Este es uno de los tres artículos que publicaremos sobre los premiados con el Nobel de Economía de 2021.
Autor: Felipe Sepúlveda
El lunes pasado se anunció el Premio Nobel de Economía del año 2021, que galardonó a Joshua Angrist (MIT) y Guido Imbens (Stanford) por sus contribuciones metodológicas al análisis de las relaciones causales y a David Card (Berkeley) por sus contribuciones empíricas al mercado del trabajo. En un artículo publicado recientemente en Contrafactual (vínculo) se revisaron las principales contribuciones de Card. Así, en éste se analizan los principales aportes de Angrist e Imbens.
Guido Imbens, nacido en los Países Bajos, y Joshua Angrist, oriundo de Ohio (EEUU), se conocieron en 1991 cuando ambos coincidieron como profesores de economía en la Universidad de Harvard. Si bien ambos tenían intereses en múltiples áreas de la economía, tales como el mercado del trabajo, economía de la educación, migración, entre otros, ambos eran especialistas de econometría y no tardaron en encontrar puntos en común en sus agendas de investigación: ¿cómo hacer inferencia causal rigurosa en experimentos naturales?
En ese norte, en 1994 publicaron el primero de una serie de investigaciones que cambiaría la forma en cómo se estudiarían los efectos causales: “Identification and estimation of local average treatment effects” en la prestigiosa revista Econometrica. Este fue el surgimiento del famoso “LATE” que muchos economistas hemos tenido que estudiar y/o implementar. En este caso, los autores muestran que es factible hacer inferencia causal en experimentos en los que no existe un cumplimiento perfecto de la regla de asignación. ¿Qué significa esto? Que al separar una población de individuos en grupo tratamiento y control suele suceder que algunos individuos que deberían ser tratados no reciben el tratamiento, mientras que algunos que pertenecen al grupo de control pueden haber sido beneficiador por la intervención. En ese sentido, los autores demuestran que es posible identificar el efecto promedio del tratamiento para los individuos que cumplieron con la asignación, a partir del uso, por ejemplo, de variables instrumentales.
En la misma línea de esa investigación, los autores desarrollaron numerosas publicaciones que tuvieron como objetivo profundizar el análisis de inferencia causal. Por ejemplo, en implementación de modelos de variables instrumentales (Abadie, Imbens y Krueger, 2002; Angrist, Imbens y Krueger, 1999; Angrist, Imbens y Rubin, 1996); diferencias en diferencias (Athey e Imbens, 2006); regresión discontinua (Angrist et al., forthcoming; Angrist y Rokkanen, 2015; Imbens y Kalaynaraman, 2012; Imbens y Lemieux, 2008), entre otros.
Aplicaciones empíricas: Imbens y el efecto del ingreso no-laboral
Un trabajo empírico destacado de Gudio Imbens se relaciona con la estimación del efecto del ingreso no-laboral sobre las decisiones de trabajo de las personas (Imbens et al. 2001; American Economic Review). En este trabajo, los autores estudian los efectos en la oferta laboral que tuvo una lotería realizada en Massachusetts a mediados de los 80’. La lotería entregaba periódicamente un premio que luego era pagado anualmente durante 20 años, similar a un ingreso básico garantizado. Los autores identificaron que un premio modesto (USD 15 mil por año por 20 años), no afectó sustancialmente la oferta laboral, respecto a los individuos que no ganaron premios. Sin embargo, quienes ganaron un premio mayor (USD 80 mil) tuvieron una reducción significativa en las horas trabajadas.
Evidentemente, los grandes ganadores son de menor interés para el análisis de políticas públicas, pues raramente las políticas sociales involucran transferencias tan elevadas. Sin embargo, la comparación entre los que ganan un monto modesto y los “perdedores”, permite tener una idea de cómo se vería afectada la oferta laboral ante la entrega de beneficios sociales en esta población. En este caso, parece ser que los efectos son nulos o muy acotados.
Aplicaciones empíricas: Angrist y el efecto de la educación sobre los ingresos laborales
Por otro lado, en una investigación publicada en Quarterly Journal of Economics en 1991, Angrist y Krueger (fallecido en 2019) se preguntan si las personas con más educación tenían una mayor probabilidad de tener mayores ingresos en su vida laboral. La pregunta causal es difícil de responder, pues estudiar más años puede estar relacionado con ciertos atributos de los individuos como la motivación, que también afecta los ingresos.
Para responder la pregunta, los autores estudiaron un experimento natural: el hecho de que los niños nacen en distintos meses del año genera que algunos entran al colegio más “viejos” que otros. Paralelamente, la ley de Estados Unidos obliga a los niños a quedarse en el colegio hasta cumplir 16 años. De esta manera, sucede que, de manera exógena, algunos estudiantes tendrán menos educación que otros. Así, utilizando el mes de nacimiento como variable instrumental, los autores obtienen un efecto causal de la educación y concluyen que mayor educación tiene como consecuencia mayores ingresos laborales.
¿Qué aprendemos?
Quizás la mayor contribución de Angrist e Imbens es que elevaron el estándar de rigurosidad respecto de qué podemos inferir causalmente a partir de datos del mundo real. Estos avances metodológicos han ayudado a gobiernos e instituciones a diseñar y evaluar intervenciones en múltiples áreas. El trabajo y la educación son ejemplos concretos, sin embargo, existe un sinfín de aplicaciones, que van desde la evaluación de programas sociales en zonas de extrema pobreza en África hasta la resolución de controversias entre empresas del mundo desarrollado. De cualquier forma, sus contribuciones entregan más credibilidad a los resultados de los estudios empíricos, y contribuye a que los estudios sean más responsables y transparentes.
