İki Modelin Hikâyesi: Yapısal Biçim, İndirgenmiş Biçime Karşı

Economics-Teacher-From-Ferris-Bueller-Day-Off

Başlamadan not: Başlıkta yapmak istediğim şey, geçtiğimiz günlerde sosyal medyada bir arkadaşımın yönlendirmesi sayesinde farkına vardığım hüzünlü bir gerçeğe dikkat çekmek. Bir nevi “kamu spotu” olarak da değerlendirebilirsiniz bunu. Google scholar’da başlığında “A Tale of Two” geçen makaleleri aratınca karşınıza 2 milyon 210 bin [1] sonuç çıktığını biliyor muydunuz? Tamam bilimsel metoddur şudur budur; sonuca atlamadan dikkatli olmak, daha fazla araştırma yapmak lazım. “A Tale of Two”yu tırnak içine alıyorum, yine de 306 bin [2] sonuç çıkıyor arkadaş! Hadi cömert bir çıkarımla bunların 26 bininin gerçekten Charles Dickens’ın ölümsüz eserini* inceleyen akademik çalışmalar olduğunu varsayalım. Aynı tornadan çıkmış 280 bin başlık eder! Ahali, bu hususta gerçekten sesimizi çıkarmamız lazım. Hadi bunların bir kısmı gerçekten başlığına layık; mesela Balinski & Sönmez’in “A Tale of Two Mechanisms” makalesi var, şimdi haklarını yemeyelim, başlığının hakkını veriyor. Gelgelelim öyle yüz tane makale varsa, “A tale of two Herbig Ae stars, MWC 275 and AB Aurigae: comprehensive models for spectral energy distribution and interferometry” [3] gibi başlığa sahip bin tane makale var. Neyse, bu konuyu sürdürdükçe üzülüyorum. Sözün özü: akademisyenler pek sıkıcı, yaratıcılıktan uzak insanlar. Kendimden biliyorum.


Sevgili iktisadiyat.com takipçileri, öncelikle hoş geldiniz/hoş bulduk. Takdir edersiniz ki yerleşmiş ve belli bir kalite çizgisi yakalamış bir camiaya sonradan dâhil olmanın insan üzerinde yarattığı bazı baskılar var. Bunlardan bir kısmı “hâli hazırdaki seviyeye yaklaşabilecek miyim, gerçekten bu siteye katkıda bulunabilecek miyim?” kategorisi altına alınabilecek endişeler iken, geri kalanı da “acaba iktisat hakkında hiçbir şey bilmediğimin anlaşılmasını ne kadar geciktirebilirim?” gibisinden pratik kaygılar. Tecrübeyle sabit; bu pratik kaygılara bulunacak en kolay çözüm, okuyucuyla sohbet edercesine bir üslup geliştirip yazıları o şekilde yazmak. Ben şahsen böyle yapınca cahilliğimin bir nebze olsun gölgelendiğini hissediyorum – şu anda sergilediğim laubali tavırlar da tamamen o yüzden. Yoksa ciddi yazmasını da en iyi biz biliriz. Şimdilik böyle sizli bizli idare edin, sonra belki ben biraz daha iktisat öğrenince ciddiyete bürünürüz, olur mu?

Bu yazımda naçizane eğilmek istediğim konu, uygulamalı mikro iktisatçıların son otuz yıldır tartışa tartışa iyice birbirlerinin boğazına sarılmanın eşiğine geldikleri bir mesele: ekonometrik çıkarımlar yaparken modelinizi nasıl kurmanız gerektiği tartışması. Meseleyi çok basit şekilde görselleştirmek gerekirse, ringin bir köşesinde “indirgenmiş biçimi (reduced form) savunan bir grup iktisatçı, diğer yanda ise “yapısal biçimi (structural form) savunan bir başka grup getirebilirsiniz göz önüne. Bu kamplaşmayı konu alan bir yazı yazmak istememin iki temel sebebi var. Birincisi, söz konusu tartışmanın sığ bir ekonometrik tartışmadan ziyade iktisatçıların hem kendileri hem de iktisat biliminin asıl amacı hakkındaki görüşlerini yansıttıkları bir mecra olduğunu düşünüyorum; bu konudaki fikirlerime aşağıda değineceğim. İkinci sebep ise: bir şekilde Türkiye’deki akademik çevrelerde bu tartışmanın yeteri kadar dillendirilmediğine dair bir izlenim taşıyor olmam, nedendir bilinmez. Hâlbuki ilk noktayla ilintili olarak, bu tartışmanın daha fazla göz önünde olması gerektiğine inanıyorum, o yüzden böyle bir gizli gündemim de var. O hâlde başlayalım bakalım.

Nedir, ne değildir? (Çoğu kişinin bildiği şeyler, ufak bir tekrar)

Lisans seviyesinde aldığımız temel ekonometri dersinde aklımızda kalan bir şey varsa, o da insanın aklına gelebilecek en basit ekonometrik model, yani “doğrusal regresyon modeli (linear regression model)”dir sanırım. İşin detayına çok fazla kaçmadan anlatmakta fayda var: en basit hâliyle “x’i bir birim arttırırsak y kaç birim etkilenir?” sorusuna cevap vermeyi amaçlayan bir model bu. (Bir örnek üzerinden gitmekte fayda var: mesela çalışma iktisadı üzerine araştırma yaptığımızı ve “Fazladan bir çocuğa sahip olursa, bir kadının maddi kazancı ne kadar etkilenir?” sorusunu yanıtlamaya çalıştığımızı düşünelim.) Son derece de eski bir model aslına bakarsanız: kökenleri Gauss’a (erken 19. yy) kadar gitse de, “regresyon” terimini icat eden isim olarak Galton’u (geç 19. yy) da bu hikâyede anmak icap eder.** Gelgelelim, çoğumuzun hatırlayacağı üzere, doğrusal regresyon modeli her ne kadar kullanması ve analiz etmesi kolay olsa da (Stata’ya girip, veriyi yükleyip, “reg kazanç çocuksayısı” yazacaksınız) bir o kadar güvenilmez.

Regresyon - "Temsili" (Kaynak: www.movienews.ro)

Regresyon – “Temsili” (Kaynak: www.movienews.ro)

Doğrusal regresyon modelinin güvenilmez olmasının birçok sebebi var, bunlardan ikisine yoğunlaşacağım. Birinci sebep, bu modelin aslında son derece katı varsayımlar altında kurulmuş olması. Sözgelimi, çocuk sayısı-kazanç ilişkisinin doğrusal olduğunu varsayıyor: yani bu modele göre “0 çocuk”tan “1 çocuk”a çıkınca kazançta yaşanan değişim, “1 çocuk”tan “2 çocuk”a çıkınca yaşanan değişime eşit. Takdir edersiniz ki bu makul bir öngörü değil. İkinci sebep ise, modelin çok kritik bir şekilde üzerine kurduğu “dışsallık (exogoneity)” varsayımı. *** Bu örnek özelinde, “sahip olunan çocuk sayısı kazançtan etkilenmez, başka (dışsal) faktörlere göre belirlenir” diyor bu varsayım. Takdir edersiniz ki bu da doğru değil: en basitinden bireylerin çocuk sahibi olup olmamaya karar verirken hâli hazırdaki kazançlarını göz önüne aldıklarını düşünmek çok da çılgın değil.

Pekiyi güzel, doğrusal regresyon modeli güvenilmez ama ne yapmalı? İşte burada yollar ayrılıyor, iki alternatif ortaya çıkıyor. Birinci alternatif, modelin eksik gördüğümüz bütün parçalarını oraya monte etmeye çalışmak. Kısaca “iktisatçi değil miyiz, modellemezsek işimiz ne?” diye özetlenebilecek bu yaklaşım, sözgelimi ebeveynlerin çocuk yapma kararlarını kazançlarına bağlayan ayrı bir denklem daha yazıp modele eklemeyi, o denklemde incelenmesi gereken başka bir ilişki varsa onu da başka bir denklemde yazmayı, böylece bir denklemler bütünü yaratıp sonra hepsini birden çözmeyi öngörüyor. Dolayısıyla analiz ettiğimiz şey bütün bir “ilişkiler yapısı” olduğu için, bu denklemler bütününe “yapısal biçim” diyoruz. İkinci alternatif ise biraz daha nihilist: “madem ben bu ilişkiyi ölçemiyorum, o zaman ölçtüğümü iddia etmeyeyim” diye özetlenebilecek bu yaklaşım ise, açıklayabildiğimiz ilişkiler konusunda çok da fazla iddialı olmamayı esas edinmiş. “Gerçekten dışsallık içeren bir ilişki buldum buldum, bulamazsam o işe hiç bulaşmayacağım” diyerek bütün gayretini doğada dışsallık aramaya adayan bu yaklaşım, “Neticede ben ilişkiler bütünüyle pek de ilgilenmiyorum. Çocuk sahibi olma kararı nereden geliyor, neden etkileniyor, bunlar işin detayı. Ben sadece ‘çocuk sayısı-kazanç’ ilişkisini inandırıcı bir şekilde ölçmek istiyorum” yaklaşımını şiar edinmiş. Dolayısıyla bu yaklaşımın ilgilendiği obje çocuk sayısı ile kazanç arasındaki “indirgenmiş” ilişki olduğu için, bu yaklaşıma “indirgenmiş biçim” diyoruz.

Uzun lafın kısası, mesele bundan ibaret a dostlar. İndirgenmiş biçin der ki, az ölçelim, inandırıcı ölçelim. Yapısal biçim der ki, her şeyi ölçelim, ölçemediklerimizi modelleyip onları da ölçebildiğimiz şeylere bağlayalım. Aç gibi atlayalım her şeye, ölçmediğimiz şey kalmasın. (Sanırım bu son cümleyle tarafımı belli eder gibi oldum. Peeh.)

Buraya Nasıl Geldik?

Güzel soru. Doğrusal regresyon modelinin kısıtlayıcı varsayımları en başından beri bilinmekte elbet; e bu durumda bu varsayımların çevresinden dolaşmak için daha genel, daha kapsayıcı modeller yazmak gerektiği de aşikâr. Sorun şu ki, yazabileceğimiz modellerin sınırı olmadığı gibi bunları yazmak için kabul edilmiş genelgeçer bir çerçeve de yok; bu durum ise “model yanlılığı (modeling bias)” denen sorunu ortaya çıkarıyor. Bu da pek tabii önceden beri bilinen bir mevzu, yine de geniş çaplı bir tartışma malzemesi olması Edward Leamer’ın 1983 tarihli “Let’s Take the Con out of Econometrics” [4] isimli pek meşhur makalesiyle gerçekleşiyor. Son derece serbest bir biçimde makalenin başlığını “Kandırmayın Ekonomistleri!” diye çevirmek mümkün. Vakit bulursanız makaleyi birinci elden okumanızı şiddetle tavsiye ederim – önemli fikirler içermesinin yanı sıra okuması da eğlenceli bir makale. Leamer dışsallık varsayımının dünyada çoğu zaman sağlanmadığından giriyor, ekonometricilerin “daha iyi modelleme” dediği şeyin aslında kendine yontan sonuç bulmaktan ibaret olduğundan çıkıyor.

Leamer’ın makalesi çok uzun süre insanların zihnini kurcaladı kurcalamasına ama iktisat bilimi de son 30 yılda biraz olsun aşama kat etti elbet. Bu husustaki (neredeyse) en güncel tartışmayı takip etmek için, Journal of Economic Perspectives’in Bahar 2010 tarihli sayısına [5] göz atabilirsiniz. Söz konusu sayı “Con out of Econometrics” başlığı altında (Leamer dâhil) tüm babaların Leamer’ın makalesini ve aradan geçen sürede nelerin değiştiğini tartıştığı, altı makalelik bir seçkiye sahip. Bu seçkideki ilk makale ise indirgenmiş biçimin en ateşli savunucularından Angrist & Pischke’nin “The Credibility Revolution in Empirical Economics: How Better Research Design is Taking the Con out of Econometrics” [6] başlıklı makalesi. Kendileri kısaca bu makalede diyorlar ki: “Son 30 yılda biz doğru düzgün araştırma yapmayı, daha güvenilir dışsal kaynaklar kullanmayı, bunlardan güvenilir ölçümler çıkarmayı ve bunların hepsini belli bir disiplin çerçevesinde yapmayı öğrendik.” Haksız da değiller, zira Angrist-Card-Krueger gibi Princeton çıkışlı çalışma iktisatçılarının başını çektiği bir nesil, 1980’lerin sonunda “instrumental variables” isimli ölçüm tekniğini inandırıcı bir şekilde kullanıp doğadaki dışsallığı kendi lehlerine kullanmanın yolunu açarak, bir nevi devrim yaptılar. Sözgelimi, Angrist 1998 yılında Evans ile yazdığı bir makalede [7] “ikinci çocuğun cinsiyetinin tamamen şansa bağlı, dolayısıyla dışsal olması” gerçeğinden hareketle ebeveynlerin iş gücüne katılım kararını inandırıcı bir şekilde ölçmeyi başardı. Göreceğiniz üzere bu yaklaşım, ta başından beri sürdürdüğüm çocuk sayısı-kazanç ilişkisi meselesi için alternatif bir çözüm. Özetle diyor ki: “İlk iki çocuğu aynı cinsiyette olan aileler üçüncü çocuğu yapmaya daha meyilliler. O halde bu aileler, tamamen dışsal bir sebepten ötürü fazladan bir çocuk sahibi oluyorlar. E biz de bu ailelere bakalım?” Bu yaklaşımın olumsuz tarafı, takdir edersiniz ki, sadece iki çocuk yerine üç çocuk sahibi olmuş ailelere dair bir şey söyleyebiliyor, daha genel çıkarımlar yapamıyorsunuz. **** Olumlu tarafı ise, ailelerin çocuk yapma kararını modellemekten kaçınıyor, böylece Leamer’ın dem vurduğu model yanlılığı ihtimalinden kendinizi ayrıştırıyorsunuz. Kısacası az ölçüyor, ama inandırıcı ölçüyorsunuz.

Son on-on beş yılda indirgenmiş biçim yanlılarının yaptığı en büyük atılım ise kalkınma iktisadı alanında oldu. Banerjee & Duflo’nun başını çektiği bir grup kalkınma iktisatçısı, “doğada dışsallık arayalım” fikrini bir adım öteye taşıyarak “bulamadığımız yerlerde dışsallığı biz yaratalım” dediler ve kalkınmakta olan ülkelerde, aynı doğa bilimlerindeki gibi kontrollü deney (randomized controlled trial) gerçekleştirmeye dayalı yeni bir literatürün yolunu açtılar. Kalkınma iktisadı metodolojisinin gittiği en son yer daha geniş bir tartışma konusu ve ayrı bir yazıyı hak ediyor, o yüzden bunun ne denli doğru bir metot olduğu konusunu sonraki yazılara bırakacağım. Bu yazı özelinde vurgulamak istediğim şey ise, indirgenmiş biçim savunucularının vardığı en son noktanın “millete rastgele çocuk dağıt, yıllar sonra git kazançlarını ölç” fikrine çok yaklaşmış olması. (Yok, bu makale henüz yazılmadı, ama ellerinde olsa bunu da yazacaklar, yalan yok.)

Benim bu hususta vurgulamak istediğim nokta ise, son otuz yılda hem yapısal hem de indirgenmiş biçin savunucularının en çok hoşuna giden gelişmelerin, aslında “iktisat dışı” gelişmeler olması. Şöyle ki: bundan otuz-kırk yıl önce yapısal biçimcilerin önündeki en önemli engel, yeteri kadar güçlü bilgisayarlara sahip olamamamızdı. Zira zamanın bilgisayarlarıyla çok fazla değişkenli birden fazla denklemi çözmek pratikte imkânsızdı.***** Son yıllarda teknolojinin gelişimi ise artık bu (eskiden imkânsız olan, şimdi ise sadece “günler alır ama yapılır” dediğimiz) ölçüm metotlarını mümkün kıldı, dolayısıyla yapısal biçimcilerin eline büyük bir koz verdi. Öte yandan indirgenmiş biçimciler de boş durmadılar: son yıllarda artan mali güçlerini ve eser miktarda politik etkilerini yukarıda sözünü ettiğim “kalkınma iktisadının yeni istikameti”ni yaratmak, kalkınmakta olan ülkeleri bu kontrollü deneylere ikna etmek ve kendi araştırma vizyonlarını desteklemek için kullandılar. Sözün özü, teknoloji bir tarafa yararken, iktisat araştırmasının mikro-siyaseti diğer tarafa yattı. Son yıllarda iyice şiddetlenen bu tartışmada, bu iktisat dışı faktörlerin de ciddi manada payı olduğunu düşünüyorum.

Kim Nerede Duruyor?

Yukarıda biraz bahsettim: önde gelen indirgenmiş biçimciler ya “geç 80’ler-erken 90’lar” çıkışlı çalışma iktisatçıları (Angrist-Card-Krueger, hepsi de Orley Ashenfelter’in ya öğrencisi ya da etkisi altında almış isimler), ya da yeni dönem kalkınma iktisatçıları (Banerjee ve Duflo’nun başını çektiği J-PAL [8] tayfası). Spesifik olarak kimlerin indirgenmiş biçimi desteklediğinden ziyade (ki kalkınma iktisatçılarının yapısal biçime de sıcak baktıkları, çalışmalarında yer yer başvurdukları görülüyor) asıl vurgulamak istediğim, çalışma ekonomisi/kamu iktisadı gibi “uygulamalı mikro iktisat” alanlarında indirgenmiş biçimin giderek geçer akçe hâline gelmesi. Öte yandan bilhassa endüstriyel organizasyon ve makro iktisat gibi alanlarda yapısal biçime başvurmak daha yaygın görülüyor: en meşhur yapısal biçim makalelerinden biri olan 1995 tarihli “Automobile Prices in Market Equilibrium” [9] makalesinin bir endüstriyel organizasyon makalesi olmasının da bunda payı var. Yapısal biçimin önde gelen savunucularından Angus Deaton’ın bu yıl, en mühim doğrusal-olmayan ölçüm metotlarından Generalized Method of Moments’ın babası Lars Peter Hansen’in üç yıl önce Nobel ödülünü almış olması da yapısal biçimcilerin hoşuna giden gelişmeler.

Angus Deaton (Kaynak: www.cnnturk.com)

Angus Deaton (Kaynak: www.cnnturk.com)

Yine de ben bu konuyu “iki yanda iki grup” şeklinde karikatürize etmenin fazla basitleştirici bir yaklaşım olduğunu düşünüyorum kendimce. (“Ula kaç sayfadır yazdığı şeye bak, şimdi dediğine bak?” dediğini duyar gibiyim sevgili okur. Çok ayıp, yapma öyle şeyler.) İlk paragrafta “meseleyi çok basit şekilde görselleştirmek gerekirse” demiştim, tamam işin özünü daha görünür kılmak uğruna bu tarz basitleştirmeler yapılır (neticede her iktisadi model kurduğumuzda yaptığımız bu değil mi?), ama artık daha karışık bir model kurmanın zamanı geldi. Ben bu meseleyi şahsen tek boyutlu bir spektruma benzetiyorum; her akademisyen bu spektrumda nerede duracağını seçiyor. Spektrumdaki noktaları karakterize eden asıl değişken ise bizim iktisatta aşina olduğumuz bir kavram: “trade-off”. (Üniversitedeki iktisat hocam “trade-off” kavramının tam Türkçe karşılayıcısının olmadığını söylüyordu, kendisine hak veriyorum.) Şöyle ki, bir iktisatçı olarak her model kurduğumuzda şu trade-off’u yaşıyoruz: “daha güçlü sonuçlar elde etmek için daha güçlü varsayımlar koymalısın.” Aynısı pek tabii ekonometrik modellerde de var: daha genelleşebilir, daha güçlü sonuçlar için (mesela “her bir çocuk kazancı bu kadar etkiler”) daha güçlü varsayımlar koymak zorundasınız (doğrusallık varsayımı). Ters taraftan güçlü varsayımlar koyamazsanız (dışsallık varsayımını kabul etmek istemezseniz) sonuçlarınız da daha az genelleşebilir oluyor (“iki yerine üç çocuğa sahip olmak kazancı bu kadar etkiler” gibi sonuçlar). Zannımca bizim yapısal biçimci dediğimiz insanları ayıran temel özellik, daha çok varsayım yaparak daha güçlü sonuçlar elde etmeye niyetli olmaları. Tabii bu varsayımlar doğrusallıktan daha sofistike varsayımlar, ama işin özü aynı noktaya çıkıyor: ekonometrik modellerin zayıflıklarını daha çok varsayım/daha karmaşık modeller koyarak çözme eğilimi. Bir manada yapısal biçim, ekonometricinin kendi modelleme yeteneğine güvenmesini gerektiriyor. Tam aksi olarak indirgenmiş biçimciler ise “az varsayım koyayım, genellenemez sonuç almaya razıyım, yeter ki inandırıcı olsun”dan yana koyuyor tavrını. Bu tavrın arkasında ise “varsayım koymanın sınırı yok, nerede duracağımızı bilmenin yolu yok, dolayısıyla en iyisi doğanın bize sağladığı (ya da kendimiz oluşturduğumuz) dışsallıktan çıkarabildiğimizi çıkarmak ve bununla yetinmek” gibi bir duruş var. Sonuç olarak indirgenmiş biçimin temelinde kendi modelleme yeteneğinden çok doğanın dışsallığına güvenme yatıyor diyebiliriz.

Şimdi tabii bir üst paragrafta bahsettiğim analiz de ister istemez fazla basitleştirilmiş – aslına bakarsanız indirgenmiş biçimcilerin doğaya değil ama kendi doğada dışsallık bulabilme kabiliyetlerine daha çok güvendiklerinden bu yolu seçtiklerini söylemek ve bunun üzerinden yeni bir tartışma başlatmak mümkün. Ama tıpkı yapısal biçim gibi, burada da bir sonraki tartışmanın sınırı yok. Dolayısıyla ben de meseleyi özetleyebilme kabiliyetime güvenmeyi tam bu noktada kesiyor ve mevzuyu kapatıyorum. Nihai sonuç: indirgenmiş biçim-yapısal biçim ikilemi “doğaya mı güvenelim, kendimize mi?” gibi yarı-felsefi bir tartışma üzerinden açıklanabilir. Dolayısıyla nerede duracağınızı seçmek için, bir iktisatçı olarak doğanın size sağladıklarına mı yoksa kendi analiz kabiliyetinize mi daha çok güvendiğiniz konusunda bir pozisyon almanız gerekiyor.

Peki Hangisi?

İktisatçılarla yeteri kadar vakit geçirdiyseniz, genel olarak “peki hangisi daha doğru?” tarzı sorulara kesin yanıtlar vermekten imtina ettiğimizi fark etmişsinizdir. Dolayısıyla ben de en kolay yolu seçecek ve iktisatçıların en sevdiği yanıtı vereceğim: “It depends.”

Yani şimdi işin şakası bir yana, burada kalkıp “şunu yapın bunu yapın” diyecek, zaten on yıllardır tartışılan şey hakkında “bence şu daha iyi” diye fikir beyan edecek ağırlığım yok. Benim bu noktada yapmak istediğim şey, ufak çaplı bir tespit. O tespit de şundan ibaret: bu soruya verdiğiniz cevabın, iktisat biliminin ne amaçla kullanılması gerektiği hakkındaki düşüncenizle son derece yakından alakası var. Bu çıkarımı, indirgenmiş ve yapısal biçimin görece olarak daha yoğun kullanıldığı alt disiplinlere bakarak da yapmak mümkün. Örneğin kalkınma ekonomisi, çalışma ekonomisi ve kamu iktisadı gibi (indirgenmiş biçimi benimseyen) disiplinler daha çok “tedaviye yönelik” disiplinler. “Fakir insanların sürdürülebilir şekilde para kazanmalarını en verimli nasıl sağlarız?”, “x politikası insanların işgücüne katılım oranını yüzde kaç etkiler?” gibi, alttaki mekanizmayı anlamadan da neyin işleyeceğine dair bir fikir sahibi olmak istediğimiz soruların ağırlıkta olduğu dallardan bahsediyoruz. Bu bağlamda bu disiplinler, odağı bakımından, biraz daha tıbbı andırıyor: temel amaç tedavi etmek. Öte yandan endüstriyel organizasyon ya da makro iktisattaki sorular daha çok ekonomik ajanların karar verme süreçlerini anlama odaklı. “Şirketler fiyatlama politikalarını nasıl yapıyorlar?”, “Bireyler uzun vadeli optimizasyon kararlarını nasıl veriyorlar?” gibi soruları merkezine alan bu disiplinler, neyin çalıştığını belirlemek için önce onun neden/nasıl çalıştığını anlamayı ön koşul olarak kabul ediyorlar. Bu bağlamda ben bu disiplinleri tıptan ziyade biraz daha kimyaya benzetiyorum. (Çok da anladığımdan değil he, kafamıza göre ayrım yapıyoz işte.) Tabii ki bu dallar arasında böyle kaba bir kategorizasyona gitmek de biraz haddinden fazla basitleştirmeye kaçıyor, bunun farkındayım. Yine de verdiğim mesajı aktarabilmek için biraz basitleştirme kaçınılmaz – amaan, anladınız işte siz onu.

Varmaya çalıştığım nokta şu: tıp da kimya da son derece saygı duyulası ve nihai olarak yaşam kalitemizi arttırmaya ant içmiş bilimler. Yaşam kalitesini arttırmanın doğru yolu direkt olarak hangi ilacın işe yaradığını keşfetmek de olabilir, doğadaki etkileşimler üzerine daha derin bir anlayışa sahibi olmak da. Bu işin mutlak doğru yolu yok. Benzer bir ikirciklilik, iktisat bilimi içerisinde de var. İster doğrudan işe yarayan iktisat politikaları geliştirmek isteyelim, ister piyasalardaki etkileşimleri daha iyi anlamak, neticede hepimiz insanlığa katkıda bulunmak amacıyla yola çıkıyoruz. Bu uğurda değişen şeyler ise, sorduğumuz sorular ve kullandığımız metotlar oluyor. Bu bakımdan hem yapısal biçimi hem de indirgenmiş biçimi birer metot olarak değerlendirmek ve sorduğumuz soruya bağlı olarak işimize daha çok yarayacak metodu seçmek hepimizin en doğal hakkı ve vazifesi. Bu durumda ise “yapısal biçimi mi kullanalım, yoksa indirgenmiş biçimi mi?” sorusu, dolaylı olarak çok daha derin bir soruya bağlanıyor: “İktisat bilimi ne için var?”

Şimdi düşünüyorum da, dünyadaki bütün sorular eninde sonunda buna bağlanmıyor mu zaten? (KIPS.)

* Kendime not: “ölümlü edebi eser” ile “ölümsüz edebi eser” arasındaki farkı incele. Potansiyel ayrım: Ay Yapım ikincisinin dizisini çeker, birincisininkini çekmez.
** Yan bilgi: Galton bu tekniği, yukarıdaki kalıba uygun şekilde “Anne-babanın boyunu birer cm arttırırsak çocuğun boyu kaç cm artar?” sorusunu yanıtlamaya çalışırken icat etmiş; tekniğin ismi de oradan geliyor. Zira çalışmaları sonucunda bulmuş ki, çocuğun beklenen boyu anne-babanın boyu ile toplumun ortalama boyu arasında kalıyor. Yani mesela anne-babanın boyu 1.80 cm, ortalama boy ise 1.70 cm ise, çocuğun beklenen boyu 1.70 cm ile 1.80 cm arasında. Dolayısıyla her yeni nesilde bireylerin boyu ortalama boya biraz daha yaklaşıyor. Galton bu gözlemine “regression toward the mean (ortalamaya doğru geri çekilme)” ismi vermiş; sonra da tekniğin adı “regression (geri çekilme)” kalmış oradan.
***Cehaletimi mazur görün, hiç Türkçe ekonometri dersi alma fırsatım olmadı, dolayısıyla exogeneity’nin Türkçesinin ne olduğunu öğrenme fırsatım da olmadı. İnternetteki aramalarım “dışsallık” olduğunu iddia ediyor ama dışsallık “externality” demek bence. Bilemiyorum Altan.
**** Bu bahsettiğimin teorik bir karşılığı var elbet: Angrist & Imbens’in LATE (Local Average Treatment Effect) teoremi tam da bunu söylüyor. Çok daha detaylı bir tartışma için Angrist & Pischke’nin “Mostly Harmless Econometrics” isimli kitabını şiddetle öneririm.
***** Aslına bakarsanız “maximum likelihood” tekniği yerine doğrusal regresyon modelinin “temel ekonometrik metot” olarak kabul edilmesinin de en büyük sebebi bence bu, ve uzun vadede bu da değişebilir diye düşünüyorum. Zannımca maximum likelihood hem insanın kafasına daha çok yatıyor, hem de daha kapsayıcı. Doğrusal regresyonun artısı hesaplamasının kolay olması, ama zaten bu işi biz yapmıyoruz artık. Aramızda matris çarpan kim kaldı?

Kaynaklar
[1] https://scholar.google.com.tr/scholar?q=a+tale+of+two&btnG=&hl=en&as_sdt=0%2C5
[2] https://scholar.google.com.tr/scholar?q=%22a+tale+of+two%22&btnG=&hl=en&as_sdt=0%2C5
[3] http://iopscience.iop.org/article/10.1086/592346/pdf;jsessionid=2C018F8FE51CFBE4D68E54584AEE40AD.c4.iopscience.cld.iop.org
[4] http://www.jstor.org/stable/1803924
[5] http://www.jstor.org/stable/i25703494
[6] http://www.jstor.org/stable/25703496
[7] http://www.jstor.org/stable/116844
[8] http://www.povertyactionlab.org
[9] http://www.jstor.org/stable/2171802
İlk Görsel: Akademisyen (Temsili). Kaynak: www.screenrant.com

Comments

comments

Bu yazıyı paylaşınTweet about this on TwitterShare on LinkedInEmail this to someoneShare on FacebookShare on Google+
A. Arda Gitmez

Yazar Hakkında A. Arda Gitmez

Lisans ve Yüksek Lisans eğitimini Koç Üniversitesi’nde tamamlayan A. Arda Gitmez, halen Massachusetts Teknoloji Enstitüsü -MIT Ekonomi Bölümü'nde doktora çalışmalarını sürdürüyor. İlgi alanları arasında teorik iktisat ve politik iktisat bulunmaktadır.