Comprendere l'impatto medio del microcredito

0
17

articolo principale

L'idea che concedere piccoli o "micro" prestiti alle famiglie povere nei paesi in via di sviluppo potesse aiutarle a sfuggire alla povertà avviando o facendo crescere le proprie attività, una volta era considerata così convincente da far vincere a Mohammed Yunus il Premio Nobel nel 2006. Il portafoglio globale di microprestiti è ora vale oltre 102 miliardi di dollari e cresce ogni anno (Microfinance Barometer, 2017). Anche oltre a promuovere l'imprenditorialità, i sostenitori del microcredito hanno sostenuto che offrire più prestiti significava offrire più scelte alle famiglie spesso escluse dal settore finanziario formale; questo potrebbe consentire loro di assicurarsi contro i rischi, di consumare senza problemi o di acquistare grandi oggetti durevoli che hanno avuto difficoltà a risparmiare abbastanza da poterli acquistare da soli. Nonostante queste accattivanti teorie, tuttavia, il microcredito non sembra sempre fornire risultati positivi per i suoi clienti. Nel 2001, la Bolivia ha attraversato una grave crisi del microcredito; nel 2011 ne erano avvenuti molti altri, in particolare nello stato indiano dell'Andhra Pradesh. I critici del microcredito hanno incolpato di queste crisi le pratiche di prestito delle istituzioni di microfinanza (MFI) che secondo loro incoraggiavano i clienti a contrarre più debiti di quanto potessero rimborsare. Anche quando le IFM hanno le migliori intenzioni, è possibile che avere molte IFM che operano in un unico contesto possa creare bolle di credito o prestiti eccessivi ai mutuatari che non beneficeranno dei prestiti.

Questo dibattito ha motivato i ricercatori a implementare diversi studi randomizzati controllati (RCT) ea studiarne l'impatto. Questi esperimenti sono stati progettati per verificare se il microcredito aiuta le famiglie povere promuovendo l'imprenditorialità o consentendo loro una maggiore libertà nelle scelte di consumo, o se potrebbe danneggiarle creando bolle di credito o prestiti eccessivi (Ahmad 2003, Yunus 2006, Roodman 2012). Sono stati completati sette RCT sull'ampliamento dell'accesso ai servizi di microcredito. Eppure il consenso sul risultato complessivo di questi studi è stato difficile da trovare. Molti nel mondo accademico e politico hanno notato che le istituzioni di microfinanza in realtà differiscono sostanzialmente l'una dall'altra in termini di prestiti che offrono e luoghi che offrono loro. Gli studi randomizzati avevano studiato sette diverse ONG tra centinaia di IFM e non era chiaro fino a che punto i risultati dovessero essere considerati applicabili a tutti gli interventi di microcredito. Questa preoccupazione è profondamente legata alla questione della validità esterna: la questione se l'impatto di un criterio possa essere troppo diverso tra le impostazioni per utilizzare i risultati in un'impostazione per informare il criterio in un altro o consentire conclusioni generali sul criterio nel suo insieme .

Quindi, cosa possiamo veramente imparare da ogni singolo RCT, o anche da una serie di RCT, su cosa fa il microcredito in altri luoghi? Fortunatamente, è possibile fare progressi sulla questione della validità esterna. Analizzando insieme i risultati di più studi in contesti diversi, i ricercatori possono trasformarli in qualcosa di più della somma delle loro parti. Insieme forniscono l'opportunità di stimare non solo l'impatto previsto di una politica, ma anche la misura in cui questo impatto è diverso nei diversi contesti. Una tecnica statistica chiamata modellizzazione gerarchica bayesiana può essere utilizzata per capire cosa si può apprendere sul microcredito da questi sette studi randomizzati.

Nel complesso, l'analisi gerarchica bayesiana ha rilevato:

  • Ci sono poche prove che il microcredito generalmente danneggi i mutuatari come temevano alcuni critici, ma ci sono anche poche prove che il microcredito trasformi le famiglie povere in imprenditori prosperi.
  • Gli effetti dell'espansione dei servizi di microcredito in diversi paesi sono sorprendentemente simili.
  • Il microcredito di solito ha effetto zero per le famiglie senza precedenti esperienze commerciali. Sebbene abbia un grande effetto medio per le famiglie con esperienza lavorativa, questo effetto è molto variabile tra le impostazioni e non si generalizza.
  • Le variabili economiche come i tassi di interesse prevedono la variazione degli effetti del trattamento meglio delle differenze nei protocolli di studio.

La linea di fondo è che le migliori prove esistenti suggeriscono, con ragionevole certezza, che l'impatto medio di questi prestiti è piccolo.

Cosa ci dicono gli RCT sul microcredito?

Tutti e sette i diversi RCT sul microcredito hanno rilevato che un maggiore accesso ai microprestiti a livello individuale o di villaggio non ha avuto un effetto trasformativo sui profitti, sul reddito o sui consumi delle imprese familiari (Angelucci et al (2015), Attanasio et al (2015), Augsburg et al (2015), Banerjee et al (2015b), Crepon et al (2015), Karlan e Zinman (2011) e Tarozzi et al (2015)). Eppure nessuno di loro ha riscontrato grandi effetti negativi e molti di loro hanno trovato prove di impatti positivi su alcune altre variabili. Nel corso di questo dibattito politico, molti studiosi hanno notato che gli impatti stimati del microcredito sulle famiglie sembravano essere almeno in qualche modo differenti tra i diversi studi (Pritchett e Sander 2015). In tal caso, cosa possiamo davvero imparare da ogni singolo RCT, o anche da un insieme di RCT, su ciò che fa il microcredito in altri luoghi? Su quali basi le prove fornite da questi studi randomizzati potrebbero essere utilizzate per concludere qualcosa sul microcredito in generale, che potremmo aspettarci di replicare in un altro contesto?

Si scopre che una volta che abbiamo diversi studi su un intervento politico simile in diversi contesti, possiamo misurare formalmente quanto l'effetto varia tra i contesti utilizzando i dati di tutti gli studi presi insieme. L'idea chiave è che le differenze che osserviamo negli effetti stimati dalla serie esistente di studi che abbiamo ci forniscono un buon segnale delle potenziali differenze negli effetti in un insieme più ampio di luoghi che non abbiamo studiato. Dopotutto, prima che venisse condotto uno studio, ad esempio, in Etiopia da Tarozzi et al (2016), i responsabili delle politiche in quel contesto erano nella stessa barca in cui sono ora i responsabili delle politiche in molti altri paesi senza studi sul microcredito. Comprendere quanto bene gli effetti negli studi esistenti si preannunciano a vicenda può darci informazioni su quanto bene potrebbero essere in grado di prevedere l'effetto in contesti futuri.

Modelli gerarchici bayesiani

La sfida chiave per stimare l'incertezza negli effetti tra le prove è che questa variazione è confusa da un'altra fonte di variazione: la solita variazione di campionamento che abbiamo sempre all'interno delle prove. Se i ricercatori potessero tornare nello stesso tempo e nello stesso luogo ed eseguire di nuovo il loro studio, otterrebbero una stima diversa dell'effetto del trattamento, sia perché campionano casualmente individui dalla popolazione sia perché assegnano casualmente quegli individui (o villaggi) al trattamento gruppi che hanno avuto più accesso al microcredito e gruppi di controllo che non l'hanno fatto. Questa variazione si aggiunge alla variazione genuina degli effetti tra i siti, quindi le stime in letteratura appariranno in media più diverse l'una dall'altra di quanto non siano realmente gli effetti sottostanti.

Per ottenere una buona stima della variazione degli effetti sottostanti, abbiamo bisogno di un modo per correggere la variazione di campionamento. Questo può essere fatto usando un quadro statistico chiamato modellazione gerarchica bayesiana (Gelman et al 2004, Rubin 1981, Efron e Morris 1975). L'idea centrale è quella di costruire un modello statistico che contenga più livelli disposti in una gerarchia: in primo luogo, c'è il livello dei dati, dove si trova la variazione di campionamento all'interno di ogni studio. Ma oltre a ciò, c'è il livello di studio incrociato o "generale", in cui si trova la variazione tra gli studi. Il modello gerarchico costruisce una struttura su entrambi i livelli che suddivide la variazione e corregge le stime di livello generale per la variazione campionaria a livello di dati all'interno degli studi (Chung et al 2013, Chung et al 2015).

Il metodo gerarchico bayesiano ha alcuni altri effetti benefici: in primo luogo, aumenta la precisione delle stime in ogni studio prendendo in prestito le informazioni tra gli studi. Gli studi in molte aree delle scienze sociali, così come in medicina e agricoltura, spesso mancano di precisione perché è molto costoso somministrare l'intervento o il trattamento a molte persone e quindi raccogliere dati di follow-up sia sui gruppi di trattamento che su quelli di controllo: questo porta i ricercatori a raccogliere informazioni su un numero di persone inferiore a quello che idealmente vorrebbero, e ciò può rendere le stime degli effetti dell'intervento molto imprecise o incerte. Inoltre, molte variabili economiche di interesse come i profitti aziendali sono intrinsecamente rumorose perché determinate da molti fattori casuali e questo può portare a stime ancora più imprecise. Analizzando tutto insieme, il modello gerarchico bayesiano prende in prestito le informazioni dagli studi e migliora il potere dello studio di stimare gli effetti dell'intervento.

Ho eseguito un'analisi gerarchica bayesiana della letteratura sul microcredito (Meager, 2019), per stimare quanto varia l'impatto del microcredito tra gli studi e quanto dovremmo essere incerti sull'effetto dell'espansione dell'accesso ai microcrediti in nuovi contesti. Esaminerò l'impatto dell'accesso al microcredito (l'"effetto del trattamento") sui profitti, sulle spese e sui ricavi delle imprese familiari, per valutare l'affermazione iniziale secondo cui i microprestiti consentono agli imprenditori poveri di far crescere le proprie attività e aumentare i profitti (Yunus, 2006). Tuttavia, le famiglie possono beneficiare del microcredito in altri modi, come l'aumento del consumo totale, il passaggio alla spesa per beni di consumo durevoli o la diminuzione della spesa per i beni "tentazione" a causa di una maggiore speranza per il futuro (Banerjee, 2013); Esaminerò anche queste variabili.

L'impatto previsto del microcredito è piccolo e incerto

In generale, l'impatto medio o previsto del microcredito sui risultati economici delle famiglie è limitato e incerto. Il segno dell'impatto medio stimato suggerisce effetti benefici su tutti i risultati, il che è incoraggiante. Ma esiste una ragionevole probabilità di un impatto essenzialmente zero a causa dell'incertezza sia all'interno che tra gli studi. La Figura 1 mostra questi effetti previsti del microcredito su ciascun risultato e gli intervalli di incertezza per ciascuno, nonché l'effetto previsto calcolato utilizzando tecniche meta-analitiche classiche che non tengono conto della variazione degli effetti tra i siti nella stima dell'incertezza. Questi metodi classici tendono ad essere piuttosto troppo sicuri nel contesto del microcredito, evidenziando l'importanza di tenere conto della variazione tra studi. Nel complesso, mentre ci sono poche prove che il microcredito generalmente danneggi i mutuatari come temevano alcuni dei suoi critici, ci sono anche poche prove di un effetto abbastanza grande da trasformare le famiglie povere in imprenditori prosperi come inizialmente sostenuto dai suoi sostenitori.

Figura 1: effetti previsti del microcredito in contesti futuri. Le stime BHM incorporano informazioni sull'incertezza negli effetti attraverso le impostazioni, l'OLS in pool (un'implementazione di dati completi di un approccio di meta-analisi classico) no.

L'impatto del microcredito è simile in tutti i contesti

Stimo anche direttamente la variazione degli effetti tra gli studi per ciascun risultato e trovo che le differenze negli effetti tra gli studi sono inferiori a quanto si pensasse in precedenza (Pritchett e Sander 2015, Vivalt 2016). Applicando il metodo gerarchico bayesiano e separando la variazione di campionamento dalla variazione tra i paesi, trovo che la variazione tra i paesi sia generalmente moderata. In media, tra metriche e risultati, circa il 60 percento della variazione inizialmente osservata negli effetti del trattamento del microcredito era in realtà solo una variazione di campionamento all'interno dello studio. La linea di fondo è che gli effetti dell'espansione dei servizi di microcredito in diversi paesi sono abbastanza simili. È probabile che i risultati che vediamo qui diano un'indicazione ragionevole degli effetti futuri del microcredito in altri paesi. Quindi, sebbene vi sia ancora qualche variazione moderata negli effetti del trattamento, questi RCT sembrano essere ragionevolmente validi esternamente. Ciò non significa tuttavia che avremmo potuto ignorare l'eterogeneità degli effetti tra i siti: l'incertezza che dovremmo avere sull'effetto nel sito successivo è infatti maggiore di quanto sarebbe se assumessimo che gli effetti fossero tutti uguali, come mostra la figura 1 .

Alcuni degli autori degli studi originali pensavano che avere una precedente esperienza commerciale potesse essere un buon indicatore del fatto che un mutuatario sarebbe in grado di utilizzare nuove linee di credito in modo produttivo. Poiché ho tutti i dati, posso estendere quell'analisi a tutti i siti. Come mostrato nella figura 2, trovo che il microcredito di solito ha esattamente un effetto zero per quelle famiglie senza precedenti esperienze commerciali. Al contrario, l'effetto del trattamento sulle famiglie con esperienza lavorativa è in media ampio, ma più incerto e con maggiori variazioni tra i siti.

Figura 2: Effetti previsti del microcredito suddivisi per stato precedente di proprietà dell'impresa.

Sebbene la variazione degli effetti tra i contesti nazionali non sia ampia, non mancano già accademici ed esperti di aiuti che affermano di comprendere il "fattore chiave" che fa sì che il microcredito abbia effetti diversi in contesti diversi. Ma ci sono due grossi problemi con tali affermazioni. In primo luogo, la correlazione tra un dato fattore contestuale e la dimensione dell'effetto del trattamento non può essere interpretata causalmente perché molti altri fattori non osservati potrebbero guidare i modelli che vediamo. In secondo luogo, le correlazioni sono calcolate da sette studi e ci sono più di sette importanti variabili contestuali come tassi di interesse, dimensione del prestito, strategie di targeting del mutuatario, decisioni di progettazione dello studio del ricercatore e molte altre che variavano tra le IFM negli studi. In altre parole, ci sono più spiegazioni possibili che punti dati. Dobbiamo essere molto cauti su ciò che possiamo imparare in questo contesto. Il meglio che si può fare è analizzare le covariate utilizzando metodi che costringono il modello a ridurre il numero di potenziali spiegazioni. Applico un metodo chiamato regressione di Ridge per valutare il potere predittivo relativo di queste variabili contestuali. Trovo che le variabili economiche come i tassi di interesse predicono la variazione degli effetti del trattamento meglio delle differenze nei protocolli di studio. Ciò suggerisce che l'eterogeneità che osserviamo riflette autentiche differenze negli effetti tra le impostazioni, sebbene l'analisi sia in qualche modo speculativa.

Dove va il microcredito da qui?

Avendo visto che il microcredito non fornisce gli effetti drammatici e trasformativi rivendicati da entrambe le parti del dibattito, la domanda successiva è: perché no? Forse parte della risposta sta nei termini dei prestiti: devono essere rimborsati frequentemente, spesso a intervalli settimanali, quindi i mutuatari non possono utilizzare gran parte del loro prestito per iniziative imprenditoriali rischiose che possono solo ripagare a lungo termine. Inoltre, i microprestiti hanno spesso tassi di interesse molto elevati per coprire i costi di amministrazione, il che può significare che i prestiti non sono desiderabili per i mutuatari come speravano le IFM: l'adozione è stata bassa nella maggior parte degli esperimenti.

Un'altra possibilità è che ci vuole tempo per costruire relazioni tra funzionari di prestito e mutuatari, quindi forse i prestiti iniziali non vengono fatti alle persone che sarebbero in grado di usarli al meglio; in tal caso forse i follow-up a lungo termine troveranno qualcosa di più incoraggiante. Tuttavia, è anche possibile che il credito non sia semplicemente il vincolo più importante che le famiglie povere devono affrontare: dopo tutto, hanno tra loro ampie reti informali di credito, ma spesso non hanno altri importanti input potenziali per la crescita economica come infrastrutture, strade e sanitario. E anche se l'accesso al credito è davvero un vincolo importante, è possibile che risolverne uno non sia sufficiente per aiutare le famiglie a uscire dalla povertà; questo pensiero ha motivato altre "grandi spinte" o interventi globali come il programma di laurea BRAC.

Nonostante queste possibilità, le migliori prove che abbiamo suggeriscono con ragionevole sicurezza che gli impatti medi di questi prestiti sono piccoli. Mentre l'ambiente in cui le prove saranno eventualmente utilizzate per prendere decisioni politiche non è mai esattamente lo stesso dell'ambiente studiato, nel caso del microcredito la differenza negli effetti tra gli studi è moderata. C'è ancora qualche incertezza sull'impatto del microcredito in contesti futuri, ma le prove che abbiamo suggeriscono che sarebbe utile cercare approcci alternativi per migliorare la vita delle famiglie povere nei paesi in via di sviluppo.