Project

Ethiopia; Forecasting; Time and risk preferences; Lab in the field

Lead
In diesem Projekt versuchen wir, die Determinanten von Verhaltenspräferenzen besser zu verstehen. Wir werden die Risiko- und Zeitpräferenzen von 1000 Kleinbauern in ganz Äthiopien messen. Das Wohlergehen in diesem Bereich ist stark vom saisonalen Regen abhängig und die Versicherung ist in der Regel nicht verfügbar, wodurch das Risikoverhalten der Probanden noch wichtiger wird. Ein besseres Verständnis der Determinanten von Präferenzen sollte es uns auch ermöglichen, zukünftige Präferenzen und zukünftiges Verhalten vorherzusagen.
Lay summary
Risikopräferenzen spielen eine entscheidende Rolle für ökonomische Entscheidungen. Sie beeinflussen unter anderem Arbeitsmarktentscheidungen, Investitionsentscheidungen, aber auch Entscheidungen zu Heirat und Nachwuchs. Intertemporelle Präferenzen (wie lange bin ich bereit zu warten, um einen höheren Betrag zu erhalten), spielen eine ähnlich wichtige Rolle. Verschiedene Personen haben oft stark unterschiedliche Präferenzen, und solche Präferenzen verändern sich obendrein über die Zeit hinweg. Leider ist unser Verständnis über was solche Veränderungen und Unterschiede bewirkt sehr eingeschränkt.  In diesem Projekt versuchen wir, ein besseres Verständnis der Determinanten von Entscheidungen zu erhalten. Wir messen hierzu die Risiko- und Zeitpräferenzen von 1000 Kleinbauern, die über das äthiopische Hochland verteilt sind. Die Landwirtschaft in diesem Gebiet ist zum Großteil von saisonalem Regen abhängig und Versicherung gibt es in der Regel nicht, was das Risikoverhalten der Probanden um so wichtiger macht. Die Gegend ist außerdem von großen Unterschieden im Regenfall sowohl über geographische Zonen als auch über die Zeit hinweg geprägt, was sie zu einem idealen Testfall für Determinanten von Präferenzen macht. Ein besseres Verständnis der Determinanten von Präferenzen sollte es schlussendlich auch ermöglichen, zukünftige Präferenzen und zukünftiges Verhalten vorherzusagen. Ultimativ möchten wir daher die gesammelten Informationen verwenden, um Vorhersagemodelle zu entwerfen und diese zu testen. Die Methodologie hierfür zeigt Parallelen zur Wettervorhersage auf: man sagt eine zukünftige Wahrscheinlichkeitsverteilung vorher, basierend auf vergangen Daten und unserer Kenntnis der grundlegenden Prozesse; dann vergleicht man diese Vorhersage mit der tatsächlich beobachteten Verteilung; endlich gebraucht man letztere, um das Modell zu verbessern und beginnt von vorne.

Direct link to Lay Summary

Last update: 06.11.2018

Natural persons

Almost any kind of decision involves risk and time delays. To the extent that people have different preferences over such risk and delays, it is important to understand how these preferences are formed, and what role they may play in driving behaviour. However, the main stylised finding in the literature on risk preferences is that we are unable to explain most of the variation in preferences we observe across individuals, and that there is little if any solid evidence of stable correlates of experimentally measured risk preferences.The performance of experimentally measured time preferences is somewhat better, but establishing causal relations remains largely elusive.We endeavour to try and address these shortcomings in the existing evidence by continuing to build and expanding a panel data set that we have been building in rural Ethiopia since 2013. The aim is twofold. The first objective consists in obtaining a better understanding of the psychological channels through which shocks may sway preferences,while enriching the setup used so far to more nuanced measures of risk preferences,as well as to include time preferences. The second and principal objective consists in building models that can be used to forecast behaviour. These models build on the insight that the poor performance observed in the literature to date is largely due to complex measurement issues, and the insufficient attention devoted to measurement noise in modelling exercises. By making such measurement issues and the modelling ofnoise central in our setup, we aim to overcome some of the limitations that have been observed in the literature to date.Ethiopia constitutes an ideal testbed for the questions we want to ask. Its population is extremely exposed to the vagaries of chance. Formal jobs are scarce, and the future is highly uncertain. Institutional mechanisms to shelter people from the risks they face are rare, and even where they exist, they are seldom reliable. Ethiopia remains one of the poorest countries in the world. Agriculture in the Ethiopian highlands is highly weather-dependent, with rainfall shocks having potentially deleterious consequences for people’s livelihoods. Variation in rainfall is large both over time and across districts, given the mountainous geography of the country. This makes it possible to use exogenous variation in rainfall levels to investigate causal relationships between shocks and preferences.