CIMIENTOS ECONÓMICOS
  • Blog
  • Investigación
  • About

Investigación social, evaluación de impacto y la eterna quimera de la relación causal

7/12/2015

0 Comentarios

 
Imagen
En 1974, el economista sueco Karl Gunnar Myrdal recibía el premio Nobel de su disciplina conjuntamente a Friedrich von Hayek. El móvil que lo llevó a obtener la tan anhelada condecoración fue, entre otras apreciaciones, su profundo análisis respecto de la interdependencia en los fenómenos económicos.

Myrdal diseñó en el año 1957 la llamada teoría de la “Causalidad Circular Acumulativa”. Simplificando, la misma consta de un enfoque multicausal donde se delinean variables y sus respectivos vínculos. La idea detrás del concepto es que un cambio en una variable dará lugar a sucesivos cambios en otras. Estos, a su vez, podrían ser cambios circulares y acumulativos. Circulares porque mediante distintas concatenaciones impactarían nuevamente en nuestra variable inicial. Y acumulativos, porque los impactos podrían persistir en distintas rondas hasta desaparecer (o no) de manera gradual en el tiempo (Myrdal y Sitohang, 1957; Fujita, 2007).

Con el correr de los años y el avance del empirismo en las distintas disciplinas (especialmente como consecuencia de las nuevas técnicas estadísticas y econométricas) pareciera que la idea central de Myrdal sobre lo dificultoso de hallar una relación lineal entre variables hubiese quedado relegada frente a la incesante búsqueda de la causalidad.

El afán de encontrar los canales a través de los cuales políticas públicas, innovaciones tecnológicas, transferencias monetarias, etc., impactan en variables socioeconómicas ha inquietado (y hasta alarmado) a los principales estudiosos, políticos e investigadores.

Incluso cuando se han podido desarrollar dichos canales en términos teóricos y corroborado empíricamente la existencia de correlación entre las variables estudiadas, la escasa evidencia sobre la causalidad ha motivado las más intensas críticas y actuado como un obstáculo histórico en la defensa de políticas y medidas sociales o económicas. En esta línea, para la investigación social, las evaluaciones de impacto son una herramienta fundamental al momento de brindar la tan codiciada evidencia empírica sobre causalidad entre variables.

Con el fin de enriquecer el debate, Lacalle y Rico (2007) realizaron un abordaje respecto de la importancia y las dificultades que presentan las evaluaciones de impacto en las ciencias sociales.

Resumiendo, lo anhelado será medir individual y aisladamente el impacto de una política o medida sobre cierta variable, brindando el mayor grado de certeza posible y depurando cualquier efecto que otras contingencias pudieran provocar. Esta evidencia, por supuesto, se obtendrá a través de una muestra que será la base de nuestro estudio. Tras aplicar el correspondiente proceso metodológico, deberíamos ser capaces de obtener tres resultados en orden de robustez. Primero, encontrar la existencia de una relación entre las variables analizadas en nuestra muestra (estadística analítica). Segundo, poder extrapolar dicha relación a nuestra población con cierto nivel de confianza (inferencia estadística). Por último, lo más deseado y laborioso, encontrar la causalidad entre las variables estudiadas (mediante un diseño correcto de nuestro estudio de investigación).

Como describen las autoras, existe una amplia cantidad de diseños de investigación. Sin embargo, aquellos donde se podrá dar evidencia con mayor certeza sobre causalidad serán en los cuales el investigador tenga la posibilidad de: a) dividir su muestra en dos grupos (un grupo de control y un grupo de intervención); b) realizar una selección aleatoria entre los miembros de cada grupo; c) intervenir con una política o aplicar un shock en el grupo de intervención y no en aquel de control para analizar comparativamente las diferencias.

Ahora bien, realizar un estudio que cumpla con las tres características anteriormente mencionadas es particularmente difícil en las ciencias sociales. Estas dificultades son tanto físicas (o bien es materialmente imposible aplicar aleatoriedad sobre las personas o bien es extremadamente costoso) como éticas (realizar una intervención para brindar evidencia de un impacto negativo en seres humanos es muy cuestionable). Más allá de las dificultades, estudios con estas características (como los denominados Randomized Control Trials) se han llevado a cabo en distintas oportunidades.

Con el fin de dar cuenta sobre la importancia de la evidencia empírica, podemos citar a modo de ejemplo una de las causalidades probablemente más controvertidas y anheladas por constatar científicamente. Ésta es aquella que relaciona los beneficios de la ayuda internacional, en forma de Ayuda Oficial al Desarrollo (ODA, por sus siglas en inglés), con la pobreza o el crecimiento económico en los países emergentes.

La ODA ha sido la principal herramienta en términos de cooperación internacional al desarrollo desde la segunda guerra mundial hasta la fecha. En los últimos 50 años el flujo acumulado de capitales transferidos mediante este instrumento ascendió a los U$D 5 trillones de dólares orientándose a fines tales como la infraestructura pública, la salud, la educación, entre muchos otros. Además de haber crecido sistemáticamente a lo largo de los años, la ODA se ha concentrado principalmente en ayudas de orden bilateral entre gobiernos (75% del total al año 2012) por sobre aquella otorgada por organismos multilaterales. Presenta también la característica de ser mayormente no concesional (es decir, sin repago o devolución por parte de los beneficiarios) y se ha dirigido principalmente a África y Asia (40% y 34.1%) por sobre América Latina, Europa y Oceanía (8.3%, 5.1% y 2.9% respectivamente) (OECD, 2014).

Sin embargo, la evidencia empírica que dé cuenta aislada y causalmente respecto a la efectividad de la ayuda internacional es endeble o prácticamente nula, viéndose cuestionados sus efectos sobre la pobreza y el crecimiento económico por gran parte de la literatura. Estas críticas encuentran sustento teórico en la posibilidad de que la ODA distorsione las reglas del mercado (principalmente por su característica de no concesional), no posea un correcto seguimiento, control y rendimiento de cuentas (lack of accountability) o bien cree incentivos perversos en los gobiernos para la preservación de la pobreza con el fin de seguir recibiendo la ayuda internacional. No obstante, tampoco existe evidencia empírica y robusta que ratifique estas justificaciones teóricas (Lacalle-Calderon et al., 2015).

Además de la ODA, otras herramientas para el desarrollo han sido arduamente cuestionadas tras no poder evidenciar impacto o causalidad. Las políticas microfinancieras o de acceso al crédito, los planes de vivienda social, los subsidios cruzados, las exenciones impositivas entre otras políticas públicas, se encuentran a la espera de una robusta demostración científica con el fin de justificar su accionar. Esto es, encontrar evidencia empírica que les permita afirmar la correlación, medir el impacto aisladamente y evidenciar la causalidad existente entre las distintas variables asociadas (i.e. ODA y crecimiento económico, microfinanzas y reducción de la pobreza, créditos hipotecarios sociales y disminución del déficit habitacional).

Por último, volviendo a nuestro autor, debemos remarcar que si bien el anhelo por corroborar la causalidad entre variables es una característica intrínseca de la investigación científica, estos abordajes podrían no dar cuenta de la tesis de Myrdal.

En este sentido, frente a la existencia de una “causalidad circular acumulativa“ que no fuera particularmente decreciente (esto es, que no disminuyera gradualmente ronda tras ronda) se caería en los conocidos círculos virtuosos o viciosos en donde la causalidad sería imposible de corroborar empíricamente puesto que carecería de unilateralismo (Myrdal, 1968).
​
Frente a este escenario, imposible de conocer a priori por el investigador, por más minuciosa que fuera la evaluación de impacto o el diseño del estudio, el análisis de causalidad se transformaría en otra de las tantas quimeras que posee la investigación social.

Bibliografía
  • FUIJITA, N. (2007). Myrdal’s theory of cumulative causation. Evolutionary and Institutional Economics Review, 3(2), 275-284.
  • LACALLE-CALDERÓN, M., & RICO-GARRIDO, S. (2007). Evaluación del Impacto de los Programas de Microcréditos: una Introducción a la Metodología Científica. Foro Nantik Lum de Microfinanzas.
  • LACALLE-CALDERÓN, M., ALFONSO-GIL, J., & RICO-GARRIDO, S. (2015). Foreign Aid and Microfinance: A new policy proposal for financing development. Iberoamerican Journal of Development Studies, 4(2), 106-129.
  • MYRDAL, G., & SITOHANG, P. (1957). Economic theory and under-developed regions.
  • MYRDAL, G. (1968). Asian drama, an inquiry into the poverty of nations. Asian drama, an inquiry into the poverty of nations, Vol. 1, Pantheon, New York.
  • OECD (2014). DAC database. Available at: http://www.oecd.org/dac/stats/international-development-statistics.htm.

Ignacio E. Carballo

0 Comentarios

      Subscríbase a Cimientos Económicos

    Enviar

    Publicaciones

    September 2022
    August 2022
    June 2022
    May 2022
    April 2022
    March 2022
    February 2022
    January 2022
    December 2021
    November 2021
    October 2021
    September 2021
    August 2021
    July 2021
    June 2021
    May 2021
    April 2021
    March 2021
    February 2021
    January 2021
    December 2020
    November 2020
    October 2020
    September 2020
    August 2020
    July 2020
    June 2020
    May 2020
    April 2020
    March 2020
    February 2020
    January 2020
    December 2019
    November 2019
    October 2019
    September 2019
    August 2019
    June 2019
    May 2019
    April 2019
    March 2019
    February 2019
    January 2019
    December 2018
    November 2018
    October 2018
    September 2018
    August 2018
    July 2018
    June 2018
    May 2018
    April 2018
    March 2018
    February 2018
    January 2018
    December 2017
    November 2017
    October 2017
    September 2017
    August 2017
    July 2017
    June 2017
    May 2017
    April 2017
    March 2017
    February 2017
    January 2017
    December 2016
    November 2016
    October 2016
    September 2016
    August 2016
    July 2016
    June 2016
    April 2016
    March 2016
    January 2016
    December 2015
    November 2015
    October 2015
    September 2015
    August 2015
    July 2015
    June 2015