Sammenhængen mellem sociale parametre og livstilfredshed er i sin natur kompleks at estimere, da det er svært entydig at konkludere, hvordan den konkrete sociale parameter, der er forbundet med trivsel, direkte påvirker den selvrapporterede og subjektive følelse. Denne kausalitetsudfordring er velkendt på tværs af de samfundsfaglige discipliner, og er ikke noget særegent for trivselsøkonomien.
Følger vi Fujiwara & Campbell (2011)[1] kan vi udtrykke den subjektive trivselsfunktion på følgende måde:
SWB (SP, I, X) [1]
hvor SP er den sociale parameter vi er interesseret i (den ikke-handlede markedsgode), I er indkomst og X repræsenterer en vektor af øvrige faktorer, der påvirker et individs subjektive trivsel.
Funktionen kan vi empirisk estimere på følgende vis:
SWBi = 𝛼 + ꞵSP SPi + ꞵIIi + ꞵXXi + εi [2]
hvor i repræsenterer individerne i vores datasæt, 𝛼 er en konstant, ꞵSP, ꞵI og ꞵX er koefficienterne for hvert input og εi er fejlleddet.
Denne estimation kan gennemføres med afsæt i forskellige økonometriske tilgange - den afgørende faktor er datatilgængeligheden (fx tværsnitsdata, longitudinal data, eksperimentelt data). Af estimationsteknikker, der er forsøgt anvendt, kan nævnes fixed effects analyser, naturlige eksperimenter (to ellers ens grupper eksponeres for forskellige situationer på en tilnærmelsesvis tilfældig måde), reelle eksperimenter (som randomiserede kontrollerede forsøg, RCT). Den sidste kan dog i praksis være udfordrende at gennemføre, da de situationer vi typisk vil være interesserede i, kan være svære at randomisere.
I den eksisterende litteratur anvendes typisk tværsnitsdata til at etablere sammenhængen, da det ofte vil være denne type data, der er tilgængelig, når vi har brug for ovenstående input i det samme datasæt. Dette kan dog være udfordrende ift. at etablere en reel kausal sammenhæng, og der vil i sådanne tilfælde være behov for en stærk teoretisk argumentation eller tidligere evidens, der kan bakke sammenhængen op.
I Open Social Value Bank vil vi eksperimentere med forskellige tilgange til at etablere denne sammenhæng, herunder trække på de mange gode erfaringer fra forskning, der findes i en dansk kontekst, og de muligheder de stærke danske registerdata tilbyder. Vi vil således afprøve estimationsstrategier med afsæt i eksisterende datakilder fra både panelundersøgelser og tværsnitsdata, men vi vil også eksperimentere med dataindsamling gennem valghandlingseksperimenter.
Uanset tilgangen vil der være et gennemgående fokus på at forholde sig til, hvorvidt den etablerede sammenhæng kan betragtes som kausal, da dette vil gå med over i næste trin og påvirke monetariseringen. Konkret anbefales det i UK Treasury - Wellbeing Guidance for Appraisal[2], at kun evidens med en tilstrækkelig overbevisende kausal trivselseffekt bør komme i betragtning for monetarisering.
Resultatet af estimationen vil være en kvantificering af trivselsændringen, der følger af en udvikling i en social parameter. Når vi som ovenfor beskrevet arbejder med livstilfredshed som mål eller indikator for subjektiv eller vurderet trivsel, så opererer vi med begrebet en WELLBY (wellbeing-years). En WELLBY repræsenterer en ændring på ét points livstilfredshed for én person i ét år (på 0-10 skalaen for livstilfredshed).
.svg){kind=icon}