Uso de cookies

Este sitio web utiliza cookies propias obligatoras y de terceros opcionales con la finalidad de hacer que su navegación sea segura, hacer análisis estadístico de las visitas a la web y conocer su usabilidad.
Si desea más información o cambiar la configuración de su navegador, puede visitar nuestra Política de Cookies.
Pulse el botón "Rechazar cookies" o "Aceptar cookies" para confirmar que ha leído y aceptado la información aquí presentada.

La evaluación científica de las políticas económicas y sociales

Septiembre de 2020
La evaluación de políticas públicas está viviendo un momento dulce y prueba de ello es el Premio Nobel de Economía otorgado a Duflo, Banerjee y Kremer en 2019 por sus contribuciones en este campo. Los análisis cuantitativos en el ámbito de las ciencias sociales resultan complejos metodológicamente, pues tratan de evaluar con métodos científicos el comportamiento humano y empresarial.

El reciente acuerdo para el Fondo de Recuperación Europeo puede suponer una gran oportunidad para las políticas impulsadas desde las instituciones públicas. Si bien la captación de los fondos es un primer paso indispensable, el objetivo último debe ser un buen uso de esos recursos por parte de los organismos receptores, a través de la financiación de iniciativas orientadas a responder a las necesidades estratégicas de la economía. Aquí cobra un interés capital la evaluación de impacto de las políticas públicas, puesto que en su ausencia resulta imposible conocer su alcance, su eficacia y plantear mejoras en su funcionamiento.

En el marco económico actual abundan aquellas iniciativas orientadas a favorecer a un determinado colectivo. Pueden estar dirigidas a empresas y tomar la forma de apoyo a la inversión, a la profesionalización de la gestión, al acompañamiento en la internacionalización o exenciones fiscales para fomentar determinadas conductas. También pueden beneficiar a otros colectivos vulnerables, como las becas para los estudiantes, formación para desempleados, bonificaciones fiscales para ciertos trabajadores o ayudas económicas para hogares en riesgo de pobreza.

El objetivo de la evaluación de este tipo de políticas públicas radica en identificar el impacto causal que esos programas ejercen sobre los individuos, hogares o empresas beneficiarios de los mismos. Para ello existen diferentes aproximaciones y enfoques, cuya implementación dependerá de la información disponible y de la naturaleza del propio programa objeto de análisis.

En general, se considera que el método de evaluación ideal es el experimento social, donde son seleccionados de manera aleatoria un grupo de tratamiento (que recibirá la política o intervención) y un grupo de control (que no recibirá la política o intervención). La aleatoriedad en la selección garantiza que el comportamiento de ambos grupos antes de ser tratados sea independiente a la participación en el programa. En este caso, el impacto de la política pública no es más que la diferencia en el rendimiento de ambos colectivos después de que uno haya recibido la ayuda.

La conducción exitosa de experimentos sociales de esta índole, en particular en el campo de la lucha contra la pobreza, les valió a Duflo, Banerjee y Kremer el Premio Nobel de Economía del año 2019. No obstante, este tipo de experimentos son complicados de implementar y exigentes en recursos, dado que conllevan la participación de un notable número de personas observadas durante un largo periodo de tiempo.

A su vez, todo ensayo de estas características se enfrenta a dos retos. Por un lado, la validez interna requiere que el experimento se realice en las condiciones óptimas y que la metodología resulte apropiada para los objetivos pretendidos. Por otro lado, la validez externa implica que esos resultados obtenidos para un colectivo determinado puedan ser extrapolados al conjunto de la población. Aquí entra en juego el grado de representatividad de la muestra, su tamaño o la duración de la política.

Habida cuenta de la dificultad para la realización de este tipo de análisis experimentales, el evaluador debe contentarse en la mayoría de casos con la utilización de datos observacionales, que ofrecen información acerca del comportamiento de los receptores de la política pública. Para evaluar el impacto causal que dicha la medida ha generado sobre ese colectivo, se debe responder a una pregunta clave: ¿Qué hubiese pasado si estos individuos no hubiesen participado en el programa? Esto, denominado resultado potencial o contrafactual, resulta imposible de conocer dado que el evaluador solo observa el resultado real o factual.

Para hacer frente a este problema, se procede a seleccionar un grupo de control compuesto por individuos lo más similares a los del grupo de tratamiento, pero que no hayan participado en el programa. El objetivo es conocer el resultado potencial en ausencia del tratamiento, asumiendo que el desempeño de los individuos del grupo de control es el que hubiesen tenido los individuos del grupo de tratamiento si no hubiesen participado en el programa. Con la utilización de datos observacionales, no obstante, el evaluador se enfrenta al problema del sesgo de selección, esto es, el hecho de que los individuos que participan deliberadamente en un programa ya son diferentes respecto a los del grupo de control por el mero hecho de participar.

Para solucionar este problema, un gran número de estimaciones con datos observacionales se basan en el supuesto de selección en observables. Esta hipótesis asume que todas las diferencias entre ambos grupos de individuos que potencialmente pueden afectar a su desempeño son observadas. Esto resulta crucial porque de no ser así, es decir, en el caso de existir alguna variable no observada que afecte al rendimiento (la inteligencia o el compromiso en el caso de individuos o la ambición o esfuerzo del empresario en caso de las empresas), podríamos estar atribuyendo a la participación en el programa un valor que en realidad correspondería a esas variables no observadas.

Modelo de difference-in-differences
Fuente: Afi.

Existen a su vez diferentes técnicas de estimación econométrica a través del uso de datos observacionales. Una de las más conocidas es el modelo de difference-in-differences, que se basa en una comparación del desempeño del grupo de tratamiento y del de control antes y después del tratamiento. Por otra parte, las técnicas de matching o emparejamiento destacan por realizar comparaciones individuales entre los miembros del grupo de tratamiento y sus pares más similares dentro del grupo de control. Existen también otros modelos como el de variables instrumentales, regresiones en discontinuidad, datos de panel o regresiones por quantiles, cuya implementación dependerá de la naturaleza de los datos disponibles.

En definitiva, Es un campo que requiere de una continua innovación orientada a minimizar los sesgos de estimación, con el fin de ofrecer hallazgos cada vez más precisos que sirvan para mejorar las políticas y aumentar la eficiencia del gasto público.

Javier Serrano
Javier Serrano es consultor del área de Economía Aplicada de Afi.