Cómo luchar contra la pobreza con datos: Nobel Economía 2019

Paloma Recuero de los Santos    15 enero, 2020
Niño del tercer mundo con una pluma y un portátil

En 2019, el premio Nobel de Economía fue otorgado a un proyecto liderado por los economistas Michael Kremer, Esther Duflo y Abhijit Banerjee, que propone un uso diferente de los datos para apoyar la lucha contra la pobreza. Durante años, los economistas se valían de modelos econométricos que analizaban la pobreza de un país tratando de identificar los factores determinantes del desarrollo en grandes series de datos agregados a niveles nacional o regional.

No fue hasta mediados de los 90, cuando Michael Kremer, profesor de la Universidad de Harvard, dio los primeros pasos hacia una metodología que iba más allá de la teoría y los modelos econométricos en uso. Su principal innovación fue llevar a cabo experimentos de campo para evaluar la interrelación entre los factores que la ciencia económica ya había identificado como determinantes de la pobreza.

El primer experimento

En este primer experimento, Many Children Left Behind? Textbooks and Test Scores in Kenya, se analizó el impacto de facilitar libros de texto a determinados grupos de alumnos, analizando la diferencia de resultados académicos con los de aquellos grupos que no los recibieron.

Los resultados mostraron que, contrariamente a lo predicho en los modelos tradicionales, el hecho de proporcionar libros de texto no elevó las puntuaciones medias de las pruebas. Sí lo hizo en el caso de los estudiantes cuyas puntuaciones preliminares ya eran más altas. Esto desmostró que el impacto de esta estrategia estaba sobrevalorado y no se tuvieron en cuenta otras variables que, sin embargo, resultaban determinantes. Por ejemplo, el hecho de que muchos niños no pudieran usar estos libros de forma eficaz al estar escritos en inglés, segunda o tercera lengua de muchos de ellos.

El laboratorio de Acción contra la Pobreza Abdul Latif Jameel

Michael Kremer y el matrimonio de economistas académicos del MIT, Abhijit Banerjee, Esther Duflo y crearon en 2003 el Laboratorio de Acción contra la Pobreza Abdul Latif Jameel (MIT-J-PAL) desde donde aplican este enfoque experimental a la evaluación de distintos planes o estrategias de lucha contra la pobreza. Su objetivo es crear un marco práctico que permita formular recomendaciones específicas de política económica y social con la evidencia concreta de los estudios.

Es decir, que permita ofrecer a los los políticos datos contrastados sobre si sus programas para erradicar la pobreza funcionan o no.

Los programas contra la pobreza

Estos programas abarcan aspectos tan variados como impulsar el uso de fertilizantes por pequeños agricultores en Kenia, capacitar médicos en la India, prevenir el SIDA en África, o analizar los efectos de los microcréditos o el impacto de los programas de ayuda en Indonesia.

Lo innovador y relevante de los estudios de Kremer, Duflo y Banerjee es que no se centran en observar la pobreza a vista de pájaro y proponer políticas generalizadas a nivel nacional. Ponen el foco en determinados grupos de la población y estudian el impacto que tienen sobre ellos intervenciones sobre diversos indicadores relacionados con su nivel de vida:

  • Alfabetización
  • Salud
  • Renta
  • Educación …

Las evaluaciones aleatorias (RTC)

Para ello es preciso aislar al grupo estudiado de efectos externos que pudieran interferir sobre los derivados de la intervención propuesta, y distorsionar así la comparativa con otros grupos (no intervenidos, o a los que se les aplica una intervención distinta). Dichos “experimentos reales” son denominados  Evaluaciones alteatorias (Randomized Controlled Trials -RCT).

En un experimento muy conocido, demostraron cómo modestos incentivos para las familias (en forma de lentejas), aumentaron drásticamente las tasas de inmunización de niños en la India rural.  Del 5 al 39%.

Por tanto, el enfoque de Kremer, Banerjee y Duflo consiste en dividir la pobreza en componentes como la poca formación escolar o la mala salud infantil y desarrollar experimentos precisos que permitan comprender el impacto de cada componente en las poblaciones afectadas.

Herramientas que permitan tomar decisiones basadas en datos

En los últimos años, gobiernos y administraciones públicas se han dado cuenta de la necesidad de basar la toma de decisiones sobre políticas públicas en datos y evidencias. Por ello es tan importante el desarrollo de herramientas y metodologías como las “evaluaciones aleatorias” propuestas por J-PAL. En particular, por 3 razones.

  1. Las evaluaciones aleatorias ayudan a determinar el impacto causal. Es decir, entender lo que habría sucedido si un programa no hubiera tenido lugar. Por ejemplo, el análisis de un programa que facilitaba ordenadores gratuitos a estudiantes de escuelas públicas en California mostró resultados inesperados. Una evaluación aleatoria de la iniciativa mostró que el acceso a la tecnología por sí sólo no mejoraba los resultados escolares.
  2. Los datos necesarios, están ahí. Ni son caros, ni difíciles de conseguir, porque las administraciones públicas ya recopilan enormes cantidades como parte de sus procesos operativos normales. En Chicago se analizó el impacto de la participación de jóvenes en los programas de empleo de verano en relación a las estadísticas de crímenes y violencia. Gracias a los datos ya disponibles sobre cifras de arrestos y encarcelamientos, no hizo falta invertir en costosas encuestas de seguimiento de los jóvenes que participaron en esos programas.
  3. Las evaluaciones aleatorias no requieren largos periodos de tiempo para llevarse a cabo. El tiempo necesario para realizar una evaluación depende de lo que queramos analizar. Se pueden diseñar para hacer seguimientos a corto plazo o largo plazo. Así, el impacto de mejoras educativas medido por los resultados a final de curso, o al finalizar la etapa educativa

Conclusión

Vemos cómo J-PAL utiliza los datos para llevar a cabo la evaluación de programas de políticas innovadoras. Así, identifica las acciones más eficaces contra la pobreza y trabaja con socios para trasladar e implementar estas soluciones a gran escala. Un excelente motivo para ser galardonados por el Premio Nobel.

Desde LUCA también apostamos por el uso de los datos para el bien común, Conoce nuestra sección Data for Good.

Referencias: A Nobel-Winning Way to Make Effective Policy

Para mantenerte al día con LUCA, visita nuestra página web,  suscríbete a LUCA Data Speaks o síguenos en TwitterLinkedIn YouTube.

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *