nhập đối với nhiều nhóm người sinh ra trong nước, trong khi những người nhập cư sớm hơn chịu tác động tiêu cực. Một lời giải thích cho điều này là người bản xứ chuyển sang những công việc đòi hỏi kỹ năng sử dụng ngôn ngữ mẹ đẻ tốt, và là lĩnh vực họ không phải cạnh tranh về việc làm với những người nhập cư.

Trên thực tế, cuộc di tản bằng thuyền ở Cuba năm 1980 là một cuộc thực nghiệm tự nhiên, giải quyết câu hỏi: “Điều gì sẽ xảy ra nếu rất nhiều người nhập cư không có tay nghề di cư tới bất ngờ và không có nhiều lời cảnh báo ở một thành phố lớn của Hoa Kỳ?” Nhưng một khi bắt đầu ngẫm nghĩ theo những mạch suy nghĩ này, bạn cũng có thể coi nhiều sự kiện khác như những cuộc thực nghiệm tự nhiên.

Các thí dụ về thực nghiệm tự nhiên mà tôi đã đề cập ở đây là tương đối giản đơn. Song cũng như nhiều giải Nobel, giải thưởng này được trao phần lớn là do công trình ban đầu đã dẫn tới hàng loạt các công trình tiếp theo và làm thay đổi cách các nhà kinh tế học suy nghĩ về những vấn đề này. Ngay cả trong những trường hợp tương đối rõ ràng này, các lập luận chi tiết và nhiều khía cạnh đã bám theo chính xác những gì có thể được suy luận ra hoặc không, từ việc xem xét dữ liệu theo những cách thức khác nhau. Ủy ban Nobel cũng mô tả cách tiếp cận “thực nghiệm tự nhiên” là “cận thực nghiệm” [quasi-experimental].

Cùng với công trình của những học giả nhận giải năm nay đã tạo nền tảng cho cách tiếp cận dựa trên thiết kế, phương pháp này đã thay đổi mạnh mẽ cách thức tiến hành nghiên cứu thường nghiệm trong 30 năm qua. … Biến thể cận thực nghiệm có thể tới từ nhiều cuộc thực nghiệm được cung cấp bởi điều kiện tự nhiên, các biên giới hành chính, các quy tắc định chế và những thay đổi chính sách. Cách tiếp cận dựa trên thiết kế có một tuyên bố rõ ràng về các giả định được sử dụng để xác định tác động nhân quả và chứng thực các giả định được xác định này.

Nói một cách khác, khi bạn nghe các nhà kinh tế học nói rằng một biến số “có mối liên hệ” hoặc “mối tương quan” với một biến số khác, điều này có nghĩa là một điều gì đó hoàn toàn khác so với khi họ tuyên bố đã tìm ra một tác động nhân quả. Giờ đây, người ta cần phải nghiêm túc nhìn nhận sâu sắc về tuyên bố cũ rích cho rằng “mối tương quan không tương đương với quan hệ nhân quả”.

Nguyễn Việt Anh dịch

Nguồn: A Economics Nobel Prize for Causality: Angrist, Card, and Imbens, Conversable Economist, Oct 11, 2021.

----

Bài có liên quan: Kinh tế học thực nghiệm

Print Friendly and PDF