Utdrag Årsak og tilfeldighet by Cappelen Damm

KAPITTEL 1

Innledning

Sosial samhandling står i sentrum av samfunnsvitenskapene. Ofte er slik samhandling strategisk motivert. Kandidater i valg fremmer valgløfter som de tror vil kapre velgere fra andre kandidater; bedrifter i et marked priser med sikte på å ta markedsandeler fra andre bedrifter; gruppemedlemmer bidrar til fellesprosjekter betinget av at også andre gruppemedlemmer bidrar; forhandlere betinger sitt forslag av hva de tror motparten vil kunne akseptere, og så videre. Strategisk samhandling forstås best med spillmodeller. Slike modeller er partielle og gjennomanalyserer én enkelt mekanisme av interesse. For at vi skal kunne trekke skarpe adferdsimplikasjoner, identifiseres et velavgrenset og presist sett av forutsetninger som modellen bygger på. Dette har flere fortrinn. Først og fremst tillater det oss å sjekke om modellens forutsetninger er konsistente; i betydningen av at de kan innfries samtidig. Fra en modell som hviler på et sett av inkonsistente (selvimotsigende) forutsetninger kan en – logisk sett – trekke den implikasjon en måtte ønske. Inkonsistente sett av forutsetninger er derfor forenlige med alle tenkelige observasjoner, og er uten empirisk innhold. Med et sett av konsistente forutsetninger åpner vi for at bestemte observasjoner er uforenlige med modellen: de kan altså ikke utledes fra settet av forutsetninger som modellen bygger på. Modellen har da et empirisk innhold – den er falsifiserbar. Men hvor godt treffer modellene våre i data? I denne boken argumenteres det for at laboratorie eksperimenter er særlig velegnet til å kaste lys over nettopp dette spørsmålet. Vi skal fokusere på eksperimenter som benytter standarder og normer utviklet innenfor det som kalles «eksperimentell økonomi». Eksperimentell økonomi er en bestemt fremgangsmåte for innsamling av data i kontrollerte omgivelser, altså en metode. Bruken av metoden er ikke begrenset til analyse av økonomiske problemstillinger, og økonomer har ikke – og ønsker heller ikke – monopol på metoden. Tvert i mot har den vist seg velegnet til å studere sentrale problemstillinger i alle deler av samfunnsvitenskapene. I denne boken ser vi på problemstillinger fra blant annet økonomi, statsvitenskap, sosiologi og adferdspsykologi. Det er en vekselvirkning mellom eksperimentell testing av eksisterende modeller og modellutvikling. Spillmodeller bygger ofte på egeninteresse

CD93 BOOK Arsak og tilfeldighet.indb 9

10.10.2016 15:12:20

ÅRSAK OG TILFELDIGHET

og åpent kjent rasjonalitet. Vi skal kalle slike modeller for «standardmodeller». Hverken åpent kjent rasjonalitet eller ren egeninteresse er imidlertid nødvendige bestanddeler i en spillmodell. Når replikerbare eksperimenter produserer adferdsmønstre som avviker fra standardmodellen, leder dette ofte til at standardmodellen justeres for å kunne forklare avvikene. Den justerte modellen brukes så til å utlede nye implikasjoner, som i sin tur testes i nye eksperimenter. På denne måten kan en håpe på progresjon i forskningen. I de tilfeller der replikerbare eksperimenter produserer adferdsmønstre som samsvarer med standardmodellen, så er likevel ikke dette ensbetydende med at forskerne slår seg til ro med at standardmodellen forklarer adferden. Man kan gå dypere og spørre om adferden produseres av de mekanismer som standardmodellen skisserer, eller om adferden primært har andre drivkrefter. Innsikt i dette representerer også progresjon. I boken skal vi se eksempler på begge former for progresjon. Boken har fem tematisk inndelte kapitler. I hvert av disse spør vi hvordan laboratorieeksperimenter kan kaste lys over forklaringskraften i modellene vi bruker for å forstå samfunnet rundt oss. Tematikkene som er valgt, er sentrale i samfunnsvitenskapene. Først ser vi på grunnlaget for analysen (kapittel 2). Spørsmålet vi stiller er om individer i det hele tatt er i stand til å opptre rasjonelt. Dernest ser vi på strategisk samhandling i situasjoner der to eller flere parter skal fremforhandle en avtale (kapittel 3). Spørsmålet er om forhandlingsadferden vi observerer i laboratoriet avspeiler de prinsipper som rasjonelle og egeninteresserte forhandlere ville fulgt for å nå frem til en avtale. Produksjon av fellesgoder står i fokus i kapittel 4. Spørsmålet er om subjekter i laboratoriet er i stand til å overskride de sosiale dilemmaene som fellesgodeproduksjon reiser i fravær av sentralisert tvangsmakt, og hvordan de i så fall klarer det. Prisdannelse i markeder er tema for kapittel 5. Vi spør hvor gode individer egentlig er til å oppdage likevektspriser i desentraliserte markeder, og hvilke markedsinstitusjoner som best bidrar til effektivitet. Det siste temaet er demokrati (kapittel 6). Her er spørsmålet hvor godt velgere er i stand til å produsere representative vedtak i demokratiske institusjoner. Boken avsluttes med et kort oppsummeringskapittel (kapittel 7). Før vi gyver løs på bokens ulike tematikker, må vi diskutere laboratorieeksperimenter som metode. Dette er tema for resten av kapitlet. Vi tar utgangspunkt i fire stikkord: • Modell • Randomisering

CD93 BOOK Arsak og tilfeldighet.indb 10

10.10.2016 15:12:20

K A P I T T E L 1 : i n n led n i n g

• Kontroll • Validitet (generaliserbarhet) Vi argumenterer for at laboratorieeksperimenter er særlig velegnet til å avdekke generelle prinsipper, slik disse kommer til uttrykk i presise – og falsifiserbare – modeller av menneskelig samhandling. Det er to grunner til dette. For det første gir laboratorieeksperimetner – i likhet med felteksperimenter – grunnlag for å identifisere gjennomsnittlige behandlingseffekter, ved at subjekter randomiseres inn i kontroll- og behandlingsgruppe(r).Vi kan da si noe om årsaksforhold, og er ikke henvist til å nøye oss med å påvise korrelasjon mellom variable. For det andre gir laboratorieeksperimenter sterk grad av kontroll. Med kontroll mener vi evnen til å mimikere en modell i laboratoriet, slik at modellens incentivstruktur gjenskapes i en virkelig beslutningssituasjon. Men hva kan laboratorieeksperimenter lære oss om «verden der ute»? Dette er et spørsmål om ekstern validitet. I boken argumenteres det for at omgivelsene som skapes i et laboratorieeksperiment er en del av en virkelig verden: hvor virkelige mennesker stilles overfor virkelige valg, med virkelige konsekvenser. Hvis eksperimentet er godt designet, kan det si noe om menneskers evne, og vilje, til å respondere på incentivstrukturen i modellene våre. Innsikt i dette setter oss bedre i stand til å velge modeller som vi har tiltro til når vi skal analysere ikke-eksperimentelle data fra naturlig forekommende beslutningssituasjoner. Randomisering La oss ta utgangspunkt i et enkelt eksperiment for å vise hvordan tilfeldig tildeling av subjekter til ulike grupper (randomisering) setter oss i stand til å trekke slutninger om kausalitet. Dette enkle knepet gir eksperimentell metode et betydelig fortrinn i forhold til andre empiriske metoder. Ultimatumspill Eksperimentet tar utgangspunkt i en enkel modell, ultimatumspillet. Dette spillet har to spillere, F (forslagsstiller) og M (mottaker). Før eksperimentet starter gir administrator et pengebeløp x til F. Pengebeløpet skal fordeles mellom F og M etter følgende regler: I første steg tilbyr F s ∈ [0,1] til M, hvor s er en andel av x. I andre steg aksepterer eller forkaster M tilbudet. Hvis M aksepterer, får F (1− s ) og M får s. Hvis M forkaster, får de begge 0. Det er gjennomført talløse ultimatumeksperimenter (se kapittel 3). I slike eksperimenter observeres ofte tilbud mellom 30 og 40 prosent av ressurstilgangen. Det observeres også ofte at tilbud under 20-25 prosent av ressurstilgangen forkastes. Hvis F og M utelukkende er motivert av penger, og dessuten er rasjonelle, skulle vi ikke observere dette. I andre steg vil

CD93 BOOK Arsak og tilfeldighet.indb 11

10.10.2016 15:12:21

ÅRSAK OG TILFELDIGHET

en egeninteressert M akseptere alle tilbud s > 0. En egeninteressert F vil forvente dette, og derfor foreslå s = , hvor  er det minste tillatte inkrement (for eksempel 1 krone i Norge eller 1 cent i USA). La oss tenke oss at vi vil undersøke om adferden i ultimatumeksperimentet varierer med x. Mer presist ønsker vi å undersøke «high-stakeshypotesen»: om F får et stort nok pengebeløp til fordeling, senker F andelen som tilbys M. Dette fordi F forventer en høyere akseptrate fra M når det ligger mer på bordet. I eksperimentet benytter vi et moderat beløp x (kontroll) og et skikkelig høyt beløp x (behandling). Til eksperimentet rekrutterer vi to grupper subjekter: én blir kontrollgruppe, den andre behandlingsgruppe. Vi deler så hver av disse gruppene inn i to nye grupper, én gruppe med F-spillere og én gruppe med M-spillere. Deretter danner vi par av F-spillere og M-spillere. Så gjennomføres ultimatumspillet i hvert av parene.Vi kan nå reformulere hypotesen vår: den gjennomsnittlige andelen som F tilbyr M, synker når vi går fra kontrollgruppe til behandlingsgruppe. Behandlingseffekt La i = 1, 2, ... n være F-spillere. En behandlingseffekt (eller, om du vil, kausaleffekt) defineres som forskjellen mellom potensielle utfall for et individ.1 I vårt tilfelle er det to potensielle utfall for hver i: si (x ) og si (x ). Mens si (x ) angir den andelen i tilbyr når hun er i behandlingsgruppen (høyt beløp til fordeling), så angir si (x ) den andelen i tilbyr når hun er i kontrollgruppen (moderat beløp til fordeling). Effekten på sjenerøsiteten av å ha et høyt pengebeløp til fordeling, behandlingseffekten, kan skrives:

t i = si ( x ) − si ( x ) Men nå kan det se ut som om vi er i «big trouble»: Behandlingseffekten kan ikke uten videre bestemmes fra data; enhver F-spiller er enten i kontrollgruppen eller i behandlingsgruppen, aldri i begge grupper samtidig. Med utgangspunkt i behandlingseffekten til det enkelte subjekt kan vi definere en gjennomsnittlig behandlingseffekt:2 ATE = E  si (x ) − E  si (x ) ATE tillater de potensielle bidragene til ulike individer å variere, og beregner en gjennomsnittlig behandlingseffekt basert på de potensielle bidragene. 1 Notasjonen og definisjonene i dette avsnittet bygger på Rubin (1974). 2 Vi følger den engelskspråklige litteraturen og skriver ATE («average treatment effect»). E [⋅] står for forventning («expectation»).

CD93 BOOK Arsak og tilfeldighet.indb 12

10.10.2016 15:12:22

K A P I T T E L 1 : i n n led n i n g

ATE er et sentralt begrep; det forteller oss hvilken forventet (altså gjennomsnittlig) effekt det har når alle F går fra kontrollgruppe til behandlingsgruppe. I vårt eksempel er dette den gjennomsnittlige effekten på sjenerøsiteten til F hvis vi lar hver og en av dem gå fra et moderat til et høyt beløp å fordele. Problemet er fortsatt at F-spillerne enten er i kontrollgruppen eller i behandlingsgruppen, aldri i begge grupper. Kausalitet ser altså ut til å forutsette kunnskap om kontrafaktiske utfall. Hvis vi kunne observere hver enkelt F både i kontrollgruppen og i behandlingsgruppen, kunne vi beregnet kausaleffekten for hver F, for så å beregne ATE.3 Gruppetilordning La oss fordele subjektene i eksperimentet tilfeldig på rollene som F og M, deretter fordele F og M tilfeldig på kontroll- og behandlingsgruppe, for til sist å skape tilfeldige par av F og M i begge grupper. Hvorvidt i er i kontroll- eller behandlingsgruppen er nå en stokastisk variabel. Vi benevner denne variablen Di. Di = 1 hvis i tilfeldigvis havnet i behandlingsgruppen, og Di = 0 hvis i tilfeldigvis havnet i kontrollgruppen. Med tilfeldig tildeling til de to gruppene (tilfeldig trekk av utfall på Di) er forventet potensiell sjenerøsitet fra F-spillere i behandlingsgruppen (den betingede forventningen) lik forventet potensiell sjenerøsitet fra alle F-spillere (den ubetingede forventningen). Eller, med symboler: E  si (x ) | Di = 1 = E  si (x ) . Hvorfor? Fordi F-spillere i behandlingsgruppen er trukket tilfeldig fra gruppen av alle F-spillere. Siden F-spillere i kontrollgruppen også er et tilfeldig trukket utvalg fra gruppen av alle F spillere, må vi ha at E  si (x ) | Di = 0 = E  si (x ). Et parallelt resonnement gir E  si (x ) | Di = 0 = E  si (x ) og E [ si ( x ) | Di = 1] = E [ si ( x )]. Ved å tilordne subjekter tilfeldig til grupper og roller sørger vi for at all heterogenitet over subjekter, både den som er observerbar og den vi ikke kan observere, er tilfeldig fordelt i gruppene. Forventningsmessig kan det da ikke være noen forskjell mellom F spillere trukket fra kontroll- og behandlingsgruppen. Vi har ikke grunnlag for å forvente noe annet enn at en F spiller i behandlingsgruppen ville ha opptrådt som en F spiller i kontrollgruppen, dersom vi hadde plassert ham i kontrollgruppen.Tilsvarende må vi forvente at en F spiller i kontrollgruppen ville ha opptrådt som en F spiller i behandlingsgruppen, dersom vi hadde plassert henne i behandlingsgruppen. Aktiv bruk av tilfeldighet har gitt oss kontroll over de kontrafaktiske utfallene! Vi har nå det som trengs for å estimere ATE basert på observert

3 Vi skal se på et design som tilstreber dette om litt. Foreløpig holder vi fast ved at forslagsstillere er i én og bare én gruppe.

CD93 BOOK Arsak og tilfeldighet.indb 13

10.10.2016 15:12:23

ÅRSAK OG TILFELDIGHET

adferd. Hvis vi lar m være antall F-spillere i behandlingsgruppen, og n - m være antall F-spillere i kontrollgruppen, har vi at: ATE = E  si (x ) | Di = 1 − E  si (x ) | Di = 0 m n = m1 ∑ i=1 si − n−1m ∑ i=m+1 si Tilfeldig tilordning tillater oss altså å estimere den gjennomsnittlige behandlingseffekten fra data, ved å ta differansen mellom gjennomsnittlig sjenerøsitet i behandlings- og kontrollgruppen. Dette er svært kraftfullt. Hvis vi for eksempel observerer ATE < 0, og forskjellen er statistisk signifikant, så kan vi si at høy belønning gjennomsnittlig sett for årsaker mindre sjenerøsitet i eksperimentet. Vi har ikke bare funnet en korrelasjon, men har påvist en årsak til effekten vi observerer. Nøkkelen er tilfeldig tilordning. Uten tilfeldig tilordning må behandlingseffekter estimeres på andre måter. Disse måtene er beheftet med problemer og er langt mer usikre. Økonometrikere som analyserer ikke-eksperimentelle data har derfor begynt å spørre seg hvordan en gitt problemstilling ville blitt belyst i et ideelt eksperimentelt design. Når de har tenkt dette ut, spør de hvilken metode som ligger tettest mulig opp til det idelle eksperiment (for eksempel Angrist & Pischke 2009). Seleksjon Hva om vi ikke tilordner F-spillerne tilfeldig til kontroll- og behandlingsgruppe, men lar dem velge gruppe selv, ut fra et førstemann-til-mølla-prinsipp? Vi kan tenke oss at de mest grådige av dem ville bruke en del energi på å trenge seg frem i køen til behandlingsgruppen, der de kan tjene mer penger. Den gjennomsnittlige observerte endringen i sjenerøsitet mellom behandlingsgruppen og kontrollgruppen er:4

E  si (x ) | Di = 1 − E  si (x ) | Di = 0 = E  si (x ) | Di = 1 − E  si (x ) | Di = 1 + E  si (x ) | Di = 1 − E  si (x ) | Di = 0 Differansen i rekke to er den gjennomsnittlige effekten av at subjekter i behandlingsgruppen gis behandling (=forventet forskjell i potensielle utfall blant de som fikk behandling). Differansen i den siste rekken er en seleksjonseffekt (=forventet forskjell i potensielle utfall av ikke å bli behandlet for sub4 Alt som er gjort i ligningen, er å legge til og trekke fra E (si (x ) | D = 1) etter likhetstegnet.

CD93 BOOK Arsak og tilfeldighet.indb 14

10.10.2016 15:12:24

K A P I T T E L 1 : i n n led n i n g

jekter i behandlingsgruppen og i kontrollgruppen). Med tilfeldig tilordning til kontroll -og behandlingsgruppe har vi sett at denne differansen er null.5 Når subjektene selv har selektert til gruppene, gjelder ikke dette lenger. Subjektene i gruppene kan være systematisk forskjellige med hensyn på de potensielle utfallene. Med utgangspunkt i køargumentet vårt mistenker vi spesielt at E  si (x ) | Di = 1 < E  si (x ) | Di = 0 , og at vi derfor har en negativ seleksjonseffekt. Det vil si: subjekter i behandlingsgruppen ville ha vært mindre sjenerøse enn subjekter i kontrollgruppen selv om de også hadde hatt en liten sum å fordele. Estimatet vil i så fall overdrive størrelsen på den negative effekten av å øke beløpet (x) som skal fordeles. Når tilordning til grupper ikke er tilfeldig, kan vi ikke estimere behandlingseffekten ved å ta differansen mellom faktisk sjenerøsitet i behandlings- og kontrollgruppen. Innen og mellom Hva om vi deler gruppen av subjekter i to, og lar alle subjekter spille ultimatumspillet to ganger etter hverandre? Vi gjør det slik: halvparten av subjektene er F-spillere, resten er M-spillere. Halvparten av F-spillerne er i kontrollgruppen i første spill, den andre halvparten er i behandlingsgruppen. I annet spill bytter F-spillerne gruppe; de som var i kontrollgruppen i første spill, er i behandlingsgruppen i annet spill, og de som var i behandlingsgruppen i første spill er i kontrollgruppen i annet spill. Med dette opplegget vil vi observere hva den enkelte F-spiller tilbyr både når vedkommende er i kontrollgruppen og når vedkommende er i behandlingsgruppen. Løser ikke dette problemet vårt? Nei! Hvorfor ikke? Fordi F-spillere ikke kan betraktes som «de samme spillerne» i spill én og i spill to. Erfaringene fra første spill kan virke inn på adferden i spill to. Vi må derfor randomisere over rekkefølgen som F-spillerne er i kontroll- og behandlingsgruppe. Men vi kan ikke bare tenke på rekkefølgen til F-spillerne. Vi må også lage et design for rekkefølgen til M-spillerne. Det sikreste er å uttømme alle muligheter ved å sørge for å samle data fra de fire mulige kombinasjonene:

1. F-spillere som starter med x og i spill to møter M-spillere som startet med x 2. F-spillere som starter med x og i spill to møter M-spillere som startet med x 3. F-spillere som starter med x og i spill to møter M-spillere som startet med x 4. F-spillere som starter med x og i spill to møter M-spillere som startet med x For å kunne estimere behandlingseffekter, må vi randomisere over disse fire behandlingene. Hvis vi ikke gjør det, kan den observerte effekten skyldes 5 Siden E  si (x ) | Di = 0 = E  si (x ) og E  si (x ) | Di = 1 = E  si (x ) så er E  si (x ) | Di = 1 − E  si (x ) | Di = 0 = 0

CD93 BOOK Arsak og tilfeldighet.indb 15

10.10.2016 15:12:25

ÅRSAK OG TILFELDIGHET

rekkefølgen behandlingen introduseres i. «High-stakes-hypotesen» sier nå at si øker fra første til annet spill i 1. og 2., og reduseres fra første til annet spill i 3. og 4. Vi må også sjekke at det ikke er signifikante rekkefølgeforskjeller mellom 1. og 2., og heller ikke mellom 3. og 4. Når effekter estimeres ved å utnytte endringen i adferd for samme subjekt over tid, kalles dette et «innen-subjekt-design». Når effekter estimeres ved å utnytte endringen i adferd for ulike subjekter på samme tidspunkt kalles dette et «mellom-subjekt-design». I designet over testes high-stakes-hypotesen i et innen-subjektdesign, mens rekkefølgeeffektene testes i et mellom-subjekt-design. Konklusjonen er at vi ikke kan droppe randomisering selv om vi undersøker samme subjekt i ulike behandlinger på ulike tidspunkter.

Kontroll

Laboratoriet åpner for utpreget kontroll med omgivelsene beslutningene tas i. Når man er interessert i å teste en presis modell, er dette en vesentlig fordel. I dette avsnittet presenterer vi først en modell. Deretter diskuterer vi hvordan incitamenter, institusjoner og informasjonsstruktur fra denne modellen kan gjenskapes i laboratoriet. Det er dette vi forstår med kontroll. Etableringsspill Et interessant spørsmål er hva som kan tenkes å drive over- og underetableringer i et markded. Dette er et omfattende spørsmål som kan presiseres i mange retninger. Vi benytter en stilisert modell til å analysere én enkelt side av slike etableringer, nemlig det koordineringsproblemet homogene bedrifter står overfor når markedet er for lite til å gi profitt ved overetablering (Selten & Güth 1982).6 I modellen tar i = (1, 2, ..., n ) spillere («bedriftene») hver for seg en beslutning om hvorvidt de skal etablere seg i markedet eller ikke. Spillet spilles bare én gang, og spillerne tar sine beslutninger uten å kjenne de andre spillernes beslutning (de velger «simultant»). Det er ingen anledning til å kommunisere før beslutning fattes. En spiller som ikke går inn i markedet, får en sikker gevinst. Gevinsten til en spiller som går inn, er en lineært synkende funksjon av antallet andre spillere som går inn. Spilleregler og belønninger er åpent kjent. Mer presist ser belønningsfunksjonen slik ut: 6 Vi kan tenke på modellen som en «redusert form-modell». Vi antar at bedriftene etter etablering spiller sine likevektsstrategier i et oligopolspill mot andre bedrifter som også har etablert seg. Oligopolspillet modelleres ikke direkte, men profitten synker med antallet konkurrenter som er etablert i markedet, slik tilfellet også vil være i en oligopollikevekt.

CD93 BOOK Arsak og tilfeldighet.indb 16

10.10.2016 15:12:25

K A P I T T E L 1 : i n n led n i n g

a hvis ei = 0  vi (ei , e−i ) =  b + r (k − m ) hvis ei = 1 Valget til spiller i symboliseres med ei = {0,1} , hvor ei = 1 betyr at spiller i går inn. Belønningen til spiller i er en funksjon av hans eget valg, ei, men også av de andre spillernes valg, e-i. Det totale antallet spillere som går inn, er gitt n ved ved m = ∑ i=1 ei. Markedets kapasitet er gitt ved k, mens avkastningen av en etablering er gitt ved r. I modellen er k, r, a og b konstanter. Hva er Nash-likevekten(e) i spillet? En Nash likevekt krever at ingen spiller har grunn til å angre sitt strategivalg, gitt de andre spillernes valg av strategi. Vi sier at spillernes strategivalg må være bestesvar mot hverandre. En strategi er en forskrift som forteller spilleren hva hun skal gjøre i alle valgsituasjoner hun kan møte i spillet. Siden vi ser på et spill med simultane valg, kan ingen spiller betinge sine handlinger av andre spilleres adferd. En strategi vil da være identisk med en handling. Hver spiller har altså to strategier: gå inn eller stå utenfor. La oss se på tilfellet der m spillere har gått inn, mens n - m spillere står utenfor. En spiller som har gått inn har ikke grunn til å angre dette hvis b + r (k − m) ≥ a , altså hvis m ≤ rk+rb−a . En spiller som står utenfor har ikke grunn til å angre dette hvis b + r (k − (m + 1)) ≤ a, altså hvis m ≥ r ( k−1r)+b−a . For at spillernes valg skal være bestesvar mot hverandre må altså (hvor * symboliserer «i likevekt»): rk +b−a r

≥ m∗ ≥ r ( k−1r)+b−a

La oss sette a = b = 1 og r = 2. Med disse parametrene unngår vi heltallsproblemer og Nash-betingelsen reduserer til k ≥ m∗ ≥ (k − 1). Hvis for eksempel k = 5, så finnes det en Nash-likevekt hvor 5 spillere går inn, og en annen Nash-likevekt hvor 4 spillere går inn. Det er lett å innse at det må være slik. Hvis jeg står utenfor og 5 andre spillere er inne, får jeg 0 hvis jeg også går inn (1 + 2 (5 − 6)). Hvis jeg ikke går inn, får jeg 1. Hvis jeg er en av dem som gikk inn, får jeg 1 hvis jeg blir (1 + 2(5 − 5)) og 1 hvis jeg går ut. Når 5 spillere har gått inn, kan hverken de som er inne eller de som står utenfor profitere på å endre sitt valg.Ved å regne litt, kan du selv forsikre deg om at tilsvarende gjelder for k - 1 = 4, men ikke for andre verdier på k enn 4 og 5. Det finnes altså to Nash-likevekter i rene strategier. Imidlertid finnes det mer enn én måte å spille dem på. Likevekten hvor m* spillere går inn  

sier ingen ting om hvilke m* spillere dette er. Det er nk  ulike måter å spille  

CD93 BOOK Arsak og tilfeldighet.indb 17

10.10.2016 15:12:28

ÅRSAK OG TILFELDIGHET





likevekten med m* = k.7 I tillegg er det k−n 1 måter å spille likevekten med   m* = k - 1. Det finnes i tillegg også en likevekt i blandede strategier. I denne likevekten velger alle spillerne å gå inn i markedet med sannsynlighet pi∗ = nk−−11 .8 Hvis vi bare betrakter de rene strategiene kan vi regne ut at med n = 10, så er det 462 forskjellige måter å spille i likevekt på, mens det med n = 20 er 20 349 forskjellige måter å spille i likevekt på. Det er tilsynelatende en uoverkommelig oppgave for spillere (som ikke engang tillates å kommunisere) å koordinere på en av de mange likevektene i spillet. Spillteorien kan heller ikke by på noen akseptert modell for hvilken av måtene å spille på som vil bli valgt. Men hvor vanlig er det egentlig at koordineringsproblemet leder til over- og underetableringer? Og hvilke prinsipper ser faktiske mennesker ut til å benytte for å lykkes i sin koordinering? Feltdata Om vi søker svar ved å konfrontere modellresonnementet med innsamlede data om faktiske markeder (ikke-eksperimentelle feltdata), støter vi på flere utfordringer. Disse er blant annet knyttet til måleproblemer, endogenitet og seleksjon på uobserverbare variable. Modellen sier at en gitt kapasitet i markedet forklarer etableringsadferden. I markeder utenfor laboratoriet kan vi imidlertid ikke utelukke at kausaliteten går motsatt vei, ved at bedriftene påvirker markedets kapasitet. Etableringshindringer skyldes ofte myndighetsreguleringer. Disse kan påvirkes gjennom lobbyfremstøt. Etablerte bedrifter kan også se seg tjent med å prise lavt, investere for å komme nye patenter i forkjøpet, og skape kundelojalitet gjennom markedsføring, i den hensikt å gjøre nyetableringer uprofitable. 7

   n     k 

n! k!(n−k)!

er telleregelen (binomialkoeffisienten) som forteller oss hvor mange koali-

sjoner med k medlemmer som kan dannes i en gruppe på tilsammen n medlemmer. 8 Likevekt i blandede strategier behandles i kapittel 2. Argumentet for likevekten i blandede strategier i etableringsspillet er som følger: Når hver av de andre spillerne går inn i markedet med sannsynlighet p-i er min forventning til m, gitt at også jeg går inn, lik Ei (m | ei = 1) = 1 + (n − 1) p−i . For at jeg skal være indifferent mellom å gå inn eller stå utenfor, må b + r (k − Ei (m | ei = 1)) = a . Med våre parametre, og innsatt for Ei (m | ei = 1), blir indifferensbetingelsen 1 + 2 (k − 1 + (n − 1) p−i ) = 1. En enkel mellomregning gir p−∗i = nk−−11 . Siden jeg er indifferent mellom handlingsvalgene mine når alle andre spillere randomiserer over sine handlingsvalg med p−∗i , er ethvert svar et bestesvar. Hvis jeg i likhet med alle andre spillere velger å sette pi∗ = nk−−11 , så er dette en likevekt – når alle spillerne går inn i markedet med sannsynlighet pi*, kan ingen spiller profitere på å gjøre noe annet, gitt det de andre spillerne gjør.

CD93 BOOK Arsak og tilfeldighet.indb 18

10.10.2016 15:12:30

K A P I T T E L 1 : i n n led n i n g

I markeder utenfor laboratoriet er det umulig å identifisere alle de bedriftene som kan ha vurdert å etablere seg. Det vi observerer er etablerte bedrifter. Dette reiser betydelige måleproblemer. Mange ting varierer over faktiske bedrifter. For eksempel bedriftenes etableringskostnader, deres produksjonsteknologi, deres tilgang til produkt-, kapital- og arbeidsmarkeder, måten de har organisert seg på, deres bedriftskultur, og deres renomme i markedet. Bedrifter vil stå overfor mye usikkerhet knyttet til alle sider ved sine potensielle konkurrenter. Alle disse forholdene kan påvirke bedriftenes etableringsbeslutninger.Vi må derfor gå ut fra at de bedriftene som etablerer seg, ikke utgjør et representativt utvalg av bedrifter. Etablerte bedrifter er en selektert gruppe, og seleksjonen er (i alle fall delvis) basert på uobserverbare forhold. Dette skaper, som vi har sett, utfordringer med hensyn til å estimere kausaleffekter. Etableringsbeslutninger tas ofte i en sekvens. Det kan derfor være at etableringene i markedet vi studerer beskrives bedre av andre modeller enn den vi har valgt å se på. Mens laboratorieeksperimenter vanligvis sier noe om adferd innenfor gitte institusjoner, er det mer sjeldent å se eksperimentelle studier av hvilke institusjoner som faktisk benyttes i ulike samhandlingssituasjoner utenfor laboratoriet.9 Modellen vi ser på bygger på restriktive forutsetninger, og den fokuserer på én type markedsinstitusjon. Dette er bevisst. Hensikten er å rendyrke det koordineringsproblemet som oppstår når etableringsbeslutninger tas simultant av homogene bedrifter, for å vurdere hvor stort dette problemet er. Det er denne modellen vi ønsker å teste, ikke en annen modell som bygger på andre markedsinstitusjoner. Dette er normalvitenskap. Vi bryter opp et problemkompleks i mindre problemer som lar seg takle. La oss se nærmere på hvordan modellen kan testes på en kontrollert måte i et laboratorieeksperiment. Redelighet En forskjell mellom laboratorieeksperimenter i økonomi og psykologi er at mens økonomer ikke forleder subjektene sine, så gjør psykologer det rutinemessig. La oss tenke oss at vi gjennomfører et eksperiment for å teste etableringsspillet, og oppgir at belønningen ved å gå inn er 1 + 2 (5 − m ) og at n = 20, men at subjektene ikke tror på dette. Da vil det ikke lenger gi god mening å undersøke koordinering i etableringsspillet under den forutsetning at alle subjekter kjenner belønningsstrukturen. Et ekstremt eksempel på bruk av forledning er autoritetseksperimentet til Yale-psykologen Stanley Milgram (1963). I eksperimentet satt subjektet – 9 Se kapittel 4 om endogene strafferegimer for et eksempel på at også valg av institusjoner lar seg studere i laboratoriet.

CD93 BOOK Arsak og tilfeldighet.indb 19

10.10.2016 15:12:30

ÅRSAK OG TILFELDIGHET

benevnt «lærer» – i et rom sammen med eksperimentets administrator (kledd i en teknikeruniform og instruert til å opptre med streng mine og ikke vise følelser). Gjennom et vindu inn til et annet rom kunne de se en innleid skuespiller – benevnt «elev» – som var koplet opp til elektroder. Høytalere og mikrofoner i de to rommene sørget for lydforbindelse. I eksperimentet ble subjektene forledet til å tro at rollene som «lærer» og «elev» var tilfeldig fordelt, og at subjektet hadde trukket rollen som «lærer». Subjektet («læreren») ble – uriktig – fortalt at han bidro til forskning på sammenhengen mellom straff og læring. Subjektet («læreren») skulle lese opp en oppgave, som skuespilleren («eleven») så svarte på.Ved feil svar skulle subjektet administrere et elektrisk støt til skuespilleren på en skala fra 45 til 450 volt. De øverste trinnene var merket «fare – svært alvorlig støt». For å troverdiggjøre narreriet, ble subjektet selv utsatt for et ekte, men mildt støt på 45 volt før eksperimentet startet. Skuespilleren var imidlertid ikke koplet opp til aktiv spenning, og fikk derfor ikke noe «støt» når subjektet brukte skalaen. Skuespilleren kunne se hvor mye «støt» subjektet administrerte, og hadde et skript for å uttrykke økende smerte, verbalt og med kroppsspråk, ved stigende «støt». Hvis subjektet kviet seg for å administrere «støt» til skuespilleren, hadde administrator et skript med eskalerende oppfordringer om å gjøre det: «vær så snill å fortsette»; «eksperimentet krever at du fortsetter, vær så snill å

Antall subjekter som avbrøt

0 <300

300

315

330

345

360

375

390-435

450

Spenningsnivå (V) Figur 1.1 Autoritetseksperiment (Basert på Milgram 1963)

CD93 BOOK Arsak og tilfeldighet.indb 20

10.10.2016 15:12:30

K A P I T T E L 1 : i n n led n i n g

fortsette»; «det er helt avgjørende at du fortsetter»; «du har ikke noe annet valg, du må fortsette». Dersom subjektet fortsatt nektet å gi «støt» etter den fjerde oppfordringen, ble sesjonen avsluttet. Den virkelige hensikten med eksperimentet var å teste ut menneskers autoritetstro. Resultatene fra eksperimentet er vist i figur 1.1. Ingen av de 40 subjektene som deltok i eksperimentet, nektet å administrere «støt» til skuespilleren. Tvert i mot viste samtlige subjekter vilje til å administrere «støt» som var mellom 36 og 105 prosent kraftigere enn det du får ved å stikke to strikkpinner inn i et norsk støpsel. Hele 65 prosent av subjektene ble med hele veien til 450 volt. Eksperimentet er ekstremt og har i ettertid blitt kritisert for å være uetisk, særlig fordi det utsatte subjektene for betydelig stress. At subjektene ble forledet (med hensyn til forskningens formål, randomiseringen over roller, og realiteten i «støtene») er ikke noe eksperimentelle psykologer ser ut til å ha så store problemer med. Normen i eksperimentell økonomi er radikalt forskjellig. Forledning skal ikke benyttes. Eksperimentelle arbeider som har brukt forledning, har liten eller ingen sjanse til å bli publisert i økonomiske fagtidsskrifter. Hvorfor? Begrunnelsen er todelt. For det første leder forledning til tap av kontroll. Subjekter som har blitt forledet, eller som har hørt at forskerne i det aktuelle laboratoriet har brukt forledning, vil forvente å bli forledet. Med slike forventninger tapes kontrollen med subjektenes oppfatninger. Subjektene må danne seg sine egne oppfatninger om de reelle parameterne i eksperimentet, og disse oppfatningene vil variere. Den andre delen av begrunnelsen er at forledning forurenser subjektpoolen (de subjektene som er villig til å delta i fremtidige eksperimenter). For forskere må poolen av subjekter betraktes som et fellesgode (se kapittel 4). En enkeltforsker kan tenke at forledning er veien til interessante resultater (autoritetseksperimentet til Milgram ga for eksempel svært interessante resultater). Hvis noen forskere benytter forledning, vil subjektene forvente å bli forledet, og dette vil ødelegge fremtidige forskningsresultater for alle forskere. For å disiplinere forskere til ikke å bruke forledning, er det et kraftfullt virkemiddel å nekte arbeider som har brukt forledning publisering. Et laboratorium for eksperimentell økonomi er avhengig av å etablere og vedlikeholde et unntaksløst rykte for å ikke forlede. Incentiver I psykologien benyttes vanligvis ikke monetære belønninger for å knytte incentiver til handlingsvalg i eksperimenter. Dette til forskjell fra eksperimentell økonomi, hvor monetære belønninger så å si alltid benyttes. Hvorfor? Incentiver benyttes for å oppnå kontroll med subjektetenes preferanser. Subjektene som dukker opp i laboratoriet, har nyttefunksjoner

CD93 BOOK Arsak og tilfeldighet.indb 21

10.10.2016 15:12:30

ÅRSAK OG TILFELDIGHET

som forskeren ikke observerer. Vi tenker oss at disse funksjonene har tre argumenter: det subjektet tjener gjennom sine handlinger i eksperimentet, Δx, penger subjektet har fra før, x0, og alt annet som får subjektet til å handle, z.Vi skriver den uobserverte nyttefunksjonen som U (x 0, ∆x, z ). For at subjektet skal ha incentiver som samsvarer med modellen forskeren undersøker («induced preferences»), må det stilles to krav (Smith 1982): 1. Monotoni: U er strengt voksende i x for alle kombinasjoner av x0 og z 2. Prominens: Endringer i subjektets nytte fra eksperimentet kommer hovedsakelig fra Δx, og innflytelsen til z er neglisjerbar. Hvis vi lager et eksperiment basert på etableringsspillet, er det lett å forestille seg at studenter som deltar kan tilfredstille disse kravene. For studenter er x0 som regel lav relativt til de Δx som typisk benyttes i eksperimenter. Det er også tvilsomt om etableringsspillet inviterer til å handle med utgangspunkt i moralnormer eller sosiale normer, så av denne grunn er innflytelsen til z er rimeligvis liten. Hvis vi tror Δx er for liten, kan den økes, enten ved å øke nivået på belønningene, hvis eksperimentet gjennomføres i et rikt land, eller ved å gjennomføre eksperimentet i et land hvor en krone har større kjøpekraft (se kapittel 3). I noen typer eksperimenter kan det være grunn til å tro at z har større innflytelse (se kapittel 3 og 4 for eksempler). Å søke forklaringer på eksperimentelle resultater i z er en viktig del av det feltet som kalles «adferdsøkonomi». Legg merke til at incentiver oppstår når subjektene betales for handlingene de tar i eksperimentet. Eksperimentet incentiveres altså ikke ved at det betales en fast sum for å møte opp, noe som ikke er uvanlig i eksperimenter i psykologi.10 10 I praksis incentiveres eksperimenter omtrent på denne måten: vi vil lage et eksperiment med etableringsspillet og bruke parameterne a = b = 1, k = 5, r = 2 og n = 20.Vi annonserer at subjektene vil tjene en eksperimentell valuta ECU («Experimental Currency Unit») i eksperimentet, og at denne vil bli vekslet inn etter en fast og forhåndsannonsert kurs etter at eksperimentet er sluttført. Hvis subjektene spiller likevekten med m* = 4, vil dette koste 28 ECU per runde. Hvis de spiller likevekten med m* = 5, vil det koste 20 ECU per runde. Antar vi at likevektene er like sannsynlige, vil forventet kostnad i likevekt være 24 ECU per runde.Vi vet hvor lang tid en periode tar (fordi vi setter en maksimal tid som subjektene tillates å bruke per steg i programvaren). For et gitt antall perioder (=repetisjoner av grunnspillet) vet vi hva den forventede utbetalingen i ECU er hvis subjektene er i likevekt. Vi kan da sette vekslekursen slik at studentene forventer å tjene godt hvis de spiller i likevekt. I laboratoriet til BI benyttes for tiden (2014) en forventet utbetaling i likevekt

CD93 BOOK Arsak og tilfeldighet.indb 22

10.10.2016 15:12:31

K A P I T T E L 1 : i n n led n i n g

Institusjoner I spillmodeller defineres institusjoner som «spilleregler». Dette er regler som forteller hvem som får gjøre hva, og når. Dette er en minimumsdefinisjon av «institusjoner». Det fine med denne definisjonen er at den etablerer et skarpt skille mellom institusjoner, preferanser, oppfatninger, handlinger og utfall. Dette er fruktbart i forskningssammenheng. Laboratorieeksperimenter gir svært god kontroll med institusjonene. I etableringsspillet er institusjonen at «alle spillere velger sin handling (inn eller ut) uten å vite hva de andre spillerne har valgt». I eksperimentet er det lett å legge inn denne institusjonen. Dette gjøres rett og slett ved å la alle subjekter ta sin beslutning i isolasjon, for deretter å regne ut belønningen til det enkelte subjekt basert på handlingene til alle i gruppen. Dersom eksperimentet gjennomføres manuelt, kan vi la subjektene sitte adskilt, skrive ned sitt valg, og så samle inn valgene. Ut i fra valgene kan individuelle belønninger regnes ut. Dersom eksperimentet gjennomføres over mange perioder, er det fornuftig å la subjektene ta sine valg i et nettverk av pc-er. Dette effektiviserer datainnsamling og administrasjon av utbetalinger. Det gir også større fleksibilitet med hensyn til matching og kontroll av informasjonsstrukturen (se under). Den fysiske infrastrukturen i en lab for eksperimentell økonomi har skillevegger som sikrer at subjektene ikke kan se hverandre gjennom eksperimentet. Kommunikasjon på andre måter enn gjennom nettverket av pc-er er ikke tillatt. Det er som regel mer enn én gruppe i laben samtidig, og subjekter i samme gruppe er spredt rundt i laben. Alt dette bidrar til å troverdiggjøre at beslutninger tas isolert. Moderne programvare tillater en å programmere institusjoner av interesse på en forholdsvis enkel måte, inkludert kompliserte markedsinstitusjoner der subjektene tar beslutninger som kan revideres i kontinuerlig tid (se kapittel 5). Informasjon La oss tenke oss at vi er interessert i å undersøke en variant av etableringsspillet der verdien av å stå utenfor ikke er én og samme a for alle spillere. La oss i stedet anta at hver spiller har en ai som med like sannsynligheter tar alle verdier i intervallet [0.0, 0.1, 0.2, ..., 2], og at dette er åpent kjent (vi sier at det er åpent kjent at ai trekkes fra en «uniform fordeling» over intervallet). La oss til sist legge til grunn at hver spiller kjenner sin egen ai-verdi. Dette transformerer etableringsspillet til et spill med asymmetrisk informasjon. Det transformerte spillet er mer krevende å analysere enn det opprinnelige etableringsspillet, og vi skal avstå fra en slik analyse her. I stedet på 250 kroner per time i laboratoriet. Hvis studentene ikke er styrtrike, og primært styres av det de tjener mens de er i laboratoriet, så er eksperimentet incentivert.

CD93 BOOK Arsak og tilfeldighet.indb 23

10.10.2016 15:12:31

ÅRSAK OG TILFELDIGHET

spør vi hvordan vi kan implementere den mer kompliserte informasjonsstrukturen i et eksperiment. Svaret er at vi kan gjøre dette på en enkel måte.Vi lar programvaren trekke en ai-verdi for hvert subjekt i steg én. I trekkene har alle verdier i intervallet samme sannsynlighet for å bli realisert. For alle subjekter gjøres trekket av ai kjent for subjektet selv (i), men ikke for de andre subjektene.11 Deretter velger subjektene simultant om de vil gå inn i markedet eller ikke. Vi må sørge for å skrive alt dette ned i instruksjonene på en passende måte. På denne måten kontrollerer vi informasjonsstrukturen i eksperimentet. Hvilke handlinger ulike a-typer i eksperimentet gjør blir registrert. Dette setter oss i stand til å undersøke sammenhengene mellom privat informasjon og adferd. Moderne progamvare gir stor fleksibilitet når det gjelder å gjenskape informasjonsstrukturer fra ulike spillmodeller i laboratoriet. Etableringsspillet er et én-periode-spill. I eksperimenter ønsker vi ofte å gjennomføre flere perioder (for å tillate læring og for å samle større datamengder). Etableringsspillet gir ingen anvisning på hvilken informasjon subjektene skal gis etter hver periode. I forhold til modellen står vi her fritt. Vi kan tenke oss at vi ønsker å studere læring.Vi lager en kontrollgruppe der subjektene ikke gis noen periodisk informasjon om belønninger eller antallet subjekter som gikk inn i markedet. Kontrollgruppen er satt opp slik at vi aktivt søker å forhindre læring. I behandlingsgruppen gir vi subjektene periodisk informasjon om belønninger, antallet subjekter som gikk inn, pluss en historikk som viser belønninger, og antallet subjekter som gikk inn, i alle foregående perioder. Informasjonen kommer opp i et skjermbilde etter at beslutningene for perioden er tatt. I behandlingsgruppen er det tilrettelagt for læring. Under skal vi se på resultatene fra et eksperiment som benytter nettopp dette designet. Offentlig kjent Etableringsspillet forutsetter at all beslutningsrelevant informasjon – belønningsfunksjon, spilleregler, informasjonsstruktur, og spillernes rasjonalitet – er åpent kjent. Dette innebærer at hver spiller kjenner dette, at hver spiller vet at alle andre spillere kjenner dette, at hver spiller vet at alle andre spillere vet at alle andre spillere kjenner dette, og så videre i uendelighet. Dette er en meget krevende forutsetning, og i kapittel 4 skal vi se at i noen spillmodeller kan små avvik fra denne forutsetningen lede til store endringer i likevektsadferden. I laboratoriet kan vi ikke sørge for at all beslutningsrelevant informasjon er åpent kjent. Det vi kan sørge for, er at belønningsfunksjonen, spillereglene og informasjonsstrukturen er offentlig kjent. Det vil si at alle vet at 11 Vi sier at ai er et «typetrekk»: det bestemmer subjektets a-type.

CD93 BOOK Arsak og tilfeldighet.indb 24

10.10.2016 15:12:31

K A P I T T E L 1 : i n n led n i n g

alle kjenner til dette. Måten vi oppnår offentlig kjennskap på i praksis er at eksperimentets instruksjoner deles ut til subjektene i starten av eksperimentet, og at eksperimentets administrator leser disse instruksjonene høyt. På denne måten får alle subjekter vite at alle andre subjekter er gjort kjent med belønningsfunksjon, spilleregler og informasjonsstruktur. Det vi mangler kontroll på, er subjektenes oppfatninger om andre subjekters rasjonalitet, oppfatninger og nyttefunksjoner (x0 og z). I eksperimenter hvor det kreves kontroll med slike oppfatninger, kan imidlertid forskeren forsøke å tappe dem ved å gi subjektene monetære incentiver til å rapportere sine oppfatninger på en sannferdig måte, eller rett og slett ta sjansen på å spørre dem. Matching Når et eksperiment har mer enn én periode, må forskeren ta stilling til hvilke subjekter som skal møte hverandre i hvilke perioder. Her er mulighetene mange. Skal for eksempel gruppene være de samme i alle perioder (partnermatching), eller skal det dannes tilfeldige grupper i hver ny periode (fremmedmatching), eller skal subjektene aldri møte samme subjekt to ganger i et eksperiment (motorveimatching)? Skal eventuelt subjektene matches med hverandre basert på observerbare karakteristika (for eksempel et allerede gjennomført spill; eller en gjennomført test av ferdigheter, iq, innsatsvilje, kjønn, alder, og så videre)? Hvis det er ulike roller i eksperimentet (slik som i ultimatumspillet), skal subjektene da ha samme rolle i alle perioder, en tilfeldig trukket rolle i hver periode, en bestemt sekvens av roller over ulike perioder? Hvilken matchingprotokoll som velges bestemmes av to hensyn:

1. Hvilke spørsmål skal eksperimentet besvare? 2. Hva regnes som en uavhengig observasjon i eksperimentet? I denne boken ser vi på flere varianter av matchingprotokoller. De er alle tatt i bruk for et bestemt formål, og for å sikre observasjoner som er statistisk uavhengige av hverandre. Hvis vi ønsker å teste en serie av uavhengige en-gangs-spill, hvor det er sentralt å fjerne rykteeffekter, er ikke partnermatching det ideelle. I en partnermatching er de samme individene i en fast gruppe over tid, og dette åpner for at handlingene kan betinges av handlinger i tidligere perioder. Hvis vi benytter fremmedmatching kan dette unngås (eller i alle fall motvirkes). Med en fremmedmatching kreves det imidlertid flere subjekter, fordi blokker av subjekter nå er observasjonsenhetene i eksperimentet. En blokk er en samling subjekter som grupper dannes fra. Observasjoner av subjekter innad i en blokk er ikke statistisk uavhengige.

CD93 BOOK Arsak og tilfeldighet.indb 25

10.10.2016 15:12:31

ÅRSAK OG TILFELDIGHET

Et eksempel kan være klargjørende: hvis vi gjennomfører et ultimatumeksperiment i 10 perioder og i hver periode danner 5 tilfeldige par fra en blokk på 10 subjekter trenger vi 50 subjekter for å få 5 uavhengige observasjoner av gjennomsnittlig sjenerøsitet over de 10 periodene. Kjører vi det samme eksperimentet i en partnermatching trenger vi bare 10 subjekter for å få 5 uavhengige observasjoner av gjennomsnittlig sjenerøsitet over de 10 periodene.12 Kontekst Det er velkjent – og knapt overraskende – at kontekstualisering av eksperimenter kan ha betydning for resultatene som nås. Et eksperiment basert på etableringsspillet kunne benytte formuleringer som «bedrift»; «etablere deg i markedet», «ikke etablere deg i markedet»; og «profitt». Dette ville gi en markedskontekst. Et alternativ er en (mer) nøytral kontekst med formuleringer som «subjekt»; «handling X»; «handling Y»; og «gevinst». Vi tar som utgangspunktet at vi ønsker å teste en generell modell: vi vil sjekke om mennesker responderer på modellens incentivstruktur som predikert. For å få en ren test, bør vi fjerne kontekstuelle detaljer som kan utløse responser basert på annet enn disse incentivene. Det vil si at vi bør rigge eksperimentet med sikte på å gjøre z neglisjerbar, slik at kravet til prominens innfris (se over). Bruk av nøytral kontekst er imidlertid ikke etablert som en standard i eksperimentell økonomi. Et pragmatisk synspunkt er at mens en nøytral kontekst utgjør et ideal, kan noe kontekstualisering – for eksempel en markedskontekst – forsvares i eksperimenter med stor kompleksitet hvis dette bidrar til at subjektene forstår incentivstrukturen bedre og raskere (Plott 1995). En fordel med laboratorieeksperimenter er at vi ikke er henvist til ren spekulasjon om betydningen av kontekstualisering. Også dette lar seg undersøke i laboratoriet på en kontrollert måte (i kapittel 3 gis et dramatisk eksempel). Det er likevel bred enighet om at tykke beskrivelser bør unngås. Med tykke beskrivelser menes omfattende historier av typen: «I dette eksperimentet er du grossist for Colgate, og vurderer i likhet med 10 andre tannpastagrossister, om du skal etablere deg i Ryanggang-provinsen i Nord-Korea, som nylig har åpnet sine markeder for vestlige bedrifter...» Tykke beskrivelser 12 Fremmed matching: Hver blokk er på 10 subjekter; hver ny periode dannes 5 nye par fra denne blokken ved tilfeldig matching. Subjektene krysser ikke over blokker. Gjennomsnittlig sjenerøsitet per blokk regnes ut for alle de 10 periodene. Fem uavhengige observasjoner krever da 5 blokker med 10 subjekter i hver blokk, altså 50 subjekter totalt. Partnermatching: parene dannes tilfeldig i første periode og holder så sammen i alle 10 perioder. Gjennomsnittlig sjenerøsitet i hvert par over alle de 10 periodene er en uavhengig observasjon. For å få 5 uavhengige observasjoner, trenger vi 5 par, altså 10 subjekter.

CD93 BOOK Arsak og tilfeldighet.indb 26

10.10.2016 15:12:31

K A P I T T E L 1 : i n n led n i n g

vil med høy sannsynlighet utløse responser basert på annet enn incentivene subjektene stilles overfor. I disipliner som psykologi og markedsføring, men også i mindre formelle deler av statsvitenskapen, benyttes rutinemessig tykke beskrivende kontekster i eksperimenter. Dette kan bunne i at forskningsspørsmålene som reises i disse disiplinene, er forskjellige fra dem som reises i økonomi, og i mer formelt orienterte deler av statsvitenskapen. Typisk sett vil en disiplin bruke mer nøytral kontekst jo mer styrt forskningsspørsmålene er av presise og avgrensede modeller. Risikoholdninger I kapittel 2 behandles egenskapene til von Neuman-Morgenstern (vNM) nyttefunksjoner nærmere. Påstanden er der at rasjonalitet impliserer maksimering av en slik funksjon. En vNM-nyttefunksjon er definert over individets rangering av utfall, og tar hensyn til individets risikoholdning. Høyere rangerte utfall er alltid mer nyttige; hvor mye mer nyttige de er avhenger av individets holdning til risiko. Betrakt et individ som rangerer to utfall slik: x  x. La oss presentere individet for et lotteri der det er p sannsynlighet for å realisere x, og en komplementær sannsynlighet (1− p ) for å realisere x. Nytteforventningen av lotteriet er EU = ( p, x ; (1 − p ), x ) = pU (x, x 0, z ) + (1 − p )U (x, x 0, z ), hvor U(×) er individets nyttefunksjon, x0 er individets formue utenfor laboratoriet og z er alt annet som motiverer individet til handling. Formen på nyttefunksjonen (gitt ved funksjonens første- og høyere ordens deriverte) beskriver individets risikoholdninger. En egenskap ved en vNM-nyttefunksjon er at den ikke har noe fast nullpunkt. Hvilken skala nytten måles på påvirker derfor ikke den informasjonen som ligger i nyttefunksjonen. Vi står følgelig fritt til å reskalere nytten slik at det høyest rangerte alternativet gis nytteverdi 1, mens det laveste gis nytteverdi 0, altså at U (x, x 0, z ) = 1 og at U (x, x 0, z ) = 0. Men da kan vi også skrive nytteforventningen av lotteriet som EU = p, x; (1 − p ), x = p (1) + (1 − p )(0) = p. Vi ser nå at nytten er lineært stigende i sannsynligheten for å vinne det høyest rangerte utfallet. Dette gjelder uavhengig av formen på nyttefunksjonen.

(

)

Disse egenskapene ved en vNM-nyttefunksjon kan utnyttes til å lage en belønningsprosedyre for eksperimenter som har den egenskap at nytten er lineær i belønningen uavhengig av formen på individets nyttefunksjon (Roth & Malouf 1979). Hvordan? Rett og slett ved å la individenes belønninger være i poeng, og innføre en regel som sier at individets sjanse for å vinne en fast monetær pris Ri øker lineært med antall poeng individet har tjent i eksperimentet.

CD93 BOOK Arsak og tilfeldighet.indb 27

10.10.2016 15:12:33

ÅRSAK OG TILFELDIGHET

Denne måten å belønne på kalles «lotteriprosedyren». Hvis individet har en vNM-nyttefunksjon, hvis prisen Ri er stor nok relativt til individets formue utenfor eksperimentet (x 0 ), og hvis andre ting som motiverer individet til handling (z ) har en neglisjerbar innflytelse, så har vi både kontrollert for risikoholdninger og incentivert handlinger i eksperimentet. Berg et al. (2008) gjennomgår et antall eksperimenter som har undersøkt lotteriprosedyren. Resultatene er blandede, og prosedyren har derfor ikke etablert seg som en standard måte å kontrollere for risikoholdninger på i eksperimenter. Dersom man forventer at risikoholdninger vil skape variasjon i resultatene fra et eksperiment, er et alternativ å bruke en mekanisme som gir subjektene monetære incentiver til å registrere sine riskikoholdninger på en oppriktig måte. En kan deretter kontrollere for variasjon i registrerte risikoholdninger når data fra eksperimentet analyseres. Det vil gå for langt å diskutere slike mekanismer her, men leseren vises til Holt & Laury (2002) for en stimulerende diskusjon av en slik mekanisme som stiller individene overfor valg i en meny av lotterier. Etableringseksperimentet La oss til sist se på et eksperiment som undersøker koordineringsvanskene i etableringspillet (Sundali et al 1995). Parametrene som ble brukt, var 19 18 17 16 15 14

Sum INN (M)

13 12 11 10 9 8 7 6 5 4 3 2 1 0 1

Kapasitet (k) Likevekt k - 1

Likevekt k

Kontroll

Behandling

Figur 1.2 Markedsetableringer (Basert på Sundali et al. 1995)

CD93 BOOK Arsak og tilfeldighet.indb 28

10.10.2016 15:12:33

K A P I T T E L 1 : i n n led n i n g

a = b = 1, r = 2 og n = 20. Det totale antall perioder var T = 60. Markedets kapasitet ble trukket tilfeldig ved inngangen til hver ny periode fra en uniform fordeling over de 10 oddetallene k ∈ (1, 3,..., 19). Eksperimentet hadde en kontrollgruppe hvor subjektene ikke ble gitt noen periodisk informasjon om belønninger eller antall subjekter som gikk inn i markedet. I behandlingsgruppen fikk subjektene informasjon ved slutten av hver periode om belønninger og antall subjekter som gikk inn. I tillegg fikk subjekter i behandlingsgruppen en historisk statistikk som viste disse størrelsene for alle forutgående perioder. Som allerede nevnt, er dette et design for å undersøke effektene av læring. 40 subjekter ble tilfeldig tilordnet kontroll- og behandlingsgruppe. Subjektene spilte så 10 serier à 60 perioder på denne måten. Antallet måter å spille i likevekt på følger en binomisk fordeling og stiger fra 21 måter (for k = 1) til 352 716 måter (for k = 11), deretter synker det til 210 måter (for k = 19). Resultatene av eksperimentet, aggregert over alle 10 serier for henholdsvis kontroll- og behandlingsgruppe, er vist i figur 1.2. I figuren er antall etablerere vist på y-aksen, mens tillatte k-verdier er vist på x-aksen. De røde og blå markeringene er likevektsverdiene. Gjennomsnittlig antall etableringer i kontrollgruppen (ingen læring) er vist ved den strekede linjen, mens det tilsvarende tallet for behandlingsgruppen (læring) er vist ved den prikkede linjen. Det som er slående, er hvor nær likevekt subjektene er. Selv i kontrollgruppen – hvor man aktivt forsøker å forhindre læring – ligger korrelasjonen mellom k og m mellom 0.91 og 0.93 i alle 10 serier (også den første). I likevekt skal denne korrelasjonen være lik 1. Daniel Kahneman, som gjennomførte det første etableringseksperimentet i 1988, karakteriserte denne adferdsregulariteten som «den reneste magi». Med læring er koordineringen nesten perfekt. Hvis man går dypere ned i tallmaterialet, vil man se at selv om den aggregerte adferden korresponderer bemerkelsesverdig godt med modellen, så gjør ikke adferden på mikronivå det. Spesielt kan en avkrefte at subjektene benytter samme strategi for samme k i ulike serier. En kan også avkrefte at subjektene spiller likevekten i blandede strategier. Antall etableringer er for alle k signifikant høyere enn de skulle ha vært dersom likevekten i blandede strategier genererte data. Enkle – ikke rasjonelle – læringsregler forklarer på sin side forskjellene mellom kontrollgruppe og behandlingsgruppe. Mer konkret gir en belønningsforsterkende regel god tilpasning til data.13 I en belønningsforsterkende 13 Denne læringsregelen ble først utforsket teoretisk og i eksperimenter av Roth & Erev 1995. Senere har Camerer & Ho 1999 drevet forskningen på læringsregler videre. Slike regler står i dag sentralt i mange forsøk på å forklare observert adferd i eksperimenter.

CD93 BOOK Arsak og tilfeldighet.indb 29

10.10.2016 15:12:34

ÅRSAK OG TILFELDIGHET

regel starter subjektene ut med gitte valgsannsynligheter for å gå inn i eller stå utenfor markedet. Deretter oppdateres valgsannsynlighetene dynamisk. For handlinger som har gitt høy historisk belønning, øker valgsannsynligheten. For handlinger som har gitt lav historisk belønning, synker valgsannsynligheten. Læringsregelen er mekanisk og rent bakoverskuende; det er ikke engang nødvendig for subjektene å ta hensyn til at de er i strategisk interaksjon med andre. Subjektene betraktes nå som rene stimuli-responsmaskiner, ikke langt fra «Pavlowske hunder». Et fenomen som i aggregat er den reneste magi kan altså på mikronivå forklares med adferd som ligger svært langt fra standard rasjonalitet.Vi kan si at markedet virker (over all forventning), men ikke av de grunner som standardmodellen skisserer. Historien er imidlertid ikke komplett. Også i kontrollgruppen – hvor læring er umuliggjort – er koordineringen betydelig. En god del av mirakelet forblir derfor uforklart. Fremtidige modellrevisjoner vil forhåpentligvis lykkes i å gi oss en prediksjon for koordinering i fravær av læringsmuligheter. En slik prediksjon kan deretter testes i nye eksperimenter. Validitet Det er vanlig å skille mellom ekstern og intern validitet. Intern validitet krever at eksperimentet gjennomføres slik at resultatene er gyldige. Når vi tester en modell i laboratoriet, krever dette for det første at vi oppnår kontroll, slik at modellen kan sies å være mimikert på en overbevisende måte i laboratoriet. For det andre kreves det at randomiseringen av subjekter på behandlinger ikke er korrumpert, slik at det vi identifiserer er kausaleffekter.Til sist kreves det at effektenes signifikansnivå er estimert på en forsvarlig måte. Mens de to første kravene er dekket tidligere i kapitlet, ligger det siste kravet utenfor rammen av denne boken.14 Resten av dette avsnittet er viet ekstern validitet. Hva er det? Ekstern validitet handler om generaliserbarheten til resultatene av et laboratorieeksperiment over ulike populasjoner, over ulike utvalg fra samme populasjon, og over ulike situasjoner. Det siste vedrører særlig spørsmålet om resultater fra laboratorieeksperimenter lar seg replikere i felteksperimenter. Kunstige omgivelser En vanlig innvending er at laboratorieeksperimenter har lav ekstern validitet fordi subjektene er i kunstige omgivelser som i liten grad ligner de beslutningssituasjoner som oppstår naturlig, og som subjektene har erfaring med. 14 Enkle, ikke-parametriske tester er utbredt i eksperimentell økonomi. Dette skyldes at kontroll og randomisering overflødiggjør avanserte økonometriske metoder med sterke forutsetninger om parameterfordelinger. Bhattacharyya & Johnson (1977) diskuterer noen vanlige ikke-parametriske tester på en instruktiv måte.

CD93 BOOK Arsak og tilfeldighet.indb 30

10.10.2016 15:12:34

K A P I T T E L 1 : i n n led n i n g

Dette er likevel ikke en tungtveiende innvending hvis hensikten med laboratorieeksperimentet er å teste en modell. Modeller bygger på generelle forutsetninger, og kommer ikke med noen merkelapp om at de ikke er gyldige i bestemte omgivelser, for eksempel i laboratoriet. Hvis vi mener omgivelsene er kunstige, så skyldes ikke dette at vi oppnår å mimikere modellen på en overbevisende måte i laboratoriet, men at modellen som mimikeres betraktes som «kunstig». Et synspunkt er at ekstern validitet ikke er nødvendig for laboratorie eksperimenter når hensikten er å avdekke generelle prinsipper, og at nettopp dette er hensikten i en stor klasse av eksperimenter (Camerer 2010; Falk & Heckman 2009). Ut fra denne synsvinkelen blir ekstern validitet først viktig når eksperimenter gjennomføres for å gi råd om hvordan konkrete institusjoner bør innrettes. Rådgivning er ikke et tema for denne boken. Også laboratorieeksperimenter er en del av en virkelig verden – en liten og kontrollert del av den virkelige verden. Den består av virkelige mennesker som står overfor virkelige incentiver og tar virkelige valg. Hvis innvendingene om en «kunstig» verden skal ha noe for seg, må de presiseres nærmere. I resten av avsnittet gjøres dette. Etterspørselseffekter Èn innvending mot laboratorieeksperimenter er at subjektenes adferd kan påvirkes av at de er under observasjon. I litteraturen kalles dette en etterspørselseffekt (eller også en «Hawthorne-effekt»). Man tenker seg at subjektene gjør seg opp en oppfatning om hvilken adferd eksperimentets administrator forventer, og så handler for å innfri eller fornekte denne forventningen. Ta ultimatumeksperimentet som eksempel. Kan observert sjenerøsitet skyldes at subjektene ønsker å fremstå for administrator som mer prososiale enn de i realiteten er?15 Enten fordi de antar at administrator vil ha slike resultater (konformisme), eller fordi de antar at administrator helst ikke vil ha slike resultater (anti-konformisme)? Kan observert sjenerøsitet skyldes at subjektene (feilaktig) tror at fremtidig deltakelse i eksperimenter er betinget av prososial adferd? Eksperimentell økonomi har utviklet noen standarder for å motvirke etterspørselseffekter. En første standard er at instruksjonene i laboratorie eksperimenter ikke nevner hva formålet med forskningen er, og at instruksjonene unngår bruk av ledende formuleringer og termer. Normen er at instruksjoner og programfiler for gjennomførte eksperimenter skal være tilgjengelige for andre forskere. Dette tilrettelegger for at 15 Med «prososiale» menes – litt løselig – individer som er «sjenerøse, tillitsfulle, parate til å vise seg tillit verdig, og parate til å straffe tillitsbrudd og gjerrighet, selv når dette reduserer egne materielle belønninger».

CD93 BOOK Arsak og tilfeldighet.indb 31

10.10.2016 15:12:34

ÅRSAK OG TILFELDIGHET

forskersamfunnet skal kunne slå ned på overtramp. I tillegg muliggjør det replikasjon av gjennomførte eksperimenter, med endrede formuleringer og termer, for å sjekke effekten av disse (se kapittel 3). I det typiske laboratorieeksperimentet er administrators rolle begrenset til å lese opp instruksjonene i starten av eksperimentet. Deretter overlates subjektene til seg selv, og de tar sine beslutninger i isolasjon bak skillevegger. Interaksjonen foregår oftest gjennom et nettverk av pc-er. Administrator forholder seg stille og ute av syne til alle beslutninger er tatt. Eksperimentet avsluttes med at subjektene mottar sine belønninger privat. Administrators intervensjon i det typiske laboratorieeksperimentet må sies å være minimal. En kan også gå lengre og sørge for at det ikke bare er full anonymitet subjekter imellom («single blind»), men også full anonymitet mellom subjekter og administrator («double blind»).16 Barmettler et al. (2012) undersøker effekten av administrator-subjektanonymitet i ultimatumspill og to andre typer spill (tillitsspill og diktatorspill, se kapittel 3), hvor talløse eksperimenter har gitt observert sjenerøsitet og tillit utover likevektsnivået med rasjonelle egoister. En kan mistenke at etterspørselseffekter vil gjøre seg særlig gjeldende her, fordi subjekter som i en helt anonym setting ikke ville vist prososial adferd, nødig vil fremstå som «antisosiale» når administrator kan observere dette. Eksperimentets design lyktes i å isolere effekten av subjekt-administrator-anonymitet. Behandlingseffekten er imidlertid meget liten i alle de tre spillene, og ikke signifikant i noen av dem.Ytterligere reduksjon i eventuelle etterspørselseffekter ser altså ikke ut til å oppnås gjennom å sikre subjekt-administrator-anonymitet. Det er likevel grunn til å understreke at dette er én enkelt studie, og at vi derfor må være forsiktige med å trekke for bastante konklusjoner. Selv om redselen for etterspørselseffekter kan være overdreven, er det vel slik at de fleste mennesker intuitivt har en oppfatning av at vi kan oppføre oss annerledes dersom vi observeres. I eksperimentene er vi for øvrig interessert i å undersøke forskjellen mellom eksperiment og kontrollgruppe. Dersom etterspørselseffektene er de samme over disse to gruppene vil vi fortsatt observere en

16 Når eksperimentet gjennomføres i et nettverk av pc-er kan dette for eksempel gjøres ved at hvert subjekt trekker et femsifret og tilfeldig generert nummer fra en urne på vei inn i laboratoriet. Samtidig trekker subjektet et nummer fra en annen urne svarende til en nummerert plass i laboratoriet. Subjektet registrerer ikke sitt navn på noe tidspunkt i eksperimentet, men bruker det femsifrede nummeret som identifikasjon. Belønninger beregnes i maskinvaren og knyttes til de femsifrede nummerene. På vei ut av laboratoriet utveksles penger mot femsifrede nummer uten at administrator og subjekt kan se hverandre (gjennom en slisse i en vegg). Også for manuelle eksperimenter finnes det metoder som sikrer administrator-subjekt-anonymitet (Hoffman et al. 1996).

CD93 BOOK Arsak og tilfeldighet.indb 32

10.10.2016 15:12:34

K A P I T T E L 1 : i n n led n i n g

forskjell om den er der, såfremt subjektene ikke kjenner den hypotesen som forskeren ønsker å undersøke. En måte å omgå etterspørselseffekter på er å gjennomføre felteksperimenter. I et felteksperiment randomiseres mennesker i sitt naturlige miljø inn i kontroll- og behandlingsgrupper, uten å vite at de er deltakere i et eksperiment. Enkelte fremholder at dette favoriserer felteksperimenter (Lewitt & List 2007 a,b). Felteksperimenter fordrer at det etableres et samarbeid mellom forskeren og den institusjonen som har myndighet til å manipulere incentiver for grupper av mennesker på en tilfeldig måte. Dersom randomiseringen til kontroll- og behandlingsgruppe(r) ikke korrumperes, kan det trekkes kausalslutninger med samme sikkerhet som i et laboratorieeksperiment. I et felteksperiment kan en imidlertid ikke oppnå samme grad av kontroll som i et laboratorieeksperiment. Felteksperimenter gir også mindre mulighet for replikasjon enn laboratorieeksperimenter, blant annet fordi de er betydelig mer kostbare og kompliserte å gjennomføre. Den kanskje mest berømte studien av etterspørselseffekter er belysningseksperimentene som ble gjennomført på Hawthorne-fabrikken (en telefonprodusent) i Chicago i 1924. Eksperimentene varierte styrken på lyset i fabrikkhallen. Det viste seg at arbeidernes produktivitet øke når lyset ble dimmet, men også når det ble skrudd opp. I det hele tatt økte produktiviteten dersom noe skjedde med lyset. Konklusjonen som ble trukket, var at arbeidernes produktivitet ikke svingte fordi lyset hadde noen effekt, men fordi manipulasjon av lyset gjorde arbeiderne på fabrikken oppmerksomme på at de ble observert. For ikke lenge siden ble data fra Hawthorne-eksperimentet gjenfunnet i to arkiver i henholdsvis Milwaukee og Boston. Dette tillot en reanalyse av data (Levitt & List 2011). I reanalysen av data er imidlertid ikke forskerne i stand til å finne noen effekt av variasjonene i lyssettingen i fabrikklokalene.Ved å se på produktivitetsendringer i en periode før lyssettingseksperimentet ble gjennomført, finner en de samme svingningene i produktivitet over ukedager som i eksperimentperioden: høy produktivitet på mandager, deretter fallende utover uken. Forskerne noterer seg også at produktiviteten falt på sommeren, selv om det ikke ble gjennomført eksperimenter med lyssettingen om sommeren.17 Svake incentiver En innvending mot laboratorieeksperimenter er at det står for lite på spill til å incentivere subjektenes handlinger. I en rekke eksperimenter har betyde17 En siste påstand fra Hawthorne-eksperimentet – som ikke er en påstand om etterspørselseffekter – var at variasjon i kunstig lys hadde større effekt på produktiviteten enn naturlig lys. Heller ikke denne påstanden finner forskerne fast belegg for i data.

CD93 BOOK Arsak og tilfeldighet.indb 33

10.10.2016 15:12:34

ÅRSAK OG TILFELDIGHET

lige beløp derfor blitt satt på spill for å sjekke holdbarheten til denne innvendingen. Laboratorie-eksperimenter har blitt gjennomført med mer enn en gjennomsnittlig månedslønn på spill (Fehr & Tougareva 1995, Slonim & Roth 1998). Resultatene er ikke vesensforskjellige fra dem man får med noen hundrelapper i potten. Andre eksperimenter finner at frekvensen av feil i ferdighetstester ikke synker systematisk med hvor mye som står på spill (Ariely et al. 2008). Det er heller ikke slik at det står særlig mye på spill i alle beslutninger vi fatter i naturlige situasjoner. For eksempel fatter vi, som konsumenter, hver eneste dag en rekke beslutninger som har små monetære konsekvenser. I kapittel 3 diskuterer vi et eksperiment hvor det sto virkelig mye på spill. Her nøyer vi oss med å slå fast at det ikke ser ut til å være store adferdseffekter av belønningens størrelse innenfor et bredt intervall. Kort tidsspenn Nok en innvending mot laboratorieeksperimenter er at disse foregår over et kort tidsspenn – en time eller to. Dette kan gi eksperimentene begrenset overføringsverdi til naturlig forekommende situasjoner, hvor individene gjerne opererer over lang tid, ofte over år, med de konsekvenser dette har for læring og adferdstilpasninger. Det er derfor ikke sikkert at de effektene en finner i kontrollerte laboratorieeksperimenter er varige. Det er ikke så lett å se for seg at man skulle kunne holde subjekter i et laboratorium over virkelig lang tid for å oppnå kontroll på dette punktet. I kapittel 5 diskuterer vi et felteksperiment som antyder at innvendingen om kort tidsspenn må tas på alvor, i det minste i noen grupper av beslutningssituasjoner. Ikke representativt utvalg Det har vært fremholdt at laboratorieeksperimenter ikke generaliserer til relevante beslutningstakere utenfor laboratoriet fordi eksperimentene i overveiende grad bruker studenter som subjekter. Igjen kan man sjekke dette i laboratoriet, og det finnes en rekke studier som sammenligner subjektgrupper. For eksempel har en undersøkt studenter og foretaksledere i koordineringseksperimenter (Cooper 2006, Cooper et al. 1999); studenter og erfarne entreprenører i auksjonseksperimenter (Dyer et al. 1989); forretningsmenn og studenter i eksperimentelle markeder (Dejong & Forsythe 1986); studenter og offentlige tjenestemenn i korrupsjonseksperimenter (Alantas et al. 2006); studenter og erfarne opsjonsmeglere i opsjonsprisingseksperimenter (Abbik & Rockenbach 2006); studenter og profesjonelle fotballspillere i nullsumeksperimenter (Wooders 2010); studenter og profesjonelle lobbyister i lobbyeksperimenter (Potters & van Winden 2000) – for å nevne noen få. Oftest er behandlingseffektene små i slike eksperimenter, så denne innvendingen har ikke så mye for seg som en generell innvending mot laboratorieeksperimenter.

CD93 BOOK Arsak og tilfeldighet.indb 34

10.10.2016 15:12:34

K A P I T T E L 1 : i n n led n i n g

Et antall eksperimenter har sammenlighet graden av prososial adferd mellom studenter og tilfeldige utvalg av personer trukket fra befolkningen i bredt (Egas & Riedl 2008, Dohmen et al. 2008, Belot et al. 2010). Konklusjonen fra disse eksperimentene er at, om noe, så ser prososial adferd ut til å være mer utbredt i befolkningen enn i gruppen av studenter. Også seleksjonseffekter i gruppen av studenter som melder seg for å delta i laboratorieeksperimenter er undersøkt (Cleave et al. 2011, Falk et al. 2013). Resultatene tyder ikke på at det er de mer prososiale studentene, eller studenter med avvikende risikoholdninger, som typisk sett velger å delta i laboratorieeksperimenter. Det finnes til sist en litteratur som gjennomfører kontrollerte laboratorieeksperimenter i ulike kulturer. «Kultur» defineres vanligvis meget bredt.18 Dette gjør det vanskelig å ha en formening om hvilke adferdseffekter det har å tilhøre én kultur fremfor en annen. Kontrollerte laboratorieeksperimenter åpner en mulighet for å studere dette, ved at samme eksperiment gjennomføres (på nøyaktig samme måte) i ulike kulturer. Innsikten fra slike studier er at forskjellene mellom studentpopulasjoner i industrialiserte demokratier er liten i enkle forhandlings- og markedsspill (Roth et al. 1991). Forskjellene i forhandlingsadferd over små, uutviklede stammer er imidlertid betydelige (Henrich et al. 2004). I kapittel 5 diskuterer vi en studie som ser på hvordan variasjon i samarbeid og straffeadferd varierer over kulturer. Oppsummering Kjernen i eksperimentell forskning er tilfeldig tilordning av subjekter til behandlingsgruppe(r) og kontrollgruppe. Dette tillater en å trekke slutninger om årsaksforhold. Når eksperimenter gjennomføres i laboratorieomgivelser, kan en i tillegg oppnå en stor grad av kontroll. Dette tillater en å studere betydningen av sann eksogen variasjon i variable av interesse, slik som institusjoner, preferanser og informasjonsstruktur. Variasjonen er sann eksogen fordi den bestemmes av forskeren selv, ved at han eller hun skaper variasjon i de variablene det er av interesse å studere. Laboratorieeksperimenter er særlig verdifulle når en ønsker å studere generelle prinsipper for menneskelig adferd. I samfunnsvitenskapene er en spesielt interessert i situasjoner der mennesker samhandler strategisk med hverandre. Slike situasjoner formaliseres i spillmodeller. Det finnes et register av slike modeller som søker å forklare fenomener av høyst ulik karakter, fra markeds- og forhandlingsadferd, via produksjon av fellesgoder i grupper, til stemmegivning og partikonkurranse i demokratier. Modellene tar utgangs18 For eksempel heter det i Engelstad & Østeberg (1995) at kultur er «...helheten av et samfunns eller en gruppes normer av alle slag, dets kunnskaper og trosforestillinger, dets oppfatninger av godt og ondt, stygt og pent, språket og andre tegnsystemer».

CD93 BOOK Arsak og tilfeldighet.indb 35

10.10.2016 15:12:34

ÅRSAK OG TILFELDIGHET

punkt i individuelle incentiver og forklarer fenomener på gruppenivå, så som priser og omsetning, forhandlingsresultater, fremvekst av sosiale normer og kåring av valgvinnere. Modellene er stiliserte og forenklede. Noen vil si at dette er deres fremste styrke, fordi det tillater oss å trekke presise slutninger fra dem. Slutningene formuleres som likevekter. Dette er prediksjoner om hvor menneskelig adferd vil stabilisere seg under et sett av identifiserbare betingelser. I laboratoriet kan en teste slike prediksjoner på en kontrollert måte. Slik kan en vinne innsikt i hvor godt modellens prediksjoner treffer adferden til faktiske mennesker når disse stilles overfor en incentivstruktur som svarer til modellens. Er man utrygg på om et eksperiment er godt kontrollert, kan det kontrolleres bedre og replikeres. Over tid vil det utkrystallisere seg replikerbare adferdsmønstre. Noen ganger vil disse ligge tett opp til modellens prediksjoner. Andre ganger vil de ligge langt fra. Dette vil pirre forskere til å revidere den opprinnelige modellen, for å få den til å overenstemme bedre med observerte adferdsmønstere. Men selv der adferden samsvarer med modellprediksjonen kan det være at samsvaret drives frem av andre krefter enn de modellen skisserer. Dette kan undersøkes ved å gå ned under de aggregerte resultatene og studere adferden på mikronivå. Vekselvirkningen mellom eksperimentell forskning og modellutvikling har vist seg fruktbar. I boken skal vi se en rekke eksempler på dette.

Litteratur Abbink, K. & B. Rockenbach (2006): Option Pricing by Students and Professional Traders: A Behavioral Investigation. Managerial and Decision Economics 27:497510. Angrist, J. & J.-S. Pischke (2009): Mostly harmless econometrics. An empirisist’s companion. Princeton: Princeton University Press. Atlas, V., L. Cameron, A. Chaudhuri, N. Erkal & L. Gangadharan (2006): Subject Pool Effects in a Corruption Experiment: A Comparision of Indonesian Public Servants and Indonesian Students. Research Paper No.975: Department of Economics/ University of Melbourne. Barmettler, F., E. Fehr & C. Zehnder (2012): Big experimenter is watching you! Anonymity and prosocial behavior in the laboratory. Games and Economic Behavior 75(1):17-34. Berg, J, T. Rietz & J. Dickhaut (2008): On the performance of the lotteryprocedure for controlling risk preferences. I. C. Plot & V. Smith (red) Handbook of Experimental Economics Results.Volume 1. Amsterdam: North-Holland. Belot, M., R. Duch, and L. Miller (2010): Who should be called to the lab? A comprehensive comparison of students and non-students in classic experimental games. Discussion Papers 2010:001. University of Oxford: Nuffield College.

CD93 BOOK Arsak og tilfeldighet.indb 36

10.10.2016 15:12:35

K A P I T T E L 1 : i n n led n i n g

Bhattacharyya, G. & R. Johnson (1977): Statistical Concepts and Methods. John Wiley & Sons: New York. Camerer, C. (2011): The promise and success of lab-field generalizability in experimental economics: A critical reply to Levitt and List. SSRN working paper. Camerer, C. & T. Ho (1999): Experience-weighted attraction learning in normalform games. Econometrica 67:824:74. Camerer, C., T. Ho & K. Chong (2002): Sophisticated experience-weighted attraction learning and strategic teaching in repeated games. Journal of Economic Theory 104:137-88. Cleave, B., N. Nikiforakis & R. Slonim (2011): Is There Selection Bias in Laboratory Experiments? The Case of Social and Risk Preferences. IZA Working Paper No.5488. Cooper, D. (2006): Are Experienced Managers Experts at Overcoming Coordination Failure? The B.E. Journal of Economic Analysis & Policy, Berkeley Electronic Press 0(2). Cooper, D., J. Kagel, W. Lo & Q. Liang Gu (1999): Gaming Against Managers in Incentive Systems: Experimental Results with Chinese Students and Chinese Managers. American Economic Review 89(4):781-804. Dejong, D. & R. Forsythe (1988): A note on the use of businessmen as subjects in sealed offer markets. Journal of Economic Behavior and Organization 9:87-100. Dohmen, T., A. Falk, D. Huffman, & U. Sunde (2008): Representative Trust And Reciprocity: Prevalence And Determinants. Economic Inquiry 46:84-90. Dyer, D., J. Kagel & D. Levin (1989): A Comparison of Naive and Experienced Bidders in Common Value Offer Auctions: A Laboratory Analysis. The Economic Journal 99(394):108-15. Egas, M. & A. Riedl (2008): The economics of altruistic punishment and the maintenance of cooperation. Proceedings of the Royal Society - Biological Sciences 871-78. Engelstad, F. & D. Ă˜sterberg (1995): Samfunnsformasjonen. En innfĂ¸ring i sosiologi. Oslo Pax. Falk A., S. Meier & C. Zehnder (2013): Do lab experiments misrepresent social preferences? The case of self-selected student samples. Journal of the European Economic Association 11(4):839-52. Falk, A. & J. Heckman (2009): Lab experiments are a major source of knowledge in the social sciences. Science 326:535-53. Henrich, J., R. Boyd, S. Bowles, C. Camerer, E. Fehr & H. Gintis (2004): Foundations of Human Sociality. Economic Experiments and Ethnographic Evidence from Fifteen Small-Scale Societies. Oxford: Oxford University Press. Hoffman, E., K. McCabe & V. Smith (1996): Social Distance and Other-Regarding Behavior in Dictator Games. American Economic Review 86(3):653-60. Holt, D. & S. Laury (2002): Risk Aversion and Incentive Effects. American Economic Review 92(5):1644-55. Kahneman, D. (1988): Experimental economics: A psychological perspective. I: R. Tietz, W. Albers & R. Selten (red) Bounded Rational Behavior in

CD93 BOOK Arsak og tilfeldighet.indb 37

10.10.2016 15:12:35

ÅRSAK OG TILFELDIGHET

Experimental Games and Markets: Proceedings of the Fourth Conference on Experimental Economics. Berlin: Springer-Verlag. Levitt, J. & S. List (2011): Was There Really a Hawthorne Effect at the Hawthorne Plant? An Analysis of the Original Illumination Experiments. American Economic Journal: Applied Economics 3:224-38. Levitt, J. & S. List (2007a): What do laboratory experiments measuring social preferences reveal about the real world? The Journal of Economic Perspectives 21(2):15374. Levitt, J. & S. List (2007b):Viewpoint: on the generalizability of lab behavior to the field. Canadian Journal of Economics 40:347-70. Milgram, S.(1963): Behavioural Study of Obedience. Journal of Abnormal and Social Psychology 67:371-78. Potters, J. & F. van Winden (2000): Professionals and students in a lobbying experiment. Professional rules of conduct and subject surrogacy. Journal of Economic Behavior and Organization 43(4):499-522. Plott, C. (1995): Industrial Organization:A Survey of Laboratory Research. I: J. Kagel & A. Roth (red.) The Handbook of Experimental Economics. Priceton: Princeton University Press. Selten, R. & W. Güth (1982): Equilibrium point selection in a class of market entry games. I: M. Dreistler, E. Fürst & G. Schwödiauer (red.) Games Economic Dynamics, Time Series Analysis: A Symposium in Memoriam of Oskar Morgenstern. Physica-Verlag: Berlin. Rapoport, A, D. Seale, I Erev & J. Sundali (1998): Play in Large Group Market Entry Games. Management Science 44(1):119-41. Roth, A., V. Prashnikar, M. Okuno-Fujiwara & S. Zamir (1991): Bargaining and market behavior in Jerusalem, Lubljana, Pittsburg, and Tokyo. American Economic Review 81(5):1068-95. Roth, A. & M. Malouf (1979): Game-theoretic models and the role of bargaining. Psychological Review 86:574-94. Rubin, D. (1974): Estimating Causal Effects of Treatments in Randomized and Nonrandomized Studies. Journal of Educational Psychology 66:688-701. Smith, V. (1982): Microeconomic Systems as an Experimental Science. American Economic Review 72(5):923-55. Sundali, J., A. Rapoport & D. Seale (1995): Coordination in market entry games with symmetric players. Organizational Behavior and Human Decision Processes 64:203-18. Wooders, J. (2010): Does Experience teach? Professionals and Minimax Play in the Lab. Econometrica 78(3):1143-54.

CD93 BOOK Arsak og tilfeldighet.indb 38

10.10.2016 15:12:35