Biståndet och statistisk inferens
Det här inlägget blir lite av en uppföljning till en tidigare post: Kan biståndet isoleras? Min utgångspunkt är här det påstående som refereras i föregående inlägg: kan biståndets effekter på tillväxten isoleras statistiskt, och vad är analysens trovärdighet? Min tanke är att gå igenom, på ett ungefär, hur någon som arbetar med statistik ser på saken.
En regressionsanalys försöker att belägga sambandet mellan (vanligtvis) en variabel (s.k. beroende variabel) där en effekt registreras, i föreliggande fall vanligtvis tillväxt i inkomst per capita. Analysens syfte är att härleda denna effekt till ett antal förklaringsvariabler som tros påverka utfallet i den beroende variabeln. I normalfallet försöker vi titta på en variabel (säg, biståndsinflöde som andel av BNP) samtidigt som vi håller andra förklaringsvariabler (investeringar, institutionell struktur, inflation…) konstanta. Tanken är att kunna göra en utfästelse av typen ett inflöde av bistånd motsvarande 1 procentenhet av BNP ökar/minskar tillväxten i BNP per capita med X procentenheter, andra faktorer konstanta.
Utgångspunkten är olika former av observationsenheter. Dessa varierar beroende på vilken nivå vi tror att förändringen sker och vad vi har tillgänglig data för. Beroendevariabeln kan observera invidiver, familjer, regioner, länder och så vidare. Ju högre upp vi går i hierarkin, desto större olikheter kan vi förvänta oss inom varje observation. En individ innehåller färre okända faktorer än en kommun, som innehåller färre okända faktorer än Sverige, som innehåller färre okända faktorer än Europa.
Mer explicit: förändringen i en individs inkomst från år 1 till år 2 kan med viss träffsäkerhet uppskattas genom förklaringsvariabler som förändring i utbildningslängd och erfarenhet (ett samband som från början kartlades av Jacob Mincer). Men när vi börjar summera (aggregera) inkomster över regioner och länder blir sambandet mindre tydligt. Att förutsäga ett lands totala inkomstnivå med genomsnittlig utbildning och ett fåtal andra variabler går hyfsat, men att estimera förändringen i inkomst med samma uppsättning variabler innebär att tämligen ofta hugga i sten.
Länder är uppenbarligen väldigt komplexa organismer, med tusentals faktorer (samt interaktionerna dem emellan!) som kan tänkas påverka dess tillväxt. En region kan blomstra, medan en annan går kräftgång, vilket kan producera nolltillväxt, trots att en massa faktorer har påverkats under ytan. I princip alla de faktorer vi tänker på som skillnader mellan länder producerar också skillnader inom länder. Till och med ett förhållandevis homogent land som Sverige har enorma inter-regionala skillnader (liksom intra-regionala skillnader). Ekonomiprisvinnaren Robert Lucas pekade redan 1986 på att staden (till skillnad från landet) kanske är den rimligaste observationsnivån. Senare ansatser har gått ned på ännu finare nivå i takt med att disaggregerad data har gjorts tillgänglig.
Att hitta tillräckligt många variabler att hålla konstanta för att kunna isolera effekten av en enskild faktor på tillväxten i ett helt land är svårt. Dessutom skulle inte uppsättningen variabler vara desamma för olika länder. Att förutsäga tillväxten för en lite exportberoende ekonomi med samma uppsättning variabler som för en ekonomi med en gigantisk hemmarknad faller på sin egen orimlighet. Lägg därtill att Kina och St. Kitts-öarna ges samma vikt i ett standardmässigt tvärsnitt av länder.
Problemen går i viss mån att åtgärda med mer sofistikerade metoder, till exempel med landspecifika faktorer i fixed effects-modeller där skillnader inom länder över tid utnyttjas, men problemen med att underliggande olikheter suddas ut istället för att variansen exploateras statistiskt (vilket är nära nog definitionen av statistik inferens!) kvarstår. Att aggregera sex miljarder människor till ett par hundra nationer och att därefter peta ut effekten av en (normalt) liten post som biståndsinflöden är helt enkelt förbannat bökigt.
Här är jag och biståndsorganisationerna eniga. Biståndets förespråkare har dock trumf på hand. En studie som lyckas fastställa biståndets effekt på tillväxten statistiskt kan efter viss vantolkning framställas som någon form av ‘bevis’ för att biståndet fungerar (se ex. Burnside & Dollar, 2000). En studie som inte finner ett sådant samband (se ex. Roodman, 2007) kan bara konstatera att sambandet inte kan styrkas. Att motbevisa biståndets effektivitet är i sammanhanget liktydigt med att motbevisa gud: en metafysisk omöjlighet. Lägg därtill vad som brukar kallas publication bias: att publicera avsaknad av resultat är inte så förbannat sexigt.
I takt med att forskningsläget har svängt mot agnosticism har ovanstående faktorer börjat utnyttjas av biståndets förespråkare (se tidigare länkat inlägg). Argumentet kokar ned till ungefär följande: eftersom biståndets ineffektivitet inte kan påvisas varken konceptuellt eller statistiskt måste statistisk inferens diskvalificeras från diskursen. Förutom att jag inte är övertygad om det obetydliga i biståndsinflöden av den magnitud vi har sett de senaste decennierna har jag i huvudsak två invändningar. Det första är bevisbördan, vilket eventuellt lämpar sig för en senare postning. Det andra är, som jag hintade om i slutet av föregående inlägg, debattens inneboende schizofreni.
När forskningsläget, för något decennium sedan, verkade kunna styrka biståndets effektivitet (alltid eller under vissa förhållanden) hördes inte denna typ av argumentation. Tvärtom utnyttjades forskningen till fullo av oräkneliga inblandade organisationer, inklusive statliga myndigheter som kampanjade för sitt eget existensberättigande. Den uppenbara frågan till Därför Bistånd, Sida och andra måste därför bli: givet att allt som står ovan inte kräver mer än ett par kurser i statistik och ekonometri för att bli fullt begripligt (och givet att det finns statistiker anställda hos er), varför var forskningen trovärdig så länge den producerade slutsatser som passade in i er världsbild?
