รางวัลโนเบลสาขาเศรษฐศาสตร์ประจำปี 2019 มอบให้กับนักวิจัย 3 คนสำหรับ “แนวทางการทดลองเพื่อบรรเทาความยากจนทั่วโลก” ซึ่งหนึ่งในนั้น “พลิกโฉมเศรษฐศาสตร์การพัฒนา” การทดลองสุ่มคืออะไร? และเหตุใดพวกเขาจึงมีอิทธิพลอย่างมากต่อเศรษฐศาสตร์การพัฒนา? การพัฒนาคุณภาพชีวิต โดยเฉพาะอย่างยิ่งสำหรับคนยากจน ถือเป็นหนึ่งในวัตถุประสงค์หลักของสังคมสมัยใหม่ การทำเช่นนั้นต้องมีความมั่งคั่งระดับหนึ่ง นักเศรษฐศาสตร์หมกมุ่นอยู่กับความเข้าใจมานานหลายศตวรรษว่าเหตุใด
บางประเทศจึง “พัฒนา” ทางเศรษฐกิจและบางประเทศไม่เป็นเช่นนั้น
แต่คำถามที่ตามมาในทันทีก็คือ จะทำอะไรได้บ้างในปัจจุบัน? โดยเฉพาะอย่างยิ่ง นโยบายใดที่ประเทศพัฒนาน้อยควรใช้เพื่อพัฒนาชีวิตความเป็นอยู่ของประชาชน Arthur Lewis ชาวเซนต์ลูเซียได้รับรางวัล โนเบล สาขาเศรษฐศาสตร์ในปี 1979 นี่เป็นการยอมรับการศึกษาของเขาเกี่ยวกับวิธีที่ประเทศที่มีแรงงานไม่จำกัด – เช่นเดียวกับประเทศกำลังพัฒนาจำนวนมาก – สามารถพัฒนาเศรษฐกิจได้
มุมมองหนึ่งของความท้าทายของการพัฒนาคือการตอบคำถามเชิงสาเหตุโดยพื้นฐานแล้ว หากประเทศใดนำนโยบายใดนโยบายหนึ่งไปใช้ จะทำให้การเติบโตทางเศรษฐกิจเพิ่มขึ้น ความยากจนลดลง หรือความเป็นอยู่ที่ดีขึ้นของพลเมืองในด้านอื่นๆ หรือไม่
ในช่วงไม่กี่ทศวรรษที่ผ่านมา นักเศรษฐศาสตร์มีความกังวลเกี่ยวกับความน่าเชื่อถือของวิธีการที่ใช้ก่อนหน้านี้ในการระบุความสัมพันธ์เชิงสาเหตุ นอกเหนือจากข้อกังวลด้านระเบียบวิธีดังกล่าวแล้ว บางคนแย้งว่า “ทฤษฎีการพัฒนาที่ยิ่งใหญ่” ไม่ถูกต้องหรืออย่างน้อยก็ล้มเหลวในการปรับปรุงที่มีความหมายในประเทศกำลังพัฒนาหลายแห่ง ตัวอย่างที่เห็นได้ชัดเจนสองตัวอย่างคือแนวคิดที่ว่าประเทศกำลังพัฒนาอาจติดอยู่ในกับดักความยากจนที่ต้องการ “แรงผลักดันครั้งใหญ่ ” เพื่อหลีกหนี และมุมมองที่ว่าสถาบันต่างๆเป็นกุญแจสำคัญสำหรับการเติบโตและการพัฒนา
ความกังวลเกี่ยวกับวิธีการและนโยบายเหล่านี้ทำให้พื้นที่อุดมสมบูรณ์สำหรับการทดลองแบบสุ่มในเศรษฐศาสตร์การพัฒนา กระแสความสนใจในแนวทางการทดลองทางเศรษฐศาสตร์เริ่มขึ้นในช่วงต้นทศวรรษที่ 1990 นักวิจัยเริ่มใช้ “การทดลองตามธรรมชาติ” ซึ่งยกตัวอย่างเช่น การแปรผันแบบสุ่มเป็นส่วนหนึ่งของนโยบายแทนที่จะตัดสินใจโดยนักวิจัย เพื่อดูสาเหตุ
แต่มันรวบรวมโมเมนตัมในยุค 2000 โดยนักวิจัยเช่นผู้ได้รับรางวัล
โนเบลได้ออกแบบและดำเนินการทดลองเพื่อศึกษาคำถามทางเศรษฐศาสตร์จุลภาคที่หลากหลาย
การทดลองเหล่านี้สุ่มจัดสรรการรักษาให้กับสมาชิกบางคนในกลุ่ม และเปรียบเทียบผลลัพธ์กับสมาชิกคนอื่นๆ ที่ไม่ได้รับการรักษา ตัวอย่างเช่น เพื่อทดสอบว่าการให้สินเชื่อช่วยให้บริษัทขนาดเล็กเติบโตหรือเพิ่มโอกาสในการประสบความสำเร็จหรือไม่ นักวิจัยอาจร่วมมือกับสถาบันการเงินและจัดสรรสินเชื่อแบบสุ่มให้กับผู้สมัครที่ตรงตามข้อกำหนดพื้นฐานบางประการ จากนั้นอีกหนึ่งปีต่อมา ผู้วิจัยจะเปรียบเทียบการเปลี่ยนแปลงในการขายหรือการจ้างงานในบริษัทขนาดเล็กที่ได้รับเครดิตกับบริษัทที่ไม่ได้รับ
การทดลองแบบสุ่มไม่ใช่วิธีการวิจัยใหม่ พวกเขาเป็นที่รู้จักกันดีที่สุดสำหรับใช้ในการทดสอบยาใหม่ การทดลองทางการแพทย์ครั้งแรกที่ใช้การสุ่มแบบควบคุมเกิดขึ้นหลังจากสงครามโลกครั้งที่สอง รัฐบาลอังกฤษใช้เพื่อประเมิน ประสิทธิผลของยารักษาวัณโรค
ในช่วงต้นศตวรรษที่ 20และกลางศตวรรษที่ 20นักวิจัยชาวอเมริกันได้ใช้การทดลองเช่นนี้เพื่อตรวจสอบผลกระทบของนโยบายทางสังคมต่างๆ ตัวอย่าง ได้แก่ การคุ้มครองรายได้และที่อยู่อาศัยทางสังคม
การนำวิธีการเหล่านี้มาใช้ในเศรษฐศาสตร์การพัฒนายังตามมาด้วยการเพิ่มขึ้นของการใช้วิธีการเหล่านี้ในด้านอื่นๆ ของเศรษฐศาสตร์ ตัวอย่างหนึ่งคือการศึกษาตลาดแรงงาน
ปัจจุบัน การทดลองแบบสุ่มควบคุมในทางเศรษฐศาสตร์ส่วนใหญ่ใช้เพื่อประเมินผลกระทบของการแทรกแซงนโยบายทางสังคมในประเทศที่ยากจนและรายได้ปานกลาง การทำงานของผู้ได้รับรางวัลโนเบลประจำปี 2019 ได้แก่ Michael Kremer , Abhijit Banerjee และ Esther Duflo รวมถึงการทดลองในเคนยาและอินเดียเกี่ยวกับการเข้าเรียนของครูการจัดหาตำราเรียนการตรวจสอบการเข้าเรียนของพยาบาลและการให้สินเชื่อขนาดเล็ก
ความนิยมในหมู่นักวิชาการและผู้กำหนดนโยบายของแนวทางนี้ไม่ได้เกิดจากความสามารถในการแก้ปัญหาเกี่ยวกับระเบียบวิธีและนโยบายเท่านั้น นอกจากนี้ยังเป็นเพราะการสนับสนุนโดยเจตนาและได้รับการสนับสนุนอย่างดีจากผู้สนับสนุน
J-PAL ดูเหมือนจะมีอิทธิพลต่อการตัดสินใจของธนาคารโลกในปี 2548 ในการจัดตั้งหน่วยประเมินผลกระทบโดยเฉพาะ ซึ่งประกอบด้วยอดีตผู้ร่วมงานของ J-PAL เพื่อดำเนินการทดลองแบบสุ่ม จำนวนการทดลองดังกล่าวที่ใช้ในการประเมินของธนาคารโลกเพิ่มขึ้นจากศูนย์ในปี 2543 เป็นมากกว่าสองในสามของการประเมินทั้งหมดในปี 2553
การเปลี่ยนแปลงเหล่านี้เกิดขึ้นในบริบทระหว่างประเทศที่กว้างขึ้นซึ่งมีการเน้นที่ ” นโยบายตามหลักฐาน ” มากขึ้น แนวคิดคือการตัดสินใจเชิงนโยบายควรอยู่บนพื้นฐานของข้อมูลและการวิเคราะห์ที่ “มีวัตถุประสงค์” “เข้มงวด” และ “มีเหตุผล” แม้ว่าสิ่งนี้อาจดูเหมือนชัดเจน แต่ก็มีการถกเถียงกันมากมายเกี่ยวกับความหมายที่แท้จริงในทางปฏิบัติ
ในบริบทนี้ ผู้สนับสนุนการทดลองแบบสุ่มได้พยายามที่จะวางตำแหน่งวิธีการที่พวกเขาต้องการเป็นรูปแบบหลักฐานที่น่าเชื่อถือที่สุด
