La revolución empírica en economía

La revolución empírica en economía

de Javier Hualde

Responder de una forma adecuada a preguntas causales es uno de los mayores desafíos de cualquier ciencia aplicada. Cuestiones como el efecto del salario mínimo sobre el desempleo, el efecto de la inmigración o de la educación sobre el salario, el papel de las instituciones en el crecimiento de los países, el efecto de medidas punitivas sobre la tasa de criminalidad o la discriminación salarial por razón de sexo, centran gran parte del debate económico, político y social. Respuestas adecuadas a estas preguntas sirven inequívocamente como hoja de ruta para construir una sociedad más justa y con un mayor nivel de bienestar.

La profundización empírica y metodológica sobre estas cuestiones ha sido merecedora del Premio Nobel de Economía 2021, concedido a David Card (University of California Berkeley) por sus contribuciones empíricas a la economía laboral, y a Joshua D. Angrist (Massachusetts Institute of Technology) y a Guido W. Imbens (Stanford University) por sus aportaciones metodológicas al análisis de las relaciones causales. Como ha detallado la Real Academia Sueca de Ciencias, la investigación de estos científicos “ha revolucionado la investigación empírica en las ciencias económicas”.

Efectivamente, los tres galardonados han protagonizado la vanguardia investigadora de la revolución sobre la forma de acometer investigación aplicada en economía que se viene gestando desde principios de los años 90. Esta reacción, tremendamente creativa, se originó como respuesta a las críticas severas que sufrió la práctica empírica en los 80. Leamer, en su famoso artículo de 1983 en el American Economic Review, lo ejemplifica de forma rotunda: “There are two things you are better off not watching in the making: sausages and econometric estimates,” o “Hardly anyone takes data analyses seriously. Or perhaps more accurately, hardly anyone takes anyone else’s data analyses seriously.” 

Este tipo de críticas puso de manifiesto la reconocida falta de credibilidad y fragilidad de buena parte del trabajo empírico realizado hasta principios de los 80, que adolecía de problemas como la causalidad inversa, la clasificación de variables como endógenas o exógenas sin ofrecer una evidencia claramente argumentada que justifique los supuestos de identificación o la estrategia habitual (y no confesable) de estimar numerosos modelos, de los que solo unos pocos (los que el investigador encontraba apropiados) eran reportados (en palabras del premio nobel Ronald H. Coase, “If you torture the data enough, nature will always confess”).

La labor de los premiados ha contribuido de manera esencial a la recuperación de la credibilidad del trabajo aplicado en economía. Su propuesta está fundamentada en un mejor diseño de la estrategia de investigación y ha supuesto un claro resurgir en el impacto científico de la investigación empírica y en su relevancia como guía para las políticas públicas. La piedra angular de esta transformación es el uso de datos procedentes de experimentos naturales como solución a la imposibilidad habitual en economía (y en ciencias sociales, en general) de contar con datos de experimentos controlados aleatorizados, debido fundamentalmente a cuestiones éticas, de coste o simplemente de implementación práctica. En muchos campos científicos el experimento controlado aleatorizado es la base de la identificación de efectos causales. Este tipo de experimentos ha tenido una relevancia decisiva, por ejemplo, a la hora de evaluar la eficacia de tratamientos médicos, y su ejecución está basada en la asignación aleatoria del tratamiento entre individuos. Por razones obvias, diseñar un experimento para analizar, por ejemplo, el impacto de la inmigración en el mercado de trabajo del país receptor parece complicado. Sin embargo, en ocasiones se producen cambios institucionales, naturales o de políticas públicas que generan variaciones que permiten diferenciar claramente los afectados por el “tratamiento” de los que no lo reciben, y donde la asignación es “como si fuera aleatoria”. Se trata de un experimento natural. El ejemplo clásico de experimento natural es el éxodo del Mariel (abril de 1980), donde miles de cubanos emigraron a Florida. A raíz de este suceso singular en la historia estadounidense, se incrementó la fuerza de trabajo en Miami en un 7% en un periodo de tres meses, lo que fue aprovechado por uno de los premiados, Card, para analizar el impacto de este shock de oferta. Específicamente, Card comparó el comportamiento de los salarios y el desempleo en Miami, antes y después del éxodo, con la correspondiente evolución en Atlanta, Los Angeles, Houston y Tampa, que son ciudades similares a Miami en ciertos aspectos demográficos y económicos. Su conclusión es que el shock no tuvo apenas influencia en el salario o en la tasa de desempleo de los trabajadores menos cualificados. 

El tratamiento adecuado de datos de experimentos naturales para dar respuestas (cuantitativas) a preguntas causales supone un desafío sustancialmente mayor que la situación ideal donde un experimento controlado aleatorizado puede ser implementado. Estas dificultades tienen que ver con la naturaleza observacional de los propios datos, lo que implica que el investigador tiene un control menor sobre la aplicación del tratamiento que en un experimento controlado. Esto afecta al núcleo del problema de identificación del efecto causal, cuya resolución depende de explotar adecuadamente la variación exógena originada en el experimento natural. En este marco, diseñar estrategias de identificación creíbles ha sido un objetivo esencial de la labor investigadora de los galardonados, bien a través de un trabajo empírico y centrado fundamentalmente en el mercado de trabajo, como el de Card, o de corte más metodológico, como las aportaciones de Angrist e Imbens. Específicamente, una de las contribuciones básicas de estos dos investigadores va encaminada a resolver el problema de identificación cuando la respuesta al tratamiento es heterogénea y el investigador no tiene control completo sobre quién recibe dicho tratamiento, lo que es habitual en experimentos naturales. La combinación del uso de variables potenciales, heredado de la estadística, y de variables instrumentales que determinan parcialmente la asignación al tratamiento, con larga tradición en economía, clarifica la identificación del efecto causal en experimentos naturales.

En cualquier caso, el impacto del trabajo de los galardonados va mucho más allá de sus aportaciones concretas (que han sido extremadamente relevantes), ya que ha supuesto un cambio de paradigma sobre cómo hacer trabajo empírico riguroso en economía. Se puede afirmar con rotundidad que, además del uso de experimentos naturales (o de experimentos de campo) como fuente de una variación exógena a través de la que identificar un efecto causal, las variables instrumentales u otras técnicas de inferencia causal como los modelos de regresión discontinua o el método de diferencias en diferencias, forman parte de la caja de herramientas habitual de cualquier economista aplicado. 

Afortunadamente, la ciencia económica ha sido permeable a este cambio de paradigma, que ha tenido grandes implicaciones en el diseño de la investigación de los economistas aplicados, además de proporcionar una estrategia precisa para responder a muchas de las grandes preguntas relevantes para nuestra sociedad. Obvia decir que la formación de futuros economistas no debe dar la espalda a estos cambios y es nuestra responsabilidad dotar a los alumnos con las herramientas necesarias para llevar a cabo investigación en economía aplicada rigurosa, precisa y que no sea vulnerable a las críticas tradicionales del trabajo empírico. Los premiados han dejado claro el camino a seguir.

Responder

Introduce tus datos o haz clic en un icono para iniciar sesión:

Logo de WordPress.com

Estás comentando usando tu cuenta de WordPress.com. Salir /  Cambiar )

Google photo

Estás comentando usando tu cuenta de Google. Salir /  Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Salir /  Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Salir /  Cambiar )

Conectando a %s

A %d blogueros les gusta esto: