Кратко — собрать панельные данные на микро‑ и макро‑уровнях, применить сочетание экспериментальных/квазиэкспериментальных стратегий (RCT, IV, RD, DiD, synthetic control, matching) и строгие проверки валидности. Конкретно:
1) Какие данные собирать
- Микро (поселения/домохозяйства/фирмы), периодичность панель: ежегодно/поквартально.
- Экономика: доходы/ВП на душу, ВВП региона, плотность фирм, инвестиции, кредитная активность, занятость, производительность.
- Доверие/соцкапитал: индивидуальные ответы на вопросы о доверии (всем/соседям/деловым партнёрам/институтам), индексы из опросов (WVS, ESS) и локальные опросы; поведенческие меры — доверительные игры (линейный диксит/игра на доверие) и наблюдаемое сотрудничество в совместных проектах.
- Социальные сети: связи, участие в ассоциациях, число НКО/клубов на 1000 чел.
- Контрольные переменные: инфраструктура, образование, здоровье, природные ресурсы, исторические характеристики (колонизация, миграция, религия), нормативные/институционные показатели.
- Адресные геоданные для привязки к историческим источникам и соседям.
- Макро/административные: бюджеты, налоговые сборы, инвестиции, политика местных властей, шоки (катастрофы, скандалы).
- Исторические/экзогенные прокси: наличие миссий/торговых путей/кооперативов XIX в., административные границы, поселения мигрантов и т.п.
2) Идентификационные стратегии
- Прямой эксперимент (лучший для каузальности):
- Кластера‑RCT на уровне сообществ: вмешательства, повышающие доверие (лидерские тренинги, совместные проекты, комитеты гражданского участия). Сравнивать экономические исходы через 6–24 мес. Учитывать спилловеры.
- Натуральные эксперименты / квази‑эксперименты:
- Разрывные границы (Regression Discontinuity / border design): сравнивать соседние поселения по обе стороны административной границы, где инфраструктура схожа, но исторические правила сформировали разный уровень доверия. Идентифицирует локальный эффект, требует тестов на плавность ковариат.
- Различия в различиях (DiD): найти событие/шок, которое изменило доверие в одном регионе, но не в другом (например, публичный коррупционный скандал, реформы гражданского участия). Спецификация с фиксированными эффектами и тестом предпоследовательности.
- Инструментальные переменные (IV): использовать исторически экзогенные факторы, которые влияют на доверие, но не напрямую на текущее развитие (при условии проверяемого исключающего ограничения). Примеры: доля религиозных орденов/кооперативов XIX в., историческая плотность взаимопомогающих институтов, административные решения прошлого, расстояние до исторических торговых путей. Требуется обширный набор проверок (over‑id, баланс).
- Synthetic control: если есть один «высоко‑доверительный» регион и несколько контролей — синтезировать контрольную траекторию для сравнения.
- Микро‑идентификация:
- Применять matching / entropy balancing / propensity scores, чтобы сравнить похожие семьи/фирмы по observables и смотреть на влияние разницы в доверии.
- Медиационный анализ: тестировать механизмы (снижение транзакционных издержек, доступ к кредитам, кооперация) через структурные регрессии и последовательные уравнения.
3) Эконометрические спецификации (пример)
- Производственная функция:
$\ln Y_{it}=\varphi \ln K_{it}+\psi \ln L_{it}+\rho Trus{t}_{it}+X_{it}\beta +{\mu }_i+{\tau }_t+{\epsilon }_{it}$ - IV (2SLS):
1) $Trus{t}_{it}=\alpha +\pi Instrumen{t}_i+X_{it}\gamma +{\mu }_i+{\tau }_t+{\nu }_{it}$ 2) $\ln Y_{it}=\delta +\rho {Trust}_{it}+X_{it}\theta +{\mu }_i+{\tau }_t+{\eta }_{it}$ - DiD (при шоке в B):
$\ln Y_{it}=\alpha +\beta (HighTrus{t}_i\times Pos{t}_t)+X_{it}\theta +{\mu }_i+{\tau }_t+u_{it}$
4) Проверки валидности и робастности
- Предтренд тесты (DiD): проверить отсутствие отличий до шока.
- Balance tests по ковариатам (RD, IV): проверить, что инструмент/граница не коррелируют с предшествующими исходами.
- F‑stat для слабых инструментов ($F>10$) и over‑identification tests.
- Placebo‑тесты: альтернативные исходы, фальшивые шоки/границы.
- Механизмы: показать, что эффект проходит через кредитование, снижение транзакционных издержек, увеличение кооперации (медиаторы).
- Учёт спилловеров: spatial lags, кластерные стандартные ошибки.
5) Практические рекомендации
- Комбинировать подходы: RCT на микроуровне + IV/DiD/SC на региональном уровне для внешней валидности.
- Панель предпочтительнее кросс‑секции: позволяет контролировать неизменные характеристики.
- Размер выборки/кластера: рассчитывать мощность исходя из ожидаемого эффекта доверия; для кластера‑RCT обычно десятки сообществ на группу.
- Документировать всё по сбору исторических инструментов и проводить предрегистрацию идентификационных планов.
Коротко: соберите детальные панельные данные (поведенческое и опросное доверие, экономические исходы, исторические прокси), запустите кластерный RCT там, где возможно, и параллельно используйте RD/DiD/IV/synthetic control с жёсткими тестами валидности; исследуйте механизмы через медиацию и данные о кредитах и транзакционных издержках.