การปฏิวัติความน่าเชื่อถือ รางวัลโนเบลสาขาเศรษฐศาสตร์ 2021
HIGHLIGHTS
- ปีนี้ Royal Swedish Academy of Sciences ได้มอบรางวัลโนเบลสาขาเศรษฐศาสตร์ให้แก่ เดวิด การ์ด (David Card), โจชัว แองกริสต์ (Joshua Angrist) และ กุยโด อิมเบนส์ (Guido Imbens) โดยงานของทั้งสามท่านที่ได้รับการยกย่องโดยรวมแล้วอยู่ภายใต้บริบทที่เรียกกว้างๆ ว่า ‘การปฏิวัติความน่าเชื่อถือ’
สำหรับปีนี้ Royal Swedish Academy of Sciences ได้มอบรางวัลโนเบลสาขาเศรษฐศาสตร์ให้แก่ เดวิด การ์ด (David Card), โจชัว แองกริสต์ (Joshua Angrist) และ กุยโด อิมเบนส์ (Guido Imbens) โดยงานของทั้งสามท่านที่ได้รับการยกย่องโดยรวมแล้วอยู่ภายใต้บริบทที่เรียกกว้างๆ ว่า ‘การปฏิวัติความน่าเชื่อถือ’ (Credibility Revolution) แต่ก่อนจะอธิบายว่าการปฏิวัติความน่าเชื่อถือนั้นคืออะไร ต้องขอกล่าวถึงนักเศรษฐศาสตร์อีกผู้หนึ่งที่มีบทบาทอย่างยิ่งต่องานด้านนี้เช่นกัน นั่นคือ อลัน ครูเกอร์ (Alan Krueger) ซึ่งเสียชีวิตไปเมื่อสองปีก่อน โดยครูเกอร์เป็นเพื่อนร่วมงานของการ์ด และร่วมเขียนหนึ่งในเปเปอร์สำคัญที่ทำให้การ์ดได้รับรางวัลในครั้งนี้
เวลาที่เราศึกษาความสัมพันธ์ระหว่างปริมาณอะไรก็ตาม 2 ปริมาณ แล้วพบว่าเมื่อปริมาณหนึ่งเพิ่มหรือลด แล้วอีกปริมาณก็จะเพิ่มหรือลดตามไปด้วย เราอาจจะอยากด่วนสรุปว่า ปริมาณหนึ่งเป็นสาเหตุให้อีกปริมาณหนึ่งเปลี่ยนแปลง แต่จริงๆ แล้วเราสรุปอย่างนั้นเลยไม่ได้ เพราะสิ่งที่เกิดขึ้นอาจจะเป็นแค่เรื่องบังเอิญ หรือยังมีปัจจัยอื่นอีกหลายอย่างที่อาจจะเป็นสาเหตุที่แท้จริงแอบซ่อนอยู่ แต่เรายังไม่ได้ไปวิเคราะห์ดู
ดังนั้นถ้าจะสรุปให้ได้แน่นอน นักวิจัยจะสุ่มคนหรือของที่จะศึกษาออกมา 2 กลุ่ม เพื่อทำการทดลองภายใต้สภาวะเดียวกัน แต่เวลาสุ่มก็ต้องสุ่มให้ดีๆ ด้วย กล่าวคือไม่ได้สุ่มใครมามากหรือน้อยเกินไป ทีนี้พอสุ่มมาดีแล้ว นักวิจัยก็ทดลองอะไรบางอย่างกับกลุ่มหนึ่ง (เรียกว่า ‘กลุ่มทดลอง’) แล้วก็ควบคุมอีกกลุ่มไม่ให้ทำสิ่งนั้น (เรียกว่า ‘กลุ่มควบคุม’) เช่น อาจจะทดลองฉีดวัคซีนให้คนกลุ่มหนึ่ง อีกกลุ่มหนึ่งไม่ฉีด แล้วดูว่าสองกลุ่มมีอัตราการติดเชื้อต่างกันหรือเปล่า ถ้าทั้งสองกลุ่มมีอัตราการติดเชื้อเพิ่มขึ้นไม่ต่างกันอยู่ดี แปลว่า วัคซีนนั้นไม่ได้ช่วยอะไร แต่ถ้ากลุ่มทดลองมีอัตราการติดเชื้อน้อยกว่ากลุ่มควบคุม แปลว่า วัคซีนช่วยได้จริง
ภาษาวิชาการเรียกการทำอะไรแบบนี้ว่า Randomized Controlled Trial (RCT) กลุ่มทดลองและกลุ่มควบคุมมีปัจจัยทุกอย่างเหมือนๆ กันหมด ทีนี้ถ้านักวิจัยทดลองไปเปลี่ยนอะไรบางอย่างในกลุ่มทดลอง แล้วพบว่ามีปริมาณอื่นที่สนใจเปลี่ยนแปลงผิดไปจากเดิม ย่อมทำให้นักวิจัยสรุปได้อย่างมั่นใจว่าสิ่งที่ไปเปลี่ยนส่งผลต่ออีกสิ่งได้ ปัญหาคือแล้วถ้าทำการทดลองไม่ได้ล่ะ?
สถานการณ์ที่ทดลองไม่ได้ก็เช่น สมมติว่าอยากศึกษาความสัมพันธ์ระหว่างค่าแรงขั้นต่ำกับปริมาณการจ้างงาน เช่น ถ้าเพิ่มค่าแรงขั้นต่ำจะส่งผลให้ธุรกิจจ้างงานน้อยลงหรือเปล่า ถ้าจะทำ RCT จริงๆ ก็คือต้องสร้างเมืองจำลอง 2 เมือง แล้วสุ่มเอาประชากรเข้าไปดำเนินชีวิตและดำเนินธุรกิจเหมือนโลกภายนอก ซึ่งแน่นอนว่าเป็นไปไม่ได้ในทางปฏิบัติ
ทีนี้บังเอิญว่าในสหรัฐอเมริกา การเพิ่มค่าแรงขั้นต่ำเป็นเรื่องของแต่ละรัฐ ถ้ารัฐหนึ่งเพิ่มแล้วรัฐที่อยู่ติดกันไม่เพิ่ม แถมยังมีสภาพสังคมและเศรษฐกิจคล้ายๆ กันมากๆ ด้วย แปลว่า นี่คือสถานการณ์ตามธรรมชาติที่มีกลุ่มทดลองและกลุ่มควบคุมให้เปรียบเทียบกันได้พอดี การ์ด (และครูเกอร์) จึงใช้โอกาสทองนี้ในการดำเนินการวิจัยเพื่อตอบคำถามได้อย่างน่าเชื่อถือว่า การเพิ่มค่าแรงขั้นต่ำส่งผลต่อการจ้างงานหรือเปล่า (Spoiler: ผลคือไม่ส่งผลให้ธุรกิจจ้างงานลดลง ซึ่งก็ช็อกวงการเศรษฐศาสตร์ไปพอสมควร)
โอกาสทองนี้ นักวิชาการเรียกกันว่า ‘Natural Experiment’ เพราะเหมือนธรรมชาติได้ประทานกลุ่มทดลองและกลุ่มควบคุมมาให้แล้ว ตั้งแต่นั้นมา นักเศรษฐศาสตร์รวมทั้งนักวิชาการสาขาอื่นๆ ก็สามารถตอบคำถามอีกหลายอย่างได้อย่างน่าเชื่อถือว่าอะไรเป็นสาเหตุของอะไร ด้วยการไปมองหาให้เจอว่ามี ‘กลุ่มควบคุม’ ให้เปรียบเทียบกับเหตุการณ์ที่เกิดขึ้นไปแล้ว (‘กลุ่มทดลอง’) หรือเปล่า ถ้ามีก็บิงโก! การที่การ์ด (และครูเกอร์) วางระเบียบวิธีการใช้ Natural Experiment เพื่อทดแทน RCT ได้อย่างน่าเชื่อถือไม่น้อยไปกว่ากัน และน่าเชื่อถือกว่าวิธีการทดแทนแบบอื่นๆ จึงเรียกได้ว่าเป็นการจุดประกาย ‘การปฏิวัติความน่าเชื่อถือ’ นั่นเอง และควรค่าแก่รางวัลโนเบล
ส่วนงานของอิมเบนส์ที่ร่วมกับแองกริสต์นั้นเป็นงานเชิงทฤษฎีที่วางรากฐานให้ RCT แน่นหนายิ่งขึ้นไปอีก
การทดลอง RCT ในบางเรื่องนักวิจัยไม่สามารถไปควบคุม ‘กลุ่มควบคุม’ และ ‘กลุ่มทดลอง’ ได้ 100% ตัวอย่างเช่น สมมติจะทดลองหาคำตอบว่า ‘ถ้าหมอสั่งให้ไปฉีดวัคซีน อัตราการติดเชื้อจะลดลงหรือไม่?’ นักวิจัยก็อาจจะไปบอกให้หมอเอ่ยปากบอกกับ ‘กลุ่มฉีด’ (กลุ่มทดลอง) ว่าให้ไปฉีด แต่เงียบๆ ไว้กับ ‘กลุ่มควบคุม’
ปัญหาคือจะมีคนไข้บางประเภทที่ยังไงก็ฉีดอยู่แล้วไม่ว่าหมอจะบอกหรือไม่ และบางประเภทที่ยังไงก็ไม่ฉีดแน่นอนไม่ว่าหมอจะพูดอย่างไรก็ตาม ดังนั้นคนไข้เหล่านี้ไม่ได้อยู่ภายใต้อิทธิพลของการทดลอง ซึ่งถ้าจะวิเคราะห์ผลได้อย่างน่าเชื่อถือที่สุด จะต้องตัดคนไข้ประเภทนี้ออกไป คำถามคือแล้วจะรู้ได้อย่างไรว่าต้องตัดเท่าไร อิมเบนส์และแองกริสต์กล่าวว่า วิธีตัดก็ง่ายมาก นักวิจัยมีข้อมูลว่า ‘กลุ่มฉีด’ มีคนขัดหมอคือไม่ยอมฉีดกี่เปอร์เซ็นต์ และ ‘กลุ่มควบคุม’ มีคนขอฉีดเองกี่เปอร์เซ็นต์ ดังนั้นในฐานะที่กลุ่มทดลองและกลุ่มควบคุมเกิดจากการสุ่มประชากรแบบไม่ได้สุ่มใครมามากหรือน้อยเกินไป จึงแปลว่า ‘กลุ่มฉีด’ จริงๆ แล้วมีพวกขอฉีดเองแบบไม่ต้องรอให้หมอบอกแอบซ่อนอยู่เป็นร้อยละเท่ากับที่เจอใน ‘กลุ่มควบคุม’ ไชโย! คราวนี้นักวิจัยรู้แล้วว่าต้องตัดคนออกไปเท่าไรตอนวิเคราะห์ผล
ผลการทดลอง RCT แบบที่ตัดกลุ่มคนพวกนี้ออก เรียกเป็นภาษาวิชาการว่า Local Average Treatment Effect (LATE) เพราะศึกษาผลการทดลอง (Treatment Effect) เฉพาะกลุ่ม (Local) โดยเป็นกลุ่มที่อยู่ภายใต้อิทธิพลของการทดลองจริงๆ ไม่นับพวกที่ยังไงก็ทำอยู่แล้วหรือพวกที่ยังไงก็ไม่ทำ
ฉะนั้นโดยสรุปก็คือ รางวัลโนเบลปีนี้มอบให้แก่นักเศรษฐศาสตร์ที่
1. ออกแบบระเบียบวิธี Natural Experiment ที่ใช้ได้น่าเชื่อถือเทียบเท่า RCT และ
2. เสริมสร้างระเบียบวิธีให้ RCT น่าเชื่อถือยิ่งขึ้นภายใต้สภาวะที่ ‘กลุ่มทดลอง’ และ ‘กลุ่มควบคุม’ ไม่สมบูรณ์แบบ
นับเป็นการปฏิวัติความน่าเชื่อถืออย่างแท้จริง
เรื่อง: อาจวรงค์ จันทมาศ
- 43
โฆษณา
- ดาวน์โหลดแอปพลิเคชัน
- © 2024 Blockdit
