Hat die Glaubwürdigkeitsrevolution verändert, was die Ökonomik weiß?

Um zu sehen, warum dieser Zug ein Bruch war, muss man bei dem beginnen, was er ersetzte. In den 1970er und 1980er Jahren beruhte die angewandte Ökonomik auf strukturellen Modellen: Man schreibt ein Modell dafür auf, wie sich die Akteure verhalten, schätzt seine Parameter aus Beobachtungsdaten und liest die Wirkungen von Politik an der geschätzten Struktur ab. Das Problem war, dass die Antworten von Annahmen abhingen, die die Daten nicht prüfen konnten, nämlich von Funktionsformen, Fehlerverteilungen und der Frage, welche Variablen exogen waren. Robert LaLonde machte das Problem 1986 unabweisbar. Er nahm ein echtes randomisiertes Experiment zu einem Programm der beruflichen Weiterbildung, verwarf die Randomisierung und fragte, ob die führenden strukturellen Schätzer das experimentelle Ergebnis aus Beobachtungsdaten zurückgewinnen konnten. Sie konnten es nicht. Verschiedene vernünftige Spezifikationen lieferten stark voneinander abweichende Effekte, und es gab keinen internen Weg, zu erkennen, welche richtig war.

Der Zug der Glaubwürdigkeitsrevolution bestand darin, nicht mehr die ganze Welt modellieren zu wollen, sondern nach einer Situation zu suchen, in der die Behandlung so gut wie zufällig zugeteilt wurde: ein Bundesstaat, der seinen Mindestlohn erhöhte, während der Nachbarstaat es nicht tat, eine Lotterie, die manche Schüler aufnahm und andere nicht, ein Sprung in der Anspruchsberechtigung an einer willkürlichen Schwelle. Wo man so etwas findet, lässt sich ein kausaler Effekt mit Annahmen identifizieren, die ein Leser prüfen kann. Der Werkzeugkasten, der um diesen Gedanken herum entstand, also sorgfältig eingesetzte Instrumentalvariablen, Differenz-von-Differenzen und Regressionsdiskontinuität, hat ein gemeinsames Merkmal: Die identifizierende Annahme liegt offen.

Das formale Objekt, das dieser Werkzeugkasten schätzt, ist enger, als es aussieht. Es ist der lokale durchschnittliche Behandlungseffekt (LATE), der Effekt auf diejenigen, deren Behandlung sich wegen des natürlichen Experiments tatsächlich geändert hat.

Ein weiteres Stück sorgte dafür, dass die Revolution Bestand hatte: Die Inferenz holte die Identifikation ein. Bertrand, Duflo und Mullainathan zeigten 2004, dass die übliche Berechnung der Standardfehler in Differenz-von-Differenzen-Studien viel zu zuversichtlich war. Sie behandelte korrelierte Beobachtungen als unabhängig und erzeugte Signifikanz, wo keine war. Nach der Bereinigung durch Clustering und ehrlich ausgewiesene Unsicherheit musste eine glaubwürdige Kausalschätzung zweierlei überstehen: eine überprüfbare identifizierende Annahme und eine überprüfbare Aussage darüber, wie sicher man sich sein durfte.

Das ist der nächste Zug nach der Gegenrevolution der rationalen Erwartungen um Lucas, und die Lehrbuchtradition stellt beide als eine Denklinie dar. Die Gegenrevolutionäre hatten keynesianische Modelle angegriffen, weil sie auf Zusammenhängen beruhten, die zerfielen, sobald die Politik sie nutzte. Ihre Antwort waren tiefere Mikrofundierungen. Die Glaubwürdigkeitsrevolution beantwortete dieselbe Sorge anders, mit einer Identifikation, die man überprüfen kann. Die Ideengeschichte behandelt beide Züge in einem Kapitel und geht direkt darauf ein, wie die Arbeitsökonomik die Glaubwürdigkeitswende in Gang setzte.

Die formale Ökonometrie, also das Identifikationsproblem, Instrumentalvariablen, Differenz-von-Differenzen, Regressionsdiskontinuität und der Rahmen der potenziellen Ergebnisse, auf dem der LATE beruht, wird im Lehrbuch der Volkswirtschaftslehre vollständig dargestellt. Den chronologischen Bogen dieses Werkzeugkastens, von IV über Differenz-von-Differenzen, RD, Matching und synthetische Kontrollgruppen bis zum kausalen maschinellen Lernen, zeichnet eine eigene Große Frage nach, die methodische Denklinie der Glaubwürdigkeitsrevolution.

Banerjee, Duflo und Sendhil Mullainathan gründeten 2003 am MIT das Poverty Action Lab und bauten eine Infrastruktur auf, um randomisierte Feldexperimente in großem Maßstab durchzuführen. Ende der 2010er Jahre hatte das Programm in der Größenordnung von tausend Studien hervorgebracht, zu Entwurmung, Mikrofinanz, bedingten Geldtransfers, der Anwesenheit von Lehrkräften, Moskitonetzen und Impfanreizen, und der Nobelpreis 2019 für Banerjee, Duflo und Michael Kremer bestätigte es als das vorherrschende empirische Paradigma der Entwicklungsökonomik. Die Denklinie der Entwicklungsökonomik, von Lewis und den Strukturalisten bis zur RCT-Wende, zeichnet die Ideengeschichte nach.

Was die RCTs sichtbar machten, war eine andere Art von Tatsache, als das Fach sie gewohnt war. Die Entwicklungsliteratur vor der Revolution handelte mit großen strukturellen Thesen, dem Big Push, dem ausgewogenen Wachstum, dem Zwei-Lücken-Modell, und diese Thesen benannten, was ganze Volkswirtschaften wachsen lässt. Die Studien ersetzten sie durch kleine, spezifische, falsifizierbare Effekte in identifizierten Populationen: Entwurmung erhöhte den Schulbesuch in diesem Teil Kenias um so und so viel, und Mikrofinanz bewirkte fast überall, wo sie getestet wurde, weit weniger, als ihre Fürsprecher versprochen hatten. Die ehrliche Einheit des Wissens schrumpfte von „Was verursacht Entwicklung?“ auf „Was hat diese Maßnahme hier bewirkt?“. Für alles, was die Methode erreichen kann, ist das eine echte Verbesserung: Das Fach hörte auf, bei Effekten zu bluffen, die es nie glaubwürdig gemessen hatte.

Die Revolution verschob auch den Schwerpunkt des ganzen Fachs, und andere Programme verloren an Boden. Länderübergreifende Wachstumsregressionen nach dem Vorbild Barros, einst eine blühende Industrie, wirkten bald aussichtslos, weil sich ihre identifizierenden Annahmen genau so wenig falsifizieren ließen, wie LaLonde gewarnt hatte. Die kalibrierte strukturelle Makroökonomik und die ehrgeizige Ökonometrie der Politikevaluation aus der vorigen Generation verloren Platz in den Fachzeitschriften und die Aufmerksamkeit der Doktoranden an saubere Feldexperimente. Das verdrängte Programm geht direkt auf den Zug der rationalen Erwartungen um Lucas zurück, dessen Anspruch auf das ganze Fach die Glaubwürdigkeitswende in der angewandten Forschung stillschweigend untergrub.

Banerjee selbst steht im Ideengraphen unter den modernen Pluralisten. Welchen Platz das RCT-Programm in der methodischen Denklinie einnimmt, zeigt der interaktive Ideengraph.

Eine Schätzung in reduzierter Form, der saubere LATE aus Schritt 1, trifft minimale Annahmen und ist intern valide: Innerhalb ihres Experiments ist die Zahl vertrauenswürdig. Eine strukturelle Schätzung trifft mehr Annahmen und erlaubt unter diesen Annahmen weiter reichende Aussagen, doch gerade die Annahmen sind schwer zu verteidigen. Keine Seite bekommt beides. Die Glaubwürdigkeitsrevolution hat sich für interne Validität und minimale Annahmen entschieden, und die drei Kritiken sind drei verschiedene Rechnungen für diese Entscheidung.

Externe Validität. Eine saubere Schätzung aus einer Stichprobe sagt nichts über eine andere Population, solange man nicht annimmt, dass sich der Behandlungseffekt auf eine bekannte Weise verallgemeinern lässt, und sobald man das annimmt, betreibt man strukturelle Arbeit, nur ohne es zuzugeben. Der Entwurmungseffekt in Kenia lässt sich nicht auf Bihar übertragen, wo Parasiten, Schulen und Haushalte anders sind, und keine noch so große Strenge innerhalb der Studie kann zurückholen, was die Studie nie beobachtet hat. Die Rechnung ist struktureller Natur.

Wofür strukturelle Modelle da waren. Der Punkt, den Heckman in Schritt 2 vorbrachte, spitzt sich hier zur Kritik zu: Die Extrapolation auf unerprobte Politik und unerreichte Populationen ist genau die Aufgabe, für die die strukturelle Modellierung gebaut wurde. Ein Fach, das sie aufgibt, hat eine Funktion fallen gelassen.

Die Mikrobefunde aggregieren sich nicht zur Makroökonomik. Eine glaubwürdige Mikroschätzung, etwa die marginale Konsumneigung von Hand-to-Mouth-Haushalten, kann in die Kalibrierung eines Makromodells einfließen, aber sie ersetzt nicht das strukturelle makroökonomische Instrumentarium, das man braucht, um zu beantworten, was eine Steuersenkung mit dem Output macht oder ob eine Zinserhöhung eine Rezession auslöst. Der Werkzeugkasten der Glaubwürdigkeitsrevolution führt nicht von sauberen Mikroeffekten hinauf zu Fragen des allgemeinen Gleichgewichts, und das erklärt zu einem großen Teil, warum die Revolution wie ein Ereignis der angewandten Mikroökonomik wirkt. Die Makroseite hat nach 2008 ihre eigene, tiefer gehende Abrechnung, der eine eigene Große Frage gewidmet ist: Hat 2008 die Makroökonomie zerbrochen?

In der Denklinie des Lehrbuchs stehen die Kritik an der externen Validität und die methodische Debatte nach der Glaubwürdigkeitsrevolution im Kapitel über den modernen Pluralismus, das das J-PAL-Programm und den Einwand von Deaton, Pritchett und Rodrik zusammen behandelt. Die Verteidigung der strukturellen Ökonometrie lässt sich über die ökonometrisch-methodische Wende verfolgen, die das Kapitel zur Informationsökonomik neben seine Denklinie der Messung stellt.

Die Antwort des Fachs auf die Rechnung der externen Validität ist eine Reihe von Versuchen, die Disziplin der Identifikation zu behalten und die Reichweite für die Politik zurückzugewinnen. Drei verdienen es, genannt zu werden. Imbens und seine Koautoren haben den Rahmen der potenziellen Ergebnisse direkt auf Fragen der Extrapolation und der externen Validität ausgedehnt und behandeln „Lässt sich das übertragen?“ als formales Problem. Susan Athey und Guido Imbens haben ein Programm des kausalen maschinellen Lernens aufgebaut, das mit flexiblen Algorithmen schätzt, wie Behandlungseffekte zwischen Menschen und Kontexten variieren, also genau die Heterogenität, an der die externe Validität hängt, und das darunter eine glaubwürdige Identifikationsstrategie beibehält. Und Raj Chettys Big-Data-Forschung verknüpft Millionen von Verwaltungsdatensätzen mit kausalen Designs und beantwortet Fragen zu Mobilität und Chancen in einem Maßstab und einer Auflösung, die die RCT mit kleiner Stichprobe nie erreichen konnte.

Pearls Programm der strukturellen Kausalmodelle und die Methoden des Double/Debiased Machine Learning stehen neben dieser Arbeit als weitere Werkzeuge für dasselbe Vorhaben. Die Forschungsfront verbindet die überprüfbare Identifikation der Glaubwürdigkeitsrevolution mit dem Anspruch des strukturellen Programms, über Fälle zu sprechen, die kein Experiment erreicht hat. Das Kapitel über den modernen Pluralismus liest das als den gegenwärtigen methodischen Zustand des Fachs: eine Reihe von Programmen, die um denselben Zielkonflikt ringen.