Blog
Blog - Economía
14 Octubre 2021 / Por Irvin Rojas

Les hizo justicia la revolución

Quienes estudiaron economía y, específicamente, econometría con algunos textos clásicos, del estilo del de Gujarati, recordarán que el énfasis de la enseñanza en aquel entonces era en el modelaje de los procesos. Esto es, se buscaba usar datos y modelos estadísticos para caracterizar el crecimiento de un país, la producción de una industria, la formación de capital humano en los hogares, entre otros. Muchos de estos modelos se juzgaban por qué tan buenos eran para predecir los datos con los que eran estimados, pero resultaban poco informativos para estudiar cambios en las variables que no habían sido observados aún. Es decir, estos modelos no tenían poder interpretativo desde la teoría económica. Además, rara vez los autores de estudios empíricos documentaban qué tan solidos eran sus resultados ante distintas decisiones. Para muchos críticos del trabajo empírico de la segunda mitad del siglo XX, la economía aplicada y la econometría eran como hacer salchichas: nunca quieres saber qué hay adentro ni cómo se hizo.

David Card, Joshua Angrist y Guido Imbens han revolucionado la manera en que los economistas usan la teoría y los datos económicos para entender fenómenos en los mercados de trabajo y han desarrollado métodos estadísticos para encontrar relaciones de causalidad entre variables económicas. Por dicha revolución a la credibilidad del trabajo empírico, estos científicos fueron galardonados este año con el Premio del Banco de Suecia en Ciencias Económicas en memoria de Alfred Nobel (Premio Nobel de Economía, para acabar pronto). Específicamente, Card fue reconocido “por sus contribuciones empíricas a la economía laboral”, mientras que Angrist e Imbens por “sus contribuciones metodológicas al análisis de relaciones causales”. Sin embargo, considero que es más que un premio lo que une a estos tres destacados científicos.

La revolución de la credibilidad impulsada por economistas como los premiados este año realmente cambió la forma de entender los problemas en economía y la manera de abordarlos de forma empírica. Card, Angrist e Imbens contribuyeron a establecer un marco metodológico para plantear problemas de causalidad y, una vez cimentadas las bases, contribuyeron también a la incorporación y el refinamiento de técnicas de la estadística para la medición de dichas relaciones. Su proceder consiste en ser menos ambicioso que modelar procesos enteros, para obtener a cambio conclusiones más creíbles y con el potencial de ser generalizables a poblaciones y contextos no estudiados. Es dar pasos más pequeños, pero más seguros: usar la teoría económica para plantear relaciones causales de interés y diseñar estrategias que permitan aislar las relaciones causales, una a la vez.

Es en su relación con la teoría económica donde la revolución de la credibilidad se vuelve más revulsiva. En uno de sus trabajos más influyentes, en coautoría con Alan Krueger, Card compara los niveles de empleo en un grupo de trabajadores que estuvieron expuestos a incrementos al salario mínimo con otro grupo similar que no experimentó dichos cambios. Este estudio y sus subsecuentes extensiones y críticas abrieron un debate que se sostiene hasta nuestros días sobre en qué circunstancias los incrementos al salario mínimo afectan el empleo, los precios y los salarios. Este estudio también es un ejemplo de uno de esos problemas donde la teoría económica del primer curso de microeconomía da todo lo que tiene que dar muy pronto. Los resultados de Card son algo más sutiles que mostrar que el salario mínimo no destruye empleo, como algunos han interpretado. El poder de sus conclusiones y las de otros estudios que le siguieron, considero, es que la dirección y el tamaño del efecto depende de las condiciones de oferta y demanda, tanto de los productos como del trabajo, por lo que los resultados cobran sentido a la luz de una teoría para interpretarlos.

Y aunque este estudio sobre el salario mínimo es uno de los trabajos más citados de Card, su contribución a la evidencia empírica sobre temas donde la teoría no ofrece resultados concluyentes es igual de notable. Card también ha estudiado asuntos que desafían la primera intuición, como el impacto de la migración en el mercado de trabajo, la segregación racial, los beneficios de pertenecer a los sindicatos y el efecto programas públicos para el empleo, entre muchos otros.

El trabajo de Angrist se encuentra con el de Card probablemente por primera vez al estudiar los rendimientos a la educación, es decir, las ganancias de los individuos en términos de salarios por cada año de educación que alcanzan, así como el papel de los distintos insumos en la formación del capital humano. Angrist es uno de los exponentes más importantes de la revolución de la credibilidad al hacer uso del conocimiento de las instituciones y los contextos en los que ocurren los fenómenos para plantear estrategias que permitan identificar efectos causales.

Por ejemplo, en un trabajo en coautoría con Victor Lavy, Angrist reconoce que en Israel los tamaños de los grupos en las primarias presentan saltos debido a que se sigue una vieja regla que indica que los grupos no deben ser mayores a 40 estudiantes y que si se tienen, por ejemplo, 41 estudiantes, se deben crear dos grupos. Así, es posible comparar grupos que están apenas por debajo del límite máximo con aquellos que fueron partidos debido a la regla para estudiar el efecto del tamaño del grupo en el aprovechamiento académico. Con este olfato para encontrar los conocidos como experimentos naturales, Angrist ha usado estrategias tan peculiares como brillantes, provenientes de las loterías para inscribirse en el ejército y su relación con los ingresos de largo plazo, las fechas de nacimiento como determinante de en qué momento se ingresa a la escuela, el tamaño del hogar que resulta de la preferencia por tener hijos e hijas en vez de solo hijos o solo hijas, entre muchos otras.

Pero además de un gran científico, Angrist es también un gran divulgador y conversador. Sus dos libros en coautoría con Jorn-Steffen Pischke, Mostly Harmless Econometrics y Mastering Metrics, se han vuelto referencias obligadas en los cursos de econometría y evaluación alrededor del mundo. Estos libros combinan la solidez de los argumentos económicos que motivan el diseño de estrategias empíricas con una tersa narrativa que enfatiza la intuición detrás de los resultados estadísticos formales.

Angrist e Imbens son también dos de los economistas que han contribuido al desarrollo de la teoría detrás de las variables instrumentales, de los pocos métodos que la economía le ha dado a la estadística y no al revés. Las variables instrumentales se emplean tanto para resolver el problema de doble direccionalidad en relaciones causales, como para la estudiar situaciones en que una intervención (como puede ser un programa de acceso váuchers para asistir a escuelas privadas) afecta de forma diferenciada a individuos con ciertas características (lo que se conoce como efectos heterogéneos). Son de hecho Angrist e Imbens, junto con Donald Rubin, quienes formalizaron la teoría detrás de las variables instrumentales en el contexto de experimentos con asignación aleatoria que se ven comprometidos por una decisión de selección.

Pero Imbens se ha involucrado en la formalización de la teoría en casi todas las técnicas que usamos para estudiar efectos causales, tanto que sería casi imposible entenderlas e implementarlas correctamente sin sus contribuciones. Básicamente, Imbens está en todos los métodos no experimentales usados en economía.

Las técnicas de pareamiento o matching, que consisten en comparar unidades que se parecen en una serie de características observables, algunas expuestas a un tratamiento o choque y otras no, estuvieron presentes desde los 1970s. Sin embargo, es el trabajo de Imbens, en coautoría con Alberto Abadie, el que establece las propiedades teóricas de estas comparaciones que nos permiten evaluar la precisión de dichas estimaciones y hacer inferencia estadística. Otro campo muy activo en la evaluación de efectos causales es el de los diseños con discontinuidades, que explotan el hecho de que algunas unidades son candidatas o no a recibir una intervención de acuerdo con el valor de una variable de elegibilidad (por ejemplo, así se asignó el programa PROGRESA en un inicio: solo a hogares que estuvieran por debajo de cierto puntaje en un índice de pobreza). Y ahí está Imbens de nuevo, desarrollando la teoría para elegir óptimamente qué tan lejos del corte de elegibilidad debemos poner atención para capturar el efecto causal de recibir la intervención.

Hoy el trabajo de Imbens en la formalización de métodos abarca una amplia gama de aplicaciones, que van desde la introducción de técnicas de aprendizaje automático y big data en el estudio de efectos causales en la industria, en colaboración con Susan Athey, hasta la combinación de métodos experimentales y no experimentales para deducir efectos de largo plazo de intervenciones contemporáneas en resultados económicos que aún no se realizan, trabajo en curso junto con Susan Athey y Raj Chetty.

Para algunos críticos del trabajo empírico en economía en nuestros días, solo la evidencia experimental permite obtener conclusiones confiables sobre la relación causal de dos variables. De hecho, el Nobel de Economía 2019 fue otorgado a los economistas Esther Duflo, Abhijit Banerjee y Michael Kremer “por sus contribuciones al alivio de la pobreza global usando métodos experimentales”. Sin embargo, considero que la contribución más profunda para la ciencia económica de estos economistas tiene que ver con la forma en que pensamos problemas de causalidad. Duflo, Banerjee y Kremer han contribuido a que pensemos las relaciones causales en términos del experimento ideal que nos gustaría conducir. Pero Card, Angrist e Imbens nos piden no darnos por vencidos si el experimento no puede realizarse: aun cuando no hay variación experimental, muchas preguntas en economía pueden y deben ser respondidas.

No quisiera culminar esta nota sin mencionar explícitamente a los que por alguna razón no han recibido directamente el Premio Nobel, pero sin quienes difícilmente entenderiamos las contribuciones de los premiados de este año (e incluso en 2019). Primero, los estudios de Card y Angrist no pueden ser entendidos de manera aislada de los Alan Krueger. Krueger se suicidó hace dos años, cortando la vida de un prolífico economista que probablemente hubiera compartido el Nobel de este año. Creo que vale la pena celebrar el trabajo y la vida de él también. Y en segundo lugar, siempre estará la lista de los que no fueron, como la del entrenador de fútbol de sillón, que tiene su alineación particular. En la profesión serán también reconocidos los nombres y el trabajo de Athey, Dupas, Abadie, Rosenbaum, Rubin, entre muchos otros. Quizás algunos se lleven su propio premio eventualmente.

La revolución de la credibilidad revolucionó no solo a la economía aplicada, sino cambió también la forma de pensar problemas económicos a todos niveles. Hoy es más común encontrar estrategias inspiradas en los diseños de Card, Angrist e Imbens en las finanzas, la macroeconomía, la criminología y la epidemiología. No es arriesgado decir que estudiar a Card, Angrist e Imbens también cambia la forma en que uno piensa problemas de la vida diaria.

El trabajo de Card, Angrist e Imbens estuvo a la vanguardia de la revolución de la credibilidad con una premisa principal: primero el diseño, luego la econometría. Con un diseño cuidadoso y con un planteamiento preciso de las estrategias empíricas, las relaciones causales entre variables pueden ser estimadas a partir de los datos. Y entonces sí, una vasta literatura se ha abocado a la formalización y refinamiento técnico. Pero sería poco importante haber importado estos desarrollos desde la estadística sin los pilares bien puestos que Card, Angrist, Imbens y sus coautores establecieron de manera brillante.

Más de:
  • nobel
  • econometría
  • causalidad
  • economía