Affermazioni causali in economia

Economico

Resoconto:

Questa rubrica analizza oltre 44.000 documenti di lavoro risalenti al periodo 1980-2023 per valutare l'evoluzione di questi metodi.

Gli economisti svolgono un ruolo cruciale nell'informare le politiche su questioni urgenti come disuguaglianza, istruzione e salute pubblica. Negli ultimi decenni, la disciplina ha subito una "rivoluzione della credibilità", enfatizzando rigorose tecniche di valutazione dei programmi per stabilire relazioni causali. Questo cambiamento ha migliorato la credibilità delle analisi economiche, ma potrebbe, d'altro canto, aver avuto implicazioni più ampie per quella che potrebbe essere ampiamente considerata una ricerca commercializzabile in economia.

L'ascesa dei metodi di inferenza causale

La rivoluzione della credibilità è caratterizzata dall'adozione di strategie empiriche progettate per rafforzare le affermazioni causali. I lavori seminali di Angrist e Krueger (1991) e Card (1990) hanno introdotto esperimenti naturali e tecniche di variabili strumentali per affrontare le preoccupazioni di endogeneità, gettando le basi per un'inferenza causale più credibile. Successivamente, metodi come la differenza nelle differenze (DiD), il disegno di discontinuità di regressione (RDD) e gli studi clinici randomizzati (RCT) hanno acquisito importanza, segnalando un cambiamento di paradigma verso strategie empiriche "basate sul design" (Angrist e Pischke 2010, Pischke 2021).

Per valutare l'evoluzione di questi metodi, in un recente articolo (Garg e Fetzer 2024) abbiamo analizzato oltre 44.000 working paper del NBER e del CEPR che vanno dal 1980 al 2023. La nostra analisi rivela un aumento significativo nell'uso di metodi di inferenza causale negli ultimi quattro decenni. La Figura 1 illustra la proliferazione di metodi empirici chiave utilizzati in questi articoli.

Per visualizzare come questi metodi contribuiscono a costruire narrazioni economiche, utilizziamo grafici della conoscenza per mappare le relazioni tra concetti nella ricerca economica. La Figura 2 presenta un esempio di tale grafico della conoscenza da Banerjee et al. (2015), che illustra l'impatto causale dell'introduzione della microfinanza in India.

In questo knowledge graph, gli autori esaminano come l'accesso alla microfinanza influenzi una serie di risultati, dalla creazione di imprese ai modelli di spesa delle famiglie. L'elevato numero di edge causali e percorsi unici indica una narrazione causale ricca e interconnessa, che riflette la complessità delle relazioni economiche esplorate nello studio. Tali mappature dettagliate possono aiutare a comprendere come i metodi empirici contribuiscano a far progredire la conoscenza in economia.

Successo della pubblicazione contro impatto delle citazioni

Nonostante i progressi metodologici, è in corso un dibattito sulle implicazioni per la diffusione e l'influenza della ricerca. Una preoccupazione particolare potrebbe essere che la rivoluzione della credibilità abbia dato origine a uno stile specifico di ricerca economica che potrebbe porre maggiore enfasi sulla cassetta degli attrezzi metodologica, piuttosto che sulla questione di fondo con cui i decisori politici e i decisori devono confrontarsi quotidianamente (Jiménez-Gómez et al. 2019). Inoltre, valutare ciò che è economicamente significativo, rispetto a ciò che merita considerazione per motivi statistici, potrebbe portare a un bias di pubblicazione, svantaggiando gli studi che, ad esempio, producono risultati nulli (Chopra et al. 2022) o generano un'ampia gamma di modelli empirici teoricamente coerenti e ad alta dimensione su un'ampia gamma di variabili di interesse che potrebbero essere congiuntamente significative se viste come incorporate in una catena causale o in un grafico.

Per esplorarlo, utilizziamo grafici di conoscenza per rappresentare le relazioni tra concetti economici in ogni documento. Abbiamo quantificato la complessità narrativa attraverso misure come il numero di percorsi causali unici e la profondità delle catene causali. I nostri risultati suggeriscono una relazione sfumata tra rigore metodologico, complessità narrativa e impatto della ricerca.

La figura 3 mostra che gli articoli con una percentuale maggiore di affermazioni causali hanno maggiori probabilità di essere pubblicati nelle 'top five' riviste di economia. Inoltre, gli articoli che introducono nuove relazioni causali e che si occupano di concetti meno centrali e specializzati hanno maggiori probabilità di essere pubblicati in prima linea.

Tuttavia, quando si esaminano i conteggi delle citazioni, un proxy per l'influenza accademica, osserviamo un modello diverso. Come illustrato nella Figura 4, mentre la complessità di una narrazione è correlata positivamente ai conteggi delle citazioni nelle riviste più importanti, l'uso di metodi di inferenza causale non porta necessariamente a un impatto maggiore delle citazioni una volta pubblicato. Invece, gli articoli incentrati su concetti centrali e ampiamente riconosciuti tendono a ricevere più citazioni.

Questa divergenza suggerisce che mentre le riviste più importanti danno priorità all'innovazione metodologica e alle narrazioni complesse, un impatto accademico più ampio è guidato maggiormente dalla rilevanza degli argomenti di ricerca. Ciò solleva importanti questioni sulla direzione e le priorità della ricerca economica, evidenziando la necessità di un equilibrio tra rigore metodologico e coinvolgimento nei dibattiti economici centrali (Deaton e Cartwright 2016, Pischke 2021). C'è la preoccupazione che la ricerca pubblicata in modo prominente nelle riviste più importanti possa incoraggiare uno spostamento dell'attenzione della ricerca in aree che potrebbero essere di interesse marginale più ampio, creando forse profonde "tane del coniglio" che potrebbero successivamente generare una dinamica di pubblicazione auto-rafforzante, ostacolando l'innovazione in senso più ampio.

Sfide nella replicazione e nell'accessibilità dei dati

La crescente enfasi sui metodi empirici sofisticati porta con sé sfide legate alla replicazione e alla trasparenza della ricerca. Ad esempio, Chopra et al. (2022) riscontrano una sostanziale penalità percepita contro i risultati nulli nel processo di pubblicazione, che può distorcere la documentazione scientifica e ostacolare la conoscenza cumulativa. Tali pregiudizi possono portare a una sovrarappresentazione di risultati significativi, gonfiando i tassi di falsi positivi e minando l'affidabilità della ricerca pubblicata (Brodeur et al. 2016).

Inoltre, osserviamo un aumento nell'uso di dati proprietari, con la percentuale di articoli che utilizzano dati di aziende private raddoppiata da circa il 4% nel 1980 a oltre l'8% nel 2023. L'uso di dati privati in settori come la finanza e l'organizzazione industriale mostra le percentuali più elevate. I dati proprietari possono fornire approfondimenti granulari, ma possono anche sollevare preoccupazioni sulla replicabilità e la trasparenza. L'accesso limitato a tali dati ostacola la capacità di altri ricercatori di verificare i risultati o esplorare ipotesi alternative (Jiménez-Gómez et al. 2019). Inoltre, la fornitura di accesso alla ricerca a dati privati proprietari potrebbe essere sbilanciata verso accademici con un profilo ampio, il che potrebbe ulteriormente esacerbare le disuguaglianze nella professione in termini di accesso alla ricerca (Fetzer 2022). In alternativa, le aziende potrebbero utilizzare strategicamente ricercatori (finanziati con fondi pubblici) per produrre beni di conoscenza privati, esternalizzando la ricerca e lo sviluppo. In alternativa, possono sfruttare le credenziali accademiche o degli istituti di istruzione superiore per promuovere il riconoscimento del marchio o per potenziare strategicamente le credenziali di responsabilità sociale d'impresa (Bounie et al. 2021).

Deaton e Cartwright (2016) mettono in guardia contro l'eccessivo affidamento agli studi clinici randomizzati (RCT) e sottolineano l'importanza di comprendere i meccanismi alla base degli effetti osservati. Sostengono che senza un quadro teorico, i risultati degli RCT potrebbero non essere generalizzabili ad altri contesti, limitandone la rilevanza politica. La generalizzabilità e la scalabilità dei risultati sperimentali sono cruciali per informare le decisioni politiche (Jiménez-Gómez et al. 2019).

Implicazioni per la professione economica

Questi risultati hanno implicazioni significative per la professione economica. Il compromesso tra rigore metodologico e impatto accademico più ampio suggerisce la necessità di un approccio più olistico alla ricerca. Come sostengono Jiménez-Gómez et al. (2019), gli economisti sperimentali devono affrontare la generalizzabilità e l'applicabilità delle loro prove, assicurando che i risultati contribuiscano in modo significativo alle discussioni sulla teoria e sulle politiche. Ciò comporta l'adozione di metodologie diverse e la focalizzazione su questioni con sostanziale rilevanza politica (Deaton e Cartwright 2016).

Incoraggiare la trasparenza e la segnalazione di risultati nulli è essenziale per mantenere l'integrità del processo scientifico. Miguel et al. (2014) sostengono pratiche che migliorino la credibilità e l'accessibilità, come la pre-registrazione e la condivisione dei dati. Per affrontare le sfide poste dai dati proprietari è necessario bilanciare i vantaggi di dataset ricchi con la necessità di una ricerca verificabile e replicabile. Le iniziative che promuovono la scienza aperta e gli studi di replicazione possono aiutare ad attenuare questi problemi (Jiménez-Gómez et al. 2019, Brodeur et al. 2016).

Inoltre, c'è un crescente riconoscimento dei limiti del concentrarsi esclusivamente sulla significatività statistica. Come sottolineano Brodeur et al. (2016), un'eccessiva enfasi sui risultati significativi può portare a "p-hacking" e gonfiare i tassi di falsi positivi. L'adozione di solide pratiche statistiche e la valutazione degli studi in base alla loro solidità metodologica e rilevanza, piuttosto che solo a risultati significativi, può mitigare questi problemi. Sottolineare la significatività economica e le implicazioni pratiche dei risultati della ricerca è fondamentale per far progredire il campo (Chopra et al. 2022).

Per rimanere aggiornato su tutti gli eventi economici di oggi, consulta il nostro Calendario economico

Avvertenza sui rischi ed esclusione di responsabilità sugli investimenti

Comprendi e riconosci che esiste un alto grado di rischio coinvolto nel trading con strategie. Seguire qualsiasi strategia o metodologia di investimento è il potenziale di perdita. Il contenuto del sito viene fornito dai nostri collaboratori e analisti solo a scopo informativo. Tu solo sei l'unico responsabile di determinare se qualsiasi attività di negoziazione, o titolo, o strategia, o qualsiasi altro prodotto è adatto a te in base ai tuoi obiettivi di investimento e alla tua situazione finanziaria.

Informativa sui rischi

Il trading di strumenti finanziari come azioni, valute, materie prime, futures, obbligazioni, fondi o criptovalute è un'attività ad alto rischio, che include la perdita parziale o totale dell'importo dell'investimento, pertanto il trading non è adatto a tutti gli investitori.

Quando prendi qualsiasi decisione finanziaria, dovresti condurre la tua due diligence, usare il tuo giudizio e consultare consulenti qualificati. Il contenuto di questo sito Web non è rivolto a te, né prendiamo in considerazione la tua situazione finanziaria o le tue esigenze. Le informazioni contenute in questo sito Web non sono necessariamente fornite in tempo reale, né sono necessariamente accurate. I prezzi forniti su questo sito possono essere forniti dai market maker anziché dalle borse. Qualsiasi decisione commerciale o altra decisione finanziaria presa è di esclusiva responsabilità dell'utente e non è possibile fare affidamento su alcuna informazione fornita tramite il sito Web. Non forniamo alcuna garanzia rispetto a qualsiasi informazione sul sito Web e non siamo responsabili per eventuali perdite commerciali che potrebbero derivare dall'uso di qualsiasi informazione sul sito Web.

L'uso, la memorizzazione, la riproduzione, la visualizzazione, la modifica, la diffusione o la distribuzione dei dati contenuti in questo sito web sono vietati senza il consenso scritto di questo sito web. I fornitori e gli scambi che forniscono i dati contenuti in questo sito Web mantengono tutti i loro diritti di proprietà intellettuale.

Ricerche recenti

Principali ricerche

Quotazioni

Analisi

Utente

24/7

Calendario economico

Educazione

Dati