اقتصاد و مسأله تمایز همبستگی و علیت؛ چالش بزرگ اقتصاددانان در تفسیر داده‌ها | داده‌های تجربی همیشه تمام حقیقت را بازگو نمی‌کنند

در ایالات متحده، «پیمایش ملی مصاحبه سلامت» از ۹۰ هزار نفر می‌خواهد وضعیت سلامت خود را بر اساس مقیاسی از ۱ تا ۵ ارزیابی کنند (که البته به شکلی گیج‌کننده، عدد ۱ نشان‌دهنده سلامت عالی و عدد ۵ بیانگر سلامت نامطلوب است). میانگین امتیاز افرادی که در طول آن سال به بیمارستان مراجعه نکرده بودند، ۲.۰۷ بود. در مقابل، میانگین این امتیاز در میان افرادی که به بیمارستان مراجعه کرده بودند، به ۲.۸۴ می‌رسید؛ رقمی به‌مراتب بالاتر که نشان‌دهنده وضعیت سلامت نامطلوب‌تر است. بنابراین، افرادی که یک شب را در بیمارستان سپری کرده بودند، از وضعیت سلامت بدتری برخوردار بودند. پس نتیجه می‌گیریم که بیمارستان‌ها افراد را بیمارتر می‌کنند!

خب، اعتراف می‌کنم: همان‌قدر که شما به این نتیجه باور ندارید، من هم دیگر به آن باور ندارم. بدیهی است که بیمارستان‌ها افراد را بیمارتر نمی‌کنند؛ هدف از وجود آنها دقیقا عکس این موضوع است. بنابراین، این ارقام به‌هیچ‌وجه قانع‌کننده نیستند.

اما این مساله پرسشی را پیش روی ما قرار می‌دهد: داده‌ها چیزی را نشان می‌دهند که آشکارا درست نیست؛ یعنی بیمارستان‌ها موجب بدتر شدن وضعیت سلامت افراد می‌شوند. بااین‌حال، نمی‌توانیم به‌سادگی داده‌ها را نادیده بگیریم؛ چراکه اندازه‌گیری اثربخشی بیمارستان‌ها اهمیت زیادی دارد و به ما امکان می‌دهد راه‌های بهبود نظام‌های سلامت و درمان را شناسایی کنیم. پس چرا داده‌ها تصویری نادرست ارائه می‌کنند؟ و با وجود چنین مشکلاتی، چگونه می‌توانیم اثر واقعی بیمارستان‌ها را اندازه‌گیری کنیم؟

این مثال به مساله‌ای بسیار گسترده‌تر از اثربخشی بیمارستان‌ها اشاره دارد. اقتصاددانان علاقه‌مندند با استفاده از داده‌ها، روابط علت و معلولی را در دنیای واقعی شناسایی کنند. افزایش نرخ مالیات چه تاثیری بر درآمدهای مالیاتی دارد؟ افزایش سال‌های تحصیل چه اثری بر درآمد افراد در طول زندگی‌شان می‌گذارد؟ مهاجرت چه تاثیری بر نرخ بیکاری دارد؟ …