"Poor numbers" von Jerven Morten. Wie verlässlich sind wirtschaftliche Entwicklungsstatistiken in Subsahara-Afrika?

Rezension

Jerven, Morten. 2013. Poor Numbers: How We Are Misled by African Development Statistics and What to Do about It. Ithaca und London: Cornell University Press. 187 Seiten. ISBN 978-0-8014-7860-4. 22,30€ UVP (Buch).

Der nahezu weltweit beobachtbare Trend hin zu überwiegend evidenzbasierten Politikentscheidungen der letzten Jahrzehnte geht unter anderem einher mit dem zunehmenden Aufkommen folgender Fragen: Woher stammen die zugrundeliegenden Daten? Und wie verlässlich sind sie? Von diesen ausgehend zeigt der norwegische Wirtschaftshistoriker Morten Jerven in seiner ersten Monographie, Poor Numbers: H ow We Are Misled by African Development Statistics and What to Do about It, auf, weshalb sich ein Blick hinter die Kulissen der wirtschaftlichen Entwicklungsstatistiken (WES) in Subsahara-Afrika (SSA) lohnt.

Poor Numbers stellt nicht nur die erste systematische Analyse der Produktion und Nutzung von WES in SSA dar; auch beschreitet der Autor bis dato methodisch und thematisch vernachlässigtes Territorium: die Historisierung und Kontextualisierung quantitativer Daten mittels qualitativer Methoden. Oder in Jervens eigenen Worten: „ an ethnography of national income accounting in Africa.“ (S. xii) Basierend auf seiner zwischen 2007 und 2011 (teilweise im Rahmen seiner Dissertation) durchgeführten Feldforschung in acht afrikanischen Staaten sowie nachfolgender Auswertung umfangreicher Sekundärdaten in 15 weiteren, zeichnet der Autor ein beeindruckend umfangreiches Bild afrikanischer WES – auf lediglich 121 Seiten Fließtext. Dies ist umso beachtenswerter vor dem Hintergrund, dass sich die Monographie an drei recht diverse Zielgruppen zugleich richtet: Datennutzer, Entwicklungspraktiker sowie -forscher.¹ Zweifelsohne zu diesen zählen auch Studierende, die sich im Rahmen des Moduls „Wirtschaft und Politik in Afrika“ mit einer 2016 veröffentlichten Forschungsnotiz Jervens auseinandersetzten. Im Gegensatz zu dieser diskutiert der Autor in der Monographie zwar nicht explizit die Frage wie arm SSA sei (Jerven 2016), doch finden sich fruchtbare Anknüpfungspunkte an weitere im Modul behandelte Themenbereiche wie afrikanische Wirtschaftsgeschichte oder Fragen wirtschaftlicher Entwicklung.

Ausgehend von der Erkenntnis, dass bis dato Datenungenauigkeiten in WES Afrikas nicht umfassend und komparativ erfasst wurden, setzt sich der Autor zum Ziel, ebendiese Forschungslücke zu füllen. Nicht nur sei ein Paradigmenwechsel in der Perzeption der Produktion afrikanischer WES dringend notwendig (von bloßen Fakten hin zu Aushandlungsprozessen, die unter anderem durch politischem Druck charakterisiert sind). Auch habe die Nutzung ebendieser häufig nur Akkuratesse suggerierenden Daten reale Auswirkungen auf die Verteilung knapper Ressourcen. Hierdran anknüpfend müsse ebenso moniert werden, dass die Datenqualität von WES in SSA in einem Maße unzureichend sei, die die Erkenntnisse selbst einiger zentraler Studien und Datensets grundsätzlich infrage stelle. Letztere diskutiert Jerven umfassend am Beispiel der drei gegenwärtig bedeutendsten innerhalb seines Themenfeldes (die Penn World Tables, das Maddison Project sowie die World Development Indicators der Weltbank, die er fälschlicherweise wiederholt als World Development Institute bezeichnet). Aus deren auf dem gleichen Datenkorpus beruhenden, jedoch aus unterschiedlichen Berechnungsweisen hervorgehenden abweichenden Ergebnissen leitet der Autor ab, dass intra- sowie supraafrikanische makroökonomische Ländervergleiche nur eingeschränkt möglich seien. Auch wenn dies kein erst seit kurzem bekanntes Phänomen darstelle, stünde zu viel auf dem (entwicklungspolitischen) Spiel als zwei grundsätzliche Fragen weiterhin zu ignorieren: Was genau wird gezählt und wofür werden diese Zahlen wie genutzt?

Zunächst wendet sich Jerven einer Besprechung der Kennzahlen und Problematiken von WES zu. Hierbei wird deutlich, dass er dem nicht unumstrittenen Entwicklungsbegriff ein ausschließlich wirtschaftliches Verständnis, insbesondere in Form des Bruttoinlandproduktes (BIP), zugrundelegt. Unerlässlich betont er, dass dieses Maß unersetzlich sei für die Messung der tatsächlichen Größe einer Volkswirtschaft. Jerven selbst schränkt zwar die Genauigkeit des BIP ein. Jedoch bleibt der Autor dem Leser eine genauere Begründung schuldig, weshalb er die eine Dichotomie implizierende Unterscheidung in „entwickelt“ und „weniger entwickelt“ einzig und allein auf wirtschaftliche Kennzahlen zurückführt. Dass es der Monographie überdies an definitorischer Trennschärfe weiterer entwicklungspolitisch zentraler Begriffe mangelt, wurde an anderer Stelle bereits ausführlicher kritisiert (z.B. Szabó 2015). Weitere Indikatoren wie die damals gebräuchlichen Millenium Development Goals (MDGs) verlieren aufgrund des einzig Bedeutsamkeit suggerierenden Indikators des BIP an relativem Gewicht. Nicht nur rückt Jerven diese ob seines wohl begründeten Fokus' auf WES in den Hintergrund. Mittels einiger Anekdoten portätiert er sie zudem als einen zusätzlichen Ballast – ohne ihre Bedeutung in ansatzweise gleichem Maße aufzuzeigen.

Hierbei spricht er jedoch einen wunden Punkt an: Auch den MDGs lagen quantifizierte Zielstellungen zurgrunde, weshalb sie selbst zusätzliches Statistikpersonal erforderten. Eindrucksvoll demonstriert Jerven anhand des Beispiels Sambias in der Folge, dass die statistische Infrastruktur eines Landes ebenso sehr Aufmerksamkeit verdient wie der eigentliche Statistik-Output. Hierauf baut er in Kapitel 4 auf, in welchem er die verhältnismäßig schwache Verhandlungsposition von Statistikern im Policy-Kreislauf beleuchtet. Um die triadische Konstellation der Statistikinterpretateure zu vollenden, führt Jerven auch die zentrale Rolle der Statistikkonsumenten ein, denen er eine häufig ignorante Einstellung zur Datenqualität diagnostiziert. Hierbei betont er deutlich, dass es sich nicht nur um einzelne Individuen handelt, denen es gelegentlich an statistischer Literarität mangeln mag, sondern auf globaler Ebene die sogenannte Entwicklungsgemeinschaft eine (zu) klare Zielorientierung hat: Primär der Weltbank wirft er vor, rasch verfügbare Daten über deren eigentliche Genauigkeit zu präferieren. Vor diesem Hintergrund des Zusammenspiels verschiedener Akteure, die in der Produktion und/oder Nutzung nationaler WES beteiligt sind, erscheint sein Punkt, dass die Qualität der Daten häufig „ doubly blurred “ sei (S.9), unzureichend. De facto, dies impliziert Jerven selbst, müsse von einer „dreifach verschwommenen“ Datenqualität die Rede sein: Auch (vermeintliche) Entwicklungspartner wie die Weltbank verfolgen eigene Interessen, beispielsweise die Publikation eigener, auf afrikanischen Primärdaten beruhender Datensets, die von Nutzern – im Jervenschen Sinne – missinterpretiert werden können. Es mag verwundern, dass er diesen Gedankengang nicht weiterverfolgt, besonders vor dem Hintergrund, dass Jervens Position nach einige Datensets von den meisten Nutzern als bedeutender empfunden werden als andere – selbst bei gleichem zugrundeliegenden Datenkorpus. Dieses Phänomen, welches etwa unter dem Begriff „ branded data “ zusammengefasst werden könnte, wird zwar nicht weiter von Jerven diskutiert, doch begründet er seine Auswahl dreier Rankings des BIP/Kopf ausgewählter Länder SSA's zuvorderst mit deren Bekanntheit. In der komparativen Analyse ebendieser kommt er zu einem (auf den ersten Blick) beeindruckenden Ergebnis: „ [I]t is as if each time the income is meazentrasured, it is done using a different scale with an unknown margin or direction of error.“ (S. 20)

Zwar räumt er ein, dass es in der vergleichenden Forschung zu WES immer wieder Variationen zwischen einzelnen Schätzungen gibt, doch betont der Autor in diesem Kontext stärker das unzweifelhafte Abweichen afrikanischer Ökonomien von der Norm. Damit trägt er – wenn auch wiederholt dementierend und eher als eine außergewöhnliche Kombination insbesondere historisch bedeutsamer Faktoren bezeichnend – zur Konstruktion eines vermeintlich „afrikanischen Problems“ bei. Um ebendieses Abweichen zu illustrieren, zieht Jerven einen Vergleich mit Lateinamerika. Basierend auf den gleichen Datensets wie seiner eigenen Analyse kommt er zu dem Schluss , dass ebenjene für den Fall der Länderrankings Lateinamerikas nach deren BIP/Kopf deutlich reliabler seien. Leider stoppt Jerven hier den Vergleich und gibt keinerlei weiteren Hinweise auf genauere Zahlen oder die herangezogene Studie. Stärker als dieser Umstand fällt ins Gewicht, dass van Waijenburg (2014) Jerven entgegenhält, dass seine eigenen Berechnungen (die er ebenfalls nicht näher ausführt) einen größeren und sogar über dem von Asien und Lateinamerika liegenden Korrelationskoeffizienten SSA's bezüglich der Länderrankings zeigt. Zwar kann auch seinen Befunden wegen mangelnder Darstellungsausführlichkeit nur eingeschränkt gefolgt werden. Doch bleibt, dass „ the impression of a distinctly African problem seems somewhat unfounded.“ (van Waijenburg 2014: 302) Diese Kritik positiv umformulierend befindet Szabó (2015) den Jervenschen Ansatz des Hinter-die-Kulissen-Schauens hingegen für so wichtig, dass er sogar weltweit verstärkt Beachtung finden sollte.

Es ist unzweifelhaft, dass dieses Unterfangen weit außerhalb der Reichweite einer einzelnen Monographie liegt. Dennoch versucht Jerven in Kapitel 3 ambitioniert allgemeinere Schlüsse aus den Kontroversen zur Datenqualität dreier Fallbeispiele zu ziehen. Zwar wird er seinem eigenen Anspruch gerecht deutlich zu machen, dass statistische Messung nicht allein eine technokratische Angelegenheit ist. Ausstehend bleibt jedoch eine überzeugendere Darstellung, dass die ausgewählten Fallbeispiele (Bevölkerungszensus und landwirtschaftliche Produktion in Nigeria, BIP-Messung in Tansania) repräsentativ für verallgemeinerbare Probleme sind, da er lediglich das Beispiel der (seiner Argumentation nach zu frühzeitig ausgerufenen) „Grünen Revolution“ in Indien als außerafrikanisches Beispiel heranzieht.

Für die Diskussion dieser Fallbeispiele legt Jerven bereits in Kapitel 2 die Grundsteine. In der ausführlichen Abhandlung zum Wandel von WES-Messansätzen in SSA zeigt er auf, dass neben Kontextualisierung auch Historisierung ein entscheidender Faktor ist, ohne den vorhandene Statistiken nicht korrekt interpretiert werden könnten. Den Terminus „ political economy of statistics“, den sein Vorgehen vorschlagen würde, buchstabiert er zwar nicht aus. Doch überzeugt Jerven auch ohne diese konzeptionelle Feinarbeit mit seiner Elaborierung des seit der Kolonialzeit nachgezeichneten Statistik-Staat-Verhältnisses, welches primär durch Diskontinuitäten gekennzeichnet sei. Überhaupt demonstriert seine Abhandlung schlüssig, dass die Qualität der WES maßgeblich von der jeweils proklamierten politischen Prioritätensetzung abhängt. Dass dies nicht nur auf die nationale Ebene abzielt (illustriert anhand der Fallbeispiele der ehemals sozialistischen Staaten Sambias und Tansanias), zeigt der Autor mittels seiner kritischen Besprechung der Strukturanpassungsprogramme von Weltbank und Internationalem Währungsfonds auf. Seiner Argumentation nach unterminierten diese in den 1980er und -90er Jahren massiv die statistische Kapazitäten in SSA, da sie einen Rückzug des Staates zugunsten marktbasierter Entwicklungsansätze verlangten – (vermeintlicher) Fortschritt wurde statistisch schwieriger fassbar.

Auf die Faustregel, dass politische Prioriäten statistische Prioritäten signalisieren, kommt er erneut in Kapitel 4 zu sprechen und entwickelt diese weiter: Datenverfügbarkeit stelle einen guten Indikator politischer Verpflichtungen dar. Dies sei jedoch auf makroökonomische Daten beschränkt, wie er nicht nur anhand seiner Beispiele zu landwirtschaftlichen sowie Beschäftigungsstatistiken zu verstehen gibt. Auch spricht er den zunehmend an Popularität gewinnenden randomisierten Kontrollversuchen (RCTs) nahezu grundsätzlich ab, für politische Entscheidungsträger von Relevanz zu sein, was er anhand der Bildungsausgaben Ugandas in den Jahren 1991-1995 veranschaulicht. Offen bleibt hierbei, weshalb genau er RCTs als derart in ihrer Wirkkraft beschränkte Instrumente betrachtet. Ist es schließlich nicht zuletzt das Aggregat unzähliger mikroökonomischer Daten, die ein makroökonomisches Gesamtbild ergeben? Und kann tatsächlich davon ausgegangen werden, dass Regierungen beispielsweise (an ihrer Zielstellung gemessene) erfolgreiche Entwicklungsprojekte gänzlich ignorieren?

Zuletzt bleiben seine Handlungsempfehlungen zur Verbesserung afrikanischer Statistiken. Offensichtlich wird, dass Jerven aus nicht gänzlich nachvollziehbaren Gründen statisch wirkende Vorschläge unterbreitet, die seinen vorherigen Ausführungen teilweise zuwiderlaufen. Zwar wird aus seiner Argumentation heraus verständlich, dass mehr Gelder in der Entwicklungszusammenarbeit für den Aufbau/die Vergrößerung statistischer Kapazitäten zur Verfügung gestellt werden sollten. Doch läge es nicht primär an den jeweiligen Staaten, diese selbst zu gewährleisten, auch und gerade in Krisenzeiten? Schließlich impliziert Jerven anhand des Beispiels norwegischer Entwicklungsgelder in Malawi und bezogen auf sich ändernde politische Prioritäten selbst, wie kürzungsanfällig eine (fremd-)personalbezogene Erhöhung statistischer Kapazität sein kann. Ein anderer Punkt, de facto eine der wenigen technischer anmutenden Besprechungen in der Monographie, ist sein Plädoyer für ein Umdenken im Zurverfügungstellen sogenannter Meta-Daten – Informationen dazu, wie durch einzelne Datensets zu navigieren sei. So wichtig der Punkt als solcher auch sein mag, es wird offensichtlich, dass sich Jerven ob seiner eigenen negativen Erfahrungen insbesondere mit der Weltbank etwas in seinen Ausführungen verliert. Seinem Kerngedanken jedoch, dass „ [n]either data users nor data producers are getting the assistance they need“, kann nach Lektüre der Monographie in jedem Fall nur schwer widersprochen werden. Anders verhält es sich für seine Kritik an der Standardisierung volkswirtschaftlicher Gesamtrechnungen in Form des United Nations System of National Accounts. Zwar ermöglicht dieses überhaupt erst Vergleiche zwischen Ländern, doch sei hierfür nach Jerven zumeist die Prozeduralität höher gewichtet als die eigentliche Qualität der Daten. Auch wenn dieser Vorwurf, der empirisch ohnehin schwierig prüfbar ist, zutreffen mag, so würde doch nur eine orchestrierte globale Strategie zur Erhöhung der Datenqualität weiterhin Erkenntnisse generierende Vergleiche zulassen. Diese ist nach Jerven selbst jedoch nicht absehbar.

Daran anknüpfend moniert er einen weiteren Bias: „ [L]arge one-off data collection projects“ (S. 107) seien sowohl von Entwicklungsgeldgebern als auch Statistikbüros präferiert – auf Kosten öfter durchzuführender Umfragen, die größere Aussagekraft hinsichtlich Wandlungsprozessen hätten. Afrobarometer, ein pan-afrikanisches Konsortium zur Messung von Bevölkerungseinstellungen, scheint hierzu durchaus lediglich die Ausnahme der Regel zu sein. Auch betont Jerven in Form einer weiteren Faustregel, dass bedeutender sei, welche Daten zu einem bestimmten Zeitpunkt überhaupt verfügbar seien, als zwangsläufig (kaum replizierbare) Statistiken hierzu herauszugeben. An die aus den 1960er-Jahren geprägte Redewendung „ garbage in, garbage out“ anknüpfend, plädiert er insbesondere in diesem Zusammenhang für eine stärkere Beachtung lokaler Kontexte, die er jedoch verwundernderweise als überwiegend statisch betrachtet.

Zusammenfassend lässt sich festhalten, dass Jerven sein Ziel, einen Mittelweg im Umgang mit WES zu finden, mit Bravour erreicht. Dem Titel seiner Monographie wird er hingegen nicht in Gänze gerecht: Die von ihm vorgestellten Handlungsempfehlungen schmälern in ihrer nicht abschließend ausgearbeiteten Wirkung seine ansonsten stichhaltige Darstellungsweise. Nichtsdestoweniger lässt sich Poor Numbers zu den bedeutendsten Publikationen innerhalb eines noch jungen Forschungszweiges der Wirtschaftsgeschichte zählen.

Literatur

Jerven, Morten. 2013. Poor Numbers: How We Are Misled by African Development Statistics and What to Do about It. Ithaca und London: Cornell University Press.

Jerven, Morten. 2016. 'Research note: Africa by numbers: Reviewing the database approach to studying African economies'. African Affairs 115/459, 432-358.

Szabó, Krisztina. 2015. 'Book Review: Poor Numbers: How we are Misled by African Development Statistics and What to Do About It, by Morten Jerven'. The Journal of Modern African Studies 53:3, 492-494.

van Waijenburg, Marlous. 2014. 'Review of: Poor Numbers: How We Are Misled by African Development Statistics and What to Do About It, by Morten Jerven'. Journal of Economic History 70 , 301-303.

[...]

¹ Lediglich aus Gründen der besseren Lesbarkeit wird auf die gleichzeitige Verwendung männlicher und weiblicher Sprachformen verzichtet. Sämtliche Personenbezeichnungen gelten gleichwohl für alle Geschlechter.