آنچه می‌خوانید بخش دوم خلاصه‌ای از یک کورس آموزشی تحت عنوان نقش بزرگ داده در حل مشکلات اقتصادی و اجتماعی است که در سال ۲۰۱۹ توسط پروفسور راج چتی (از محققان موسسه Oppurtunity Insights) در دانشگاه هاروارد ارائه شده است. این کورس قصد دارد، نتیجه‌ی تحقیقات مبتنی بر تحلیل داده را که طی سالیان طولانی در زمینه‌های فرصت برابر اجتماعی، تحصیلات، سلامت، آموزش، محیط زیست و عدالت قضایی در آمریکا صورت گرفته است، شرح دهد.
جذابیت این موضوع برای من، در شیوه‌ی مواجهه تحلیل‌گران و آمارشناسان با پرسش‌های اجتماعی است. اینکه چگونه می‌توان با در نظر گرفتن ابعاد مختلف پدیده‌های اجتماعی به عوامل آنها پی برد و راهکارهایی عملیاتی ارائه نمود.
دسترسی آزاد به بخش عظیمی از انواع داده در آمریکا و امکان فعالیت آزادانه محققان، موضوعی ناشناخته و دور از دسترس در کشورهای جهان سومی است. ترجمه‌ی این کورس آموزشی نه با هدف تخریب کشوری خاص بلکه با هدف الگوبرداری از شیوه‌ی تحلیل و گردش آزاد اطلاعات صورت گرفته است.
بزرگ داده تغییرات شگفتی در علوم اجتماعی و اقتصادی پدید آورده است. با این حال در بهره‌برداری و شیوه‌ی تحلیل بزرگ داده در صنعت و علوم اجتماعی تفاوت‌هایی وجود دارد. هدف اغلب صنایع امروزی از تحلیل بزرگ داده، پیش‌بینی است. در حالیکه هدف بیشتر تحلیل‌های مربوط به علوم اجتماعی کشف رابطه علت و معلولی در بین رخدادهای محیطی است.
پیشنهاد من بستن این پنجره و تماشای تمام این ۱۸ ویدیوی یک ساعته است. در صورتیکه فرصت کافی را برای این کار ندارید، من خلاصه‌ای از نه بخش دوم را در این پست وبلاگی منتشر کرده‌ام. نه بخش اول را می‌توانید از این پست وبلاگی دنبال کنید.
تفاوت‌های بارز بسیاری میان فرصت‌های اقتصادی نژادهای مختلف در آمریکا وجود دارد. تنها با نگاهی به نمودار میله‌ای میانه‌ی درآمد برای هر نژاد، می‌توان به وضوح تفاوت‌های معناداری را مشاهده کرد.
حجم عظیمی از تحقیقات و مقالات دانشگاهی در این زمینه وجود دارد و سالیان درازی است که این تحقیقات ادامه داشته است. برخی بر روی ساختار خانواده تمرکز کرده‌اند، برخی آن را ناشی از تفکیک نژادی در محلات مختلف دانسته‌اند و برخی، دلایل دیگری آورده‌اند.
تفاوت آنچه اینجا می‌خوانید با تحقیقاتی که در گذشته صورت گرفته است، در توجه به تغییرات در طول زمان و نسل‌های مختلف است. پاسخ به این سوال که کدام اختلافات نژادی در طی زمان پابرجا باقی مانده‌اند؟
در صورتی که پیشرفت میزان درآمد بین نسل‌های مختلف را برای سیاه‌پوستان و سفیدپوستان یکسان تصور کنیم، طبق داده‌ی نمودار زیر، اختلاف درآمدی بین نسل‌های بعدی نژادهای سفید و سیاه کم و کمتر خواهد شد. در واقع اختلاف درآمد نسل فعلی ۸.۸ صدک است در حالیکه اختلاف درآمد نسل گذشته ۲۵.۲ صدک بوده است. به همین ترتیب اختلاف درآمد نسل بعدی (نوه‌ها!) به چیزی حدود ۳ صدک می‌رسد.
ولی، نکته اینجاست که نرخ رشد اقتصادی بین نسلی برای سیاه و سفیدپوستان برابر نبوده است و یافته‌های تحقیق بالا را زیر سوال می‌برد! نمودار پایین به وضوح این واقعیت را نمایش می‌دهد. در واقع کودکی که در یک خانواده‌ی بسیار فقیر سفید پوست بدنیا می‌آید احتمال اینکه به درآمد بالایی برسد، بسیار بیشتر از تولد در یک خانواده‌ی سیاه در همان سطح درآمد است.
جالب اینجاست که این موضوع فقط شامل خانواده‌های فقیر نیست. این اختلاف بین ثروتمندترین خانواده‌ها هم قابل مشاهده است. در واقع اگر در یک خانواده‌ی ثروتمند بدنیا بیایید و سیاه‌پوست باشید، احتمال اینکه درآمد کمتری نسبت به همتای سفیدپوست خود داشته باشید، بیشتر است.
همین داده، در یک بصری‌سازی زیبا از نیویورک‌تایمز به نمایش گذاشته شده است. نمودار زیر ثروتمند یا فقیر شدن کودکانی را نشان می‌دهد که در خانواده‌های ثروتمند رشد کرده‌اند. سبز‌ها سفیدپوستان و بنفش‌ها سیاه‌پوستان هستند. همانطور که می‌بینید تعداد سیاه‌پوستانی که فقیرتر می‌شوند بیشتر از سفیدپوستان است.
اگر سفیدپوستان در جامعه آمریکا روی نردبان پیشرفت هستند، سیاه‌پوستان روی یک تردمیل حرکت می‌کنند! با تلاش زیاد خود را به دسته پولدارها می‌رسانند و نسل بعدی دوباره به طبقه متوسط یا محروم تعلق می‌گیرد.
در این لینک می‌تواند با جزییات بیشتری این بصری‌سازی‌ها را بررسی کنید.
راهکارهای پیشنهادی برای حل اختلاف نژادی نباید متمرکز بر حل موقتی مشکلات یک نسل باشند! بلکه باید تمرکزشان بر باقی‌مندان بقیه اعضای خانواده در همان طبقه اجتماعی باشد.
تفاوت و عملکرد بقیه‌ی نژادها را نیز در دو نمودار زیر مشاهده می‌کنیم.
ولی چه اتفاقی میافتد اگر به تاثیر جنسیت افراد در بین نژادهای مختلف توجه کنیم؟
تفکیک زنان و مردان سفید و سیاه‌پوست نتایج جالبی در پی دارد. مشخصا نمودارهای زیر ثابت می‌کنند که فاصله‌ی بین عملکرد مردان بسیار بیشتر از زنان است.
همچنین نگاه به نرخ اشتغال مردان و زنان نسل بعد در خانواده‌های مختلف، نشان می دهد که بین مردان سیاه و سفید پوست یک فاصله‌ی عظیم وجود دارد در حالیکه برای زنان این موضوع متفاوت است. حتی زنان سیاه‌پوست نرخ اشتغال بیشتری نسبت به زنان سفیدپوست دارند! (توجه کنید که مقایسه نسلی مدنظر است و نه در حالت کلی!)
یکی از دلایل نرخ بسیار پایین اشتغال برای سیاه‌پوستان را می‌توان سیستم قضایی آمریکا دانست. در تصاویر پایین، نمودار سمت راست نرخ زندانی شدن مردان در تاریخ یکم آوریل سال ۲۰۱۰ را بر اساس نژاد و درآمد خانواده نمایش می‌دهد. در سمت چپ همین نمودار برای زنان نمایش داده شده است.
دو نقشه‌ی زیر توزیع درآمد فرزندان برای مردان و زنان سیاه و سفید پوست را در آمریکا نمایش می‌دهد. قبلا هم در بخش اول به این نقشه پرداخته بودیم.
هیچ‌جایی در آمریکا نیست که سیاه و سفید پوستان عملکرد یکسانی در بحث نرخ درآمد بالاتر برای نسل بعدی خود داشته باشند.
در حالت کلی می‌توان نتیجه گرفت که سیاست گذاری‌های انجام شده برای کاهش فاصله‌ی طبقاتی این دو نژاد موفقیت‌آمیز نبوده است.
این بخش بدنبال پاسخ به این سوال است که اگر یافته‌های علمی مربوط به سلامت در حد فعلی خود باقی بمانند؛ با در پیش گرفتن چه رویکردهایی، می‌توان سلامت عمومی را به حداکثر حد ممکن رساند؟
یکی از شیوه‌های اندازه‌گیری سطح سلامت جامعه، نرخ مرگ و میر (متوسط طول عمر) است. هرچند سنجه‌ی سخت‌گیرانه‌ای است ولی از معدود سنجه‌هایی است که داده آن به خوبی در دسترس و قابل اندازه‌گیری است.
نمودار پایین، میزان مرگ و میر مرد طی سنین مختلف از صدک پنجم درآمدی (کم درآمد) را نشان می‌دهد. در سن ۴۰ سالگی، همه‌ی آنها زنده هستند ولی در سن ۷۶ سالگی، ۵۰٪ آنها مرده‌اند.
حالا بیایید، همین نمودار را برای صدک نودوپنجم (ثروتمندها) ببینیم. نمودار قرمز رنگ این صدک را نشان می‌دهد. ۸۰٪ این افراد در سن ۷۶ سالگی زنده هستند.
محققی به نام Gompertz، حدود ۲۰۰ سال پیش به رابطه‌ی جالبی بین سن و میزان بقا دست یافته است که برای موجودات مختلف، به درستی عمل می‌کند. با استفاده از این رابطه می‌توان تا ۹۰ سالگی گروه‌های مختلف را تخمین زد.
با این حساب می‌توان داده‌های نمودار بالا را به شیوه‌ای دیگر نیز نمایش داد. همانطور که می‌بینید فاصله‌ی بسیار زیادی بین متوسط طول عمر بر اساس میزان درآمد افراد وجود دارد.
در واقع یک نابرابری شدید در سیستم سلامت آمریکا وجود دارد. یک درصدِ فقیر جامعه، امید به زندگی‌شان چیزی در حد کشورهای در حال توسعه مانند سودان، پاکستان و عراق است. در حالیکه ثروتمندترین آمریکایی‌ها، بیشترین میزان امید به زندگی را در میان کل مردم جهان دارند.
بررسی میزان مرگ و میر خانواده‌های کم‌درآمد در بخش‌های مختلف آمریکا نشان می‌دهد که سن مرگ برای همه‌ی مناطق یکسان نیست. این پرسش پیش می‌آید که این مناطق چه تفاوتی با یکدیگر ممکن است داشته باشند؟
بررسی عوامل مختلف مانند رفتارهای شخصی(سیگار، چاقی، میزان ورزش و ...)، کیفیت سیستم سلامت عمومی(افراد بدون بیمه، نرخ مرگ طی ۳۰ روز در هر بیمارستان و ...)، عوامل محیطی، میزان نابرابری (نژادی و مذهبی) و نرخ اشتغال نشان می‌دهند که رفتارهای شخصی بیشترین میزان همبستگی را با متوسط طول عمر در نواحی مختلف دارد.
نقشه زیر، پراکندگی میزان مصرف دخانیات و امید به زندگی در مناطق مختلف آمریکا را نمایش می‌دهد. مشخصا شاهد همبستگی در هر دو نقشه هستیم.
علاوه بر میزان مصرف دخانیات، می‌توان رفتارهای معناداری در ارتباط بین خرید مواد غذایی مفید و میزان درآمد افراد یافت.
سوالی که در این بخش مطرح می‌شود این است که آیا بیمه عمومی سلامت منجر به بهبود وضعیت سلامت جامعه می‌شود یا خیر؟ اگر می‌شود، چگونه می‌توان این بیمه را در اختیار آمریکایی‌های بیشتری قرار داد؟
در یک آزمایش صورت گرفته در سال ۲۰۰۸، بصورت تصادفی به تعدادی از ساکنان ایالت اورگان که بین ۱۹ تا ۶۴ سالشان بود، بیمه سلامت عمومی تعلق گرفت. در این آزمایش گروه تحت آزمایش ۳۰هزار نفر و گروهی که تحت کنترل بودند، ۴۵هزار نفر بودند. آیا قرار گرفتن تحت بیمه درمانی، تعداد مراجعه کنندگان به اورژانس بیمارستان‌ها را کاهش می‌دهد؟
نمودارهای میله‌ای آبی روشن، افرادی را نشان می‌دهد که تحت بیمه درمانی قرار گرفته‌اند. مشخصا این افراد آزمایش‌های بیشتری انجام می‌دهند و سریع‌تر (و بیشتر) از بقیه متوجه بیماری‌هایی که دچار آن هستند، می‌شوند.
ولی جالب اینجاست که استفاده از بیمه منجر به افزایش استفاده از اورژانس نیز می‌شود. (در واقع در حالت کلی نرخ استفاده از خدمات پزشکی افزایش پیدا می‌کند.)
ولی چگونه می‌توان تاثیرات بیمه‌ی عمر را در طولانی مدت ارزیابی کرد؟ چندین ایالت آمریکا، در دورهای تصمیم گرفتند کودکان خانواده‌های کم درآمد متولد پس از ۳۰ سپتامبر ۱۹۸۳ را، تحت پوشش بیمه درمانی قرار دهند. مقایسه‌ی بزرگسالی این کودکان با کودکانی که قبل از این تاریخ بدنیا آمده‌اند، می‌تواند منبع خوبی برای بررسی تاثیرات بیمه درمانی در کودکی باشد.
در این آزمایش، مشخصا وضعیت سلامت سیاه‌پوستانی که در کودکی تحت بیمه قرار گرفته‌اند، ۲۰ سال بعد بهتر از آنهایی است که تحت بیمه قرار نداشته‌اند. در واقع می‌توان اینگونه نتیجه گرفت که بیمه درمانی بیشتر تاثیرات بلندمدت دارد تا کوتاه مدت.
چرا دخالت دولت در صنعت بیمه سلامت اهمیت دارد و نمی‌توان آن را یک‌باره به بخش خصوصی واگذار کرد؟ نمودار زیر میزان پرداخت بخش‌های مختلف درآمدی جامعه به بیمه‌ی سلامت را نمایش می‌دهد. آمار نشان می دهد که با افزایش مبلغ، تعداد افرادی که به عضویت این بیمه درمی‌آیند، کمتر می‌شود. در واقع، صنعت بیمه بسیار وابسته به قیمت است!
این پدیده، منجر به این می‌شود که با افزایش هزینه؛ افراد سالم، پرداخت بیمه‌ی خود را متوقف می‌کنند و افرادی که داخل سیستم بیمه می‌مانند، اغلب بیمار هستند و این می‌تواند منجر به برشکستگی شرکت‌های بیمه شود.
پس اگر صنعت بیمه‌ی سلامت کاملا به شرکت‌های خصوصی واگذار شود، احتمال شکست کامل آن وجود دارد.
بزرگ داده، نقش مهمی در پیش‌بینی بیمارهای همه‌گیر مانند آنفولانزا دارند. در سال ۲۰۰۹ یک تحقیق [۱] بر اساس جستجوی گوگل برای پیش‌بینی همه‌گیری آنفولانزا انجام شد. این تحقیق داده افرادی را بررسی می‌کرد که کلیدواژه‌هایی مانند "آنتی‌بیوتیک" یا "گلودرد" را جستجو می‌کردند. در این تحقیق تلاش شده است که با تکنیک‌های یادگیری ماشین، مدلی را آموزش دهیم که با استفاده از روند جستجوی افراد، میزان واقعی ابتلا به آنفولانزا پیش‌بینی شود.
همانطور که مشاهده می‌کنید این متودولوژی توانسته است به خوبی میزان آنفولانزا در سال ۲۰۰۸ را پیش‌بینی کند (خط سیاه پیش‌بینی بر اساس جستجوی گوگل و خط قرمز میزان ابتلای واقعی براساس آمار دولتی).
لازم به ذکر است که از سال ۲۰۰۹ تا کنون (۲۰۲۰) پیشرفت‌های بسیار گسترده‌ای در این زمینه صورت گرفته است. در سال ۲۰۱۲ این شیوه‌ی پیش‌بینی دچار خطا شد، چرا که گوگل پیشنهادات جستجوی کلمات مرتبط را به سرویس خود اضافه کرد.
در تحقیقی جالب که در سال ۲۰۰۴ صورت گرفت، ۵۰۰۰ رزومه‌ی شغلی مشابه با اسامی افرادی که به نظر سفیدپوست و یا به نظر سیاه‌پوست می‌رسیدند، ارسال شد تا تعداد بازخوردها محاسبه شود. همانطور که از نمودارهای زیر می‌بینید، رزومه‌هایی که اسامی شبیه اسامی سفیدپوست‌ها داشتند، نزدیک به ۵۰٪ بیشتر بازخورد می‌گرفتند.
در تحقیق دیگری که درباره‌ی قضّات اسراییلی منتشر شده است، تصمیم‌گیری ۱۱۰۰ قاضی اسراییلی مبنی بر آزادی مشروط یا ادامه‌ی حبس افراد طی ۱۰ ماه مورد بررسی قرار گرفته است. نمودار زیر توزیع تصمیم‌گیری‌ها مبنی بر زمان ناهار و اسنک را نمایش می‌دهد. کسانی که از بدشانسی به زمان خستگی و گشنگی قضات برمی‌خورند، تقریبا از هیچ شانسی برای آزادی برخوردار نیستند!
آیا تحلیل داده و یادگیری ماشین می‌تواند به حل این مشکل کمک کند؟ آیا این الگوریتم‌ها می‌توانند خود دچار بایاس شوند؟
در مقاله‌ای که در سال ۲۰۱۷ منتشر شده است [۲] تصمیمات آزادی مشروط یا باقیماندن در زندان، برای ۷۵۰.۰۰۰ دستگیر شده‌ی تخلفات مختلف مورد بررسی قرار گرفت. در این تحقیق، تصمیمات اخذ شده‌ی قضّات و یک مدل یادگیری ماشین (درخت تصمیم‌گیری)، مقایسه شدند. هدف تحقیق، پیش‌بینی حضور شخص بعد از آزادی مشروط، در جلسه‌ی دادگاه است. قضّات و مدل یادگیری ماشین باید بتوانند کسانی را آزاد کنند که درباره‌ی حضور آنها در جلسه‌ی دادگاه مطمئن‌ترند.
نمودار سه بعدی زیر، نتایج این تحقیق را به وضوح نشان می‌دهد. در سه وجه این نمودار، نرخ آزادسازی توسط قضّات، ریسک پیش‌بینی شده توسط مدل یادگیری ماشین و ریسک مشاهده شده گزارش شده‌اند.
یکی دیگر از حوزه‌های بسیار فعال، پیش‌بینی جرایم پیش از وقوع آنها است. این حوزه نیز، حوزه‌ی بسیار گسترده‌ای است و تحقیقات فراوانی که در آن صورت گرفته است.
مشخصا در گذر زمان و با تولید دی‌اکسید کربن بیشتر، دمای کره‌ی زمین نیز گرم‌تر شده است. این پدیده منجر به پدیده‌های بسیار شدید‌تر آب‌وهوایی مانند طوفان‌ها و ... گشته است.
در این بخش، بیشتر متمرکز بر روش‌هایی هستیم که تاثیر تصمیم‌گیری در تغییرات رفتاری یک شخص بر روی کل جامعه را بررسی می‌کنند. در واقع در مثال پایین، اگر تصور کنیم که قیمت خرید هر بشکه سوخت ۳ دلار است، از آن میزان تاثیرگذاری واقعی که بر محیط داشته چشم بسته‌ایم. در واقع با در نظر گرفتن همه چیز قیمت یک بشکه سوخت ۴ دلار بوده است و ما مثلث زردرنگ (هزینه اجتماعی) را در نظر نگرفته‌ایم. سوال اینجاست که چگونه می‌توانیم هزینه‌ی اجتماعی آلودگی را محاسبه کنیم؟
برای پاسخ به این سوال، سه رویکرد کلی در پیش گرفته شده است:
۲. تاثیرات افزایش این میزان دی اکسید کربن بر عملکرد اقتصادی، سلامت، تخریب دارایی‌ها و ... .
نمودارهای زیر به خوبی نمایش می‌دهند که چگونه افزایش دما می‌تواند منجر به کاهش عملکرد در بسیاری موارد شود. برای مثال گرم‌ترین روزهای سال، کمترین میزان GDP را به همراه داشته‌اند:
و یا در بررسی دیگر، مشخصا نمرات درس ریاضی در روزهای گرم سال کمتر بوده است:
و یا نرخ جرم و جنایت که در روزهای گرم سال بسیار بیشتر از روزهای عادی گزارش شده است:
۳. تاثیرات افزایش این میزان دی اکسید کربن در طولانی مدت.
اهمیت پاسخ به این سوال، در اینجاست که برخی معقتدند ما بعنوان جامعه می‌توانیم در طی زمان با این تغییرات منطبق شویم. پس باید بتوانیم نتیجه‌ی این تغییرات را در طولانی مدت برآورد کنیم. برای مثال در نمودار پایین شاهد این هستیم که توسعه تکنولوژی به ما کمک کرده است که مرگ و میر ناشی از گرما را کاهش دهیم.
این موضوع با بقیه پدیده‌های طبیعی نیز منطبق است. برای مثل مرگ و میر ناشی از گردباد در کشورهایی که با گردبادهای شدید مواجه هستند، متفاوت است.
تخمین‌ها نشان می‌دهند، در صورتی که تغییرات آب‌وهوایی به شیوه‌ی فعلی ادامه پیدا کنند، GDP جهانی تا سال ۲۱۰۰، ۲۳٪ کاهش پیدا خواهد کرد. کره‌ی زمین سمت چپ، گرمای زمین را تحت شرایطی فعلی نمایش می‌دهد. شرایطی که کسب‌وکار به شکل عادی پیش برود. تصویر سمت راست، دمای کره‌ی زمین را پس از کاهش معنادار مصرف دی اکسید کربن نمایش می‌دهد.
این بخش به ما کمک می‌کند که هزینه‌ی واقعی مصرف کربن در حال حاضر را با توجه به تاثیرات مخرب اقتصادی آن را در آینده محاسبه کنیم. برای این کار باید به سوال دشوارتری پاسخ دهیم. پول در آینده به چه میزان از پول امروز ارزش دارد؟ (برای سهامی که سال آینده ۱۰۰۰ دلار ارزش دارد، امروز حاضرید چقدر پرداخت کنید؟)
در سال ۲۰۱۵ تحقیق خلاقانه‌ای برای محاسبه‌ی این رقم صورت گرفت. در این تحقیق مبلغی که افراد حاضر بودند برای خرید خانه یا لیزینگ کامل آن برای طول مدت (۱۰۰ یا ۱۰۰۰ سال آینده!) پرداخت کنند، مورد مقایسه قرار گرفت.
در واقع نمودار زیر نشان می‌دهد که افراد حاضرند برای خانه‌هایی که بین ۸۰-۹۹ سال از مدت رهن آنها باقی مانده است، ۱۷٪ کمتر از مبلغ خرید خانه بپردازند. هر قدر مدت زمان باقی‌مانده از لیزینگ بیشتر می‌شود، تفاوت مبلغ با قیمت اصلی خانه نیز کمتر می‌شود.
خروجی این تحقیق به یک نرخ ۲.۶٪ می‌رسد. یعنی ۱۰۰۰ دلار پس از یک سال ارزشی معادل ۹۷۴ دلار دارد.
تمام این تحقیقات توسط کارگروهی در دوران اوباما روی هم قرار گرفت. هزینه‌ی اجتماعی استفاده از هر تن دی اکسید کربن، ۴۰ دلار محسابه شد. این عدد در بسیاری از قانون‌گذاری‌ها مورد استفاده قرار می‌گرفت تا اینکه دولت ترامپ آن را به شیوه‌ای دیگر! محسابه و معادل ۵ دلار قرار داد.
وضع مالیات یکی از شیوه‌های کاهش استفاده‌ی از دی اکسید کربن است. برای بررسی آثار این تصمیم، خروجی قیمت سوخت در ایالت‌هایی را مقایسه می‌کنیم که مالیاتی بر سوخت وضع نکرده‌اند.
ایالت ایلینوی و ایندیانا از تاریخی به بعد مالیات مربوط به سوخت را حذف کردند. نمودار زیر اختلاف میانگین قیمت سوخت در این ایالت‌ها را با ۵ ایالت دیگر امریکا که مالیات در آنها برقرار بوده است، نمایش می دهد. مشخصا حذف مالیات، منجر به کاهش قیمت سوخت و افزایش اختلاف با دیگر ایالت‌ها شده است.
در واقع به ازای ۱۰ سنت افزایش مالیات برای تولیدکننده، ۷ سنت آن را مصرف کننده پرداخت می‌کنند ولی آیا این منجر به کاهش مصرف سوخت می‌شود؟
با در دست داشتن میزان تغییرات نرخ مالیات در ایالت‌های مختلف و همچنین میزان مصرف سوخت در هر ایالت، می‌توان یک رگرسیون خطی ایجاد کرد و این تغییرات را محاسبه نمود. جدول پایین نتایج این رگرسیون را نمایش می‌دهد. بصورت خلاصه، می‌توان از آن نتیجه گرفت که به ازای افزایش هر ۱۰ سنت مالیات (به ازای هر بشکه گازولین)، ۴ درصد میزان مصرف گازولین کاهش می‌یابد.
بعبارت دیگر، افزایش مالیات باندازه‌ی یک دلار در هر بشکه، منجر به کاهش تولید ۵٪ دی اکسید کربن در آمریکا می‌شود. آیا این مقدار توقف گرمایش کره زمین کافی است؟ خیر! زیرا:
طبق برآورد کارشناسان برای جلوگیری از گرمایش زمین باید مصرف دی اکسید کربن به ۵۰٪ مقدار فعلی، کاهش پیدا کند. در واقع باید ۹ اقدام دیگر مانند افزایش مالیات بر سوخت صورت بگیرد، تا کره‌ی زمین از گرمایش نجات یابد.
درباره‌ی الکتریسیته نیز شاهد همین روند هستیم. نمودار زیر میزان مصرف الکتریسیته در دو ایالت مختلف را نشان نمایش می‌دهد. در سمت راستی بصورت عمومی اعلام شده است که هزینه‌ی الکتریسیته افزایش خواهد یافت و در نتیجه‌ی آن مصرف کاهش پیدا کرده است. با این وجود آمار نشان می‌دهد که اغلب افراد نسبت به افزایش تصاعدی هزینه‌ی الکتریسیته آگاه نیستند و تصاعدی بودن قیمت الکتریسیته، تاثیر چندانی در رفتار آنها نمی‌گذارد زیرا نمی‌دانند از کدام نقطه به بعد، باید هزینه‌ی بیشتری پرداخت کنند.
یکی از شیوه‌هایی که می‌تواند منجر به کاهش استفاده از الکتریسیته شود، اطلاعاتی است که نشان می‌دهد عملکرد شما در مصرف الکتریسیته چقدر خوب یا بد است. این شیوه منجر به کاهش ۲.۵٪ مصرف الکتریسیته شده است.
سیستم‌های مختلف مالیاتی در کشورهای مختلف جهان برقرار هستند و زندگی مردم آن کشور را به شیوه‌های گوناگون تحت تاثیر قرار می‌دهند. مشخصا منبع درآمدهای مالیاتی دولت در آمریکا تا سال ۲۰۱۴ به شکل نمودار زیر بوده است:
بیش از ۴۲٪ مالیات از درآمد شهروندان و ۳۵٪ آن از منابع بیمه‌ی بازنشستگی یا معلولیت و ... تامین می‌شود. ۱۵٪ این مالیات نیز از شرکت‌ها دریافت می‌شود.
بیشتر کشورهای جهان از سیستم مالیاتی پیش‌رونده استفاده می‌کنند. یعنی هر قدر که درآمد بیشتر باشد، ملزم به پرداخت مالیات بیشتری شوند. خط نارنجی نشان می‌دهد که به ازای هر یک دلاری که بیشتر کسب می‌کنیم چه درصدی به دولت پرداخت می‌شود. خط آبی نیز میانگین کل پرداخت برای نرخ درآمد مشخص به دولت را نمایش می‌دهد.
نرخ مالیات اخذ شده از ۱٪ ثروتمند جامعه همواره مورد بحث بوده است. نرخ این مالیات در طی سال‌های مختلف در آمریکا بارها تغییر یافته است و در دورهای حتی به بیش از ۹۰٪ نیز رسیده است.
انتخاب رقم صحیح برای اخذ مالیات از ثروتمندان نیازمند برقراری یک تعادل بین دو عامل تساوی و بهره‌وری است. برخی معتقدند یک دلار برای کسی که سالیانه ۱۰هزار دلار درآمد دارد، بسیار ارزشمندتر از کسی است که سالیانه ۲۵۰هزار دلار درآمد دارد. از طرف دیگر، افزایش بیش از حد مالیات، انگیزه بخش اقتصادی برای نوآوری و رشد را از بین خواهد برد.
اقتصاددانان برای بررسی این موضوع پارامتری را به نام Elasticity تعریف می‌کنند. در واقع این پارامتر نشان می‌دهد که با تغییر مالیات دریافتی، افراد حاضر به انجام چقدر کار بیشتر هستند:
ΔW / W = میزان افزایش حق‌الزحمه نسبت به مبلغی خاص
Δl / l = میزان افزایش مدتی که افراد کار می‌کنند
Elasticity = (Δl / l) / (ΔW / W)
برای مثال در نمودار سمت چپ پایین، میزان انعطاف (elasticity) کمتر است. یعنی با افزایش درآمد، میزان کار افراد افزایش چندانی نمی‌یابد. اما در سمت راست، با افزایش اندک حقوق، میزان فعالیت افراد بسیار تغییر می‌کند.
نمودار شناخته‌شده‌ی Laffer، به موضوع جالبی اشاره می‌کند. این نمودار نشان می‌دهد که اگر میزان مالیات دریافتی بیشتر از حد مشخصی باشد، منجر به کاهش درآمد دولت از مالیات و همچنین کاهش تولید و نوآوری خواهد شد. (تاریخچه‌ی این نمودار به زمانی برمی‌گردد که اقتصاددان شناخته شده‌ای باسم Laffer، طی یک ناهار آن را روی دستمال کاغذی برای ریگان کشید.)
نقطه‌ای که این نمودار را max می‌کند برابر است با:
1 / 1 + elasticity
در واقع اگر elasticity برابر با صفر باشد، درآمد دولت ۱۰۰٪ خواهد شد. این تحت شرایطی است که افراد با تغییر میزان مالیات، میزان کار خود را تغییر نمی‌دهند و باندازه‌ی گذشته کار می‌کنند. (که غیر واقع گرایانه است.)
اگر تصور کنیم که elasticity برابر با ۰.۲۵ باشد، درآمد دولت ۸۰٪ خواهد شد. در نتیجه درآمد دولت از مالیات به شدت وابسته به elasticity است.
در تحقیقی که در سال ۲۰۱۵ صورت گرفت، از ۴۰۰۰ نفر در آمریکا خواسته شد که میزان درصد مالیات بر درآمد ثروتمندان جامعه را پیشنهاد دهند. از میان این ۴۰۰۰ نفر، به ۲۰۰۰ نفر از آنها، اطلاعات بیشتری درباره نابرابری در آمریکا داده شد. همچنین این اطمینان به آنها داده شد که افزایش مالیات، به شیوه‌ای خواهد بود که توسعه اقتصادی دچار لطمه نشود. نمودار میله‌ای زیر مشخص می‌کند که بسیاری از افراد نابرابری را دلیلی برای افزایش مالیات نمی‌دانند.
پیش‌فرض بسیاری بصورت سنتی این است که افراد با جزییات زیاد نسبت به مقدار مالیاتی که برای حقوق دریافتی خود پرداخت می‌کنند، آشنا هستند. این در حالی است که تحقیقات بسیاری خلاف این را نشان می‌دهند.
در سال ۲۰۰۹، آزمایش ساده‌ای برای بررسی این موضوع انجام گرفت. هدف این تحقیق این بود که، بررسی شود آیا خریداران از میزان مالیاتی که بابت خرید محصولات در فروشگاه‌ها، در صندوق پرداخت می‌کنند، آگاهی دارند یا خیر. در این تحقیق ۱۰۰۰ محصول با تگ قیمت جدید به مدت ۳ هفته عرضه شدند که قیمت به احتساب مالیات روی آنها نصب شده بود.
این تحقیق ثابت می‌کند که درج تگ‌های قیمت جدید به احتساب مالیات منجر به کاهش ۸٪ خرید در این دسته‌بندی‌ها می‌شود. جزییات نتایج این تحقیق در جدول زیر قابل مشاهده است.
با علم بر این موضوع سراغ مسائل مالیاتی پیچیده‌تری می‌رویم. EITC بزرگ‌ترین برنامه‌ی فقرزدایی در آمریکا است که سالا ۷۰ میلیارد دلار از منبع درآمد مالیات، به افرادی پرداخت می‌کند که در شغل‌های کم درآمد مشغول به کار هستند. آیا این برنامه موفقیت‌آمیز بوده است؟
با توجه به اینکه بسیاری دقیقا متوجه نرخی شده‌اند که بیشترین میزان پرداخت به آن صورت می‌گیرد، سیستم درآمد خود را به گونه‌ای تنظیم کرده‌اند که حداکثر مبلغ را از دولت دریافت کنند. به همین دلیل توزیع درآمد در آمریکا چیزی شبیه به نمودار زیر از آب در آمده است:
البته این نرخ در ایالت‌های مختلف آمریکا متفاوت است. نقشه‌های پایین میزان افرادی را نشان می‌دهد که در ایالت‌های مختلف در سال‌های ۱۹۹۶ و ۲۰۰۸، درآمد خود را دقیقا با این نرخ تنظیم کرده‌اند. به تدریج، افراد بیشتری از این موضوع مطلع شده‌اند و به یکدیگر درباره‌ی آن گفته‌اند.
برای صحت‌سنجی این فرضیه، می‌توان داده افرادی را بررسی کرد که از ناحیه‌های زرد رنگ به ناحیه‌های قرمز رنگ مهاجرت کرده‌اند. همانطور که در نمودار زیر می‌بینید، پس از مهاجرت به این ناحیه‌ها، بعد از مطلع شدن از این موضوع از طریق همسایه‌ها، حقوق دریافتی خود را به اندازه‌ای رسانده‌اند که دریافتی‌شان از دولت حداکثر شود.
هرچند بخشی از این درآمدها کذایی هستند ولی این تحقیقات نشان می‌دهند که مالیات و برنامه EITC در میزان فعالیت افراد نقش داشته است و باعث شده است که افراد با کار بیشتر، مبالغ بیشتری از دولت بگیرند. با این حال این اتفاق فقط در ایالت‌هایی افتاده است که مردم از این برنامه مطلع بوده‌اند.
مورد سومی که از اقتصادی رفتاری در این بخش مورد بررسی قرار می‌دهیم، ذخیره‌ی بازنشستگی است. یک نگرانی عمومی وجود دارد که بسیاری از خانواده‌ها باندازه‌ی کافی برای دوران بازنشستگی خود ذخیره نمی‌کنند.
در نمودار زیر رنگ سبز شرایطی را نشان می‌دهد که ثبت‌نام برای تخصیص بخشی از حقوق برای زمان بازنشستگی اختیاری است. تحت این شرایط افراد به تدریج که مسن‌تر می‌شوند، بیشتر و بیشتر در این برنامه عضو می‌شوند.
نمودار نارنجی ولی شرایطی را نشان می‌دهد که خروج از این طرح اختیاری بوده است. مشاهده می‌کنید که با یک تغییر ساده رفتاری، افراد بسیاری پس‌انداز خوبی برای آینده‌ی خود ترتیب داده‌اند.
اقتصاد توسعه بخشی از دانش اقتصاد است که به بررسی جنبه‌های فرایند توسعه و گسترش در کشورهای در حال توسعه می‌پردازد. نقشه‌ی زیر توزیع تولید ناخالص داخلی در کل جهان را نمایش می‌دهد. در اقتصاد توسعه، نمی‌توان تحلیل‌ها و شیوه‌هایی را به کار برد که در کشورهای توسعه یافته، مورد استفاده قرار می‌گیرد.
در تحقیقی که در کنیا صورت گرفت، به صورت تصادفی تعدادی از مدارس تحت درمان بیماری‌های انگلی قرار گرفتند، تا خروجی آنها با مدارسی که کودکان آن دیرتر تحت این درمان قرار گرفتند، یک دهه بعد مقایسه شود.
یکی از مشکلات کشورهای در حال توسعه، عدم وجود داده کافی است. کنیا مانند آمریکا نیست که بتوان از طریق داده مالیاتی، وضعیت درآمد یا عملکرد افراد را دنبال کرد. برای اینکار در کنیا باید سراغ تک تک این افراد می‌رفتند که کار بسیار پیچیده و پرهزینه‌ای است. آنها موفق شدند که ۸۳٪ از این افراد را که بین ۱۹ تا ۲۶ سالگی بودند، بصورت موفق ردیابی کنند.
طبق نمودار میله‌ای زیر، مشخصا کسانی که بیشتر تحت تاثیر این درمان قرار داشته‌اند، وضعیت سلامتی بهتری را نسبت به بقیه گزارش می‌کنند.
در این مورد خاص، هزینه‌ی درمان هر کودک ۱.۰۷ دلار است ولی به ازای هر کودکی که درمان شود بصورت میانگین منجر به افزایش ۰.۱۲ سال ادامه‌ی تحصیل و ۱۴۲.۴۳ دلار درآمد بیشتر می‌شود. در یک ساختار صحیح دولتی، دولت با اینکار منجر به درامدزایی خود از طریق اخذ مالیات در دراز مدت خواهد شد. [۳]
نمودار زیر لیستی از اقدامات و همچنین نتیجه‌ی این اقدامات به ازای هر ۱۰۰ دلار هزینه را به شکل افزایش سال حضور در تحصیل نمایش می‌دهد. مشخصا شیوه‌هایی مانند انگل‌زدایی و یا ارائه قرص آهن و ویتامین تاثیر بسزایی در ادامه تحصیل کودکان داشته‌اند. برخی شیوه‌ها مانند، نصب دوربین در مدارس برای تحت نظر داشتن کیفیت تدریس، بی‌تاثیر گزارش شده‌اند.
با این وجود این سوال مطرح می‌شود که نقش نهادها در اقتصاد توسعه چیست؟ بسیاری بر این باورند که نهادها، ارزشمند‌ترین داشته برای توسعه در کشورهای در حال توسعه هستند. اقتصاددانان، سعی در اثبات این فرضیه و یافتن نهادهایی هستند که از اهمیت بیشتری برخوردارند.
یکی از رویکردهای خلاقانه برای پاسخ به این سوال، تحقیقات خانم دل در سال ۲۰۱۰ است که به معادن کشور پرو و نهادهای حکم‌ران بر آن در طی تاریخ مربوط می‌شود.
دولت اسپانیا که کشور پرو مستعمره‌ی آن بود، در سال ۱۵۷۳ نهادی به نام Mining Mita تاسیس کرده بود. این نهاد به شیوه‌های مختلف مجبور می‌کرد که ۱/۷ از جوانان در دو معدن اصلی پرو کار کنند.
ولی با توجه به دشواری رفت و آمد، آنها محدوده‌ای ایجاد کرده بودند که فقط افراد داخل آن محدوده مجبور به کار در معدن بودند.
این شیوه‌ی تقسیم‌بندی امکان مقایسه‌ی این دو بخش را فراهم می‌کند. از کل این نقشه بخش طوسی به دلیل تشابه جغرافیایی و یکی بودن نوع اقتصاد در منطقه، مورد مطالعه قرار می‌گیرد.
با پارامترهای ساده آغاز می‌کنیم. یکی از اصلی‌ترین و ساده‌ترین پارامترها برای اندازه‌گیری میزان تغذیه، قد کودکان است. همانطور که می‌بینید، بخش داخل محدوده که مجبور به کار بوده‌اند (بخش پررنگ‌تر)، مشخصا قد کوتاه‌تری داشته‌اند و از رشد بازمانده‌اند.
با وجود اینکه ۱۵۰ سال بعد از ۱۵۷۳ این استعمار به پایان رسیده است ولی آمار میزان تحصیل در سال ۱۸۷۶ نشان دهنده این است که بخش تحت مدیریت میتا از سواد کمتری برخوردار است.
آیا دخالت خارجی و نهادسازی در کشورهای دیگر می‌تواند منجر به موفقیت شود؟ این شیوه از دخالت‌ها بسیار پرهزینه هستند. بالاخص که در بحث دخالت نظامی، هزینه‌های جانی در پی دارند. با این حال محاسبه‌ی موفقیت این اقدامات در نهادسازی، چندان ساده نیست.
بررسی چنین مسائلی با داده بسیار دشوار به نظرم می‌رسد. ولی مانند تماس بخش‌های این کورس، تلاش می‌کنیم این موضوع را هم به نحوی داده محور کنیم.
برای بررسی این موضوع می‌توان به دخالت در آمریکا در ویتنام و تقویت ویتنام جنوبی در مقابل بخش کمونیست ویتنام (ویت کونگ) پرداخت. آمریکا برای این کار دو شیوه را استفاده کرد:
چگونه می‌توان نتایج حقیقی ناشی از بمباران هوایی را محاسبه کرد؟
نیروی هوایی آمریکا طی آن سال‌ها بصورت مستمر ۱۶۹ پرسشنامه را بین افراد مختلف توزیع می‌کرد، تا بهترین نقاط برای حملات هوایی علیه کمونیست‌ها را انتخاب کند و بین عدد ۱ تا ۵ به این مناطق، امتیاز ریسک می‌دادند.
با در دست داشتن این میزان ریسک‌ها می‌توان نتیجه‌ی بمباران دو منطقه‌ای که ریسک بسیار نزدیک به هم داشتند را مقایسه کرد. آیا این بمباران‌ها منجر به تضعیف کمونیست‌ها در این مناطق شده است؟ آیا منجر به تقویت نهادسازی در بخش مدنظر آمریکایی شده است؟
نمودارهای زیر نشان می‌دهند بخش سمت چپ که بمباران در آن صورت گرفته است، نیروهای ویت کنگ بیشتری در آن حضور داشته‌اند، ترور بیشتری در آن صورت گرفته و پلیس عملکرد ضعیف‌تری در آنها داشته است. بمباران نقش معکوس داشته است.
چگونه می‌توان نتایج حاصل از ایجاد فرصت‌های اقتصادی و اجتماعی را بررسی کرد؟
نیروی دریایی آمریکا، در بخشی از ویتنام قرار داشت که بقیه‌ی بخش‌های نظامی در آن فعالیت نمی‌کردند. همه‌ی آمارها نشان دهنده‌ی این است که در این بخش‌ها ارتباط بهتری بین ویتنامی‌ها و آمریکایی‌ها برقرار شده است.
در پایان کورس، مسیرهایی که دانشجویان می‌توانند برای عمیق‌تر شدن در مسائل مطرح شده طی کنند مطرح شد.
ممنون از شما که با مطالعه‌ی این خلاصه همراه من بودید. این کورس به خوبی نشان داد که چگونه می‌توان با استفاده از داده، به درک بهتری از مشکلات اقتصادی و اجتماعی رسید و برای آنها راه‌حل مناسبی یافت.
برخی لینک‌های مرتبط:
[۱] Detecting influenza epidemics using search engine query data.
[۲] Human Decisions and Machine Predictions
[۳] موسسه‌ی Evidence Action بعد از این تحقیقات به انگل‌زدایی از کودکان پرداخته و میلیون‌ها کودک را تحت درمان قرار داده است.
[۴] تغییر شیوه‌ی تدریس اقتصاد در دانشگاه هاروارد
[۵] بررسی روند تاثیرگذاری ویروس کووید۱۹ بر اقتصاد آمریکا
