Август 2022 года, Гарвард. Радж Четти — сорок три года, свитер под пиджаком, сын иммигрантов-врачей из Ченнаи — смотрит на экран, где светятся 21 миллиард точек. Каждая точка — дружба в Facebook. Восемьдесят четыре процента взрослых американцев в возрасте от двадцати пяти до сорока четырёх лет. Двадцать один миллиард рёбер в социальном графе.

Четти умеет ждать результата дольше, чем большинство. С 2013 года его команда — Opportunity Insights в Гарварде — собирала и чистила этот датасет в партнёрстве с Meta. Когда данные наконец сошлись, они с командой задали один вопрос: есть ли в этом графе что-нибудь, что предсказывает восходящую мобильность сильнее, чем всё, что мы уже измерили?

Ответ оказался: да. И это «что-нибудь» — не школы, не уровень бедности района, не расовая сегрегация. Это — с кем именно дружат бедные дети.

Быстрое восстановление — главы 1–7

Часть 1. Гарвард, август 2022. Кто такой Радж Четти

Радж Четти родился в 1979 году в Ченнаи. Его отец — профессор экономики, мать — врач. В девять лет семья переехала в США. В восемнадцать он поступил в MIT. В двадцать три — защитил диссертацию в Гарварде и стал там же преподавателем. В тридцать один — получил звание полного профессора в Беркли; в тридцать три — вернулся в Гарвард. По неформальному консенсусу академической среды Четти — главный претендент на следующий Нобель по экономике среди ныне живущих учёных.

Что отличает его от большинства? Масштаб данных и каузальная строгость. Большинство экономистов работают с выборками. Четти работает с генеральными совокупностями: налоговые записи всей Америки, данные всего Facebook, выписки из роддомов с привязкой к взрослым доходам через тридцать лет. В его команде (Opportunity Insights) — специалисты по машинному обучению, инженеры данных, юристы по конфиденциальности. Когда другие строят теории, Четти строит датасеты.

Так что когда в 2018 году команда Четти начала переговоры с Meta о доступе к данным Facebook, это было не «учёные взламывают соцсеть». Это была методично выстроенная инфраструктура: юридические соглашения, анонимизация, независимый технический комитет. Meta передала агрегированные данные о дружеских связях с demographic-атрибутами. Четти получил 21 миллиард дружб — и возможность впервые в истории измерить социальный капитал не по опросам, а по реальному поведению в масштабе всей страны.

Часть 2. Методология: 21 миллиард дружб

Датасет Social Capital Atlas, собранный командой Четти, охватывал около 72,2 миллиона пользователей Facebook в возрасте 25–44 лет — примерно 84% взрослых американцев в этой возрастной группе. Для каждого пользователя был известен примерный SES (социально-экономический статус), определённый по ZIP-коду проживания и дополнительным сигналам. [1]

Из этих данных команда вычислила три независимых индекса для каждого географического района:

Четти сопоставил эти три индекса с показателями восходящей мобильности по тем же ZIP-кодам — данными о том, насколько часто дети из нижней квинтили попадают в верхнюю квинтиль к 35 годам.

Результат оказался недвусмысленным. Economic Connectedness коррелировала с мобильностью на уровне 0.71 — сильнее, чем расовая сегрегация, бедность района, неравенство доходов, качество школ и структура семьи вместе взятые. Social cohesion и civic engagement давали слабые, статистически незначимые или вовсе нулевые эффекты в регрессиях с полным набором контролей. [1]

Часть 3. Главная находка: +20% к доходу от bridging в детстве

Число, которое Четти называет в интервью чаще всего: если low-SES ребёнок вырастает в районе с уровнем EC, характерным для high-SES районов, его взрослый доход выше примерно на 20%. [1]

Это цифра большая. Для сравнения: улучшение качества школы на одно стандартное отклонение (серьёзное, дорогостоящее изменение) даёт эффект на взрослый доход в районе 1–2%. Снижение расовой сегрегации в том же регионе — 5–7%. Двадцать процентов — это эффект сопоставимый с переездом из бедного штата в богатый.

Часть 4. EC против других предикторов: почему bonding не работает

Интуитивный ответ на вопрос «как бедный ребёнок поднимается?» обычно звучит так: сплочённость общины, взаимопомощь, местный активизм. Именно это и измеряют social cohesion и civic engagement. Именно на это направлены многие программы Community Development.

Данные Четти говорят иное. Social cohesion — плотность внутренних связей — коррелирует с мобильностью слабо и теряет значимость при добавлении контролей. Civic engagement — участие в организациях — ещё слабее. [1] Почему?

Объяснение теоретически опирается на работу Марка Грановеттера 1973 года. [4] Слабые связи — знакомства между несвязанными людьми — переносят новую информацию. Сильные связи внутри плотного кластера переносят информацию, которую все в кластере уже знают. Если весь ваш круг общения — люди из вашего же класса, вы получаете богатый социальный капитал для выживания внутри класса, но никакого — для перехода в другой.

Вспомните Главу 7 — Save More Tomorrow [6]: дизайн системы важнее мотивации. Tалер показал, что поведение меняется не через воспитание, а через изменение структуры выбора. Chetty показывает то же самое для социальных сетей: не «хоти дружить с богатыми», а «живи там, где это структурно происходит само собой».

Часть 5. Social Capital II: декомпозиция разрыва EC

Если первая статья Четти в Nature [1] измеряла EC и показала его силу, то вторая [2] задала следующий вопрос: почему в одних районах EC высокий, а в других низкий?

Ответ пришёл через декомпозицию разрыва на два компонента:

Разрыв в EC между богатыми и бедными районами примерно поровну объясняется двумя механизмами: половина — они просто не встречаются (segregation), половина — встречаются, но не дружат (friending bias). [2]

Часть 6. Policy-implikatsii: что работает и что нет

Четти делает из своих данных осторожный, но важный вывод. Политика, направленная на просто перемешать людей — racial integration, affordable housing в богатых районах — будет работать только при низком friending bias. Если люди встречаются, но не дружат, интеграция района не даёт ожидаемого эффекта на мобильность. [2]

Для практических решений на индивидуальном уровне это значит следующее:

Вспомните Главу 4 (проклятие лотереи): [5] там мы говорили о социальной заразности банкротств. Сосед выиграл в лотерею — другие соседи, пытаясь не отстать, набирают долги. Это обратная сторона того же механизма, который Четти называет bridging: окружение управляет вашими reference points и финансовым поведением. Только там это работало в сторону разрушения, а здесь — в сторону роста.

Часть 7. Финал: пять учёных и одно открытие

Начинался этот курс с чемодана Томаса Стэнли в декабре 1996 года. Тогда он нёс в издательство Longstreet Press 320 аудиокассет — и формулу возраст × доход ÷ 10. Богатство, говорил он — это поведение, а не доход. [7]

Четти в 2022 году добавил последний слой к той же картине. Поведение — это поведение не в вакууме. Поведение формируется окружением. И окружение измеримо: можно взять 21 миллиард дружб и увидеть, в каком именно смысле оно «делает» человека.

Вместе эти пять строк образуют одну картину: богатство определяется поведением (Stanley), поведение во многом определяется системой дефолтов (Thaler), система дефолтов частично определяется окружением (Chetty), а окружение управляет нашими reference points (Brickman, Kahneman) куда сильнее, чем нам кажется.

Резюме