Evaluación de Políticas Industriales

AMT-RESULTADOSvsIMPACTOS
Imagen: extracto del artículo

El pasado 23 de octubre, la economista francesa Esther Duflo recibía el premio Princesa de Asturias de Ciencias Sociales 2015 por sus trabajos sobre políticas contra la pobreza basados en el uso intensivo de experimentos sociales controlados (Randomized Control Trial-RCT). Curiosamente, sobre la utilidad de esta herramienta se muestra en general escéptico Angus Deaton, economista de origen escocés recientemente galardonado con el Premio Nobel de Economía 2015, y pionero del análisis económico fundamentado en microdatos.

En el ámbito de las políticas industriales, comienza a haber experiencias de uso de RCT y de métodos econométricos basados en microdatos en su diseño y evaluación, respectivamente, sobre las cuales nuestro compañero Antonio Moreno-Torres Gálvez (Promoción 2003) diserta en la siguiente contribución, extracto de su artículo “Técnicas Microeconométricas para la Evaluación de Políticas Públicas” publicado en el número 390 de Economía Industrial (disponible en Economía Industrial 390).

La Evaluación de Políticas Industriales

Si existe ya cierta tradición de uso de los métodos microeconométricos de Evaluación de Programas en el ámbito de las políticas sociales, aunque en grado menor, también empieza a acumularse y compartirse  experiencia y conocimiento en la evaluación de políticas industriales. A título ilustrativo, y por citar algunos ejemplos:

  • Reindustrialización. Criscuolo et al. (2012) evalúan el impacto en variables como empleo, inversión, productividad y número de plantas de un programa de asistencia regional selectiva que subvenciona inversiones industriales en áreas desfavorecidas del Reino Unido. Para ello instrumentan la participación en el programa de una planta en un momento dado con el nivel de subvención a la inversión máxima disponible en el área en dicho momento, del que pueden beneficiarse sólo las plantas localizadas en ciertas áreas (relevancia) y que viene determinado por las normas de la Unión Europea sobre ayudas de Estado (exogeneidad) que son actualizadas periódicamente en lo que viene a constituir un experimento natural.
  • Desarrollo y dinamización de clusters. Schmiedeberg (2010) hace una revisión metodológica de las diferentes técnicas utilizadas en la que, además de modelos econométricos, contempla otras herramientas como la evaluación de procesos, el estudio de casos, los enfoques sistémicos (modelos input-output, análisis de redes y benchmarking) y la evaluación económica coste-beneficio.
  • Ayudas a la I+D. Aerts et al. (2006) analizan el estado del arte de su evaluación econométrica focalizando en aspectos como el desplazamiento de la inversión privada por la pública, la adicionalidad de los resultados en innovación o la adicionalidad “comportamental” –cambios de comportamiento inducidos- en la investigación colaborativa.
  • Innovación y emprendimiento. CPB (2012) es un informe que analiza las estrategias para la evaluación econométrica de diferentes instrumentos de fomento y apoyo utilizados en los Países Bajos. Así, se propone el uso de métodos de emparejamiento para un programa de créditos a la innovación de alto riesgo en productos, servicios y proyectos en el que los beneficiarios de las ayudas se seleccionan en un procedimiento que incluye una cualificación objetiva –lo que permite modelar el grado de propensión- y la opinión de un comité, dando lugar a una base de proyectos “dudosos” a partir de los cuales construir contrafactuales. Para un programa de deducciones fiscales a la innovación que exige un mínimo de horas anuales de actividad innovadora se propone un diseño de regresión discontinua para la estimación de impactos entorno al umbral exigido. Un modelo de panel con efectos fijos por entidad y temporales se sugiere para un programa de apoyo a proyectos en partenariado entre centros públicos de I+D y empresas innovadoras de sectores estratégicos, en una primera aproximación con las debilidades propias de tomar como contrafactual compañías del mismo sector no participantes en el partenariado o compañías del partenariado no participantes en el proyecto.
  • Eficiencia energética y control de emisiones. Martin et al. (2011) utilizan un método de panel para evaluar el impacto de la tasa por cambio climático en el consumo energético de plantas manufactureras del Reino Unido, comparando las sujetas a la totalidad de la misma con aquellas beneficiarias de deducciones por haber adquirido un compromiso voluntario de ahorro en energía o emisiones, en lo que da lugar a situaciones de autoselección que los autores solventan con una variable instrumental basada en la elegibilidad para la suscripción de aquel, que es razonablemente exógena por basarse en el cumplimiento de la regulación ambiental previa a la exacción de la tasa. Por su parte, Allcott (2011) analiza el impacto en términos de ahorro de electricidad del envío a consumidores de un informe personalizado en el que se les comunica su situación relativa en términos de consumo, se les categoriza y se les recomienda una serie de medidas de ahorro, basándose en el experimento llevado a cabo por una compañía eléctrica de EE.UU. en el que aleatoriamente se decidió enviar o no tal informe a los clientes de su base. Asimismo utiliza un análisis de regresión discontinua para evaluar el impacto de las categorizaciones.

Se trata en todos estos casos de instrumentos o programas que suponen el uso de palancas concretas que activan resortes de causalidad relativamente sencillos y total o parcialmente exentos de consecuencias inesperadas o efectos indirectos de orden superior. Desafortunadamente, en el ámbito de lo industrial estos son bastante habituales y se presentan en forma de desplazamiento/crowding out –un resultado positivo es contrarrestado por uno negativo-, sustitución –el efecto sobre un agente es a costa de otros agentes-, spillover/leakage –el programa beneficia a agentes no pertenecientes al grupo destinatario-, deadweight –los resultados de la política se hubieran obtenido igualmente sin intervención- o aglomeración/crowding.

A ello se une la creciente complejidad de lo que podríamos denominar «Nueva Política Industrial», más integrada y sistémica que la tradicional enfocada a sectores y –en lo que en términos de motivación supone una mayor sensibilidad hacia los fallos de gobierno que hacia los fallos de mercado- con un menor nivel de intervención que se orienta al desarrollo del marco institucional y de clima de negocios adecuado que facilite la cooperación entre agentes (para la superación de asimetrías de información y de fallos de coordinación) y la alineación de incentivos entre los sectores público y privado (mediante fórmulas de partenariado).

De ahí que estén cobrando fuerza conceptos como «Metaevaluación» (evaluación de evaluaciones para el caso de intervenciones complejas, multiobjetivo y a gran escala, usando por ejemplo modelos de simulación) y Policy Learning/Intelligence que constituyen un nuevo enfoque en el que la evaluación de políticas, de ser un mero ejercicio de auditoría a posteriori, pasa a convertirse en una fuerza transformadora (Aranguren et al., 2013), lo que exige desarrollar una cultura de la evaluación que involucre a los agentes, incorpore sistemas de monitorización, seguimiento y difusión, adopte enfoques mixtos cuantitativo-cualitativos y asegure la independencia del proceso evitando situaciones juez-parte que tan perversas resultan.

Una de las técnicas para este aprendizaje transformador y la introducción experimental a pequeña escala de nuevas políticas sobre la base del contraste de hipótesis sobre diferentes alternativas (Policy Experimentation) es el experimento social (Randomized Control Trial-RCT) ampliamente discutido en este artículo. Sirva como ejemplo la experiencia que en el área de Manchester lideró en 2009 el organismo público de fomento de la innovación en el Reino Unido  en relación con un esquema de créditos para la promoción de partenariados innovadores entre PYMEs y proveedores de servicios creativos. Un experimento en el que los créditos se asignaron conforme a los resultados de una lotería permitió comprobar la adicionalidad de la política (recibir el crédito aumentó la probabilidad de que una PYME se asociara con un proveedor de servicios creativos) para validar así un modelo lógico de causalidad sobre el que legitimar un escalado del programa. Frente a un esquema tradicional en que los apoyos públicos se conceden una vez hechas evaluaciones ex-ante de los proyectos a subvencionar, la aleatorización del tratamiento demostró también la ventaja de evitar los costes de aquel en términos de consumo de recursos y problemas de información asimétrica.

Si bien el uso de experimentos de políticas públicas está menos difundido en Europa en comparación con EE.UU. -la aleatorización en la asignación de los tratamientos es una rareza, por administrarse precisamente a los más necesitados-, en el caso de las políticas industriales, y con todas las salvaguardas ya apuntadas, habría argumentos en favor de su uso con mayor intensidad que en el caso de políticas sociales, tales como sus menores implicaciones éticas –al ser las unidades experimentales empresas en lugar de individuos o familias- y la mayor sensibilidad desde el punto de vista de las finanzas públicas –al ser por lo general mayores los desembolsos por beneficiario–.

Autor: Antonio Moreno-Torres Gálvez, Ingeniero Industrial del Estado.


Puedes descargar la versión digital del artículo completo aquí:

PDFTécnicas Microeconométricas para la Evaluación de Políticas Públicas (Economía Industrial, número 390)

Anuncios