21 ต.ค. 2021 เวลา 13:20 • หุ้น & เศรษฐกิจ
3 นักเศรษฐศาสตร์รางวัลโนเบลปีล่าสุด ผู้จุดประกายให้เกิด Credibility Revolution
ในวันนี้ อีกหนึ่งเหล่าเศรษฐศาสตร์รางวัลโนเบลที่ Bnomics จะพาทุกคนไปทำความรู้จักกันก็คือคุณ David Card คุณ Joshua Angrist และคุณ Guido Imbens สามนักเศรษฐศาสตร์ผู้ได้รับรางวัลโนเบลสาขาเศรษฐศาสตร์ประจำปี 2021 ที่ผ่านมา โดยสำหรับรางวัลในปีนี้ถูกมอบให้ครึ่งหนึ่งแก่คุณ David Card ในฐานะที่ได้สร้างผลงานวิจัยเชิงประจักษ์ซึ่งนับได้ว่ามีคุณูปการต่อวงการเศรษฐศาสตร์แรงงานอย่างยิ่ง
Guido Imbens, David Card และ Joshua Angrist
และอีกครึ่งหนึ่งมอบให้แก่คุณ Joshua Angrist และคุณ Guido Imbens ในฐานะที่ได้สร้างวิธีการวิจัยแบบใหม่เพื่อใช้ในการหาความสัมพันธ์เชิงเหตุผล (Causal Relationship) ซึ่งเป็นประโยชน์ต่อการวิจัยเชิงประจักษ์อย่างมาก
นักเศรษฐศาสตร์ทั้งสามท่านนี้ (รวมถึงคุณ Alan Krueger นักเศรษฐศาสตร์อีกท่าน ผู้ซึ่งเสียชีวิตไปเมื่อปี 2019 ที่ผ่านมา ที่ได้มีส่วนสำคัญในการผลิตงานวิจัยร่วมกันทั้งสามท่านนี้) ​ได้ถูกนิยามว่าเป็นผู้ที่ได้ปฏิวัติการวิจัยในวงการเศรษฐศาสตร์ จนทำให้ผลงานวิจัยเชิงประจักษ์ด้านเศรษฐศาสตร์ในช่วงต่อมา มีความน่าเชื่อถือ โปร่งใส และสะท้อนภาพความเป็นจริงมากยิ่งขึ้น กลายเป็นธีมของโนเบลปีนี้ที่มีชื่อว่า “การปฏิวัติความเชื่อมั่น” หรือ “Credibility Revolution”
Alan Krueger นักเศรษฐศาสตร์อีกท่าน ผู้ซึ่งเสียชีวิตไปเมื่อปี 2019 ที่ผ่านมา
📌 เมื่อวิธีการศึกษาทางเศรษฐศาสตร์แบบเดิมๆ นำไปสู่การตอบคำถามที่ไม่ดีพอ
หนึ่งในสิ่งที่เหล่าบรรดานักเศรษฐศาสตร์ล้วนทำอยู่เสมอ คือ การแสวงหาความสัมพันธ์ของสิ่งต่างๆ ในระบบเศรษฐกิจ จากคำถามง่ายๆ ที่ว่าคนที่ได้รับการศึกษาในระดับที่สูงขึ้นจะได้รับรายได้ที่สูงขึ้นในอนาคตจริงหรือไม่?
การเปิดประเทศรับผู้อพยพจะส่งผลกระทบอย่างไรต่อค่าจ้างและแรงงานในประเทศ จะทำให้เหล่าคนในประเทศสูญเสียงานให้กับผู้อพยพหรือไม่? ไปจนถึงคำถามที่ใหญ่ขึ้นไปอีก เช่น การเปิดเสรีทางการค้าจะทำให้ประเทศได้รับประโยชน์จริงหรือไม่? หรือแม้แต่ว่า ประชาธิปไตยส่งผลต่อการพัฒนาเศรษฐกิจอย่างไร?
ทั้งนี้ การหาคำตอบของคำถามทั้งหมดทั้งมวลนี้ก็เพื่อนำไปสู่ข้อสรุปและข้อเสนอแนะที่ว่าประเทศควรเลือกไปทางเดินไหนที่ดีที่สุดในการพัฒนาเศรษฐกิจ ซึ่งมีจุดหมายปลายทางก็คือความอยู่ดีกินดีของพี่น้องประชาชน
แต่แน่นอน หากมองย้อนกลับไปในช่วงราว 40 – 50 ปีก่อน การจะตอบคำถามเหล่านี้ให้ได้ และให้ถูกต้อง ก็ไม่ใช่เรื่องที่ง่าย โดยวิธีการที่ถูกใช้กันหลักๆ ในช่วงสมัยก่อนก็คือ การสร้างระบบสมการขึ้นมา เพื่อหาความสัมพันธ์ระหว่างเรื่องที่ต้องการศึกษา ซึ่งสมการเหล่านี้ก็มีโอกาสเกิดข้อผิดพลาดมากมายที่จะทำให้ผลลัพธ์ที่ได้ไม่ตรงกับความเป็นจริง
ทางเลือกคู่ขนานกันที่ศาสตร์อื่นได้ใช้ในการทดลองและศึกษาเรื่องต่างๆ ก็คือ การทำการทดลองแบบสุ่มและมีกลุ่มควบคุม (Randomized Control Trial: RCT) ยกตัวอย่างให้เห็นภาพก็คืออย่างเช่น ในช่วงวิกฤติโควิด-19 ที่ผ่านมา ทางบริษัทผลิตวัคซีนต่างๆ ก็ได้ทดลองประสิทธิภาพของวัคซีนตัวเอง โดยใช้การทดลองแบบ RTC คือ แบ่งคนเป็นสองกลุ่ม โดยฉีดวัคซีนจริงให้กับคนกลุ่มหนึ่ง ในขณะเดียวกัน ก็ให้ยาหลอก (Placebo) กับคนอีกกลุ่มหนึ่ง เพื่อวัดประสิทธิผลของวัคซีนว่าคนที่ฉีดวัคซีนติดโควิดน้อยกว่าคนที่ได้รับยาหลอกมากน้อยเพียงใด
แต่แน่นอน หากจะนำการทดลองในลักษณะเช่นนี้ มาใช้เพื่อวัดประสิทธิผลของนโยบายเศรษฐกิจต่างๆ ก็คงจะไม่เหมาะสมนัก เช่น หากเราอยากตอบคำถามง่ายๆ ที่หยิบยกมาในช่วงแรกว่า การศึกษาในระดับที่สูงขึ้นจะทำให้มีรายได้ในอนาคตที่สูงก็คงไม่ยุติธรรมนัก หากเราจะแบ่งเด็กเป็นกลุ่มที่ได้รับการศึกษาสูงกับที่ได้รับการศึกษาต่ำ
📌 David Card ผู้ริเริ่มจุดประกายให้เกิด Credibility Revolution และพลิกโฉมความเชื่อแบบเดิมๆ
แต่วิธีการวิจัยที่คุณ David Card ได้หยิบขึ้นมาใช้และสร้างผลงานที่เรียกได้ว่าปฏิวัติวงการเศรษฐศาสตร์ไปเลยก็คือ การศึกษาโดยใช้การทดลองทางธรรมชาติ (Natural Experiment) กล่าวให้เข้าใจง่ายก็คือเป็นเหตุการณ์ต่างๆ ที่อยู่เหนือการควบคุม และไม่สามารถคาดเดาได้ เช่น การเปลี่ยนแปลงของนโยบายรัฐบาล หรือวันเกิด เป็นต้น
โดยคำถามที่คุณ Card พยายามจะตอบคือว่าการขึ้นค่าแรงขั้นต่ำส่งผลกระทบต่อการจ้างงานอย่างไร หากเป็นไปตามงานวิจัยสมัยเก่าๆ ซึ่งอิงกับโมเดลแบบดั้งเดิมก็จะให้คำตอบว่า การขึ้นค่าแรงขั้นต่ำไปจะส่งผลให้อัตราการจ้างงานลดลง เนื่องจากบรรดาบริษัทต่างๆ ที่มีต้นทุนค่าจ้างที่สูงขึ้น ก็จะอยากลดจำนวนพนักงานลง ส่งผลให้นโยบายการขึ้นค่าแรงขั้นต่ำ ซึ่งควรที่จะสามารถยกระดับคุณภาพชีวิตของพี่น้องประชาชนที่มีรายได้ต่ำให้ดีขึ้นได้ ตีกลับส่งผลร้ายเสียเอง
อย่างไรก็ตาม ผลสรุปที่ได้จากโมเดลแบบดั้งเดิมพวกนั้นก็ล้วนมีปัญหา ทำให้ไม่อาจสรุปได้อย่างแน่ชัดว่าการจ้างงานที่ตกลงไปนั้นเป็นเพราะค่าแรงขั้นต่ำที่สูงขึ้น หรือเป็นเหตุผลอื่น เช่นว่า เกิดสภาวะเศรษฐกิจถดถอย ทำให้การจ้างงาน และค่าจ้างแรงงานก็ปรับตัวลดลง ซึ่งส่งผลกระทบต่อคนที่มีรายได้น้อยอย่างยิ่ง จึงอาจทำให้รัฐบาลต้องเข้ามาเพิ่มหรือกำหนดค่าแรงขั้นต่ำเพื่อคุ้มครองผู้ที่ได้รับผลกระทบเหล่านี้
ด้วยเหตุนี้ เพื่อหาสาเหตุและคำตอบของคำถามดังกล่าวได้ชัดเจน และตรงกับความเป็นจริงมากยิ่งขึ้นคุณ Card (ร่วมกับ Alan Krueger) จึงได้นำวิธีการศึกษาแบบ Natural Experiment มาใช้ โดยศึกษาถึงผลกระทบของการขึ้นอัตราค่าแรงขั้นต่ำในรัฐนิวเจอร์ซีต่อการจ้างงานในอุตสาหกรรม Fast Food โดยเปรียบเทียบระหว่างเหล่าร้านอาหาร Fast Food ในพื้นที่ของรัฐนิวเจอร์ซี ซึ่งประสบกับค่าแรงขั้นต่ำที่เพิ่มสูงขึ้น กับเหล่าร้านอาหาร Fast Food ในพื้นที่ฝั่งตะวันออกของรัฐเพนซิเวลเนีย ซึ่งเป็นรัฐที่มีชายแดนติดกัน
สาเหตุที่เขาออกแบบงานวิจัยเช่นนี้ก็เพราะว่าเพื่อให้มีลักษณะคล้ายการทำ RCT มากที่สุด โดยพื้นที่ฝั่งตะวันออกของรัฐเพนซิเวลเนียกับรัฐนิวเจอร์ซีนั้นมีสภาพเศรษฐกิจที่ค่อนข้างคล้ายคลึงกัน ไม่ได้มีลักษณะทางพื้นที่ที่แตกต่างกันมาก นอกจากนี้ อุตสาหกรรม Fast Food ก็เป็นอุตสาหกรรมที่มีค่าจ้างต่ำ ทำให้มีโอกาสที่จะได้รับผลกระทบจากมาตรการดังกล่าวสูง และเห็นผลที่แตกต่างกันได้อย่างชัดเจน เปรียบเสมือนกับการเปรียบเทียบคนสองกลุ่มที่ได้รับยาจริงและยาหลอกนั่นเอง ว่าแตกต่างกันอย่างไร
ทั้งนี้ ภายหลังจากที่ได้ทำการ Survey ร้านอาหาร Fast Food ในพื้นที่ทั้งสอง ทั้งก่อนและหลังมีการขึ้นอัตราค่าแรงขั้นต่ำ ผลปรากฏกันว่า สิ่งที่เกิดขึ้นจริงนั้นแตกต่างกับที่งานวิจัยแบบดั้งเดิมสรุปไว้อย่างสิ้นเชิง เพราะการขึ้นอัตราค่าแรงขั้นต่ำนั้นกลับไม่ได้ทำให้การจ้างงานลดลงเลย แต่กลับนำไปสู่การจ้างงานที่เพิ่มขึ้นอีกด้วย
ผลกระทบของการเพิ่มค่าแรงขั้นต่ำต่อการจ้างงาน
ผลสรุปของงานวิจัยดังกล่าวได้ทำให้เหล่านักเศรษฐศาสตร์จำนวนมากในช่วงต่อมา พยายามหาคำอธิบายและคำตอบเพิ่มเติม เช่นว่า ค่าแรงขั้นต่ำที่เพิ่มขึ้น ทำให้พนักงานเหล่านี้มีแรงจูงใจมากยิ่งขึ้นที่จะตั้งใจทำงาน เพราะไม่อยากสูญเสียงานดังกล่าวไป ทำให้ประสิทธิภาพเพิ่มขึ้น และบริษัทต่างๆ ตัดสินใจไม่ปลดพนักงานออกไป
1
หรืออีกเหตุผลหนึ่งก็คือว่าในบางอุตสาหกรรมที่การขึ้นราคาเพียงเล็กน้อยไม่ได้ส่งผลกระทบต่อยอดขายมากนัก บริษัทที่ประสบกับค่าแรงขั้นต่ำที่สูงกว่าก็อาจจะส่งผ่านต้นทุนเหล่านี้ไปเป็นราคาที่สูงขึ้นสำหรับลูกค้าแทน
เพราะฉะนั้น เมื่อเป็นเช่นนี้แล้ว จะเห็นได้ว่า การขึ้นค่าแรงขั้นต่ำก็อาจจะไม่ได้ส่งผลให้การจ้างงานลดลงอย่างที่เราเคยคิดเสมอไป
นอกจากนี้คุณ Card ยังได้นำวิธีการศึกษาเช่นนี้ไปใช้ในการตอบคำถามสำคัญอื่นๆ ต่อเช่น การอพยพย้ายถิ่นเข้ามาของคนต่างชาติส่งผลกระทบต่อค่าจ้างและการจ้างงานอย่างไร โดยทำการศึกษาจากเหตุการณ์ที่คุณ Fidel Castro เผด็จการของคิวบาได้ประกาศให้ชาวคิวบาสามารถออกจากประเทศได้ ส่งผลให้มีผู้อพยพชาวคิวบากว่าแสนคนอพยพไปตั้งรกรากที่รัฐฟลอริดา
งานวิจัยเชิงประจักษ์เหล่านี้ของคุณ David Card ได้พลิกโฉมความเชื่อและวิธีการศึกษาวิจัยเพื่อตอบคำถามแบบเดิมๆ ไปสู่การแสวงหาคำตอบด้วยวิธีการใหม่ที่โปร่งใส น่าเชื่อถือ และสะท้อนความเป็นจริงมากยิ่งขึ้น สมดังที่ว่าเป็นผู้จุดประกายให้เกิด Credibility Revolution อย่างแท้จริง รวมถึงยังได้นำไปสู่การเปลี่ยนแปลงในการดำเนินนโยบายของรัฐบาลที่เป็นประโยชน์ต่อเศรษฐกิจและสังคมโดยรวมอย่างมาก คู่ควรแก่การได้รับรางวัลโนเบลอย่างยิ่ง
📌 คุณ Joshua Angrist และคุณ Guido Imbens ก็เป็นผู้พัฒนาสานต่อให้การวิจัยเชิงทดลองมีความน่าเชื่อถือมากยิ่งขึ้นไปอีก
แม้ว่าการทดลองทางธรรมชาติ (Natural Experiment) หรือการทดลองแบบ RCT โดยตรงจะน่าเชื่อถือเพียงใด แต่ก็ยังมีปัญหาอยู่ดี เพราะการวิจัยผ่านการทดลองเหล่านี้จะอยู่ตั้งอยู่บนสมมติฐานสำคัญบางอย่างเพื่อให้ผลลัพธ์ของการทดลองตรงกับความเป็นจริงมากที่สุด กล่าวคือ ผลลัพธ์จากการทดลองดังกล่าวจะตรงกับความเป็นจริงมากที่สุด หากกลุ่มผู้ทดลองปฏิบัติตามคำสั่งของผู้ทำการทดลองอย่างเคร่งครัด
ทั้งนี้ ผลลัพธ์ของการทดลองที่ว่าก็สะท้อนออกมาเป็นค่าของตัวแปรที่ชื่อว่า Average Treatment Effect ซึ่งสะท้อนถึงค่าที่แตกต่างกันระหว่างผู้ทดลองทั้งสองกลุ่ม
แต่ในความเป็นจริง มันไม่ได้ง่ายเช่นนั้น เพราะจะมีคนบางกลุ่มที่ไม่ยอมปฏิบัติตาม ส่งผลให้ผลการทดลองที่ได้คลาดเคลื่อน ซึ่งคนเหล่านี้จะถูกเรียกว่า “Non-complier” ยกตัวอย่างเช่นว่า คนที่ยังไงก็จะฉีดวัคซีนไม่ว่าเขาจะถูกสั่งให้ฉีดหรือไม่ก็ตาม หรือคนที่ให้ตายยังไงก็จะไม่ฉีดวัคซีนไม่ว่าจะอยู่ในกลุ่มไหนก็ตาม หรือจะเป็นอีกกลุ่มหนึ่งที่ดื้อเข้าไปอีก ซึ่งก็คือคนที่พร้อมจะขัดคำสั่งผู้ทำการทดลองตลอด เช่นหากสั่งให้ฉีด ก็จะไม่ฉีด หากสั่งให้ไม่ต้องไปฉีด ก็จะไปฉีด
หรือยกตัวอย่างจากงานศึกษาชิ้นหนึ่งของคุณ Angrist ในปี 1990 ที่ต้องการหาคำตอบว่าคนที่มีไปรบที่เวียดนาม สามารถนำประสบการณ์รบที่ได้มา ทำให้มีรายได้ในอนาคตที่สูงขึ้นมากน้อยเพียงใด โดยพยายามให้การจับสลากเกณฑ์ทหาร สำหรับผู้ที่อายุถึงเกณฑ์ เป็นดั่งการทดลองทางธรรมชาติ (พูดง่ายๆ คือวัดจากการจับใบดำใบแดงนั่นแหละ) แต่สิ่งที่เกิดขึ้นจริงก็คือการทดลองดังกล่าวก็ไม่ได้สะท้อนความเป็นจริงซะทีเดียว เพราะคนที่ได้ใบดำจำนวนไม่น้อยก็ได้สมัครเข้ากองทัพ เพื่อไปรบที่เวียดนามอยู่ดี
1
เมื่อเป็นเช่นนี้คุณ Angrist และคุณ Imbens จึงได้พัฒนาตัวแปรใหม่ขึ้นมา เพื่อแก้ปัญหาดังกล่าว โดยพวกเขาใช้วิธีการตัดกลุ่มคนที่ดื้อต่อการทดลองเหล่านี้ออก เพื่อให้ผลลัพธ์ที่ได้สะท้อนเฉพาะกลุ่มคนที่ปฏิบัติตาม และให้ความร่วมมืออย่างแท้จริง โดยวิธีการใหม่ดังกล่าวมีชื่อว่า Local Average Treatment Effect ซึ่ง Local ที่ว่าก็สะท้อนถึงเฉพาะกลุ่มที่ให้ความร่วมมือจริงๆ
Local Average Treatment Effect
ผลงานของคุณ Angrist และคุณ Imbens ได้เป็นหมุดหมายชิ้นสำคัญที่ทำให้การศึกษาวิจัยเชิงประจักษ์ผ่านการทดลอง ไม่ว่าจะเป็น Natural Experiment หรือ RCT เองมีความน่าเชื่อถือ และสะท้อนความเป็นจริงยิ่งขึ้นไปอีก ซึ่งคุณูปการของเขาก็ไม่ได้ถูกจำกัดไว้แต่วงการเศรษฐศาสตร์ หากแต่ยังถูกนำไปใช้ในการทดลองในศาสตร์อื่น ๆ มากมาย นับได้ว่าเป็นประโยชน์ต่อสังคมโดยรวมอย่างยิ่ง
ผลงานชิ้นสำคัญของนักเศรษฐศาสตร์ได้สร้างการเปลี่ยนแปลงในการศึกษาวิจัย และตอบคำถามต่างๆ ในวงการเศรษฐศาสตร์อย่างมาก เรียกได้ว่าสมกับคำนิยามที่ว่าเป็นผู้จุดประกายให้เกิด Credibility Revolution อย่างแท้จริง
#David_Card #Joshua_Angrist #Guido_Imbens #Alan_Krueger #Nobel_Prize2021
#Bnomics #Economics #เศรษฐศาสตร์เป็นเรื่องง่ายสำหรับทุกคน
ผู้เขียน : เอกศิษฎ์ น้าวิไลเจริญ Economist, Bnomics
ภาพประกอบ : จินดาวรรณ อรรถมานะ Graphic Designer, Bnomics
▶︎ ติดตามช่องทางของ Bnomics ได้ที่
Line OA : @Bnomics https://bit.ly/3eYkTJC
Bnomics - Bangkok Bank Economics
'Be an Economist for Everyone'
วิเคราะห์ เจาะทุกประเด็นเศรษฐกิจ ให้เป็นเรื่องง่ายสำหรับคุณ
Reference :
©Johan Jarnestad/ The Royal Swedish Academy of Sciences
โฆษณา