Arengumaade pangad ei anna vaestele sageli laenu, kuna neil pole laenu või nad laenavad ainult liiga kõrgel tasemel, muutes selle nii, et paljud inimesed ei saa kunagi vaesusetsüklist välja tulla.
Natalia Rigol on innovatiivse mõtteviisiga MIT-i majanduse doktorant. Kas on võimalik, et ta kasutab kogukonna teavet mitteametliku krediidireitingu loomiseks, et aidata pankadel või mikrofinantseerimisasutustel otsustada, kellele raha laenata? Rigol korraldas sel suvel Indias selle küsimuse esitamiseks pilootprojekti ja nüüd on ta algatanud palju suurema uuringu umbes 1500 väikeettevõtte omaniku kohta India vaestes kogukondades.
Rääkige meile natuke oma taustast ja sellest, kuidas olete saanud ökonomistiks saamise inspiratsiooni?
Olen pärit Kuubast, seega elasin Kuubas kuni 9-aastaseks saamiseni ja alustasin seal oma kooli algust. 9-aastaselt kolisin Venemaale ja elasin seal kaks aastat ning siis olin kaks aastat Tšehhis. Tulin USA-sse, kui olin 13-aastane ja tegin oma keskkooli kuni Florida keskkooli. Käisin Harvardis oma alatu õppimas ja õppisin doktorikraadi MIT-is, kus olen olnud viis aastat. Kui ma olin alateadlane, asusin Harvardis koostööd mentori - ökonomisti Rohini Pande - ga. Ta on see, kes pani mind mikrokrediidi ja soolise võrdõiguslikkuse teemadele haakuma, millele ma praegu keskendun.
Mis tunne on töötada Indias?
India vaesuseprobleemid on äärmiselt silmatorkavad. India on suurepärane koht [uurimistöö tegemiseks], sest see on koht, kuhu suundub palju riike. Inimesed arvavad Hiinast kui sellest eeskujulikust riigist, kuid India näib tõeliselt suure sissetulekute ebavõrdsuse osas palju sarnasem vaeste riikidega, mis varsti välja näevad. See on koht, kus saab mõelda vaesuse probleemidele ja õppida.
Rääkige meile oma praegusest projektist.
Üks suur probleem, mis vaeste rahastamisel eksisteerib, on see, et vaestega ei ole teil nende kohta palju teavet. Kui mõelda finantseerimisele arenenud riikides, näiteks Ameerika riikides, võite minna American Expressi ja American Expressil on Natalia Rigoli kohta usaldusväärset teavet - millised on tema säästud, milline on tema krediidiskoor. Ettevõttel, kes kavatseb laenu anda Natalia Rigolile, on palju teavet. Kuid arengumaades pole midagi sellist. Indias saavad nad alles nüüd inimeste sotsiaalkindlustuse numbreid. Pangal pole vaeste kohta palju teavet. Kui pangal puudub teave vaeste kohta, on laenu saamise viis tagatise esitamine. Kuid vaestel inimestel seda muidugi pole. Pankadel on väga raske Nataliat ja Emilyt vahet teha. Me näeme neile sama. Lõpuks otsustab pank, et nad võtavad kõrge intressimäära, kuna nad võtavad riski. Mind huvitab järgmine küsimus: kas saame välja töötada tööriista, mis aitab pankadel vahet teha Natalia ja Emily vahel?
Kuidas see võiks toimida?
Olen mõelnud kogukondades saadaoleva teabe kasutamisele. Eriti sellises paigas nagu India elavad inimesed suhtlusvõrgustikes. See pole nagu USA, kus elate majas ja võib-olla ei tunne teie naabreid. Projektiga püütakse mõista, kas inimestel on üksteise kohta teavet, mida laenuasutus võiks pidada kasulikuks Natalia ja Emily eristamisel. Käin kogukonnas ja palun inimestel rääkida minuga Natalia ja Emily kohta ning öelda mulle erinevat tüüpi teavet Natalia ja Emily kohta - näiteks tööeetika, intelligentsuse, ärilise mõtte kohta. Kes saab olema kõige produktiivsem? Kes kavatseb oma ettevõtet kõige rohkem kasvatada? Näib, et kogukonnad teavad, kes on väga võimekad.
Kuidas teabekogumisprotsess töötab?
Esmalt korraldame küsitluse eraviisiliselt iga nende kodu leibkonna kohta. Kogume siin palju teavet inimese leibkonna, ettevõtluse ja isiklike võimete kohta. Osa nendest andmetest kontrollime, kas kogukonna liikmed teavad üksteise kohta asju, kuna see viiakse läbi enne, kui keegi teab midagi selle kohta, et nad hakkavad oma eakaaslasi järjestama. Seejärel kutsume viieliikmelised [sõprade ja naabrite] rühmad saali, kus nad viivad läbi meie "edetabelimängu". Sõltuvalt juhuslikust jaotusest korraldavad nad neid teiste inimeste juuresolekul või üksi ja neile öeldakse, kas nende andmeid kasutatakse toetuste eraldamiseks või mitte ja kas nad saavad stiimuleid või mitte. Selle mängu lõpus korraldame toetuse saajate valimiseks loterii. Seejärel korraldame järelintervjuud, et mõõta muutusi ettevõttes ja leibkondade jõukuses ning kasutame neid andmeid valideerimaks, kas kogukonna liikmed oskavad ettevõtte kasvu ennustada.
Kogukonna liikmed täidavad Rigoli küsitluse. (Natalia Rigol) Milliseid küsimusi sa küsid?
Esimesel vestlusel küsime teavet kõigi leibkonnaliikmete tööalase tegevuse kohta, väga detailset teavet kõigi leibkonnaettevõtete kohta, psühhomeetrilisi küsimusi ettevõtete omanikega ning palju küsimusi rikkuse, tervise ja üldise heaolu kohta.
Kuidas veenduda, et inimesed räägivad teile oma sõprade ja naabrite kohta tõtt?
Kui külastate kogukonda ja küsite küsimusi ning inimesed teavad, et seda teavet kasutatakse suhteliselt suurte toetuste eraldamiseks, on võimalik, et nad valetavad. Meil on palju pilootandmeid, mis viitavad sellele, et inimesed valetavad tegelikult, kui neil on stiimul valetada. Ma tahan teada, kuidas panna inimesi meile tõtt rääkima.
Kõige silmatorkavam viis selleks on see, kui anname inimestele [rahalisi] stiimuleid nende vastuste saamiseks. Pakume tõe rääkimiseks suuremat stiimulit. Me kasutame siin MIT-is Drazen Preleci välja töötatud eakaaslastest kutsete tasumise reeglit - Bayesian Truth Serum. Reegel toimib nii, et küsime inimestelt nende esimese astme veendumusi - järjestada inimesi kõrgeimast madalaimast kasumist - ja teise järgu veendumusi - kui paljud kogukonna inimesed ütleksid, et Emily oleks kõrgeim? Kui paljud ütleksid, et ta oleks teisel kohal jne? Me maksame inimestele nende esimese ja teise järgu veendumuste põhjal. Teise järgu uskumuste eest tasumine on lihtne: näeme, kui palju inimesi arvasid Emily nummerdavat edetabelit, ja siis näeme, kui paljud inimesed tegelikult Emily number üheks paremusjärjestusse panid. Esmajärjekorras uskumuste eest tasumine on raske osa. Reegel toimib, makstes suuremaid summasid inimestele, kes annavad vastuseid, mis on "üllatavalt tavalised", mis tähendab, et esimese järjekorra veendumus on elanikkonnas tavalisem kui inimesed ennustasid, et see juhtuks teise järgu uskumuste kaudu. Prelec on tõestanud, et see ergutav maksereegel on tõene - inimestel on parem rääkida tõtt sellest, mida nad teavad, kui valetada. Selle reegli omadusi kinnitavad ka õpilastega tehtud mõned laborieksperimendid.
Kui suured on toetused? Ja kuidas saavad sellised toetused või mikrolaenud aidata vaesunud kogukonna inimesi?
Toetused on 100 dollarit, mis on selle elanikkonna jaoks tõesti tohutu summa. See on umbes 30 protsenti ettevõtte omaniku kapitalist. Teiste uuringute kohaselt on mikroettevõtjad tõesti produktiivsed. Sa annad neile 100 dollarit ja nende kasum suureneb kaks või kolm aastat 50 protsenti 50 protsenti ja on jätkuvalt suurem. Mõju osas: inimeste tarbimine suureneb, inimeste tervis paraneb. 100 dollariga saab teie mees minna ja teha mis tahes operatsioone ning naasta tööle, samas kui selle 100 dollari puudumine tähendab, et olete sõna otseses mõttes vaesuses.
Millised on teie plaanid selle projekti tulevikuks?
Teeme lähteolukorra uuringu ja see tehakse detsembriks või jaanuariks. Siis eraldame toetused juhuslikult, et mõõta, kas kogukonnad suutsid tulemusi ennustada või mitte. Jälgime inimesi tõenäoliselt üks kuni kaks aastat, et näha nende ettevõtete ja leibkonna sissetulekute arengut ning näha, kuidas kogukonnateave seda ennustab. Teeme koostööd mikrofinantseerimisasutusega, kes on sellest projektist väga huvitatud. Järgmine samm, kui see lõpuks tööle hakkab, oleks näha, kuidas nad saaksid selle oma operatsioonidesse integreerida.
