Coronabeleid van de regering gaat goed om met onzekerheid

Gezondheidsministers over de hele wereld bestelden enorme hoeveelheden vaccins. Toen de ziekte later niet gevaarlijker bleek dan de gewone griep, werden zij belachelijk gemaakt.

Nee, dit gaat niet over corona. Het jaar is 2009 en de dreiging heet H1N1, Mexicaanse griep of varkensgriep. Achteraf, met informatie die niet beschikbaar was toen de beslissing werd genomen, is het gemakkelijk oordelen, maar op het moment dat de minister dit besluit moesten nemen hadden ze alleen behoorlijk onnauwkeurige schattingen van het sterftecijfer.

Uiteraard is de juiste manier om een op een bepaalde dag genomen beslissing te beoordelen er een die gebaseerd is op de informatie die op dat moment beschikbaar was. Een oordeel dat kennis van een later moment meeneemt, kent “hindsight bias”.

Omdat kennis over of het beleid tot een goed resultaat geleid heeft niet nodig is om te oordelen of beslissingen goed genomen zijn, is het ook nu al mogelijk om te beoordelen of de Nederlandse overheid in de coronacrisis de juiste beslissingen neemt. Wel is noodzakelijk om vast te stellen of de beslissers niet ten prooi vallen aan de twee belangrijkste valkuilen bij het beslissen onder onzekerheid.

Valkuil ambiguïteitsaversie

Er zijn twee belangrijke valkuilen bij het nemen van beslissingen als je niet precies weet wat voor risico je loopt (ambiguïteit). De eerste is om altijd uit te gaan van het worstcasescenario. Het kan heel natuurlijk aanvoelen om na te denken over het ergste dat kan gebeuren, en dan beslissingen te nemen op basis van deze veronderstelling. Maar het ergste scenario is niet altijd het waarschijnlijkste en het kan enorm duur zijn om erop te focussen.

In het geval van Covid-19 zou het worstcasescenario bijvoorbeeld kunnen zijn dat het sterftecijfer erg hoog is, bijvoorbeeld 2 of 3 procent. Hoewel het niet onmogelijk is dat het sterftecijfer zo hoog is, is het vrij onwaarschijnlijk. Het baseren van beslissingen op zo’n sterftecijfer zou leiden tot een volledige blokkering van het maatschappelijke en economische leven en sluit de intelligente lockdown die we nu ervaren uit.

De neiging uit te gaan van het worstcasescenario wordt ambiguïteitaversie genoemd. Velen van ons hebben deze neiging, maar we willen niet dat onze regeringen dit toepassen, omdat het op het niveau van ons land erg kostbaar kan zijn. Het kan ook leiden tot inconsistente beslissingen. Het vermijden van het worstcasescenario op het gebied van volksgezondheid kan leiden tot het worstcasescenario voor de economie.

Valkuil waarschijnlijkheidsongevoeligheid

De tweede valkuil is een fenomeen dat ‘waarschijnlijkheidsongevoeligheid’ wordt genoemd. Het betekent dat we onze beslissingen onder ambiguïteit te simpel maken en dat we in termen van riskant/niet-riskant denken en alle risico’s zien als het gooien van een munt. Dit gedrag, aanwezig bij alle beslissingen onder risico, wordt versterkt door ambiguïteit. Dit kan natuurlijk zijn wanneer het risico waarmee we worden geconfronteerd onbekend is, maar het leidt meestal tot slechte beslissingen.

Laten we een concreet voorbeeld bekijken. Is het sterftecijfer hoger of lager dan 1 procent? We zouden kunnen denken dat, aangezien we het niet weten, het ongeveer 50-50 is: 50 procent kans dat het sterftecijfer lager is dan 1 procent, en 50 procent kans dat het meer is.

Maar is het sterftecijfer lager dan 0,5 procent? Nogmaals, we weten het niet, dus moeten we opnieuw bedenken dat het 50-50 is, zoals het gooien van een munt.

Als we altijd van mening zijn dat alles als het gooien van een munt is, zullen we middelen verspillen aan de meest onwaarschijnlijke risico’s en te weinig besteden aan de meest waarschijnlijke. Onderzoek in de gedragseconomie (Tversky en Fox, 1995; Abdellaoui et al., 2011) toont aan dat, hoewel mensen niet altijd denken dat alle kansen als het gooien van een munt zijn, ze wel te veel in die richting denken. En ons recente onderzoek (Baillon et al., 2018) toonde aan hoe deze waarschijnlijkheidsongevoeligheid wordt versterkt onder ambiguïteit, vooral wanneer er tijdsdruk is.

Sleutelprincipes voor een goede beslissing

Om de valkuilen te vermijden, zijn er drie principes die we kunnen volgen om een goede beslissing te nemen in een situatie van ambiguïteit.

Principe 1: gebruik gemiddelde schattingen

In plaats van ons te richten op het worstcasescenario, of te denken dat alles als het gooien van een munt is, is het belangrijk om onze beste schatting van het risico te gebruiken, en deze beste schatting is het gemiddelde (wiskundige verwachting).

Als de experts van het RIVM bijvoorbeeld van mening zijn dat er twee mogelijke scenario’s zijn. In scenario A is er een risico van 20 procent dat het sterftecijfer hoger is dan 1 procent. In scenario B is dit risico 35 procent. Als de RIVM-experts denken dat scenario A twee keer zo waarschijnlijk is als scenario B, dan is het risico 2/3 × 20 procent + 1/3 × 35 procent = 25 procent. Merk op dat de twee valkuilen, ambiguïteitaversie en waarschijnlijkheidsongevoeligheid, ons naar een hogere schatting zouden duwen, of door dat we concentreren op scenario B of door dat we aangetrokken worden door 50 procent.

Het gebruik van de gemiddelde schattingen betekent overigens niet dat extreme scenario’s worden genegeerd. Integendeel, extreme scenario’s beïnvloeden het gemiddelde namelijk. Als schattingen bijvoorbeeld exponentieel slechter worden zodra een parameter toeneemt, zal de gemiddelde schatting veel slechter zijn dan de schatting op basis van de gemiddelde parameter. Hetzelfde geldt als fenomenen elkaar versterken. Het gemiddelde scenario is niet het scenario dat is gebaseerd op gemiddelde parameters, maar het gemiddelde van de scenario’s die zijn verkregen voor alle mogelijke parametercombinaties, waarbij er rekening mee wordt gehouden dat sommige combinaties vreselijk kunnen uitpakken.

Principe 2: blijf schattingen bijwerken

Stel je nu voor dat de RIVM-experts bij het verzamelen van nieuwe informatie en meer gegevens denken dat scenario A nog waarschijnlijker is, nu vier keer zo waarschijnlijk als scenario B. De nieuwe risicoschatting zou dan 4/5 × 20 procent + 1/5 × 35 procent = 23 procent moeten zijn en de beslissingen moeten gebaseerd zijn op een risico van 23 procent dat het sterftecijfer hoger is dan 1 procent.

Als we ons richten op het worstcasescenario, de eerste valkuil, zouden we vasthouden aan scenario B, hoewel het minder waarschijnlijk wordt en daardoor belangrijke informatie negeren. Misschien denk je dat 23 of 25 procent vrijwel hetzelfde is. Welnu, dat is precies de tweede valkuil, waarschijnlijkheidsongevoeligheid.

Principe 3: maximaliseer het verwachte welzijn

En wat te doen met de up-to-date gemiddelde schattingen die we van het RIVM krijgen? De theorie vertelt ons dat we bij het kiezen van beleid het “verwachte welzijn” van de bevolking moeten maximaliseren, maar wat betekent dit in de praktijk? “Welzijn” (soms ook geluk of nut genoemd) betekent dat we ons niet tot één dimensie beperken, zoals alleen de volksgezondheid, maar alle mogelijke gevolgen van het beleid in overweging nemen voor de (fysieke en psychologische) gezondheid, rijkdom van mensen, vandaag en morgen. Welzijn meten, met alle aspecten van dien, is ingewikkeld, maar kan worden benaderd. “Verwacht” betekent dat we onze gemiddelde risicoschattingen moeten gebruiken om de gevolgen van elk alternatief beleid te wegen.

De berekening is in werkelijkheid gecompliceerd, maar het belangrijkste punt is om niet te richten op één extreem scenario of op één dimensie. Een cruciaal gevolg van principe 3 is dat we achteraf misschien niet het beste resultaat krijgen, maar wel het beste dat we van te voren (ex ante) kunnen verwachten.

Stel je voor dat we in de toekomst leren dat het sterftecijfer veel minder was dan 1 procent. Dan zou je kunnen beweren dat het lockdownbeleid te extreem was, maar het zou onterecht zijn om beslissingen te beoordelen op basis van informatie waarover de overheid op het moment van beslissen niet beschikte. Dat zou een vorm van hindsight bias zijn. Dit punt is cruciaal en verdient herhaling. De beste beslissing leidt misschien niet het beste resultaat, maar geeft wel het hoogste verwachte welzijn op het moment van beslissen.

Het cijfer van de overheid

Laten we de regering evalueren op basis van de redenen die voor de beslissingen zijn gegeven, te beginnen met de sterke punten. Het is duidelijk dat de meeste beslissingen zijn gebaseerd op de aanbevelingen van het OMT, zelf geleid door de schattingen van het RIVM. Deze schattingen worden bijgewerkt en lijken niet uit te gaan van een worstcasescenario. Zo waren de argumenten die op 21 april werden aangevoerd om scholen te heropenen zorgvuldig gebaseerd op de laatste bevindingen van het RIVM, niet op worstcasescenario’s.

In de persconferentie van 6 mei waren de versoepelingstappen en de nieuwe maatregelen uitgelegd op basis van wetenschappelijk bewijs (voor het gebruik van mondkapjes in het OV) en van de inschatting van het RIVM (in de keuze van de timing). Voorover ik kan beoordelen lijkt de regering met hulp van het OMT en het RIVM de twee beschreven valkuilen vrij goed te ontwijken.

Maar niet alles is perfect. In maart was de verwarring over de groepsimmuniteit, een doel dat een bijproduct werd, zorgwekkend. Meer recentelijk verklaarde de premier “eerst de volksgezondheid en dan de rest”. Het klinkt juist, maar het mag niet letterlijk worden geïmplementeerd. Gezondheid is misschien wel het belangrijkste voor ons welzijn, maar in ons dagelijks leven maken we altijd een afweging tussen gezondheid en andere aspecten zoals rijkdom, vermaak, sociale contacten… Er is geen reden waarom we geen compromis meer zouden moeten sluiten en zo’n compromis willen Nederlanders ook (Chorus en Mouter, 2020). Het feitelijke beleid van de regering lijkt genuanceerder dan wat de verklaring suggereert. De maatregelen in Nederland zijn flexibel genoeg om een groot deel van de economische activiteit op gang te houden.

Samenvattend verdient de overheid zeker meer dan een voldoende. Hun vertrouwen op de modellen van de experts is een goed punt. De lockdown leek echt intelligent, niet beoordeeld op de effectiviteit maar op de redenen waarom deze zijn geïmplementeerd. Voor dezelfde redenen kan de versoepeling ook intelligent genoemd worden. Als burgers en inwoners van Nederland kunnen we de overheid helpen de valkuilen te vermijden door de best beschikbare schattingen van het RIVM te vertrouwen en ons niet te richten op extreme scenario’s of vage geruchten. We kunnen de overheid verantwoordelijk houden en deze evalueren, maar zonder hindsight bias.

Literatuur

Abdellaoui, M., A. Baillon, L. Placido, en P. Wakker (2011) The rich domain of uncertainty: source functions and their experimental implementation, American Economic Review, vol. 101:2, pp. 699-727.

Baillon, A., Z. Huang, A. Selim en P. P. Wakker (2018) Measuring Ambiguity Attitudes for All (Natural) Events. Econometrica, vol 86:5, pp.1839-1858.

Tversky, A., en C. R. Fox. (1995) Weighing risk and uncertainty. Psychological review 102:2: 269-283.

Chorus, C. en N. Mouter (2020) Nederlanders maken een brede afweging bij afbouw coronamaatregelen. Beschikbaar op esb.nu.