L’argent fait-il le bonheur ?

Cette question, les économistes se la posent depuis plusieurs décennies. Existe-t-il un lien de causalité entre revenu et satisfaction ?

Dans les années 1970, Richard Easterlin a mis en évidence un paradoxe qui porte désormais son nom : pour dire simplement les choses, la satisfaction est corrélée avec le revenu, mais jusqu’à un certain point seulement. Une fois que les personnes ont atteint un certain niveau de vie, l’évolution de leur satisfaction n’est plus tellement alignée sur l’évolution de leur revenu.

Toutefois, ce paradoxe a été remis en question. L’argument qui est souvent opposé est que la stratégie d’identification empirique d’Easterlin n’était pas la bonne. En d’autres termes, il n’aurait pas utilisé les bonnes méthodes statistiques pour mettre en évidence le lien entre revenu et satisfaction.

Ces questions sont fort éloignées de mes thèmes de recherche, et je n’ai pas d’avis sur la controverse au sujet de ce paradoxe. La raison pour laquelle j’ai pourtant envie d’en parler est pour mettre en évidence la difficulté d’identifier des relations causales dans les données en économie.

Comment mesure-t-on la richesse (revenu ou patrimoine) ? Le bonheur ? Quels pays va-t-on comparer ? Peut-on d’ailleurs vraiment les agréger ? Comment sont construites les données : a-t-on des données agrégées (par exemple la satisfaction « des français ») ou a-t-on des données individuelles ? Si on a des données individuelles, a-t-on pu les apparier, c’est-à-dire mettre dans une base unifiée les données de satisfaction et les données de revenu ? Quels outils statistiques a-t-on utilisé pour établir le lien ? Est-il légitime d’avoir utilisé ces outils plutôt que d’autres ? Etc.

À chacune de ces questions, une réponse différente peut aboutir à un travail empirique différent.

Et tout ceci n’est pas neutre : être capable d’identifier des relations causales dans les données empiriques est un moyen essentiel pour rejeter et valider les différentes hypothèses. En d’autres termes, pouvoir faire ce travail est essentiel pour pouvoir se prévaloir de la méthode scientifique.

Pour autant, est-ce que je suis en train de dire que la science économique n’en n’est pas capable, et qu’elle n’est pas scientifique pour cette raison ? Absolument pas. Je défends même l’argument inverse : le simple fait que les économistes tendent à vouloir bâtir des preuves empiriques pour discriminer les hypothèses montre qu’ils adhèrent à la méthode scientifique (a minima popperienne).

Mon point est qu’il ne faut pas confondre ce que l’on veut faire (construire des preuves empiriques), ce que l’on peut faire (a-t-on les outils pour le faire ?) et ce que l’on pourra faire (faisons-nous des recherches pour construire les outils qui nous manquent ?). Il ne faut pas non plus oublier que les sciences humaines et sociales font face à des difficultés spécifiques pour mesurer les effets, et qu’après tout, la science économique « moderne » n’a été constituée qu’à la fin du 19ème siècle – avec la révolution marginaliste. En comparaison, la physique moderne a plusieurs siècles d’avance. Comparons ce qui est comparable.

Pour finir, l’appel à la prudence que constitue cette publication ne doit pas être pris pour un appel au doute déraisonnable : oui, la mesure est difficile en économie, mais non, on n’est pas dans un état où tous les points de vue se vaudraient et où rien n’est possible. Entre Easterlin et les critiques de ses travaux, l’une des deux parties a nécessairement tort (puisque leurs hypothèses sont opposées), et comme les deux arguments sont réfutables, on peut imaginer que l’on finira bien par savoir qui a raison (comme ça n’est pas mon sujet de recherche, si ça se trouve la controverse a en fait déjà été tranchée !).

MàJ 2019-03-21@11:31 : tweets qui ajoutent d’intéressants compléments par L’Observatoire du Bien-être.

Quelques commentaires : aujourd'hui, c'est moins la stratégie d'identification d'Easterlin qui est critiquée que la fiabilisé de ses données japonaises. En fait, il semble que son paradoxe ne s'applique vraiment qu'aux US.

— Observatoire du Bien-être (@ObsBienEtre) March 21, 2019

Du coup, l'explication liée à l'inégalité (avec une stagnation du salaire médian) est assez convaincante.
Sur les données, l'enquête SRCV de @InseeFr récolte satisfaction de vie ainsi que des données très détaillées sur les revenus.

— Observatoire du Bien-être (@ObsBienEtre) March 21, 2019

On peut donc faire l'exercice sur données individuelles. C'est un panel tournant, donc on peut voir l'effet de chocs de court terme sur les individus. Dans d'autres pays, il existe des panels de long terme, voir https://t.co/nfOmp8nZuJ

— Observatoire du Bien-être (@ObsBienEtre) March 21, 2019

Sur cette base, Clark et. al. mettent en évidence la combinaison d'un effet d'adaptation au revenu et d'un effet de comparaison.
Les dynamiques sur l'ensemble d'un pays ne sont donc interprétables que si on prend en considération la distribution des revenus.

— Observatoire du Bien-être (@ObsBienEtre) March 21, 2019

Voir aussi, naturellement https://t.co/fSkg2dmsoH

— Observatoire du Bien-être (@ObsBienEtre) March 21, 2019