Inicio » Economía » Correlación, causalidad y política económica



Correlación, causalidad y política económica


18 de septiembre, 2019

diarios causalidad


Por Mariano Tappata Economista (PhD UCLA). UNRN y UTDT. Exsubsecretario de Programación Microeconómica del Ministerio de Hacienda

 

La lectura de los titulares de los medios de comunicación siempre nos presenta a relaciones de causalidad dudosa entre variables económicas. Algunas de estas referencias apuntan al éxito o fracaso de la política económica y, por lo tanto, tienen un gran impacto en la opinión pública. “La devaluación de x% provocará un traspaso a precios de y%”, “la reprogramación de metas de inflación del 28 de diciembre de 2017 generó la escalada inflacionaria posterior“, “el impuesto a la renta financiera provocó la salida de capitales del 26 de abril de 2018” son algunas de las “causalidades” más repetidas en los últimos años[1] . El problema reside en que el lector de estos titulares no necesariamente entenderá si se trata de opinión del comunicador o información precisa (facts). En este último caso, un simple gráfico de dos variables que carezca de sustento empírico sólido puede condicionar la opinión del lector indefenso.

 

Esta nota no intenta resolver el problema. Sólo comentar sobre las fuentes más controversiales con las que nos encontramos a la hora de interpretar resultados empíricos. Estimar relaciones causales entre dos variables es una de las tareas más difíciles en economía. La intuición y los modelos teóricos nos pueden ayudar a entender aspectos cualitativos de una relación, pero sólo el análisis correcto de los datos nos acercará a la respuesta cuantitativa. Para ilustrar esta dificultad imaginemos que queremos saber cómo reaccionarán los precios de pasajes aéreos ante un aumento de la competencia en el mercado. Nuestra intuición y conocimiento de economía básica indican que los precios bajarán, pero ¿cuánto bajarán si pasamos de un monopolio a un duopolio? ¿Y si pasamos de dos a tres competidores?

 

Entre el viernes 9 y el lunes 12 de agosto, el riesgo país pasó de 872 a 1467 puntos (+68%) mientras que lo único que cambió ese fin de semana fue la información disponible para los agentes económicos: la rotunda diferencia entre los pronósticos previos y el resultado de las elecciones lecturas económicas.

 

El punto de partida para el análisis, y seguramente el lector ya lo ha pensado, probablemente sea un gráfico de barras que muestre los precios promedios de vuelos entre ciudades en donde hay 1, 2, y 3 aerolíneas competidoras. Pero, como todos sabemos y repetimos sin parar, correlación no implica causalidad. Si el análisis terminase allí, estaríamos ignorando dos cuestiones importantes y muy comunes en economía: Primero, las tarifas dependen de otras variables, además de la cantidad de competidores. Por ejemplo, el día de la semana para el pasaje (fin de semana vs. día de semana), tipo de pasajeros, horario, tamaño y distancia entre las ciudades conectadas, el precio del combustible, etc. Segundo, es probable que un mercado tenga más competidores que otro por el simple motivo que en ese mercado hay más pasajeros de alto poder adquisitivo y se pueden cobrar tarifas más caras. Es decir, que los precios más altos atraen más competidores. Cualquier análisis empírico que ignore estas dos cuestiones producirá estimaciones sesgadas y será inválido.

Te puede interesar:  “La deuda sobre el PIB es del 68%”, aseguró Lacunza (en septiembre llegó a US$ 310.800 M)

 

En general, para calcular de manera precisa cómo una variable x afecta otra variable y necesitaremos i) que los datos utilizados contengan cambios “exógenos” en la variable x y ii) poder “controlar” por cambios en otras variables que también afectan a la variable dependiente y. Las dos condiciones son difíciles de satisfacer porque los datos que utiliza el economista suelen surgir de transacciones reales donde todo cambia constantemente y la variable supuestamente independiente x en realidad resulta ser la decisión de un agente económico que, por lo tanto, dependerá de otros factores (como los competidores en nuestro ejemplo).

 

A pesar de la claridad y pureza del evento, muchos ciudadanos aún desconfían de la causalidad descrita y, consecuentemente, de las medidas tomadas por el Gobierno para recuperar la economía.

 

Los economistas han pasado los últimos 40 años tratando de mejorar la calidad de las estimaciones con el uso de mejores bases de datos y nuevas técnicas econométricas (por ejemplo, estimaciones estructurales) para poder controlar mejor el impacto de cada variable independiente sobre la variable dependiente. También han recurrido a la utilización de experimentos naturales (exógenos por definición y sentido común) para detectar eventos que producen un cambio claro en la variable independiente. Por ejemplo, los economistas argentinos Rafael Di Tella y Ernesto Schargrosky publicaron en 20042 un muy buen trabajo que utiliza el ataque a la AMIA de 1994 como evento exógeno que llevó al gobierno a asignar más policías en los edificios judíos y musulmanes. De esa manera, Di Tella y Schargrosky pudieron cuantificar de manera precisa cómo más control policial reduce el robo de autos. De no contar con dicho evento, la estimación subestimaría el efecto real al medir la combinación de dos efectos esperados opuestos: i) el hecho de que el gobierno suele asignar más policías en donde el crimen mayor, ii) que más policías debería generar un efecto disuasivo en el crimen.

Te puede interesar:  Alberto Fernández pedirá más compromisos a los empresarios

 

Volviendo a nuestros ejemplos iniciales, es necesario preguntarse si el cambio en la meta de inflación del 28 de diciembre (variable x) ha sido “exógeno” a la situación económica del momento. Por lo tanto, asignarle poder causal sobre la performance económica requiere, por lo menos, un análisis más detallado. De la misma manera, la suba de la tasa de interés de 150-175 puntos en las Lebac del 26 de abril de 2018 coincidió tanto con el vencimiento del impuesto a la renta financiera de no residentes como con la suba de tasas de la Fed y la venta global de activos riesgosos por parte de inversiones que repentinamente desearon refugiarse en activos más seguros. Nuevamente, el diagnóstico incorrecto puede llevar a confusión en el público, medidas incorrectas, o ambas. En los dos casos, las afirmaciones sobre el 28 de diciembre y 26 de abril requieren un análisis más exhaustivo para dejar de ser opinión y pasar a la categoría información.

 

Quizá el evento reciente más “limpio” desde el punto de vista econométrico sean las elecciones PASO de agosto pasado. Entre el viernes 9 y el lunes 12 de agosto, el riesgo país pasó de 872 a 1467 puntos (+68%) mientras que lo único que cambió ese fin de semana fue la información disponible para los agentes económicos: la rotunda diferencia entre los pronósticos previos y el resultado de las elecciones. Muchos economistas diagnosticaron el evento correctamente y eso explicaría la reacción del BCRA ante el nuevo contexto del lunes 12 de agosto. Sin embargo, a pesar de la claridad y pureza del evento, muchos ciudadanos aún desconfían de la causalidad descrita y, consecuentemente, de las medidas tomadas por el Gobierno para recuperar la economía. Muy probablemente este desacuerdo en el diagnóstico afecte la efectividad de la política económica. Por eso es importante y necesario que las diferencias no se surjan de la incapacidad de diferenciar correlación de causalidad.

 

[1] Las referencias encomilladas son ficticias, aunque una búsqueda rápida online genera resultados similares: https://www.perfil. com/noticias/economia/un-a%C3%B1o-28-d-diciembre-interna-se-llevo-puesto-a-federico-sturzenegger.phtml

[2] Di Tella, Rafael, and Ernesto Schargrodsky. “Do police reduce crime? Estimates using the allocation of police forces after a terrorist attack.” American Economic Review 94.1 (2004): 115-133.

Dejá un comentario