Kurze Rückblende: Vom 15. April bis 31. Oktober 1980 verließen rund 150.000 Kubaner ihre Heimat, die Hälfte davon siedelte sich in Miami an. Die meisten bekamen Aufenthalts- und Arbeitserlaubnisse. Damit wuchs die Zahl der Arbeitskräfte in der Großstadt in kürzester Zeit um 7 Prozent. Die lokale Arbeitslosenquote stieg von 5 auf 7 Prozent, normalisierte sich aber schnell.

Der jetzt mit dem Nobel-Gedächtnispreis für Ökonomie ausgezeichnete Volkswirtschaftsprofessor David Card untersuchte die Lohnentwicklungen in Miami von 1979 bis 1985 und verglich sie mit anderen amerikanischen Metropolen. Einfache ökonomische Modelle legten die Vermutung nahe, die Löhne würden generell nachgeben, und besonders stark für Arbeitnehmer, die direkt mit den Kubanern konkurrierten. Card fand hingegen heraus, dass die Immigration kaum Einflüsse auf die Löhne hatte.

Die Auszeichnung des norwegischen Preiskomitees würdigt weniger das überraschende Ergebnis als die für die Wirtschaftswissenschaft vergleichsweise neue Methode: Card nutzte ein natürliches Sonderereignis, um zu Schlussfolgerungen zu gelangen. Der Berkeley-Forscher, der die Hälfte des Preises zuerteilt bekam, teilt ihn sich mit Guido Imbens (Stanford University) und Joshua Angrist (Massachusetts Institute of Technology). Allen drei Forschern ist gemein, dass sie sogenannte natürliche Experimente nutzen, um Theorien zu testen. Angrist beutete zusammen mit dem verstorbenen Alan Krueger (Princeton) eine Besonderheit im amerikanischen Schulsystem aus, um zu zeigen, dass mehr Schule mehr Einkommen produziert, der Statistikfachmann Imbens indes zeichnet sich vornehmlich durch neue methodische Erkenntnisse aus.

Maschinelles Lernen in der VWL

Cards zweite bahnbrechende Arbeit wiederum veränderte die Vorstellungen über den Mindestlohn. Ebenfalls mit Krueger untersuchte er den Effekt, den der Anstieg des gesetzlichen Mindestlohnes im Bundesstaat New Jersey auf die Beschäftigung in den Schnellrestaurants hatte im Vergleich zum Nachbarstaat Pennsylvania, wo die Mindestlöhne niedriger waren und nicht angepasst wurden. Entgegen der „klassischen“ Lehre fanden sie keinen negativen Beschäftigungseffekt, vielmehr stieg die Beschäftigung in den mehr als 400 untersuchten Schnellrestaurants in New Jersey. Das war zusätzlich überraschend, weil die Lohnerhöhung während einer Rezession stattfand.

Cards Mindestlohn-Forschung wird aktuell vor allem von Teilen der Demokratischen Partei bemüht, um die Forderung nach einem Mindeststundenlohn von 15 Dollar zu unterfüttern. Card fand, dass diese Arbeit häufig von links und rechts falsch verstanden und missbraucht wurde. Er selbst hatte nie die generelle Anhebung des Mindestlohns gefordert. Im konkreten von ihm untersuchten Fall hatte New Jersey den Mindestlohn 1992 von 4,25 Dollar auf 5,05 Dollar angehoben, während er in Pennsylvania stabil bei 4,25 Dollar blieb. 5 Dollar hatte 1992 eine Kaufkraft, die heute weniger als 10 Dollar entspricht. Card verließ, wie er einmal angab, das Forschungsfeld schnell nicht nur, weil er über das Ergebnis gute Freunde etwa an der Universität von Chicago verlor, sondern auch, weil er sich nicht damit aufhalten wollte, ein Forscherleben lang alte Ergebnisse zu kommentieren. Er fand stattdessen unter anderem bei der Interpretation von Daten aus Deutschland heraus, dass Frauen auch deshalb weniger verdienen als Männer, weil sie häufiger bei generell schlechter zahlenden Arbeitgebern beschäftigt sind.

Während Card vornehmlich durch seine genauere Analyse des Arbeitsmarktes überzeugte, wählte das Nobelpreis-Komitee Angrist und Imbens dafür, wie sie die theoretischen Grundlagen der statistischen Analyse weiterentwickelten. Ihre in den Neunzigerjahren publizierten Beiträge eröffneten auch Ökonomen neue Möglichkeiten, aus beobachteten Daten zu schlussfolgern. Tatsächlich befasst sich ein großer Teil gängiger statistischer Verfahren damit, Zusammenhänge zwischen verschiedenen Phänomenen überhaupt erst einmal aufzudecken, also zu klären, ob und wie sie korreliert sind. Die in der Praxis für Wirtschaftspolitiker oder Unternehmen genauso wichtige Frage besteht allerdings darin, wie der beobachtbare Zusammenhang verläuft, was Ursache ist und was Wirkung, ob und wie sich ein Ergebnis tatsächlich ändert, wenn sich die Rahmenbedingungen ändern oder ob andere Variablen eine Rolle spielen, die gar nicht direkt abgebildet werden. Es geht um Kausalität im Gegensatz zur bloßen Korrelation. Hier haben Angrist und Imbens neue Techniken bereitgestellt, die Forscher rund um die Welt vielfältig in ihren empirischen Arbeiten anwenden.

Imbens hat darüber hinaus von sich reden gemacht durch sein Drängen darauf, datenintensive und auf Lernalgorithmen basierende Ansätze aus der Künstlichen Intelligenz in die Volkswirtschaftslehre zu überführen. Gemeinsam mit seiner Frau Susan Athey, die gelegentlich ebenfalls genannt wird als nobelpreiswürdige Forscherin, veröffentlichte er schon vor zwei Jahren unter dem Titel „Machine Learning Methods Economists Should Know About“ einen gelungenen Überblicksfachartikel. Der Antrieb ist klar: In einer Zeit, in der permanent gewaltige Datenmengen gesammelt und ausgewertet werden („Big Data“), verbindet sich auch die Volkswirtschaftslehre in Teilen zunehmend mit der Informatik. Wenig überraschend ist denn auch, dass im Literaturanhang der Erläuterung des Preiskomitees der Name Judea Pearl auftaucht: Der Informatiker wurde im Jahr 2011 mit der höchsten Auszeichnung seines Faches bedacht, dem Turing-Award – für seine Arbeiten über Kausalität.