Banke v državah v razvoju pogosto ne posojajo revnih, ker nimajo kreditov, ali bodo posojale le po previsoko visokih obrestnih merah, tako da veliko ljudi nikoli ne more izbiti iz kroga revščine.
Natalia Rigol je doktorska kandidatka za ekonomijo na MIT z inovativno mislijo. Ali je mogoče, se sprašuje, uporabiti podatke skupnosti za ustvarjanje neuradne bonitetne ocene, da bi banke ali mikrofinančne institucije lahko odločile, komu posojati denar? Rigol je to poletje vodila pilotni projekt, ki je to vprašanje postavil v Indiji, in zdaj začenja veliko večjo študijo o okoli 1500 lastnikih malih podjetij v revnih skupnostih v Indiji.
Povejte nam malo o svojem ozadju in kako ste se navdihnili, da ste postali ekonomist?
Po rodu sem s Kube, tako da sem do 9. leta živel na Kubi in tam začel šolanje. Pri devetih letih sem se preselil v Rusijo in tam živel dve leti, nato pa sem bil dve leti na Češkem. V ZDA sem prišel, ko sem bil star 13 let, in končal srednjo šolo na Floridi. Šolal sem se na Harvardu in doktoriral na MIT, kjer sem bil pet let. Ko sem bil študent, sem začel sodelovati z mentorjem ekonomistom Rohinijem Pandejem na Harvardu. Ona je tista, ki me je privabila na vprašanja o mikrofinanciranju in enakosti spolov, na katere se zdaj osredotočam.
Kako je delati v Indiji?
Vprašanje revščine v Indiji je izjemno presenetljivo. Indija je odličen kraj [za raziskovanje], ker je kraj, kjer se vodi veliko držav. Ljudje mislijo, da je Kitajska ta vzorna država, a Indija je v resnici velika neenakost dohodka precej bolj podobna, kot bodo kmalu izgledale revne države. To je kraj, kjer lahko razmišljaš o vprašanjih revščine in se resnično učiš.
Povejte nam svoj trenutni projekt.
Velika težava pri financiranju revnih je, da s slabimi nimate veliko informacij o njih. Če razmišljate o financah v razvitih državah, v krajih, kot je Amerika, lahko obiščete American Express in American Express bo imel zanesljive informacije o Nataliji Rigol - kakšen je njen prihranki, kako izgleda njena kreditna ocena. Podjetje, ki bo najelo posojilo Natalii Rigol, ima veliko informacij. Toda v državah v razvoju ni nič takega. V Indiji šele zdaj dobivajo številke socialne varnosti za ljudi. Banka nima veliko informacij o revnih ljudeh. Če banka nima informacij o revnih ljudeh, je eden od načinov za posojilo dajanje zavarovanja s premoženjem. Seveda pa revni ljudje tega nimajo. Banke zelo težko razlikujejo med Natalijo in Emily. Na njih smo videti enako. Na koncu se banka odloči, da bo zaračunala visoko obrestno mero, ker tvega. Vprašanje, ki me zanima, je naslednje: Ali lahko razvijemo neko orodje, s katerim lahko banke razlikujejo med Natalijo in Emily?
Kako bi to lahko delovalo?
Razmišljal sem o uporabi informacij, ki so na voljo v skupnostih. Še posebej v kraju, kot je Indija, ljudje živijo na družbenih omrežjih. Ni tako kot v ZDA, kjer živite v hiši in morda ne poznate svojih sosedov. Projekt poskuša razumeti, ali imajo ljudje informacije o drugem, ki bi se jim posojilnica lahko zdela pri razlikovanju med Natalijo in Emily. Odpravim se v skupnost in prosim ljudi, da se pogovorijo z menoj o Nataliji in Emily in mi povedo različne vrste informacij o Nataliji in Emily - vprašanja o na primer delovni etiki, inteligenci, poslovnem smislu. Kdo bo najbolj produktiven? Kdo bo najbolj razvijal svoj posel? Zdi se, da skupnosti vedo, kdo je zelo sposoben.
Kako deluje postopek zbiranja informacij?
Najprej vodimo zasebni intervju za vsako gospodinjstvo v njihovem domu. Tu zbiramo vrsto informacij o človekovih gospodinjstvih, poslovnih in osebnih sposobnostih. Nekaj teh podatkov bomo uporabili za preverjanje, ali člani skupnosti vedo drug o drugem, saj se vodi, preden kdo ve kaj o tem, da se bodo uvrstili med svoje vrstnike. Nato povabimo petčlanske skupine [prijateljev in sosedov] v dvorano, kjer vodijo našo "uvrstitveno igro". Glede na randomizacijo jih izvajajo v prisotnosti drugih ljudi ali sami in jim sporočajo, ali bodo njihovi podatki uporabljeni za dodelitev nepovratnih sredstev ali ne in ali prejemajo spodbude ali ne. Na koncu te igre izvedemo loterijo za izbiro dobitnikov štipendij. Nato opravimo nadaljnje intervjuje za merjenje sprememb v poslovnem in gospodinjskem bogastvu in te podatke uporabimo za potrditev, ali lahko člani skupnosti napovedujejo rast poslovanja.
Člani skupnosti izpolnjujejo raziskavo Rigol. (Natalia Rigol) Katera vprašanja postavljate?
Na prvem razgovoru prosimo za podatke o delovnih dejavnostih vseh članov gospodinjstva, zelo podrobne informacije o vseh podjetjih v gospodinjstvu, psihometrična vprašanja z lastniki podjetij in veliko vprašanj o bogastvu, zdravju in splošnem počutju.
Kako poskrbite, da vam bodo ljudje povedali resnico o svojih prijateljih in sosedih?
Če greš v skupnost in sprašuješ, in ljudje vedo, da bodo informacije uporabljene za dodelitev sorazmerno velikih donacij, je možno, da bodo lagali. Imamo veliko pilotnih podatkov, ki kažejo, da ljudje dejansko lažejo, če imajo spodbudo za laž. Želim vedeti, kako priti do ljudi, da nam povejo resnico.
Najbolj viden način za to je, da dajemo ljudem [finančne] spodbude za njihove odgovore. Ponujamo večjo spodbudo za govorjenje resnice. Uporabljamo pravilo plačila medsebojnih elicitation, Bayesian Truth Serum, ki ga je tukaj razvil Dražen Prelec na MIT. Način delovanja pravila je, da od ljudi zahtevamo prepričanja prvega reda - da razvrstijo ljudi od najvišjega do najnižjega dobička - in prepričanja drugega reda - koliko ljudi v skupnosti bi reklo, da bi bila Emily uvrščena med najvišje? Koliko bi jih reklo, da bi se uvrstila na drugo najvišje mesto in tako naprej? Ljudje plačujemo na podlagi prepričanj prvega in drugega reda. Plačilo za prepričanja drugega reda je enostavno: vidimo, koliko ljudi je uganilo, da bi Emily uvrstili na prvo mesto, nato pa vidimo, koliko ljudi je v resnici uvrstilo Emily na prvo mesto. Težko je plačati za prepričanja v prvem naročilu. Pravilo deluje s plačevanjem višjih zneskov ljudem, ki dobijo odgovore, ki so "presenetljivo pogosti", kar pomeni, da je prepričanje prvega reda v populaciji pogostejše, kot so ljudje napovedovali, da bo to bilo zaradi prepričanja drugega reda. Prelec je dokazal, da je to pravilo za plačilo spodbud resnično - ljudem je bolje povedati resnico o tem, kar znajo, kot pa lagati. Obstaja tudi nekaj laboratorijskih poskusov s študenti, ki potrjujejo lastnosti tega pravila.
Koliko so donacije? In kako lahko te vrste donacij ali mikro posojila pomagajo ljudem v osiromašeni skupnosti?
Donacije znašajo 100 dolarjev, kar je resnično ogromno denarja za to prebivalstvo. To je približno 30 odstotkov kapitala lastnika podjetja. Druge raziskave ugotavljajo, da so mikropodjetniki res produktivni. Date jim 100 dolarjev, njihov dobiček pa se povečuje za 50 odstotkov dve ali tri leta navzdol in še naprej višje. V smislu vplivov: poraba ljudi narašča, zdravje ljudi se izboljšuje. Z 100 dolarji lahko vaš mož opravi kakršno koli operacijo in se vrne na delo, medtem ko odsotnost teh 100 dolarjev pomeni, da ste dobesedno v revščini.
Kakšni so vaši načrti za prihodnost tega projekta?
Delamo izhodiščno raziskavo, končali pa bomo do decembra ali januarja. Nato bomo naključno dodelili nepovratna sredstva za merjenje, ali so skupnosti lahko napovedale rezultate ali ne. Verjetno bomo ljudi spremljali eno do dve leti, da bomo videli razvoj njihovih podjetij in dohodkov gospodinjstev ter videli, kako informacije skupnosti to napovedujejo. Sodelujemo z mikrofinančno ustanovo, ki je zelo zainteresirana za ta projekt. Naslednji korak bi bil, če vidimo, kako bi to lahko vključili v svoje delovanje.
