为什么穷人会一直穷?这三个人解决了这个问题| 直击诺奖

2019 年 10 月 14 日 果壳网

设计全球减贫措施的最佳方法是什么?阿比吉特·班纳吉(Abhijit Banerjee)、埃斯特·迪弗洛(Esther Duflo)和迈克尔·克雷默(Michael Kremer)使用基于田野实验的创新研究,为回答这一对人类而言至关重要的问题。


Esther Duflo和Abhijit Banerjee丨DAVID BARON / BBC


 在过去的二十年中,世界上几乎所有地方的人生活水平都得到了明显改善。1995年至2018年,最贫穷国家的经济实力(以人均GDP衡量)翻了一番。与1995年相比,儿童死亡率降低了一半,儿童入学率从56%增加到80%。 尽管取得了这一进展,但仍然存在着巨大的挑战。仍有7亿多人靠极低的收入生存。每年,仍有五百万儿童在五岁前死亡,通常是死于可以预防或治愈的疾病,这些疾病可以通过相对便宜和简单的治疗方法得到预防或治愈。世界上有一半的儿童还没学会基本的识字和计算能力就离开了学校。 

减轻全球贫困的新方法 


为了与全球贫困作斗争,我们必须确定最有效的行动。今年的获奖者们展示了如何通过将全球贫困问题分解为多个较小的、但更精确的个人或团体层级的问题来解决。然后,他们使用专门设计的田野实验来回答每个问题。在仅仅二十年的时间里,这种方法完全重塑了发展经济学领域的研究。这项新的研究正在不断取得具体成果,帮助减轻全球贫困问题。


同一个城市的贫富差距:一边是富人的高尔夫球场,一边是穷人的贫民窟丨Johnny Mille


长期以来,人们就意识到富国和穷国之间平均生产率的巨大差异。但是,正如班纳吉和迪弗洛所指出的那样,这一巨大差异不仅存在于富国和穷国之间,也存在于穷国内部。一些个人或公司在使用最新技术,而其他人或公司(生产相似的商品或服务)却用着过时的生产资料。因此,低平均生产力很大程度上归因于这些落后的个人和公司。这是否反映出缺乏信贷、政策设计不当,或者人们发现难以做出完全理性的投资决策?今年获奖者设计的研究方法正是用来解决这些问题的。


早期在学校开展的田野实验


获奖者最开始的研究,是如何解决教育相关问题。哪些干预措施能够以最低的成本提高教育成果?在低收入国家,教科书是稀缺资源,孩子们经常饿着肚子上学。如果孩子们有了更多的课本,他们的学习效果会得到改善吗?在90年代中期,为了回答这类问题,迈克尔·克雷默(Michael Kremer)与他的同事们决定,将他们的部分研究从位于美国东北的大学转移到肯尼亚西部农村。他们在当地与一个非政府组织(NGO)合作进行了很多田野实验。


研究人员为什么会选择使用田野实验?打个比方,如果你想研究“拥有更多课本会对学生的学习效果有什么影响”,那么,仅仅比较获取课本难易程度不同的学校,并不是一种可行的方式。学校之间的不同可能反映在许多方面:富裕的家庭通常会给他们的孩子买更多的书本,有更少贫困学生的学校平均成绩更好,等等。规避这些问题的一种办法是,确保被相互比较的学校具有相同的平均特征。这种办法是可以实现的,那就是随机决定哪些学校被放在哪个组里。这一古老的见解,是自然科学与医学其悠久实验传统的基础。不同于传统的临床实验,获奖者使用了田野实验来研究个体在日常环境中的行为。


乌干达的一所学校丨ruralafricafacts.wordpress.com


克雷默与他的同事们选择了大量需要扶持的学校,并将这些学校随机分成不同的组。这些组里的学校都接收了额外的资源,但它们是在不同时间点、以不同的形式接收的。在一个研究中,一组学校收到了更多课本,而另一个研究中收到的是免费学生餐。因为是随机决定了哪所学校得到什么,所以在实验开始的时候,不同组之间没有平均差异。由此,研究人员可以确定地将后期学习效果的差异与不同形式的扶持联系起来。实验表明:不论是更多的课本还是免费的学生餐,都对学习效果没有任何影响。即便说课本有任何积极影响的话,那它也只适用于最优秀的学生。


之后的田野实验也表明,很多低收入国家的主要问题不在于资源。相反,最大的问题是教学没有充分适应学生们的需求。在第一个实验项目中,班纳吉和迪弗洛等人研究了印度两个城市的学生补习项目。孟买与巴罗达的学校可以请来新的助教来帮助有特殊需求的孩子。这些学校被巧妙地随机分配到不同的组里,这使得研究人员可以有效地测量助教补习的效果。这项实验明确地显示,针对最差学生的特定帮助在短期和中期都卓有成效。


印度一所乡村学校丨indiatoday.in


继肯尼亚和印度的早期研究之后,新的田野试验在其他国家相继开展,其研究重点放在了诸如健康信贷获取采用新技术等重要领域上。这三位获奖者当时处于这项研究的最前沿。由于他们的工作,田野实验已成为发展经济学家评估减贫措施效果的标准方法。


Abhijit Banerjee丨novafrica.org


田野实验的理论依据


精心设计的实验是高度可靠的:它们具有内部有效性(internal validity)。这种方法已经被广泛运用于新药研发的传统临床试验中,并为此专门招募实验参与者。研究问题通常在于特定的治疗是否在统计学的意义上具有显著的效果。


今年的获奖者所设计的实验具有两个鲜明的特点。首先,在干预组和控制组的参与者都在日常环境中做出实际决策。这意味着,例如测试新政策实施的实际结果通常可以在现场进行。


其次,获奖者依靠基本的洞察力,发现很多我们想要改善的东西(如教育产出)反映了许多个人的决定(例如在学生,父母和老师之间)。因此,要想实现可持续的改善,就需要了解人们做出决策的原因——决策背后的驱动力。班纳吉,迪弗洛和克雷默不仅测试特定干预措施的有效性,而且还调查了原因(为何有效或无效)。


为了研究影响实验参与者决策的激励措施,限制条件和信息,获奖者使用了合约理论(contract theory)和行为经济学,并分别在2016年和2017年获得了经济科学奖(the Prize in Economic Sciences)作为回报。


一般性的的结果


一个关键的问题在于实验结果是否具有外部有效性(external validity)——换句话说,该结果是否也适用于其他情况。

  • 例如: 是否可以将在肯尼亚学校里获得的研究结果推广到印度的学校?

  • 一项致力于改善健康的特定干预措施,由专业的非政府组织或公共机构实施,是否会有所不同? 

  • 当实验性干预从小群体扩到更大规模的时候,会发生什么? 

  • 干预措施是否会影响到干预组之外的个人,因为他们无法获得稀缺资源或面临更高的代价?


获奖者也一直在研究外部有效性问题的最前沿,并且他们研究新方法以将挤出效应(Crowding-Out Effects)和溢出效应(Spillover Effects)纳入考量。将实验与经济理论紧密联系,也同时增加了实验结果被广泛承认(generalised)的机会,因为行为的基本模式通常与更广泛的环境息息相关。


具体的结果


以下,我们举例了一些由获奖者所发起的田野研究方法得出的特定结论,并着重于介绍他们具体的研究。


教育:我们现在对很多贫困国家学校的核心问题,有了清晰的认识。


课程设置和教学与学生的需求不对应。教师的缺勤率很高,教育机构普遍薄弱。


班纳吉、迪弗洛等人进行的上述研究显示,针对较弱学生的重点有明显的正向效果,即使是在中期(评估中)。这项研究是一个相互促进过程的起点,新研究结果与规模逐渐扩大的学生项目携手并进。目前,已有超过10万所印度学校参与了这些项目。


其他田野实验研究了教师责任制与激励机制的缺失,这些反映在较高的缺勤率上。激发教师动力的一种方法,是使用短期合同雇佣他们,如果表现好则延长合同。迪弗洛与克雷默等人比较了这种措施与降低学生与教师比例(减少每个长期雇佣教师对应的学生数量)的效果。他们发现,由短期合同教师教授的学生,取得了明显的进步;但减少长期雇佣的教师所负责的学生数量,则没有产生什么效果。


总的来说,这项新颖的、基于实验的关于低收入国家教育研究显示,一般而言,增加资源的效果有限。然而,适应学生需求的教育改革有着巨大价值。改善学校管理并让没有认真工作的教师负起责任,是性价比的改善措施。


健康:一个重要的问题是,药物与医疗服务是否应该收费,以及如果应该,它们应该是多少钱。


一项克雷默等人进行的田野实验调查了驱虫药物的价格如何影响了其需求。他们发现,当药物免费时,75%的家长都会给孩子服用这些药片,而当药物花费不到一美元时(这依然是进行了大幅补贴的情况),只有18%的家长会这样做。随后,很多类似的实验也发现了同样的结果:贫困人口对预防性保健的投入价格敏感性极高。



医疗服务质量差,是贫困家庭在预防保健上投入极少的另外一个原因。一个例子是,医疗机构中负责疫苗接种的医务人员经常缺勤。班纳吉、迪弗洛等人调查了移动疫苗诊所——那里医务人员总能到场——是否能够解决这一问题。结果,在那些被随机选中能够接触到移动疫苗诊所的村子,疫苗接种率提高了3倍(从6%提高到18%)


小额贷款 (信贷)发展经济学家还使用了田野实验来评估一些已经大范围实施的项目。其中之一就是很多国家正在大举引入的小额贷款,大家对这一项目持有相当乐观的态度。


班纳吉和迪弗洛等人在印度大城市海得拉巴的贫困家庭中开展了一项小额贷款项目的先期实验。他们的实验表明,小额贷款对现有的小型企业的投资只有很小的正面效果,并且对消费或是其他发展指标都没有影响——无论是在18个月还是36个月之后都没有。在其他国家进行的类似实验——波斯尼亚和黑塞哥维那(波黑),埃塞俄比亚,摩洛哥,墨西哥和蒙古——也发现了类似的结果。


有限的理性:在疫苗研究中,给予激励或是让疫苗更容易获取并不能完全解决问题,因为仍然有61%的儿童只种了一部分疫苗。很多贫穷国家的低防疫率可能是出于其他理由,其中一条就在于人们并不总是完全理性的。这一解释可能也是其他一些至少看上去难以理解现象的关键。


其中一个现象是很多人不愿意接受现代技术。在一个精心设计的实验里,迪弗洛、克雷默等人研究了为什么小型农户——特别是撒哈拉以南的非洲的小型农户——没有接受相对简单又大有益处的创新,例如化肥。其中一条解释是现时偏误,即人们脑中过分关注现在,所以他们会倾向于推迟投资决策。当第二天到来的时候,他们又会遇到同样的问题,并再一次推迟投资。结果他们就会陷入一种恶性循环,永远不会为未来投资,虽然长期来讲这样确实会获益。


有限的理性对于政策设计有很重要的意义。如果人们有现实偏误,那么短时的补助要好于长久补贴:一个仅在此时此刻有效的奖励会降低决策者推迟投资的动力。这正是迪弗洛、克雷默等人在实验中所发现的:在使用化肥上,临时补助远比永久补贴更有效。


政策影响:三位获奖者的工作,直接或间接地,对政策产生了明确的影响。自然,我们无法准确地测量出他们的研究对于各个国家的政策塑造有多重要。但无论如何,有时我们可以将研究和政策紧密相连。


印度,正在垃圾场寻找可回收物换钱的人丨dipak shelare


我们前面提及的一些研究,确实已经对政策产生了些直接影响。关于学生辅导的研究,为大规模的项目提供了依据,这些项目如今已经帮助了五百多万名印度儿童。关于驱虫的研究,不仅表明了驱虫可以为学龄儿童带来明确的健康益处,还说明父母对价格是非常敏感的。根据这些结果,世界卫生组织建议将药品免费发放给超过8亿的学龄儿童——他们所居住的地方,有超过20%的学龄儿童出现了某种特定的寄生虫感染。


这些研究项目实际影响了多少人,也已经被粗略地估算过。其中一个评估来自于(今年)两位获奖者帮助创立的全球研究网络(J-PAL)。这些被研究者评估后扩大规模的项目,已经影响了超过4亿人。而这显然还是低估了研究的全部影响,因为远不是所有的发展经济学家都隶属于J-PAL。抗击贫困的工作也包括不要在那些无效措施上投资。通过终止那些已经被可靠方法评估为无效的项目, 政府和相关机构得以在有效措施上投入更多的资源。


同时,通过改变公共机构和私人组织的运作方式,获奖者对政策产生了间接影响。为了做出更好的决策,越来越多对抗全球贫困的组织已经系统性地开始评估新的措施——而他们采取的方法通常都是田野实验。


今年的获奖者们,已经在重塑发展经济学的研究上起了决定性的作用。在仅仅20年的时间里,这个学科已经变成了一个繁荣的、主要为实验性的主流经济学领域。这项以实验为基础的新研究方法已经帮助减轻了全球贫困,并且非常有望能进一步改善这颗星球上最贫困人口的生活。


翻译:八云 Cloud  迦畞 窗敲雨 antares 麦麦

编辑:luna

校对:顿顿

参考来源: 诺贝尔奖官方


译文版权属于果壳,未经授权不得转载.

如有需要请联系sns@guokr.com

(欢迎转发到朋友圈~)


果壳

ID:Guokr42

果壳整天都在科普些啥啊!

吓得我二维码都歪了!

为啥这样的二维码也能扫?

扫码发送【二维码】告诉你原理~

喜欢就点个“在看”呗~↘

登录查看更多
1

相关内容

Locally linear embedding(LLE) 是一种非线性降维算法,它能够使降维后的数据较好地保持原有流形结构。LLE可以说是流形学习方法最经典的工作之一。很多后续的流形学习、降维方法都与LLE有密切联系。
德勤:2020技术趋势报告,120页pdf
专知会员服务
190+阅读 · 2020年3月31日
【中国人民大学】机器学习的隐私保护研究综述
专知会员服务
131+阅读 · 2020年3月25日
【2020新书】数据科学:十大Python项目,247页pdf
专知会员服务
213+阅读 · 2020年2月21日
【强化学习】深度强化学习初学者指南
专知会员服务
179+阅读 · 2019年12月14日
【机器学习课程】机器学习中的常识性问题
专知会员服务
74+阅读 · 2019年12月2日
【专题】美国司法部更新《企业合规方案评价指引》解析
战略|咨询公司在中国的困境与出路
智慧云董事会
16+阅读 · 2019年3月13日
重磅!2019中国经济研判,涉及20个敏感问题…
笔记侠
10+阅读 · 2019年2月17日
教辅巨头沉浮录(1978-2018)
创业家
3+阅读 · 2019年1月8日
Hinton最新专访:别让AI解释自己,AI寒冬不会再来
GAN生成式对抗网络
3+阅读 · 2018年12月17日
人工智能能够预测地震吗?
人工智能学家
7+阅读 · 2018年12月10日
排查中国千人计划学者,美对华科技限制再次升级
算法与数学之美
6+阅读 · 2018年9月19日
教你 5 步画出用户画像
职人社
8+阅读 · 2017年9月13日
Arxiv
5+阅读 · 2018年10月23日
Arxiv
3+阅读 · 2018年10月18日
Arxiv
6+阅读 · 2018年7月12日
Arxiv
5+阅读 · 2018年5月5日
Arxiv
6+阅读 · 2018年3月29日
Arxiv
8+阅读 · 2018年1月19日
VIP会员
相关VIP内容
德勤:2020技术趋势报告,120页pdf
专知会员服务
190+阅读 · 2020年3月31日
【中国人民大学】机器学习的隐私保护研究综述
专知会员服务
131+阅读 · 2020年3月25日
【2020新书】数据科学:十大Python项目,247页pdf
专知会员服务
213+阅读 · 2020年2月21日
【强化学习】深度强化学习初学者指南
专知会员服务
179+阅读 · 2019年12月14日
【机器学习课程】机器学习中的常识性问题
专知会员服务
74+阅读 · 2019年12月2日
相关资讯
【专题】美国司法部更新《企业合规方案评价指引》解析
战略|咨询公司在中国的困境与出路
智慧云董事会
16+阅读 · 2019年3月13日
重磅!2019中国经济研判,涉及20个敏感问题…
笔记侠
10+阅读 · 2019年2月17日
教辅巨头沉浮录(1978-2018)
创业家
3+阅读 · 2019年1月8日
Hinton最新专访:别让AI解释自己,AI寒冬不会再来
GAN生成式对抗网络
3+阅读 · 2018年12月17日
人工智能能够预测地震吗?
人工智能学家
7+阅读 · 2018年12月10日
排查中国千人计划学者,美对华科技限制再次升级
算法与数学之美
6+阅读 · 2018年9月19日
教你 5 步画出用户画像
职人社
8+阅读 · 2017年9月13日
相关论文
Arxiv
5+阅读 · 2018年10月23日
Arxiv
3+阅读 · 2018年10月18日
Arxiv
6+阅读 · 2018年7月12日
Arxiv
5+阅读 · 2018年5月5日
Arxiv
6+阅读 · 2018年3月29日
Arxiv
8+阅读 · 2018年1月19日
Top
微信扫码咨询专知VIP会员