Un Premio Nobel para una revolución en la economía

Este artículo fue originalmente publicado en el suplemento de economía de la diaria.

La Real Academia Sueca premió a David Card por su contribución empírica a la economía laboral y también a la dupla de Joshua Angrist y Guido Imbens por sus aportes metodológicos al establecimiento de relaciones causales.

Las mañanas en las que se otorga el Nobel de Economía son como un ritual, los miembros del comité se preparan para anunciarlo y la prensa se silencia por completo. Este año la Academia se hizo esperar un poco más, dado que no lograron contactar a tiempo a todos los galardonados. Pero el momento esperado llegó, y la Real Academia Sueca premió a David Card por su contribución empírica a la economía laboral y también a la dupla de Joshua Angrist y Guido Imbens por sus aportes metodológicos al establecimiento de relaciones causales. Los galardonados de este año han demostrado que los experimentos naturales pueden utilizarse para responder cuestiones fundamentales para la sociedad, como el efecto de los salarios mínimos y la inmigración en el mercado laboral. Asimismo, han aclarado exactamente qué conclusiones sobre la causa y el efecto pueden extraerse utilizando este enfoque de investigación. En pocas palabras, revolucionaron la investigación empírica en economía.

Claro, ganar el Premio Nobel de Economía puede ser uno de los logros más importantes de la carrera de David Card. Y, sí, además de la medalla de oro, se reparte más de un millón de dólares con los otros dos ganadores del premio de 2021, Joshua Angrist y Guido Imbens. Pero eso es solo la torta. También está la frutilla. David Card da clases en la Universidad de Berkeley, por lo que convertirse en premio Nobel conlleva una ventaja adicional: estacionamiento gratuito de por vida. En serio.

“Sí, profesor Card, además de su Premio Nobel –y, de hecho, gracias a él–, me complace concederle una codiciada plaza de estacionamiento cerca de su oficina”, dijo la rectora de la Universidad de Berkeley, Carol T. Christ, la mañana del anuncio del Nobel. “Me han dicho que, al igual que muchos miembros de la facultad de Berkeley, usted va en bicicleta al trabajo, así que déjeme ver cómo podríamos crear un lugar especial para que la estacione”.

En cuanto al premio en sí, añade un toque oficial a algo que los aficionados a la economía ya sabemos de Card: su trabajo, realizado a menudo en colaboración con su difunto coautor Alan Krueger[1], ha reformado completamente el campo de la economía. Los economistas consideran su trabajo una de las primeras salvas de lo que a veces se denomina la “revolución de la credibilidad” o la revolución empírica. Esto se refiere a un movimiento en la economía para crear diseños de investigación innovadores, con el objetivo de encontrar pruebas creíbles para responder a cuestiones políticas importantes. Hasta el momento, en la disciplina predominaba la teoría económica y algunos intentos empíricos esquivos. Tras los primeros disparos de Card y Krueger, Joshua Angrist y Guido Imbens, quienes lavaban su ropa los sábados a la mañana mientras conversaban sobre diseños metodológicos como profesores ayudantes en Harvard, entraron en paracaídas y dieron a la revolución otra victoria al desplegar armas aún más sofisticadas desde el punto de vista estadístico.

Pero… ¿qué son los experimentos naturales?


Muchas preguntas importantes son sobre la causa y el efecto. Si queremos tomar buenas decisiones, debemos comprender las consecuencias de nuestras elecciones. Esto se aplica tanto a los individuos como a los responsables de las políticas públicas: los jóvenes que toman decisiones educativas quieren saber cómo éstas podrían afectar a sus ingresos futuros; los políticos que están considerando una serie de reformas quieren saber cómo éstas podrían afectar al empleo y a la distribución de los ingresos. Sin embargo, no es fácil responder preguntas generales sobre la causa y el efecto, porque nunca sabremos qué habría pasado si hubiéramos hecho una elección diferente.

La manera ideal de responder estas preguntas y establecer causalidad es utilizar experimentos aleatorios, en los que los investigadores asignan a los individuos a grupos de tratamiento mediante un sorteo. Esto se realiza en otras áreas de investigación, por ejemplo, en medicina: un grupo similar puede ser dividido en dos, uno prueba una pastilla nueva mientras otro testea una pastilla placebo. No obstante, en las ciencias sociales esto es muy complejo de realizar, ya sea por razones logísticas, políticas o éticas; lógicamente, no podríamos hacer un experimento aleatorio para determinar quién va a la escuela secundaria superior y quién no con el fin de estimar el efecto de la educación en los salarios. A pesar de estos problemas, los galardonados han demostrado que es posible responder a muchas de las grandes preguntas de la sociedad. ¿Su solución? Utilizar experimentos naturales, es decir, situaciones que surgen en la vida real y que se asemejan a los experimentos aleatorios. Estos experimentos naturales pueden deberse a variaciones aleatorias espontáneas, normas institucionales o cambios políticos.

Los experimentos naturales difieren de los ensayos clínicos en un aspecto importante: en un ensayo clínico, el investigador tiene un control total sobre a quién se le ofrece un tratamiento y finalmente lo recibe (el grupo de tratamiento) y a quién no se le ofrece el tratamiento y por lo tanto no lo recibe (el grupo de control). En un experimento natural, el investigador también tiene acceso a los datos de los grupos de tratamiento y de control pero, a diferencia de un ensayo clínico, los propios individuos pueden haber elegido si quieren participar en la intervención que se les ofrece. Esto hace que sea mucho más difícil interpretar los resultados de un experimento natural. En un innovador estudio de 1994, Joshua Angrist y Guido Imbens demostraron qué conclusiones sobre la causalidad puede extraerse de los experimentos naturales en los que no se puede obligar a las personas a participar en el programa estudiado (ni prohibirles que lo hagan). La metodología que crearon ha cambiado radicalmente la forma en que los investigadores abordan cuestiones empíricas utilizando ya sea datos de experimentos naturales o aleatorios.

Un ejemplo de experimento natural

Utilicemos un ejemplo concreto para ilustrar cómo funciona un experimento natural. Una pregunta clásica es, ¿cómo estimar el efecto de la educación en los ingresos? Las personas con mayor escolarización ganan más, pero ¿se debe a la escolaridad o a que las personas que obtienen mayor escolaridad tienen más capacidad? Joshua Angrist y su colega Alan Krueger mostraron cómo se podía hacer en un artículo fundacional. La estrategia de los investigadores fue utilizar la correlación entre el trimestre de nacimimiento de un estudiante y sus años de educación para estimar el efecto de la escolarización en los ingresos. ¿Qué? ¿Qué puede tener que ver el trimestre de nacimiento de un estudiante con la cantidad de educación que recibe? ¿Se trata de un extraño tipo de astrología económica? Pues no, en Estados Unidos, durante muchas décadas, una persona podía dejar la escuela a los 16 años. Además, un niño nacido a finales de diciembre puede empezar el primer curso antes que un niño, casi de la misma edad, nacido a principios de enero. Si se juntan estas dos particularidades, se obtiene que las personas nacidas en el cuarto trimestre tienen un poco más de probabilidades de tener un poco más de educación que los estudiantes similares nacidos en el primer trimestre. Cuando Angrist y Krueger compararon a las personas nacidas en el primer y el cuarto trimestre del año, es decir, personas cuya única diferencia aparente es haber nacido unos días aparte, vieron que el primer grupo tenía, en promedio, menos años de educación. Las personas nacidas en el primer trimestre también tenían menos ingresos que las nacidas en el cuarto trimestre. Por lo tanto, en la edad adulta tenían menos estudios y menos ingresos que los nacidos en el último trimestre del año.

Dado que el trimestre de nacimiento es aleatorio, es decir, no es elegido adrede, es como si alguien asignara al azar a algunos estudiantes para que recibieran más educación que otros, por lo que Angrist y Krueger descubrieron un experimento aleatorio en datos naturales. El siguiente paso era ver cómo varían los ingresos con el trimestre de nacimiento. Las personas nacidas en el primer trimestre tienen una educación ligeramente inferior a la de las personas nacidas en el cuarto trimestre y las personas nacidas en el primer trimestre tienen unos ingresos ligeramente inferiores a los de las personas nacidas en el cuarto trimestre. El efecto sobre los ingresos es pequeño, en torno a 1%, pero hay que recordar que el trimestre de nacimiento sólo cambia la educación en aproximadamente 0,1 años, por lo que dividiendo lo primero por lo segundo se obtiene una estimación que implica que un año más de educación aumenta los ingresos en un saludable 10%.

Sería fácil creer que las situaciones que permiten realizar experimentos naturales son muy inusuales, especialmente las que pueden servir para responder preguntas importantes. Las investigaciones realizadas en los últimos 30 años han demostrado que no es así: los experimentos naturales se producen con frecuencia. Por ejemplo, pueden surgir debido a los cambios de política en algunas regiones de un país, a los límites de admisión en la educación superior o a los umbrales de ingresos en los sistemas fiscales y de prestaciones, lo que significa que algunos individuos están expuestos a una intervención mientras que otros, similares, no lo están. Por lo tanto, existe una aleatoriedad involuntaria que divide a las personas en grupos de control y de tratamiento, lo que ofrece a los investigadores la oportunidad de descubrir relaciones causales.

Comprender los mercados de trabajo

Los efectos de un salario mínimo

A principios de la década de 1990, la teoría económica afirmaba que un aumento en los salarios mínimos provocaba un descenso del empleo porque aumentaba los costos salariales de las empresas. Sin embargo, las pruebas que apoyaban esta conclusión no eran del todo convincentes; de hecho, había muchos estudios que indicaban una correlación negativa entre los salarios mínimos y el empleo, pero ¿significaba esto realmente que el aumento de los salarios mínimos conducía a un mayor desempleo?

Para investigar cómo el aumento de los salarios mínimos afecta al empleo, Card y Krueger utilizaron un experimento natural. A principios de la década de 1990, el salario mínimo por hora en Nueva Jersey pasó de 4,25 dólares a 5,05 dólares. El mero hecho de estudiar lo que ocurrió en Nueva Jersey después de este aumento no da una respuesta fiable a la pregunta, ya que hay otros muchos factores que pueden influir en la evolución de los niveles de empleo a lo largo del tiempo. Al igual que en los experimentos aleatorios, era necesario un grupo de control, es decir, un grupo en el que los salarios no cambiasen pero todos los demás factores fuesen los mismos.

Card y Krueger “aprovecharon” que no se produjo ningún aumento en el estado vecino de Pensilvania. Por supuesto, había diferencias entre los dos estados, pero es probable que los mercados laborales evolucionaran de forma similar cerca de la frontera. Así que estudiaron los efectos sobre el empleo en dos zonas vecinas –Nueva Jersey y el este de Pensilvania– que tienen un mercado laboral similar, pero en las que el salario mínimo se incrementó a un lado de la frontera pero no al otro. No había ninguna razón aparente para creer que algún factor (como la situación económica), aparte del aumento del salario mínimo, afectara las tendencias del empleo de forma diferente a ambos lados de la frontera. De esta manera, si se observaba un cambio en el número de empleados en Nueva Jersey, y éste difería de cualquier cambio en el otro lado de la frontera, había buenas razones para interpretarlo como un efecto del aumento del salario mínimo.

Los investigadores se centraron en el empleo en los restaurantes de comida rápida, un sector en el que la remuneración es baja y el salario mínimo es importante. De esta manera, estimaron el efecto del salario mínimo en Nueva Jersey calculando la diferencia en el empleo en Nueva Jersey antes y después de la ley y luego restando la diferencia en el empleo en Pensilvania antes y después de la ley. Al restar la diferencia de Pensilvania (es decir, lo que habría ocurrido en Nueva Jersey si la ley no se hubiera aprobado) de la diferencia de Nueva Jersey (lo que realmente ocurrió) nos queda el efecto del salario mínimo.

En contra de lo que habían investigado anteriormente, descubrieron que un aumento del salario mínimo no tenía ningún efecto sobre el número de empleados. David Card llegó a la misma conclusión en un par de estudios a principios de los años 90. Esta investigación pionera ha dado lugar a un gran número de estudios de seguimiento. La conclusión general es que los efectos negativos del aumento del salario mínimo son pequeños, y significativamente menores de lo que se creía hace 30 años.

La importancia de Card y Krueger (1994) no fue el resultado (que sigue siendo objeto de debate), sino que Card y Krueger revelaron a los economistas que había experimentos naturales con grupos de tratamiento y control plausibles a nuestro alrededor, si tan sólo tuviéramos la creatividad de verlos. Los últimos treinta años de economía empírica han sido el resultado de que los economistas hayan abierto los ojos a los experimentos naturales que les rodean.

Investigación sobre la inmigración y la educación

Otra cuestión importante es cómo afecta la inmigración al mercado laboral. Para responder esta pregunta, necesitamos saber qué habría pasado si no hubiera habido inmigración. Dado que los inmigrantes suelen instalarse en regiones con un mercado laboral en crecimiento, no basta con comparar regiones con y sin muchos inmigrantes para establecer una relación causal. Un acontecimiento único en la historia de Estados Unidos dio lugar a un experimento natural, que David Card utilizó para investigar cómo afecta la inmigración al mercado laboral.

En abril de 1980, Fidel Castro permitió, sin esperarlo, que todos los cubanos que quisieran abandonar el país lo hicieran. Entre mayo y setiembre, 125.000 cubanos emigraron a Estados Unidos. Muchos de ellos se instalaron en Miami, lo que supuso un aumento de la mano de obra de Miami de alrededor de 7%. Para examinar cómo afectó esta enorme afluencia de trabajadores el mercado laboral de Miami, David Card comparó las tendencias salariales y de empleo en Miami con la evolución de los salarios y el empleo en cuatro ciudades de comparación.

A pesar del enorme aumento de la oferta de mano de obra, Card no encontró efectos negativos para los residentes de Miami con bajos niveles de educación. Los salarios no cayeron y el desempleo no aumentó en relación con las otras ciudades. Este estudio generó una gran cantidad de nuevos trabajos empíricos, y ahora tenemos una mejor comprensión de los efectos de la inmigración. Por ejemplo, los estudios de seguimiento han demostrado que el aumento de la inmigración tiene un efecto positivo en los ingresos de muchos grupos que han nacido en el país, mientras que las personas que inmigraron en una época anterior se ven afectadas negativamente. Una de las explicaciones es que los nativos cambian a trabajos que requieren un buen conocimiento de la lengua materna y en los que no tienen que competir con los inmigrantes por los puestos de trabajo.

Un nuevo marco para los estudios de relaciones causales

En todos los escenarios realistas, el efecto de una intervención –por ejemplo, el efecto de la escolarización adicional sobre los ingresos– varía entre las personas. Además, los individuos se ven afectados de forma diferente por un experimento natural. La posibilidad de abandonar la escuela a los 16 años apenas afectará a quienes ya tenían previsto ir a la universidad. En los estudios basados en experimentos reales surgen problemas similares, porque normalmente no podemos obligar a los individuos a participar en una intervención.

El subgrupo que finalmente decide participar probablemente esté formado por individuos que creen que se beneficiarán de las intervenciones. Sin embargo, el investigador que analiza los datos sólo sabe quién ha participado, no por qué: no hay información sobre quiénes participaron únicamente porque se les ofreció la oportunidad, gracias al experimento natural (o al experimento aleatorio), y quiénes lo habrían hecho de todos modos. ¿Cómo se puede establecer una relación causal entre la educación y los ingresos?

Joshua Angrist y Guido Imbens abordaron este problema en un influyente estudio de mediados de los años noventa. Más concretamente, se plantearon la siguiente pregunta: ¿en qué condiciones podemos utilizar un experimento natural para estimar los efectos de una determinada intervención, como un curso de informática, cuando los efectos varían entre los individuos y no tenemos un control completo de quién participa? ¿Cómo podemos estimar este efecto y cómo debe interpretarse?

Simplificando un poco, podemos imaginar un experimento natural como si dividiera aleatoriamente a los individuos en un grupo de tratamiento y un grupo de control. El grupo de tratamiento tiene derecho a participar en un programa, mientras que el grupo de control no. Angrist e Imbens demostraron que es posible estimar el efecto del programa aplicando un proceso de dos pasos. El primer paso investiga cómo afecta el experimento natural a la probabilidad de participación en el programa. El segundo paso tiene en cuenta esta probabilidad a la hora de evaluar el efecto del programa real. Partiendo de algunos supuestos, que Imbens y Angrist formularon y discutieron en detalle, los investigadores pueden estimar el impacto del programa, incluso cuando no hay información sobre quién se vio realmente afectado por el experimento natural.

Una conclusión importante es que sólo es posible estimar el efecto entre las personas que cambiaron su comportamiento como resultado del experimento natural. Esto implica que la conclusión de Angrist y Krueger sobre el efecto en los ingresos de un año adicional de educación –que estimaron en un nueve por ciento– sólo se aplica a las personas que realmente decidieron abandonar la escuela cuando se les dio la oportunidad. No es posible determinar qué individuos están incluidos en este grupo, pero sí podemos determinar su tamaño. El efecto de este grupo se ha denominado efecto de tratamiento medio local, LATE (por sus siglas en inglés).

Los investigadores demostraron así exactamente qué conclusiones sobre la causa y el efecto pueden extraerse de los experimentos naturales. Su análisis también es relevante para los experimentos aleatorios en los que no tenemos un control total sobre quién participa en la intervención, como ocurre en casi todos los experimentos de campo. El marco desarrollado por Angrist e Imbens ha sido ampliamente adoptado por los investigadores que trabajan con datos observacionales. Al aclarar los supuestos necesarios para establecer una relación causal, su marco también ha aumentado la transparencia –y, por tanto, la credibilidad– de la investigación empírica.

Una revolución en la investigación empírica

Las contribuciones de los galardonados de principios de los años 90 demuestran que es posible responder preguntas importantes sobre la causa y el efecto utilizando experimentos naturales. Sus contribuciones se complementan y refuerzan mutuamente: las ideas metodológicas de Angrist e Imbens sobre los experimentos naturales y las aplicaciones de Card de este enfoque a cuestiones importantes abrieron el camino a otros investigadores. Ahora disponemos de un marco coherente que, entre otras cosas, nos permite saber cómo deben interpretarse los resultados de estos estudios. El trabajo de los galardonados ha revolucionado la investigación empírica en las ciencias sociales y ha mejorado considerablemente la capacidad de la comunidad académica para responder a cuestiones de gran importancia para todos nosotros.

[1] Lo triste del Premio Nobel es que, por la razón que sea, no se concede a título póstumo. Alan Krueger, que murió en 2019, seguramente habría compartido el premio si hubiera vivido.

Referencias

Angrist, J.D. and G.W. Imbens (1995). “Two-stage least squares estimation of average causal effect in models with variable treatment intensity”. Journal of the American Statistical Association, 90 (430): 431-442.

Angrist, J.D., G.W. Imbens, and D.B. Rubin (1996). “Identification of causal effects using instrumental variables”. Journal of the American Statistical Association, 91: 444-472.

Angrist, J.D. and A.B. Krueger (1991). “Does compulsory schooling attendance affect schooling and earnings?” Quarterly Journal of Economics, 106: 976-1014.

Card, D. (1990). “The impact of the Mariel boatlift on the Miami labor market”. Industrial and Labor Relations Review, 43: 245-257.

Card, D (1992a). “Do minimum wages reduce employment? A case study of California 1987–1989”. Industrial and Labor Relations Review, 46 (1): 38–54.

Card, D. (1992b). “Using regional variation in wages to measure the effects of the federal minimum wage”. Industrial and Labor Relations Review, 46 (1): 22-37.

Card, D. (1999). “The causal effect of education on earnings”. In Ashenfelter, O. and D. Card (eds.) Handbook of Labor Economics, Vol. 3A, Elsevier, Amsterdam.

Card, D. (2001a), “Immigrant inflows, native outflows, and the local labor market impacts of higher immigration”. Journal of Labor Economics, 19 (1): 22-64.

Card, D. (2001b). “Estimating the return to schooling: Progress on some persistent econometric problems”. Econometrica, 69 (5): 1127-1160.

Card, D. and A.B. Krueger (1994). “Minimum wages and employment: A case study of the fast-food industry in New Jersey and Pennsylvania”. American Economic Review, 84: 772-784.

Card, D. and A.B. Krueger (1995), Myth and Measurement: The New Economics of the Minimum Wage, Princeton University Press, Princeton.

Card, D., and A.B. Krueger (2000). “Minimum wages and employment: A case study of the fast-food industry in New Jersey and Pennsylvania: Reply”. American Economic Review, 90(5): 1397-1420.

Imbens, G.W. and J.D. Angrist (1994). “Identification and estimation of local average treatment effects”. Econometrica, 61: 467-476.

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out /  Change )

Google photo

You are commenting using your Google account. Log Out /  Change )

Twitter picture

You are commenting using your Twitter account. Log Out /  Change )

Facebook photo

You are commenting using your Facebook account. Log Out /  Change )

Connecting to %s