Il premio Nobel per l’Economia 2021 assegnato a David Card, Joshua Angrist e Guido Imbens riconosce l’importanza di utilizzare metodi statistici per identificare relazioni di causa-effetto utili al fine di fare scelte economiche informate.
Un governo che sta valutando l’opportunità di alzare il livello minimo salariale vorrà sapere per esempio quale è l’impatto di tale misura sull’occupazione. Salari minimi più elevati possono elevare i costi del lavoro e ridurre il numero di occupati. Potremmo considerare un paese che ha modificato in passato il livello minimo salariale e poi confrontarne i livelli occupazionali prima e dopo questa modifica. Questa analisi non identificherebbe però l’effetto causale del salario minimo sull’occupazione in quanto i livelli occupazionali possono essere stati influenzati anche da altri fattori, come ad esempio il ciclo economico. L’unica conclusione che si potrebbe legittimamente trarre riguarda la presenza di una correlazione tra salario minimo e occupazione, cioè che contestualmente ad una variazione nel salario minimo si osservi una variazione nel numero di occupati. Il lavoro dei vincitori del premio Nobel di quest’anno ha il merito di rimarcare la differenza tra correlazione e relazione causale, quest’ultima il vero oggetto di interesse degli economisti che svolgono analisi empiriche.
In ambito medico l’efficacia di un trattamento, e di conseguenza l’esistenza di una relazione causa-effetto, viene valutata attraverso esperimenti in ambiente controllato. Un gruppo iniziale di soggetti viene diviso in modo casuale. Ad un gruppo (il gruppo di trattamento) viene ad esempio somministrato un nuovo vaccino, all’altro (il gruppo di controllo) un placebo (un trattamento finto che non produce nessun effetto). Si studia poi che cosa succede ai due gruppi. Poiché l’unica distinzione è il vaccino somministrato al gruppo di trattamento, qualsiasi differenza compaia fra i due gruppi è imputabile al vaccino.
Nelle scienze sociali, come l’economia, è difficilissimo, spesso impossibile, realizzare esperimenti in ambito controllato. Tornando all’esempio precedente, l’economista non è in grado di mantenere inalterate tutte le condizioni economiche preesistenti in un paese e di variare solamente il minimo salariale. Da qui l’enorme difficoltà di identificare una relazione causa-effetto. I contributi dei premi Nobel per l’Economia 2021, e di altri economisti della loro generazione, si sono concentrati sullo sviluppo di metodi per affrontare proprio queste difficoltà.
Card e Krueger hanno analizzato l’effetto del salario minimo sull’occupazione ricorrendo a un “esperimento naturale”. Nella loro analisi considerano l’aumento del salario minimo nello stato del New Jersey, che nell’aprile 1992 è stato portato da 4,25 a 5,05 dollari. Anche in questo caso abbiamo un gruppo di trattamento e un gruppo di controllo. Il gruppo di trattamento è composto da lavoratori nei fast-food nel New Jersey (settore tipicamente caratterizzato da bassi salari). Per questa popolazione di lavoratori vengono osservati i livelli occupazionali sia poco prima (marzo 1992) sia poco dopo (dicembre 1992) l’innalzamento del salario minimo. Il semplice confronto dei livelli occupazionali prima e dopo l’aumento del minimo salariale non è del tutto soddisfacente: non possiamo essere sicuri che eventuali differenze nell’occupazione siano dovute esclusivamente al salario minimo più alto. Qui “il colpo di genio”: la Pennsylvania è uno stato confinante e simile al New Jersey con un salario minimo rimasto fisso a 4,25 dollari. I lavoratori di fast-food della Pennsylvania sono quindi un naturale gruppo di controllo. La metodologia statistica sfrutta l’andamento dei loro livelli occupazionali tra marzo e dicembre 1992 per capire cosa sarebbe capitato in New Jersey in assenza dell’innalzamento del livello salariale. La differenza tra New Jersey e Pennsylvania nelle variazioni dei livelli occupazionali tra marzo e dicembre 1992 è quindi una stima dell’effetto causale dell’innalzamento del salario minimo.
Card e Krueger mostrano che un salario minimo più elevato non riduce in maniera significativa l’occupazione, contraddicendo l’ipotesi tradizionale sull’effetto di questa politica.
Anche individui e famiglie prendono decisioni. L’investimento nell’istruzione è per esempio motivato dal ritorno in termini salariali. Come quantificare l’effetto causale dell’istruzione sui salari? Confrontare salari di persone con istruzione più o meno elevata può essere fuorviante: livelli di istruzione diversi possono essere associati a differenze in caratteristiche individuali come abilità e motivazioni che possono influire anche sui salari percepiti.
Angrist e Krueger hanno il merito di cogliere una determinante dell’incentivo a investire in istruzione che non dipende dalla volontà individuale. Negli Stati Uniti l’obbligo scolastico arriva fino ai 16 anni. Questo significa che i nati all’inizio dell’anno possono lasciare la scuola durante il decimo anno di istruzione, mentre i nati alla fine dell’anno possono lasciarla durante l’undicesimo. Angrist e Krueger mostrano che i nati nell’ultimo trimestre hanno più alti livelli di istruzione rispetto ai nati nel primo trimestre dello stesso anno. Tale situazione si configura come un esperimento naturale in cui l’esposizione al trattamento “anni di istruzione” dipende, a parità di altre condizioni, dal mese di nascita. Questo elemento non è evidentemente il risultato di una scelta individuale e diventa quindi uno “strumento” per stimare l’effetto dell’istruzione sui salari al netto delle attitudini e delle caratteristiche individuali. Il rendimento di un anno aggiuntivo di istruzione risulta essere positivo e circa pari al 9%.
Un’analisi rigorosa prevede tuttavia la piena consapevolezza delle assunzioni su cui si basa e da cui dipendono i risultati ottenuti. Angrist e Imbens hanno mostrato che la variazione nei comportamenti in una popolazione indotta da una politica permette di valutare l’effetto causale di interesse solo all’interno del sottogruppo che effettivamente ha modificato i suoi comportamenti come conseguenza di questa politica. Nel caso dell’esempio precedente, la variazione negli anni di istruzione indotta dalla differenza nel numero di anni coperti dall’obbligo scolare permette di valutare l’effetto causale di un anno aggiuntivo di istruzione sui salari solo all’interno del sottogruppo di persone che ha continuato a studiare in quanto obbligate dalla legge e ha lasciato l’istruzione appena possibile. I risultati ottenuti sono quindi informativi per questa popolazione di riferimento.
Questo nostro articolo non ha sicuramente la pretesa di menzionare tutte le linee di ricerca sviluppate dai premi Nobel per l’Economia 2021, David Card, Joshua Angrist e Guido Imbens. Card si è per esempio occupato anche di temi legati all’immigrazione, al cambiamento tecnologico ed all’istruzione. Angrist è autore di manuali di econometria e inferenza causale estremamente diffusi in ambito accademico. La produzione scientifica di Imbens ha dato un forte impulso in svariati ambiti dell’econometria, arrivando recentemente ad utilizzare tecniche di machine learning per l’inferenza causale. L’attività di questi studiosi è semplicemente straordinaria e ha potuto contare sull’eccezionale contributo di un altro grande economista, Alan Krueger, purtroppo prematuramente scomparso nel 2019.
