Venerdì, 25 Settembre 2020 - 20:16 Comunicato 2215

In memoria di Alan Krueger: “odi et amo” della ricerca

Celebra la memoria dell’ex-Consigliere economico della Casa Bianca Alan Krueger, scomparso un anno e mezzo fa, il suo coautore, collega e amico, Joshua Angrist, al Festival dell’Economia di Trento. Lo fa con una lezione dal doppio valore: da un lato, una dissertazione per esperti del settore, sul metodo econometrico (essenzialmente la statistica applicata all’economia) e in particolare sull'efficacia o meno del “Machine Learning”; dall’altro, un appassionato momento di ricordi, che fa rivivere tutte le passioni, la voglia di “essere utili”, le frustrazioni e la vergogna dell’errore, propri della ricerca economica empirica. «Ci spaccammo la testa sulle equazioni – ricorda Angrist – quando ci fecero notare che la pubblicazione AK91 era soggetta ad un troppo ampio margine d’errore».

Parte da un assunto comune a Krueger, la lezione che Angrist, suo collega ed amico, tiene alla quindicesima edizione del Festival dell’Economia: fare ricerca empirica, nel settore economico come in altri campi, significa amare ed odiare, gioire e soffrire. E’ la seconda rilettura in memoria del sapere e della ricerca svolta dall’economista americano scomparso nel 2019 dal festival di Trento, dopo quella che, lo scorso anno, ne aveva fatto rivivere in particolare la sua necessità di far guidare ogni decisione di politica economica dai dati e da tecniche che permettono di comprendere tali dati. Stavolta, l’israeliano Angrist, docente del Mit, ripercorre alcuni studi svolti con e da Krueger sulla scelta dell’università da parte dei giovani, per poi far tornare alla memoria la pubblicazione AK91, la prima nella quale i due si confrontarono: uno studio che verteva sugli effetti del servizio militare nella Seconda guerra mondiale, sui redditi successivi e sullo status di veterano. «Un percorso comune, fondato sul “Machine Learning” (l’apprendimento automatico, ovvero l’utilizzo di sistemi computerizzati), che ci portò a risultati imprecisi – ricorda -. Ero nel deserto a svolgere servizio militare quando arrivò la prima pioggia di critiche a quello studio e provai una profonda vergogna. Con Alan, ci mettemmo subito all’opera per ridurre l’errore standard».

Un errore che, anni dopo e molta esperienza dopo, è ancora possibile, dimostra il relatore, in un approfondimento tra equazioni e variabili che porta a una conclusione: «Il “Machine Learning” è adatto all’analisi di suscettibilità, ma non funziona bene nella selezione degli strumenti, è più da considerare come una cassetta degli attrezzi per “fittare” le curve. Non tiene conto, ad esempio, per lo studio sulla scelta dell’università, di fattori personali, come la vicinanza o l’affezione a un luogo. A chi è del campo, dico quindi che il modello lineare standard è migliore».

Il sito del Festival
www.festivaleconomia.it

I canali social
Twitter: @economicsfest
Facebook: @festivaleconomiatrento
Instagram: @festivaleconomia
Youtbe: https://www.youtube.com/channel/UCV_rn55tQcM_PirueUYVKRQ
Linkedin: https://www.linkedin.com/company/festival-economia-trento/about/



Immagini