Una delle prime cose che insegniamo agli studenti di economia è la legge della domanda: quando il prezzo di un bene aumenta, la quantità domandata tende a diminuire. È una relazione intuitiva, che descrive un meccanismo fondamentale del funzionamento dei mercati. Naturalmente, aggiungiamo subito una precisazione: a parità di altre condizioni.
Questa precisazione accompagna buona parte delle teorie economiche. Ed è forse una delle espressioni più importanti della nostra disciplina.
Prendiamo il consumo di caffè. Se il prezzo di un espresso raddoppiasse, probabilmente molte persone ne berrebbero meno. Altre continuerebbero a consumarne esattamente la stessa quantità. Qualcuno potrebbe rinunciare al caffè al bar e prepararselo a casa. Le reazioni dipenderebbero dal reddito, dalle abitudini, dalla disponibilità di alternative e dall’importanza che attribuiamo a quel piccolo rito quotidiano.
La teoria economica ci aiuta a organizzare queste risposte e a comprenderne le ragioni. Per prevedere quanto cambieranno effettivamente i consumi, però, abbiamo bisogno di conoscere qualcosa di più sulle persone e sul contesto in cui prendono le loro decisioni.
Questo problema attraversa tutta l’economia e diventa particolarmente interessante quando cerchiamo di utilizzare le nostre conoscenze per prevedere il comportamento umano o progettare politiche pubbliche.
Pensiamo a un esempio che riguarda l’energia.
Nell’Ottocento, l’economista William Stanley Jevons osservò un fenomeno apparentemente paradossale. Il miglioramento dell’efficienza delle macchine a vapore rendeva possibile produrre la stessa quantità di energia utilizzando meno carbone. Ci si sarebbe potuti aspettare una riduzione dei consumi. Invece, rendendo l’energia meno costosa, quelle innovazioni favorivano nuove applicazioni industriali e una maggiore domanda di carbone.
Il fenomeno è diventato noto come paradosso di Jevons e continua a essere rilevante nel dibattito sulla transizione energetica.
Quando acquistiamo un’automobile che consuma meno carburante, il costo di ogni chilometro diminuisce. Questo risparmio potrebbe indurci a utilizzare l’auto più frequentemente. Una parte del beneficio energetico viene così assorbita da un cambiamento del comportamento. Gli economisti chiamano questo fenomeno effetto rimbalzo.
Naturalmente, l’intensità dell’effetto varia. Dipende dal costo del carburante, dal reddito, dalla disponibilità di mezzi di trasporto alternativi e da molti altri fattori. In alcune circostanze il risparmio energetico rimane considerevole, in altre viene ridotto in misura significativa. Un aumento del consumo complessivo rappresenta un caso particolare, non la conseguenza inevitabile di una maggiore efficienza.
L’aspetto interessante è che un miglioramento tecnologico modifica anche gli incentivi economici. E quando cambiano gli incentivi, le persone possono cambiare le proprie decisioni.
Qualcosa di simile accade quando le istituzioni introducono nuovi sistemi di valutazione.
Immaginiamo una scuola in cui la qualità dell’insegnamento venga misurata attraverso i risultati degli studenti in un test standardizzato. All’inizio, il punteggio può essere un indicatore ragionevole delle competenze acquisite. Se però la reputazione della scuola, i finanziamenti e le prospettive di carriera degli insegnanti cominciano a dipendere direttamente da quel risultato, è probabile che cambi anche il modo di insegnare.
Una parte crescente del tempo potrebbe essere dedicata alla preparazione del test. Gli studenti potrebbero ottenere punteggi migliori senza sviluppare nella stessa misura altre competenze importanti.
È un esempio della cosiddetta legge di Goodhart, secondo cui una misura tende a perdere parte del proprio valore informativo quando diventa un obiettivo.
Il fenomeno riguarda moltissimi ambiti. Nelle università utilizziamo indicatori bibliometrici per valutare la ricerca. Negli ospedali misuriamo i tempi di attesa e il numero di prestazioni. Nelle imprese valutiamo la produttività attraverso indicatori quantitativi. Ogni sistema di misurazione crea incentivi e questi incentivi possono influenzare proprio le attività che vogliamo valutare.
Per comprendere gli effetti di una politica dobbiamo quindi considerare anche il modo in cui le persone reagiranno alla sua introduzione.
La macroeconomia offre uno degli esempi storici più importanti di questo problema.
Alla fine degli anni Cinquanta, l’economista William Phillips documentò una relazione inversa tra disoccupazione e crescita dei salari nominali nel Regno Unito. Negli anni successivi, questa relazione venne estesa al rapporto tra disoccupazione e inflazione e interpretata come un possibile compromesso a disposizione dei responsabili della politica economica.
L’idea era che un governo potesse accettare un’inflazione leggermente più elevata in cambio di una disoccupazione più bassa.
Negli anni Settanta, però, molte economie sperimentarono contemporaneamente inflazione elevata e disoccupazione elevata. La relazione osservata nei decenni precedenti non sembrava più funzionare come previsto.
Il dibattito che ne seguì contribuì a trasformare profondamente la macroeconomia. Un elemento centrale riguardava il ruolo delle aspettative. Se lavoratori e imprese anticipano un aumento dell’inflazione, modificano le proprie richieste salariali e le decisioni sui prezzi. Una politica che inizialmente produce determinati effetti può diventare meno efficace quando gli individui imparano ad anticiparla.
Robert Lucas sviluppò questa intuizione in una critica destinata a diventare fondamentale per la valutazione delle politiche economiche. Le relazioni statistiche osservate nel passato possono cambiare quando cambia il regime di politica economica, perché le persone adattano le proprie decisioni al nuovo contesto.
Questo è un aspetto affascinante dell’economia. Le persone osservano ciò che accade, imparano dall’esperienza, formano aspettative e modificano il proprio comportamento. Anche le politiche economiche diventano parte dell’ambiente a cui gli individui reagiscono.
Per chi si occupa di economia sperimentale, tutto questo solleva una questione importante.
Negli ultimi decenni abbiamo fatto enormi progressi nella capacità di identificare relazioni causali. Gli esperimenti randomizzati permettono di confrontare gruppi di individui che, grazie all’assegnazione casuale, differiscono sistematicamente per il trattamento ricevuto. Possiamo così stimare l’effetto di un incentivo, di un programma educativo o di una modifica delle regole decisionali.
Ma quanto impariamo davvero da un esperimento che ci dice soltanto che un intervento ha funzionato?
Supponiamo di osservare che le persone diventano più cooperative quando possono vedere le decisioni degli altri. È un risultato interessante, ma lascia aperte diverse spiegazioni.
Forse gli individui desiderano costruirsi una buona reputazione. Forse osservare il comportamento altrui rafforza una norma sociale. Oppure le informazioni sulle scelte degli altri modificano le aspettative sulla probabilità di ricevere cooperazione.
Per distinguere queste spiegazioni possiamo progettare esperimenti che modificano separatamente la visibilità delle decisioni, le informazioni disponibili e le possibilità di interazione futura.
A quel punto, la ricerca comincia a dirci qualcosa sui meccanismi che generano la cooperazione. E conoscere quei meccanismi diventa essenziale quando vogliamo capire se un risultato potrà ripetersi in un’altra situazione.
Un intervento che sfrutta la reputazione, per esempio, potrebbe funzionare in una piccola comunità in cui le persone interagiscono frequentemente e avere effetti molto diversi in un ambiente anonimo. Se invece il comportamento dipende soprattutto dalle aspettative sulla cooperazione altrui, potrebbero essere le informazioni disponibili a fare la differenza.
La distinzione conta anche per la progettazione delle politiche pubbliche. Un risultato sperimentale positivo rappresenta un punto di partenza. Prima di estendere un intervento a una popolazione più ampia, dobbiamo chiederci quali caratteristiche abbiano contribuito al suo successo e se saranno presenti anche nel nuovo contesto.
Questo problema viene generalmente discusso in termini di validità esterna, cioè della possibilità di generalizzare i risultati di uno studio ad altre popolazioni, situazioni o periodi.
È una questione che meriterebbe maggiore attenzione già nella fase di progettazione degli esperimenti. Spesso scegliamo un trattamento, identifichiamo un gruppo di controllo e ci concentriamo sulla stima dell’effetto medio. Solo successivamente discutiamo le condizioni nelle quali il risultato potrebbe essere replicato.
Eppure, sapere che un intervento produce un effetto medio positivo può essere poco informativo se quell’effetto nasconde risposte molto diverse tra individui o situazioni.
Pensiamo agli incentivi economici. Un pagamento può aumentare la partecipazione a un’attività, ma il risultato dipende anche dalle motivazioni iniziali delle persone, dal significato attribuito al pagamento e dalle norme sociali che regolano quel comportamento.
In alcuni casi, introdurre una ricompensa monetaria può persino ridurre la motivazione a svolgere un’attività che prima veniva compiuta spontaneamente. In altri, gli incentivi monetari funzionano molto bene. La letteratura economica ha documentato entrambi i fenomeni.
Capire quali condizioni favoriscono una risposta oppure l’altra è fondamentale sia per la teoria sia per le applicazioni.
Naturalmente, esiste anche un rischio. Se ogni volta che un risultato non viene replicato ci limitiamo ad attribuire la differenza al contesto, finiamo per rendere le nostre spiegazioni difficili da verificare.
Il contesto può includere praticamente qualsiasi cosa: caratteristiche individuali, istituzioni, cultura, informazioni, esperienze precedenti. Richiamarlo genericamente non ci aiuta a capire quali fattori siano davvero rilevanti.
Il lavoro scientifico richiede di identificare questi fattori, formulare ipotesi e verificare se producono le differenze previste.
Se pensiamo che l’esperienza modifichi una determinata scelta, dovremmo essere in grado di prevedere come il comportamento cambierà al crescere dell’esperienza. Se crediamo che una norma sociale influenzi la cooperazione, dovremmo cercare situazioni nelle quali quella norma varia e verificare se il comportamento cambia nella direzione attesa.
Questo modo di procedere permette di accumulare conoscenza. Ogni esperimento contribuisce a chiarire quali meccanismi sono importanti, quali ipotesi trovano sostegno nei dati e quali devono essere riviste.
C’è una differenza sostanziale tra spiegare un risultato dopo averlo osservato e formulare una previsione che potrebbe rivelarsi sbagliata. La seconda attività è quella che rende una teoria scientificamente utile.
Forse dovremmo prestare maggiore attenzione a questo aspetto anche quando comunichiamo i risultati della ricerca economica.
Un titolo come “Gli incentivi economici aumentano la cooperazione” è semplice e immediato. Ma può nascondere una realtà molto più interessante. Quali incentivi? Quanto grandi? Per quali persone? In quali circostanze? E attraverso quali meccanismi?
Le risposte a queste domande sono spesso più importanti dell’effetto medio che ha attirato inizialmente la nostra attenzione.
L’economia dispone di teorie capaci di spiegare una grande varietà di fenomeni, dalle scelte individuali al funzionamento dei mercati, dalle decisioni delle imprese agli effetti delle politiche pubbliche. La loro utilità dipende anche dalla precisione con cui sappiamo identificare le condizioni nelle quali le previsioni sono valide.
La ricerca sperimentale può svolgere un ruolo decisivo in questo processo, soprattutto quando viene utilizzata per mettere alla prova i meccanismi proposti dalla teoria e non soltanto per misurare l’efficacia di un singolo intervento.
In fondo, la domanda che dovrebbe guidarci è semplice: quanto di quello che abbiamo imparato studiando un gruppo di persone, in un determinato momento e in una particolare situazione, ci aiuta a comprendere ciò che accadrà altrove?
È una domanda difficile. Ed è proprio per questo che vale la pena continuare a studiarla.
