Hittade en lösning på fattigdomen – då kom nästa problem

Den franska ekonomen Esther Duflo brukade jämföra sig själv och sina kolleger med medeltida läkare som använde blodiglar för att bota sjuka: den dåtida sjukvården var inte bättre än en gissningslek. När hon pratade om blodiglarna inför världen stod Esther Duflo på en scen i Long Beach i Kalifornien för ett TED-föredrag om bistånd och fattigdomsbekämpning – nio år innan hon skulle få ekonomipriset till Alfred Nobels minne och redan på god väg att bli megastjärna inom utvecklingsekonomin.

Under det 17 minuter långa talet lade hon fram belägg för en ny metod för att mäta effekten av biståndsinsatser. Ut med blodiglarna, in med mätbara resultat i form av randomiserade kontrollerade studier (RCT).

– Vi kan låta sociala innovationer genomgå samma rigorösa vetenskapliga prövning som vi använder för läkemedel. På så sätt kan man minska inslaget av gissningar i utformningen av policy genom att ta reda på vad som fungerar, vad som inte fungerar och varför.

Det stora i det lilla

Hon förklarade att insatser mot fattigdom kan mätas på samma sätt som effekten av läkemedel – genom randomiserade studier av människor på plats. Effekten av biståndet blir tydlig genom att resultaten i byar som slumpmässigt fått en insats jämförs med byar som inte fått den.

Med andra ord handlade det om att bryta ner de stora frågorna om fattigdom – varför förblir vissa länder fattiga medan andra utvecklas? – i mindre beståndsdelar. Fokus förflyttades från makrofrågor till ett ”litet” problemområde i taget.

Det var metodens stora styrka, men skulle också bli utgångspunkten för en växande kritik: ett experiment kan ge ett säkert svar på en avgränsad fråga utan att för den skull förklara hur hela samhällen utvecklas.

Experimenten handlade om allt från att höja skolresultaten för barn i slumområden i indiska städer genom att anställa och utbilda lokala kvinnor i grundläggande läs- och matematikkunskaper, till att få föräldrar på den indiska landsbygden att vaccinera sina barn i utbyte mot ett kilo linser och att ge gratis gödsel till bönder i Kenya för att öka produktiviteten i jordbruket.

Med en donation på 300 000 dollar från Massachusetts Institute of Technology (MIT) lanserade Esther Duflo och hennes kollega vid MIT, Abhijit Banerjee, år 2003 Abdul Latif Jameel Poverty Action Lab ( J-PAL). Genom J-PAL kunde de sprida kunskapen om sin experimentella metod betydligt bredare.

Ingen överdrift

Det som från början var ett litet forskarteam som arbetade med ett hundratal randomiserade kontrollstudier växte under de följande tio åren till ett globalt nätverk av civilsamhällesorganisationer, institutioner som Världsbanken och Interamerikanska utvecklingsbanken samt hundratals forskare som arbetade med drygt 2 200 RCT-studier.

Enligt J-PAL har i dag mer än 850 miljoner människor nåtts av program som utformats med stöd av RCT-studier.

Det var alltså inte någon överdrift när Esther Duflo, Abhijit Banerjee och deras forskarkollega vid Harvard, Michael Kremer, år 2019 tilldelades ekonomipriset och kallade det ”ett pris för rörelsen”.

Samtidigt är det svårt att säga vilken betydelse just den här typen av insatser har haft för den stora historiska minskningen av fattigdomen. Enligt Världsbanken har global fattigdom sjunkit kraftigt, men världen är samtidigt på väg att missa målet att helt utrota extrem fattigdom till 2030. Nuvarande trender tyder på att befolkningstillväxten i fattigare regioner kan leda till att det absoluta antalet människor som lever i extrem fattigdom ökar fram till 2050, om tillväxttakten inte förbättras.

Huvudfrågan för utvecklingsekonomer är hur den negativa trenden kan vändas. Kritiker av randomiserade kontrollstudier menar att metoden är mindre lämpad för stora frågor om ekonomisk utveckling, strukturell omvandling och långsiktig ekonomisk tillväxt. Kritiken rymmer flera problem. Ett är om resultaten går att överföra från en plats eller grupp till en annan. Ett annat är vad som händer när en insats skalas upp från hundratals deltagare till miljontals.

En insats som fungerar i liten skala kan få andra effekter när den genomförs på nationell nivå, eftersom priser, löner, marknader och människors beteenden påverkas i större utsträckning. Det har också visat sig att resultat från småskaliga experiment kan bli mindre tydliga eller att insatserna blir dyrare i stor skala, vilket gör resultaten svåra att använda som underlag för storskalig policyförändring.

Esther Duflo och Abhijit Banerjee medger att RCT-metodiken har sina begränsningar, men försvarar den i boken Poor economics:

– Vi kanske inte har mycket att säga om makroekonomisk policy eller institutionella reformer, men låt er inte luras av projektens anspråkslöshet: små förändringar kan få stora effekter.

Inga säkra svar

Tessa Bold, en tongivande utvecklingsekonom vid Institutet för internationell ekonomi vid Stockholms universitet, håller med om att utvecklingsekonomin inte alltid kan ge lika säkra svar på de stora samhällsfrågorna som på mer avgränsade policyfrågor. Men hon påpekar att fältet hela tiden utvecklas med nya typer av experiment – vissa av dem tyder på att vi kommer närmare lösningar på hur biståndsinsatser kan styras för störst effekt.

Som exempel på ett spännande spår inom fältet lyfter hon Ultra-poor graduation-programmet, som först utformades av den bangladeshiska organisationen Brac och testades på lokalbor i extrem fattigdom år 2002.

Experimentet kombinerade flera typer av stöd under en begränsad period med målsättningen att deltagarna skulle ”ta examen” i ekonomisk självständighet. Startskottet för programmet var en tillgång i form av en ko, en get eller höns.

Därefter fick deltagarna utbildning i hur de skapar inkomster från tillgången, regelbunden coachning med stöd kring hushållsekonomi, sparande och företagande samt socialt stöd för att öka självförtroendet.

Ett år efter programmets avslutning rapporterade familjer som deltagit i studien att de kunde sätta tillräckligt med mat på bordet varje dag. Tio år senare var deltagarnas inkomster fortfarande högre än icke-deltagarnas.

Tessa Bold förklarar att resultaten är anmärkningsvärda i sig eftersom det finns ihållande effekter långt efter att programmet har upphört, och det, menar hon, är precis det bistånd vill uppnå: hjälpa andra att hjälpa sig själva. Därmed handlar experimentet inte längre bara om huruvida en viss insats fungerar, utan också om en större utvecklingsekonomisk fråga: om människor kan fastna under en ekonomisk tröskel som det krävs en samordnad insats för att ta sig över.

Ultra-poor graduation-modellen visar att människor kan ta sig ur extrem fattigdom med relativt små medel, om flera insatser kombineras. Programmet har skalats upp till tre miljoner människor i 15 länder.

Men många fler behöver liknande insatser om målet att utrota fattigdom ska kunna nås. En av de stora frågorna för den experimentella utvecklingsekonomin är därför hur fungerande insatser kan skalas upp utan att effekten går förlorad.

– Det är dagens stora utmaning i mitt forskningsfält, säger Martina Björkman Nyqvist, professor i nationalekonomi vid Handelshögskolan i Stockholm.

När vi pratar har hon just påbörjat ett sabbatsår från rollen som vd för det tvärvetenskapliga forskningscentrumet House of Sustainable Society vid Handelshögskolan i Stockholm.

Under året presenterar Martina Björkman Nyqvist sin forskning vid flera ledande universitet i USA, Australien och Europa. Hon har med sig sin ännu opublicerade vetenskapliga artikel Skala upp vården, rädda liv – evidens från ett iterativt försök i Uganda.

Så vänder trenden

Martina Björkman Nyqvist blir märkbart upprymd när hon berättar om studien, som bygger på ett pilotprojekt på landsbygden i Uganda där kvinnor utbildades i grundläggande sjukvård för att hjälpa fattiga barn under fem års ålder. Det är inte svårt att förstå varför.

Pilotprojektet gav ett nästan sensationellt resultat: nästan 29 procent färre barn dog under experimentet, som pågick under tre år från 2010. Men när programmet skulle rullas ut till hela Uganda fick det inte alls samma positiva resultat.

Orsaken var besparingar. Personalstyrkan som skulle övervaka att vårdinsatserna nådde de barn som behövde dem var inte tillräckligt stor och aktiv. Utan pilotprojektets kontrollerade ramar blev effekten på barnadödligheten mindre. Problemet var alltså inte bara om resultaten gick att skala upp, utan vad som hände med själva organisationen när ett forskningsprojekt blev offentlig verksamhet.

Men de negativa resultaten gjorde forskarna nyfikna på hur de kunde vända trenden, så de kom på en innovativ metod för hur programmet kan implementeras, förklarar Martina Björkman Nyqvist.

– Normalt sett utvärderas ett program först efter att det skalats upp efter ett pilotexperiment. Men vi tänkte, varför delar vi inte med oss av datan allt eftersom? I stället för att sitta på den använder vi datan som en del i processen för att få programmet att funka. Vi tillåter organisationen som jobbar med det att ändra programmet under tiden det pågår.

Genom att dela data med personal i fältet så att de kunde lära sig av effekten av programmet kunde det justeras så att det blev väldigt likt piloten. Att låta data styra hur programmet genomfördes blev dyrare, men i slutänden mer kostnadseffektivt eftersom det fungerade som avsett.

Utvecklingsekonomi har tagit stora kliv sedan 1990-talet, när Esther Duflo och Abhijit Banerjee började använda randomiserade kontrollerade studier för att mäta effekterna av biståndsinsatser. Men erfarenheterna från Uganda visar också nästa problem: Det räcker inte att veta att en insats fungerar under kontrollerade former. Forskare behöver förstå vilka delar som måste överleva när en modell lämnar experimentet och möter verklighetens budgetar, organisationer och institutioner. Utvecklingsekonomin har blivit mycket bättre på att ta reda på om en insats fungerar. Nästa fråga för fältet är svårare: När fungerar den, var – och överlever effekten när hundratals deltagare blir miljoner?