Sildiarhiiv: ökonomeetria

Prokuratuuri mõjuvõimu mõõtmisest

Rein Lang ja Leon Glikman on korduvalt väitnud, et Eestis on prokuratuuril suur mõjuvõim, mida too ära kasutab alusetute süüdistuste esitamiseks ja et ajakirjandus on prokuratuuri suhtes kriitikavaba, lugedes kahtlustuse kohe süüdimõistmiseks. Prokuratuur eitab sellist käitumist. Mõlemad pooled on osavad sõnaseadjad. Sõna sõna vastu olukorras pole kodanikul selge, kummal on õigus.

Prokuratuuri tegeliku mõjuvõimu mõõtmiseks ja alusetute süüdistuste osakaalu hindamiseks peaks prokuratuuri tegevust võrdlema teiste riikide vastavate asutustega. Loomulikult on võrdlemiseks vaja eeldusi – kui uskuda vandenõuteooriat, et kogu riik on prokuratuuri kontrolli all ja iga süüdistus viib süüdimõistmisele, siis ei saa hinnata alusetute süüdistuste osakaalu. Eeldan, et kohtud ega kurjategijad ei tegutse prokuratuuriga kooskõlastatult erinevates riikides erineval määral. Kui nad igal pool sama palju kooskõlastavad, saame ikkagi eri riikide prokuratuuride keskmist mõjukust ja süüdistuste tõesust võrrelda.

Naiivne oleks ka lugeda süüdimõistmiste protsent süüdistuste hulgas prokuratuuri efektiivsuse mõõduks. Kui ühes riigis teatavad inimesed ainult ilmselgetest kuritegudest ja teises igasugusest kahtlasest tegevusest, siis on süüdimõistmise protsent esimeses suurem ka prokuratuuri pisut väiksema võimekuse korral, sest selget kuriteokoosseisu on lihtne kohtus tõestada. Kui ühes riigis on kohtud süüdistaja poole kaldu, teises kaitsja, siis on süüdimõistmise protsent esimeses kõrgem, isegi kui sealne prokuratuur on nõrgemal tasemel.

Kohtute kallutatust prokuratuuri suhtes või kriminaalasjades on raske eristada prokuratuuri tugevusest. Kui eeldada, et kohtute kallutatus süüdistaja poole on sama nii tsiviil- kui kriminaalasjades, siis saab seda kallutatust mõõta hageja kasuks lahendatud tsiviilasjade protsendiga, mida tuleb korrigeerida hagide arvuga elaniku kohta, sest kui ühes riigis esitatakse palju alusetuid hagisid, teises ainult põhjendatud hagid…

Kuriteost teatamise tõenäosust saab eraldi mõõta, seega eristada prokuratuuri tugevusest, kui on olemas õigussüsteemiväline mõõdik kuritegude hulga kohta ja kuriteoteadete arv. Väline mõõdik on näiteks esindusliku valimiga küsitlus „Kas olete isiklikult olnud kuriteoliigi x ohver?”, „Kas keegi teie tuttavatest on ja kui palju on teil tuttavaid?” Teatamise tõenäosuse erinevus kuriteoliikide lõikes on samuti kasulik teave. Vähe teatatud kuritegusid saab mõõta kaudselt, näiteks koduvägivalda kahtlaste vigastustega arstiabi saavate inimeste arvu järgi, kes väidavad, et kukkusid.

Praktiliselt võib prokuratuuri võimsuse mõõtmiseks jooksutada riikide lõikes regressiooni, kus sõltuv muutuja on süüdimõistmiste protsent, sõltumatud muutujad kuriteost teatamise tõenäosus ja kohtu süüdistaja poole kallutatuse määr. Lisada võib ka muid muutujaid nagu kuriteo liik, SKP inimese kohta, prokuratuuri suurus protsendina rahvastikust, prokuratuuri keskmine palk. Prokuratuuri tugevuse mõõt igas riigis on see osa süüdimõistmiste protsendist, mida sõltumatud muutujad ei seleta, ehk regressiooni jääk (inglise keeles residual).

Sõidueksami ajad kiirkorras suurema riigilõivu eest

Transpordiamet võiks pakkuda sõidueksami aega ka kiirkorras suurema riigilõivu eest nagu PPA pakub passi kättesaamist (https://www.politsei.ee/et/juhend/eesti-passi-taotlemine-taeiskasvanule/taotlemine-iseteeninduses: passi riigilõiv on iseteeninduses taotlemisel 35 €. …kiirkorras on riigilõiv 58 €.). Praegu ostavad-müüvad eksamitegijad omavahel varasemaid aegu, näiteks https://www.facebook.com/groups/arkeksamiteajaduleeesti ja maksavad isegi vabade eksamiaegade teavituste eest 10-25 (https://eksamiajad.ee/).

Aegade eraviisiline kauplemine tekitab motiivi hangeldamiseks: panna aeg kinni, et seda kellelegi edasi müüa. Kui ei õnnestu müüa, siis lükata aeg edasi hilisemaks enne kui tühistamise eest uuesti lõivu peab maksma. Hangeldamise tagajärjel jääb see aeg suurema tõenäosusega kasutamata, sest teised, kes seda aega vajaksid, aga osta ei taha või ostuvõimalusest õigel ajal ei tea, ei registreeru sellele edasilükkamisel vabanenud ajale. Transpordiametil jääb see aeg tühjaks, järjekorrad pikenevad, hilised edasilükkamised raskendavad graafiku planeerimist nii Transpordiametile kui eksamitegijatele.

Kui Transpordiamet ise ei saa kõrgema lõivu eest kiirkorras aega pakkuda, võiks selleks ministeeriumist luba küsida. Vajadusel küsida, et ministeerium vastavaid määrusi muudaks.

Kiirkorras aegade pakkumisega Transpordiamet sisuliselt konkureeriks hangeldajatega. Kui hangeldamine tekitab piisavalt suure järjekordade pikenemise, siis teeks Transpordiameti konkurents aegade jaotuse efektiivsemaks.

Transpordiamet saaks oma andmete põhjal teatud täpsusega kontrollida, kes aegadega hangeldab. Kui keegi lükkab sõidueksami aega korduvalt edasi just enne kui tal tekiks uue riigilõivu maksmise kohustus, siis tõenäoliselt üritas ta aega müüa, aga ei leidnud ostjat. Kui inimene lükkab lihtsalt aega mitu korda edasi ja sama aja paneb iga kord kiiresti peale selle vabanemist kinni keegi teine, siis tõenäoliselt müüs inimene aja iga kord kellelegi teisele.

Transpordiameti vastus

Teie ettepanek on huvitav, paraku juba läbi arutatud ja kõlbmatuks tunnistatud. Põhjusi on mitu:

  • Eetiline. Selline süsteem looks eelise neile, kes on nõus rohkem maksma. Transpordiamet on teinud mitmeid arendusi ja protseduurireeglite muutusi, et esimesele katsele tulev juhikandidaat oleks eelistatud järeleksamite ees. Lisaks asjaolu, et kiirpassi taotlustest rahuldatakse valdav enamus, riiklike sõidueksamite sooritus on kuskil 50% peal. See tekitaks küsitavusi protsessi läbipaistvuse osas. Üheks korruptsiooni tajumise parameetriks on just nimelt see, et protsessid on läbipaistvad ja võimalikult ühetaolised kõigile klientidele.

  • Majanduspoliitiline. Transpordiamet on täidesaatva võimu asutus, mitte tulu teeniv organisatsioon. Riigilõivu mõte on katta tehtud kulutusi, mitte teenida kasumit. Suurem riigilõiv eeldaks Transpordiametilt ka täiendavaid kulutusi, näiteks kallimat eksamisõidukit. Nn kiirpassi puhul võib pealiskaudsel mõtisklemisel leida teatavaid täiendavaid kulutusi – trükikoja koormuse kasv, menetleva ametniku koormuise kasv, täiendavad kulleriteenused trükikoja ja PPA teenindusbüroo vahel.
    Lõpetuseks sooviks Teid ikkagi tänada huvitava mõttearenduse eest.
    Parimate soovidega
    [nimi eemaldatud]

Minu vastuväited 26.01.2021

Transpordiameti kumbki põhjendus ei ole veenev.

1) Eks igaühel on erinev maitse eetika osas. Praegune süsteem, kus eksamiaegadega kaubeldakse, loob veel suurema eelise neile, kes on nõus rohkem maksma, kui kiirema pääsu eest kõrgema riigilõivu küsimine. Lühemad järjekorrad vähendaksid rohkem maksjate eelist. Üks viis järjekordi lühendada on kui Transpordiamet konkureerib aegadega kauplejatega.

Sama läbipaistev kui kiirpassi süsteem oleks, et kes maksab suurema riigilõivu, saab kiiremini eksamile, aga kindlasti mitte lihtsama eksami, nagu ka passile õigust mitteomav isik ei saa suurema lõivu eest passi. Seega eksami läbimise protsent ei puutu asjasse. Mingeid küsitavusi läbipaistvuse osas ma ei näe.

2) Kui Transpordiamet ei soovi suurema riigilõivuga tulu teenida, võib ta selle annetada riigituludesse või heategevuseks. Võib ka selle arvelt alandada tavajärjekorras eksamilepääsejate riigilõivu, mis oleks praegune süsteem (kiirem pääseja maksab aeglasemale aja eest) Transpordiameti kaudu, aga ametlikult ja efektiivsemalt.

Transpordiametil pole põhjust suuremaid kulutusi teha.

Kiirpassil tunduvad olevat täiendavad kulutused ainult pealiskaudsel mõtisklemisel. Lõpuks antakse välja ikka sama arv passe ja nende tootmise ja menetlemise kulu on sama. Võibolla kullerteenus lisab pisut hinda, aga kindlasti mitte riigilõivude vahe jagu. Korraga saadetakse ju PPA büroosse palju passe, nii et saatmiskulu jaguneb nende vahel. Suurema riigilõivu maksjad pannakse lihtsalt järjekorra etteotsa.

Transpordiamet võib isegi lühemate järjekordadega kulutusi kokku hoida. Kui ooteaeg on lühem, siis on eksamieelset unustamist vähem, läbikukkumisi sama eksamiraskusega vähem. Keskmine eksamitegija teeb siis väiksema arvu eksameid, mis vähendab Transpordiameti kulu.

Lõpuks soovin tänada Transpordiametit kiire vastuse eest.

Eesti Digiregistratuuri järgi kohaletuleku ennustamine

Raviasutuse broneerimis- ja vastuvõtusüsteem võiks Digiregistratuuri automaatselt kirja panna, kas patsient tuli kokkulepitud ajal kohale ja kas hilines. Nende andmete põhjal saaks ennustada iga inimese kohaletulekut, mis võimaldab raviasutusel aega paremini planeerida. Esialgu kui andmeid vähe, oleks ennustus inimrühmade kohta. Näiteks, et keskmine patsient tuleb tõenäosusega x, pensioniealised tõenäosusega y, naised tõenäosusega z.

Ajaplaneerimise osas võib panna väiksema tõenäosusega saabuvad patsiendid päeva lõppu või lõunaajale, nii et nende mitteilmumise korral saavad meditsiinitöötajad varem koju minna või pikema lõuna. Samuti võib madala tõenäosusega kohale tulevaid patsiente rohkem ühele päevale panna (väiksemate ajavahedega), sest tõenäosus, et vähemalt üks neist ei tule, on kokkuvõttes suur, ja selle arvelt pikeneb teiste jaoks saada olev aeg.

Pidevalt hilinevale patsiendile võib pakkuda tegelikult vaba olevast varasemat aega, et neutraliseerida tema hilinemine. Näiteks kui inimene üldiselt 10 minutit hilineb ja arst on vaba kell 11, siis pakkuda sellele inimesele aega 10:50, muidugi talle teatamata, et arst tegelikult kell 11 vabaneb. See inimene tõenäoliselt hilineb nagu alati ja jõuabki kella 11ks nagu arstile kõige paremini sobib. Arstil on siis vähem tühja ootamist ja hilisemad patsiendid saab loodetavasti õigel ajal vastu võtta, mitte hilinejale kuluva aja võrra hiljem. Kokku säästab broneeringute kohandamine patsientide hilinemiskäitumisega paljude inimeste aega.

Sama efektiivsustõus on võimalik kõigis järjekorra- ja broneerimissüsteemides. Lisaks parandab mitme valdkonna hilinemisandmete ühendamine süsteemi ennustusvõimet, sest inimene, kes hilineb tihti üht tüüpi kokkusaamistele, hilineb tõenäoliselt ka teistele. Kes ei pea kinni arstiaegadest, see ilmselt ka töökoosolekutest ja sõpradega kohtumistest, võib kasutamata jätta üritusepileti jne. Kui ta esimest korda arstiaja kinni paneb, siis pole varasemaid arstivisiite, mille põhjal ta hilinemiskäitumist ennustada, küll aga võib olla palju muid sündmusi, mis on tema kohta informatiivsed.

Pole vaja keskset broneeringusüsteemi ja andmebaasi inimeste hilinemise kohta – piisab sotsiaalvõrgustikust ja telefonide lähedusandmetest, mida kasutab näiteks bluetoothi-põhine Hoia äpp. Sõprade telefonid registreerivad, millal tuttava telefon nende lähedusse saabus, võrdlevad seda kalendriäpis kokku lepitud kohtumisajaga ja salvestavad automaatselt, kas see tuttav tuli kokkulepitud kohtumisele ja millise hilinemisega. Igaüks saab enda sõprade kohta salvestatud andmete põhjal nende saabumise tõenäosust ja aega ennustada. See aitab üritusi planeerida ja inimese üldist usaldusväärsust hinnata. Kes tihti hilineb, võib ka muid lubadusi harvem pidada – ei tasu ehk talle raha laenata.

Eesti Digiloo põhjal haiguste ennustamine

Masinõppega saaks Digiloo põhjal ennustada patsiendi haigusi, vaadates samade demograafiliste näitajatega inimesi, kel varem oli sarnase algusega haiguslugu Digiloos ja kuidas see haiguslugu jätkus. Sellega ei pea tegelema riigiametnikud ega eestlased – kui anda ligipääs, siis rahvusvahelised teadlased hea meelega uuriksid Digiloo andmeid tasuta ja saaksid endale sellega publikatsioone. Tulemuste põhjal võib rahvatervist ennustada, inimestele hoiatusi ja soovitusi jagada, neid uuringutele kutsuda ja ennetavat ravi määrata.

Andmetele endile ei pea isegi ligipääsu andma – teadlastelt saadud statistikaprogrammi võib lihtsalt andmete peal jooksutada ja ainult tulemused teadlastele väljastada. Ise andmeid nägemata saab neid ometi uurida – selle valdkonna nimi on turvaline mitmepoolne arvutus (secure multiparty computation). Uurimise lihtsustamiseks tuleks avaldada andmete struktuur: kui mitu rida ja veergu, mis formaadis igas reas ja veerus olev info on (tekst, number, kuupäev). Piisab, kui laadida andmed tabelarvutusprogrammi ja kustutada tabelite sisu, jättes vaid ridade ja veergude pealkirjad. Programm peab lahtrite formaadi ise meeles, nii et selle tühjade tabelitega faili põhjal saab uurija andmete formaadi teada.

Kasutaja jaoks on Digilugu praegu üsna ebamugav ja allalaadimisvaenulik. Eraldi peab igal epikriisil klõpsama, ootama, kuni see avaneb, avama veel peidetud väljad klõpsates „Vaata kirjeldust” ja alles siis saab leheküljel laiali olevatest tekstidest ehk midagi välja lugeda. Saatekirjad ja nende vastused on eraldi. Pildimaterjali (röntgeni, ultraheli, silmapildistamise tulemusi) enamik asutusi üles ei laadi. Epikriisid ja saatekirjad on ruudustikku paigutatud, mitte ajalises järjestuses.

Enamiku inimeste kohta on Digiloos nii vähe materjali, et selle võiks kõik ühel lehel ajalises järjestuses tekstina esitada. Lisaks võiks selle teha tabelarvutusprogrammi tabelina allalaaditavaks, mis võimaldaks inimestel ühendada terviseandmed näiteks oma toitumis- ja trennipäevikuga ja nende vahel statistilisi seoseid leida.

Kui mingi kategooria, nt „Teatised” all ühtegi dokumenti pole, siis võiks selle halliks muuta, et kasutaja ei peaks teavet otsides asjatult klõpsima, ootama ja alles siis nägema, et „Päringu tingimustele vastavaid dokumente ei leitud ”.

Sisselogimisel võiks Digilugu avalehe asemel näidata viimaseid lisatud andmeid, näiteks uuringu tulemust. Tõenäoliselt logib kasutaja sisse viimaste andmete vaatamiseks, nii et nende näitamine kohe alguses säästab aega.

Elatustaseme võrdlus ei võta arvesse kvaliteeti

Põhja-Euroopa tomatid on vesised, hapukad ja seest roosakashallid, aga Lõuna-Euroopa omad magusad maitseplahvatused, seest punased. Samuti Gruusias värskelt puu otsast võetud küpsed virsikud ja muud puuviljad on palju maitsvamad kui need, mis on toorelt ekspordiks korjatud ja merekonteineris järelküpseda lastud. Samanimeline restoranitoit Itaalias on palju parem kui Põhja-Ameerikas või Eestis. Erinevate riikide ostukorvi kalliduse arvutamisel loeb aga ainult toodete hind, mitte neist saadav heaolu, nii et elatustase annab heaolutasemest vildaka pildi.

Kui kvaliteet erineks ainult väikse osa ostude puhul (restoranitoit ja puuviljad on keskmise leibkonna kuludes pisike protsent), siis see heaolutaseme võrdlust eriti ei mõjutaks. Üks oluline kululiik, mille puhul kvaliteet riigiti märgatavalt erineb, on majutus. USAs on ka uute kallihinnaliste kortermajade põrandad lainelised, mida kõndides märkab, dušikabiinis jookseb vesi nurka, mitte keskele äravoolu, akna ümber on tuntava tuulega praod ja tänavamüra kostab selgesti. Vanadel ja eramajadel on samad murekohad. Tartus euroremonditud ühiselamus selliseid probleeme polnud, kuigi see oli odav majutus. USAs on ka tippülikoolide hoonetes prussakad ja närilised, Tartus minu teada mitte. Tänavatel on USAs tihti näha kahjuritõrjefirmade siltidega mikrobusse, järelikult selle teenuse nõudlust on. Austraalias on enamik maju soojustamata ka piirkondades, kus kolm kuud aastas on hommikul härmatis maas. Soojustuse puudumisel langes seal mu kütmata kontori temperatuur 12 kraadini ja korteris 10,5ni. Elatustaseme arvutus aga kvaliteediprobleeme ei kajasta, võtab arvesse vaid pinda ja hinda.

Avalike teenuste pakutavat väärtust on statistikas keeruline hinnata, nii et vahel peab piirduma nendele kulutatava rahaga, mis on sisend, mitte väljund. Avaliku ruumi kvaliteet kindlasti riigiti kõigub – tänavate puhtus ja siledus USAs ja Singapuris on nagu öö ja päev.

Kvaliteedierinevuste põhjustatud kallakut ei saa korrigeerida ka avaldatud eelistusi kasutades (Dowrick ja Quiggin 1994 https://www.jstor.org/stable/2117988: kui ühe riigi keskmine elanik saaks teise riigi keskmist ostukorvi endale lubada, aga teise elanik esimese ostukorvi mitte, siis on esimene riik rikkam ja selle elanikud paremas olukorras). Probleemiks on jällegi, et need avaldatud eelistused on ainult hinnapõhised, seega kvaliteeti ei arvesta.

Heaolu sõltub mitte ainult tarbimisest, vaid palju otsesemalt eelistustest. Keskmise elaniku kasulikkusfunktsioon võib riigiti erineda, igatahes stereotüübid sellele vihjavad. Hüpotees eelistuste varieeruvuse kohta on kontrollitav ja Dowrick ja Quiggin 1994 lükkavad selle ümber (erinevusi ei leia), aga nende test sõltub kvaliteedi samasusest riikide vahel. Test seisneb järgnevas ostukorvide võrdluses: kui mõlema riigi keskmine elanik saab endale lubada mõlema riigi keskmist tarbitavate toodete ja teenuste komplekti, aga valitud ostukorvid riigiti erinevad, siis järelikult eelistused kokku ei lange. Eeldus, et mõlema elanikud suudavad osta mõlemat komplekti, on oluline selleks, et sissetulek valikut ei piiraks. Selline rahaline piirang viiks erinevale tarbimisele ehk näilisele erinevusele eelistustes.

Kui mõndade toodete ja teenuste kvaliteet on parem ühes riigis, teistel teises, siis oleks loogiline, et inimesed valivad riigiti erinevad ostukorvid isegi täpselt sama sissetuleku ja eelistuste puhul. Üks võimalik põhjus, miks Dowrick ja Quiggin 1994 sellist erinevust ei leidnud, on et kvaliteetsemad tooted on kallimad ka riikide lõikes, misjuhul hinnapõhine elatustaseme võrdlus kajastab heaoluerinevusi hästi (sarnaseid eelistusi eeldades). Toidu puhul ei tundu, et hind kvaliteediühiku kohta riigiti sama on – näiteks troopilised puuviljad on troopikas nii odavamad kui ka värskemad kui nende eksporditurgudel.

Ostukorvierinevuste puudumise teine võimalik põhjus on, et riigis, kus antud toode hinna-kvaliteedi suhtelt halvem on, eelistavad inimesed seda toodet. Kui kasulikkusfunktsiooni erinevus tasakaalustab kvaliteedierinevuse, siis on tarbitav komplekt sama hindadeprofiiliga riikides sarnane. Esmapilgul tundub imelik, et parema tootega riigis huvitab see toode inimesi vähem ja täpselt kvaliteedierinevuse võrra. Seletus on harjumine antud toote keskmise kvaliteeditasemega oma elukohas: veini või juustu, mis eestlastele kõlbab, ei võtaks prantslased suu sissegi, samas head ja halba verivorsti või leiba pranslased eristada ei suudaks, aga eestlased valiksid peaaegu ühehäälselt hea.

Harjumust saab modelleerida näiteks nii, et inimese heaolu on kasvav funktsioon tarbitavatest kogustest ja suhtelistest kvaliteetidest (praegune kvaliteet miinus varem kogetud keskmine kvaliteet). Kui selline kasulikkusfunktsioon on inimestel sama, siis samade hindade korral tarbivad nad harjumuspärase kvaliteediga tooteid samas koguses. Varem kogetud kvaliteedid võivad inimeste vahel palju erineda, aga kui varasem kvaliteet võrdub praegusega, siis on ostukorv ühesuguse varandusliku ja hinnatasemega riikides sarnane. Harjumine võrdsustab heaolutaseme riikide vahel, neutraliseerides kvaliteedierinevused. Kui elatustasemega tahta mõõta heaolu, siis harjumise korral polegi tarbitav kvaliteet oluline, nii et selle eiramine elatustaseme võrdluses on õigustatud.

Odavamat toodet tarbitakse alguses rohkem, mis võib vähendada edasist heaolu sellest tootest, seega tarbimist. See tasakaalustab parema ja odavama kauba esialgset rohkem ostmist riikide võrdluses, muutes ostukorvid aja jooksul sarnasemaks. Taas muudab tasakaalustumine hinna- ja kvaliteedierinevused heaolu jaoks vähem oluliseks.

Teaduse headuse indeks võib vale mulje jätta

Eesti teadus 2019 arvamuslugude kogumikus näitavad Allik ja Lauk graafikut, mille kohaselt Eesti teaduse kvaliteet mõõdetuna viidete arvuga artikli kohta on viimase 20 aastaga eksponentsiaalselt kasvanud. Tore muidugi näha andmeid ja arvutusi, mis avaldatud arvamustele ka mingi aluse annavad, aga Alliku ja Laugu valitud suhtarv ei pruugi just kõige parem teaduse mõõt olla. Seda indeksit tõstab näiteks nõrgemate artiklite mitteavaldamine, isegi kui need artiklid tegelikult olulisel määral uut teadmist loovad (mis pole sugugi kindel – olen sellest kirjutanud https://sanderheinsalu.com/ajaveeb/?p=558). Näiteks kui suure teadusrahastuse korral avaldataks 2 artiklit, üks ühe ja teine kahe viitega, siis oleks viidete arv artikli kohta 1,5, aga kui väikese teadusrahastuse korral avaldataks ainult see kahe viitega artikkel, siis oleks suhtarv 2. Teaduse näiline tase võib niisiis tõusta rahastuse vähenemisega. Madalam finantseerimine paneb osad inimesed teadusest lahkuma, eeldatavasti pigem nõrgemad teadlased, kes kirjutaksid akadeemilisse maailma jäädes vähemviidatud artikleid. Samuti kui värsked doktorantuuri lõpetajad avaldavad madalamalt tsiteeritud töid kui kogenud professorid ja rahastuse alanemine vähendab noorteadlaste sissevoolu, siis suurendab see viidete arvu artikli kohta.

Teine mehhanism kuidas tõsta viidete arvu artikli kohta teaduse tegelikku taset parandamata on suunata avaldamine ümber valdkondadesse, kus keskmine viidete arv artikli kohta on suurem. Näiteks eksperimentaalfüüsikas kogub publikatsioon keskmiselt palju rohkem viiteid kui matemaatikas. Kui vähendada matemaatikute ja suurendada füüsikute arvu, aga jätta keskmise teadlase avaldatud artiklid ja saadud viited kummaski valdkonnas selle valdkonna keskmiseks, siis kogu Eesti teadlaskonna viidete arv artikli kohta tõuseb. Lihtne numbriline näide on, et riigis on 1 matemaatik ja 1 füüsik, kumbki avaldab 1 artikli aastas. Kõik matemaatikaartiklid saavad 4 viidet, aga füüsika omad 10, keskmine viidete arv artikli kohta niisiis 7. Kui asendada matemaatik teise füüsikuga, siis tõuseb viidete-artiklite suhtarv 10 peale. Seda võib saavutada teadusrahastuse matemaatikalt ära võtmise ja füüsikasse suunamisega.

Empiirilise artikli järeletegemine Eesti andmetel: raadio ja toetus valitsusele

Adena, Enikolopov, Petrova, Santarosa, Zhuravskaya (2015) uurivad, kuidas mõjutas raadio 1930ndatel toetust natsidele Saksamaal. Leitakse üsna suur efekt mõlemas suunas: kui raadio oli Weimari valitsuse käes ja natsivastane, langetas raadio kättesaadavus toetust natsidele, aga kui natsid said kontrolli raadio üle, siis raadiosignaali ulatus tõstis nende toetust (keskmiselt, aga mitte igal pool). Need on oodatavad mõjud, huvitav on nende täpne mõõtmine. Lisaks leiti, et piirkondades, kus inimesed keskmiselt ei olnud juudivastased, natside raadio hoopis langetas natside populaarsust (kõrge antisemitismiga piirkondades tõstis). Tõlgendus on, et kui inimesed ei nõustu edastatava sõnumiga, siis paneb propaganda nad edastajale vastanduma. Kui nõustuvad, siis propaganda tugevdab toetust.
Andmetest on selle artikli järeletegemiseks vaja raadiojaamade asukohti ja võimsusi aastate lõikes, et arvutada, kuhu signaal mingil ajaperioodil ulatus. Vaja ka raadiote levikut rahva hulgas, poliitiliste jõudude populaarsust ja teavet selle kohta, kes kontrollis raadiot. Eestis võib mõõta toetust vapsidele ja valitsusele erinevatel valimistel eri piirkondades sõltuvalt raadio kättesaadavusest. Raadioprogrammide sisu ja administratiivse kontrolliahela põhjal saab hinnata, mis erakondi raadio toetas. Raadio kättesaadavuse ja valimistulemuste põhjal saab hinnata, kas raadio toetus tõstis erakonna populaarsust.
Link artiklile: http://bfi.uchicago.edu/sites/default/files/research/Media_effects_12_May_2014%20with%20Tables.pdf
Sarnane artikkel (Yanagizawa-Drott 2014) uurib raadio toetust ja mõju Ruanda genotsiidile: http://www.hks.harvard.edu/fs/dyanagi/Research/RwandaDYD.pdf

Esimene samm teaduse tegemisel

Richard Feynmani kohaselt (http://neurotheory.columbia.edu/~ken/cargo_cult.html) on esimene samm teaduse tegemisel mitte petta ennast. Enesepettus tekib näiteks siis, kui uurija soovib saada mingit tulemust (uudset, hästimüüvat) ja tõlgendab andmeid sellele tulemusele soodsalt. Paneb rõhku kooskõlalistele andmetele ja ignoreerib vastuolulisi.
Enesepettuse vältimiseks tuleks katse plaan enne katset üles kirjutada (ja võibolla ka avalikku katsete andmebaasi lisada) ja siis seda plaani järgida. Plaan peaks kirjeldama katset nii, et teised suudaksid ainult plaani kasutades seda katset korrata. Lisaks peaks plaan paika panema tulemuste tõlgendamise juhise. Ehk milliste andmete korral lugeda üks vastus statistiliselt tõenäolisemaks, milliste korral teine. Muidu hakatakse pärast andmete kogumist katse kriteeriume muutma stiilis “see mõõtmistulemus on ebanormaalne, jätame selle andmetest välja”. Väljajättu esineb muidugi sagedamini eelarvamust kummutavate andmete puhul.
Kui seda teaduslikku meetodit rakendada inimeste hindamisel, siis läheb elu raskeks neil, kes pidevalt andeks paluvad ja siis uue sigaduse korraldavad. Andeksandjad mõtlevad ilmselt sagedasti: “Ega ta enam ei tee. Anname talle veel ühe võimaluse.” Kui viimane võimalus oleks tõepoolest üks ja ainus, poleks kahju kuigi suur, aga tegelikkuses kipub neid viimaseid võimalusi üksteisele järgnema päris palju. Selle vältimiseks võiks proovida kirja panna kõik hinnatava inimese olulised sigadused, neile järgnenud tagajärjed, vabandused ja andeksandmised. Mingil hetkel tuleb tahtmine anda mitte rohkem kui üks võimalus veel. Kui see siis kirja panna, on tulevikus raskem endale õigustada veel ühe lisavõimaluse andmist.

Matemaatikute sisseränne ja konkurents USAs

Borjas ja Doran kirjutavad QJEs, kuidas Nõukogude Liidu lagunemise järgne matemaatikute sissevool USAsse mõjutas sealsete matemaatikute karjääri- ja avaldamisvõimalusi. Sissevoolu järgselt jäi rohkem matemaatika doktorikraadi saanuid töötuks ja lahkus teadusest, USA matemaatikud liikusid madalama tasemega ülikoolidesse ja avaldasid vähem artikleid.

Seda kõike on lihtne ennustada nõudluse ja pakkumise mudelist. Matemaatikute pakkumine suurenes, aga nõudlus jäi samaks, sest uusi töökohti ega ilmselt ka teadusajakirju ei loodud. Sama arv matemaatikuid täitis sama arvu kohti, aga need olid erinevad inimesed. Sisserännanud matemaatikud said töökohad ülikoolides, kust siis mõned seal varem olnud teadlased lahkusid nõrgematesse ülikoolidesse, kust omakorda osa varasemaid olijaid pidi lahkuma jne. Ülikoolide pingerea allotsa jõudes pidid sealt välja tõrjutud matemaatikud teadusest lahkuma.

Borjas ja Doran väidavad, et USA matemaatikute tootlikkus langes sisserände tagajärgel, aga sisserändajate teadustöö kompenseeris selle üsna täpselt. Kui autorid arvavad, et avaldatud teadusartiklite hulk (mis on neil tootlikkuse mõõduks) mõõdab teadlase absoluutset tootlikkust, siis teevad nad vea, jättes arvestamata samaks jäänud avaldamisvõimaluste arvu. Kui suurem arv teadlasi konkureerib sama arvu artiklikohtade pärast ajakirjades, siis loomulikult varasemate olijate artiklihulga langus võrdub uute tulijate artiklihulgaga. See ei tähenda kohalike teadlaste tootlikkuse langust, vaid keskmise artikli kvaliteedi tõusu. Fikseeritud artiklikohtade arvu korral mõõdab avaldatud artiklite hulk inimese suhtelist tootlikkust võrdluses teiste sama valdkonna teadlastega.

Kui ajakirjade toimetajad valivad neile saadetud artiklitest n parimat, siis sisse rännanud matemaatikud suudavad kohalike artikleid ajakirjadest välja tõrjuda ainult parema kvaliteedi abil. Kui uued tulijad avaldavad m artiklit, siis nende m artikli minimaalne kvaliteet on suurem või võrdne välja tõrjutud artiklitest parimaga. Kvaliteedi minimaalse tõusu suuruse saab leida, eeldades et immigrantide artiklid asendavad täpselt kohalike kõige viletsamad artiklid. Maksimaalse tõusu suurust lihtsalt avaldamisandmete põhjal leida ei saa, sest kui sisserändajate m artiklit on paremad kui kõik kohalike omad, siis võivad nad olla kuitahes palju paremad. Asendades m kohalike tippartiklit, sunnitakse asendatud artikleid asetuma m järgmisele kohale, m järgmist omakorda asendavad neist allpool olevaid jne. Ajakirjadest välja jäävad ikka kõige viletsamad, aga juurdetulijad võivad olla lõpmatult paremad kui algne hulk.

Muidugi pole ajakirjade toimetajad kõiketeadjad ega suuda alati valida parimaid artikleid, aga kui nad keskmiselt teevad õige otsuse (valivad parema artikli suurema tõenäosusega kui halvema), siis eelnev argument kehtib, ainult muutuste suurus väheneb (kvaliteet tõuseb vähem).

Sisseastujate ennustamisest

Kuulsin täna lõunalauas, et sel aastal alustab matemaatikateaduskonnas null doktoranti. Eelmisel aastal oli alustajaid seitse ja minu esimesel aastal kolm. Varieeruvus on oluliselt suurem, kui majandusteaduskonnas, kus igal aastal alustab kakskümmend kuni kakskümmend kaks inimest. Ilmselt tuleneb see majanduse vastuvõtukomitee täpsematest ennustustest selle kohta, kui palju vastuvõetud inimestest valib Yale. Lisaks aitab kaasa suurte arvude seadus, mis silub varieeruvust. Majandusteaduskonnas võetakse igal aastal vastu umbes kuuskümmend inimest, kellest siis umbes nelikümmend lähevad muudesse ülikoolidesse.

Yale majandusteaduskonnas ennustatakse õppima asumist individuaalselt – iga inimese omaduse põhjal arvutatakse tõenäosus, et ta vastuvõtu korral õppima asub. Ma ei tea täpseid kriteeriume ega meetodeid, aga üheks ennustavaks teguriks on parematesse ülikoolidesse sissesaamine. Siinne majandusteaduskond on maailmas teises viisikus, ehk kusagil kuuenda ja kümnenda koha vahel. Inimesed, kes siia sisse saavad, saavad tihti sisse ka tippviisikusse ja lähevad siis tõenäoliselt sinna.

Ühe mu kursusekaaslase tüdruksõber õppis esimese doktorantuuriaasta Wisconsini Ülikoolis Madisonis ja tuli siis siia üle. Ta oli vastuvõtul ootenimekirjas esimene, ehk tema vastuvõtu tingimuseks oli, et keegi teine keeldub õppimaasumisest. Õppimaasumise tõenäosuseks ennustati tema puhul 100%. Samas inimeste puhul, kes on saanud sisse Harvardisse ja MITsse, on Yale’is õppimaasumise tõenäosus üsna madal.