crecimiento economico - trampas de pobreza y desarrollo...
TRANSCRIPT
Crecimiento
económico
Trampas de pobreza y
desarrollo económico
• Las notas de clase del módulo de crecimiento y
desarrollo económico se nutren de materiales y lecture
note’s de los siguientes profesores:
• Xavier Sala i Martin
• Jaume Ventura
• Antonio Ciccone
• Omar Licandro
• Franceso Caselli
Reconocimientos
CONTENIDO
1. Introducción: distribución mundial del ingreso, crecimiento y pobreza
2. El debate sobre las políticas de desarrollo y la evidencia empírica
3. Las nuevas tendencias: experimentos aleatorios
0
20,000
40,000
60,000
80,000
100,000
120,000
$50 $500 $5,000 $50,000
World F_Normal
1970 1980 1990 2000 2006 $1/day ($312, $554)
Distribución del ingreso mundial
Tasa de Pobreza: $1/day
Tasa de Pobreza mundial
0
.2
.4
.6
.8
1970 1980 1990 2000 2010year
$1/Day USD 2006 $1/Day $2/Day $3/Day
$5/Day $7.5/Day $10/Day
Po
ve
rty R
ate
World Poverty Rates for Different Poverty Lines, 1970-2006
.1
.2
.3
.4
.5
.6
Po
ve
rty R
ate
1970 1980 1990 2000 2010year
East Asia South Asia
Latin America Sub-Saharan Africa
Eastern Europe USSR-FSU
Middle East - North Africa
$1/Day Poverty Rate Across Regions: 1970-2006
Tasa de Pobreza por regiones
1000
2000
3000
4000
5000
6000
GD
P p
er
Ca
pita
0
.2
.4
.6
1970 1980 1990 2000 2010Year
Poverty Rate, $1/Day GDP per capita
Po
ve
rty R
ate
$1/Day Poverty and Growth in East Asia, 1970-2006
1000
1500
2000
2500
3000
3500
GD
P p
er
Ca
pita
0
.05
.1
.15
.2
1970 1980 1990 2000 2010Year
Poverty Rate, $1/Day GDP per capita
Po
ve
rty R
ate
$1/Day Poverty and Growth in South Asia, 1970-2006
5000
6000
7000
8000
GD
P p
er
Ca
pita
.02
.04
.06
.08
.1
.12
1970 1980 1990 2000 2010Year
Poverty Rate, $1/Day GDP per capita
Po
ve
rty R
ate
$1/Day Poverty and Growth in Latin America, 1970-2006
4000
5000
6000
7000
8000
9000
GD
P p
er
Ca
pita
0
.01
.02
.03
.04
1970 1980 1990 2000 2010Year
Poverty Rate, $1/Day GDP per capita
Po
ve
rty R
ate
$1/Day Poverty and Growth in Eastern Europe, 1970-2006
4000
6000
8000
10000
12000
GD
P p
er
Ca
pita
0
.005
.01
.015
.02
1970 1980 1990 2000 2010Year
Poverty Rate, $1/Day GDP per capita
Po
ve
rty R
ate
$1/Day Poverty and Growth in the USSR-FSU, 1970-2006
1600
1700
1800
1900
2000
GD
P p
er
Ca
pita
.3
.35
.4
.45
1970 1980 1990 2000 2010Year
Poverty Rate, $1/Day GDP per capita
Po
ve
rty R
ate
$1/Day Poverty and Growth in Sub-Saharan Africa, 1970-2006
0
5,000
10,000
15,000
20,000
25,000
30,000
35,000
40,000
$50 $500 $5,000 $50,000
China Rural
Rural 1970 Rural 1980 Rural 1990 Rural 2000 Rural 2006 1$/day
El “milagro” chino
0
5,000
10,000
15,000
20,000
25,000
30,000
35,000
40,000
$50 $500 $5,000 $50,000
China Urban
Urban 1970 Urban 1980 Urban 1990 Urban 2000 Urban 2006 1$/day
El “milagro” chino
0
5,000
10,000
15,000
20,000
25,000
30,000
35,000
$50 $500 $5,000 $50,000
China Total
Total 1970 Total 1980 Total 1990
Total 2000 Total 2006 $1/day ($312 , $554 a year)
El “milagro” chino
0
5,000
10,000
15,000
20,000
25,000
30,000
35,000
40,000
$50 $500 $5,000 $50,000
China
Total 2006 Urban 2006 Rural 2006 $1/day ($312, $554)
China “hoy”
0
500
1,000
1,500
2,000
2,500
3,000
3,500
4,000
$50 $500 $5,000 $50,000
Nigeria
1970 1980 1990 2000 2006 $1/day ($312, $554)
El fracaso de Nigeria
0
5,000
10,000
15,000
20,000
25,000
30,000
35,000
$50 $500 $5,000 $50,000
Nigeria vs China 1970
Nigeria China $1/day ($312, $554)
El fracaso de Nigeria
0
5,000
10,000
15,000
20,000
25,000
30,000
35,000
$50 $500 $5,000 $50,000
Nigeria vs China 2006
Nigeria China $1/day ($312, $554)
El fracaso de Nigeria
0
1,000
2,000
3,000
4,000
5,000
6,000
7,000
$50 $500 $5,000 $50,000
Nigeria vs China 1970
Nigeria China $1/day ($312, $554)
El fracaso de Nigeria
0
1,000
2,000
3,000
4,000
5,000
6,000
7,000
$50 $500 $5,000 $50,000
Nigeria vs China 2006
Nigeria China $1/day ($312, $554)
El fracaso de Nigeria
0
20,000
40,000
60,000
80,000
100,000
120,000
$50 $500 $5,000 $50,000
1970
SSA EA SA Latam MENA FSU EEU HNOECD OECD World
Distribución del ingreso mundial
0
20,000
40,000
60,000
80,000
100,000
120,000
$50 $500 $5,000 $50,000
1975
SSA EA SA Latam MENA FSU EEU HNOECD OECD World
Distribución del ingreso mundial
0
20,000
40,000
60,000
80,000
100,000
120,000
$50 $500 $5,000 $50,000
1980
SSA EA SA Latam MENA FSU EEU HNOECD OECD World
Distribución del ingreso mundial
0
20,000
40,000
60,000
80,000
100,000
120,000
$50 $500 $5,000 $50,000
1981
SSA EA SA Latam MENA FSU EEU HNOECD OECD World
Distribución del ingreso mundial
0
20,000
40,000
60,000
80,000
100,000
120,000
$50 $500 $5,000 $50,000
1982
SSA EA SA Latam MENA FSU EEU HNOECD OECD World
Distribución del ingreso mundial
0
20,000
40,000
60,000
80,000
100,000
120,000
$50 $500 $5,000 $50,000
1983
SSA EA SA Latam MENA FSU EEU HNOECD OECD World
Distribución del ingreso mundial
0
20,000
40,000
60,000
80,000
100,000
120,000
$50 $500 $5,000 $50,000
1984
SSA EA SA Latam MENA FSU EEU HNOECD OECD World
Distribución del ingreso mundial
0
20,000
40,000
60,000
80,000
100,000
120,000
$50 $500 $5,000 $50,000
1985
SSA EA SA Latam MENA FSU EEU HNOECD OECD World
Distribución del ingreso mundial
0
20,000
40,000
60,000
80,000
100,000
120,000
$50 $500 $5,000 $50,000
1986
SSA EA SA Latam MENA FSU EEU HNOECD OECD World
Distribución del ingreso mundial
0
20,000
40,000
60,000
80,000
100,000
120,000
$50 $500 $5,000 $50,000
1987
SSA EA SA Latam MENA FSU EEU HNOECD OECD World
Distribución del ingreso mundial
0
20,000
40,000
60,000
80,000
100,000
120,000
$50 $500 $5,000 $50,000
1988
SSA EA SA Latam MENA FSU EEU HNOECD OECD World
Distribución del ingreso mundial
0
20,000
40,000
60,000
80,000
100,000
120,000
$50 $500 $5,000 $50,000
1989
SSA EA SA Latam MENA FSU EEU HNOECD OECD World
Distribución del ingreso mundial
0
20,000
40,000
60,000
80,000
100,000
120,000
$50 $500 $5,000 $50,000
1990
SSA EA SA Latam MENA FSU EEU HNOECD OECD World
Distribución del ingreso mundial
0
20,000
40,000
60,000
80,000
100,000
120,000
$50 $500 $5,000 $50,000
1995
SSA EA SA Latam MENA FSU EEU HNOECD OECD World
Distribución del ingreso mundial
0
20,000
40,000
60,000
80,000
100,000
120,000
$50 $500 $5,000 $50,000
2000
SSA EA SA Latam MENA FSU EEU HNOECD OECD World
Distribución del ingreso mundial
0
20,000
40,000
60,000
80,000
100,000
120,000
$50 $500 $5,000 $50,000
2005
SSA EA SA Latam MENA FSU EEU HNOECD OECD World
Distribución del ingreso mundial
0
20,000
40,000
60,000
80,000
100,000
120,000
$50 $500 $5,000 $50,000
2006
SSA EA SA Latam MENA FSU EEU HNOECD OECD World
Back
Distribución del ingreso mundial
CONTENIDO
1. Introducción: distribución mundial del ingreso, crecimiento y pobreza
2. El debate sobre las políticas de desarrollo y la evidencia empírica
3. Las nuevas tendencias: experimentos aleatorios
Primer Pregunta
• ¿Qué hay que hacer con los países pobres?
• ¿Cómo solucionar los problemas de pobreza en África?
Respuesta: con crecimiento
Segunda Pregunta
• ¿Cómo?
Respuesta: debate sobre las políticas de ayuda al desarrollo
• AID es bueno y es necesario – Jeffrey Sachs
• AID es malo – Bauer, Easterly…
• AID es bueno sólo bajo ciertas circunstancias –
CONDICIONALIDAD – BM y Organismos Internacionales
EL DEBATE
1. AID tiene algunos efectos positivos sobre el
crecimiento y necesita ser multiplicado (Jeffrey Sachs
2004) .
2. AID es favorable para el crecimiento, sólo bajo ciertas
circunstacias (condicionalidad) a) Condicional en las políticas (Craig, Burnside & Dollar (2000),
Dalgaard & Tarp (2004))
b) Condicional en el tipo de ayuda:
• Infraestructura (Clemens, Radelet, & Bhavnani (2004))
• Educación (Michaelova & Weber (2006) y Dreher, Nunnenkamp &Thiele
(2007))
• Salud (Mishra & Newhouse (2007))
3. AID no tiene efecto sobre el crecimiento, e incluso
puede tener efectos negativos (Peter Bauer (1972) y
Bill Easterly (2006))
EL DEBATE
EVIDENCIA EMPÍRICA
EVIDENCIA EMPÍRICA
Source: Easterly (2003), JEP
EVIDENCIA EMPÍRICA
Primer Problema
• La ayuda se dirige sistemáticamente a los países que están en
problemas, o países que tienden a sufrir “desastres naturales” con
mayor intensidad: es natural que veamos una correlación negativa.
• Sesgo de selección: la muestra no es “aleatoria”
• La ayuda no es exógena.
• Solución: Variables Instrumentales para ver la correlación entre
“ayuda exógena” y crecimiento.
CAUSALIDAD
Estimaciones sobre AID y crecimiento.
Burnside & Dollar (2000); Banco Mundial.
• Analizan crecimiento para el período 1970-1997
• Encuentran α2 cercano a cero y α3>0.
• Utilizan IV para definir policies and institutions.
• AID tiene un efecto positivo solamente si es acompañado de buenas políticas.
• Argumento a favor de la condicionalidad y del rol de las IFIs.
esGoodPoliciAIDAIDX *3210
Estimaciones sobre AID y crecimiento.
Críticas
• Los resultados no son robustos a la definición de “AID”, “crecimiento” y
“GoodPolicies” (Easterly, Levine and Roodman (2003)). Cambios en estas
definiciones determinan α3=0.
• Tampoco es robusto a la muestra temporal ni a la presencia de outliers como
Botswana (Roodman 2007).
• Endogeneidad y Reverse Causality: B&D utilizan IV basadas en “calidad de las
políticas”, que pueden ser endógenas. Rajan and Subramanian (2005) utilizan origen
colonial, y conlcuyen que la correlación entre AID y crecimiento es cero (aunque su
enfoque también es objeto de críticas)
Estimaciones sobre AID y crecimiento.
Evidencia complementaria.
Svensson (1999), AID es bueno sólo para democracias
Collier & Dehn (2001), y Guillaumont & Chauvet (2001), la ayuda
externa puede ser de utilidad en países que sufren por una caída
violenta en el precio de exportación de commodities clave en su
economía.
Collier & Hoeffler (2004), AID es bueno sólo en países que están
saliendo de guerras civiles y que implementan GoodPolicies .
Dalgaard, Hansen, &Tarp (2004), AID sirve sólo fuera de los trópicos
(países fuera de los trópicos tienen mejores instituciones):
◦ Nota sobre la muestra de este paper: fuera de los trópicos hay países como
Botswana, Jordania, Egipto & Siria.
Roodman (2007) muestra que estos trabajos sufren del mismo
problema que las estimaciones de Burnside & Dollar does: no son
robustas a cambios simples en la especificación.
No está claro si el AID tiene efectos positivos, neutrales o nulos sobre el crecimiento.
La evidencia es mixta.
¿Entonces por qué hay gente como Jeffrey Sachs pidiendo multiplicar el monto global de AID?
En resumen, la evidencia no es clara
Jeffrey Sachs: la evidencia muestra
correlación negativa entre AID y crecimiento
porque la ayuda ha sido insuficiente.
Es necesario duplicar la ayuda en 5 años, y
luego duplicarla de nuevo.
Se necesita un “big push” en términos de
ayuda internacional para sacar a África de
las “trampas de pobreza”.
Trampas de Pobreza y neccesidad de un “Big Push”
tk
ty
fs.
tkn)(
*k
*y
tk
t
t
k
k
n
*k
tkfs.
Trampas de Pobreza desde una óptica teórica
Solow-Swan:
• Función de producción “bien
comportada”.
• Estado Estacionario existe, es
único y es estable.
• AID es inútil si la economía se
encuentra en Estado Estacionario.
• Provocaría un incremento
transitorio de K/L y de Y/L, pero
luego la economía retornaría al SS
Trampas de Pobreza desde una óptica teórica
Tres argumentaciones teóricas
Trampas de Ahorro.
Trampas demográficas.
Trampas tecnológicas - funciones de
producción no convexas.
tk*
1k
Trampas de Pobreza desde una óptica teórica
t
t
k
k
n
tkfs.
*
2k*
3kESTABLE ESTABLE
INESTABLE
Trampas de Ahorro
s=f(k)
tk*
1k
Trampas de Pobreza desde una óptica teórica
t
t
k
k
n
tkfs.
*
2k*
3k
Trampas Demográficas
fertilidad=f(k)
ESTABLE ESTABLE
INESTABLE
tk*
1k
Trampas de Pobreza desde una óptica teórica
t
t
k
k
n
tkfs.
*
2k*
3kESTABLE ESTABLE
INESTABLE
Trampas tecnológicas
Trampas de Pobreza y la necesidad de un “Big Push”
Jeffrey Sachs
Países pobres están atrapados en el SS “malo” y estable.
La ayuda que han recibido ha sido baja (menor que la distancia al próximo SS), por lo que siempre retornan al SS “malo”.
AID no es ineficiente, es insuficiente.
Necesitan una fuerte inyección de capital para llegar al SS “bueno”.
Si los fondos no son suficientes para todos, es mejor darle “mucho a unos pocos” que un poco a todos.
Contrargumentos a las Trampas de Pobreza
1. Trampas de Ahorro: no es suficiente argumentar que s=f(k), se requiere un fuerte crecimiento de s en niveles intermedios de k para asegurar 3 SS.
2. Trampas demográficas: si bien es razonable argumentar que n=f(k), también es cierto que mortalidad=f(k) y migración=f(k). Se requiere una fuerte caída de n en niveles intermedios de k para asegurar 3 SS.
3. Trampas tecnológicas: tecnologías reales no son binarias, los agentes combinan tecnologías; el producto agregado es la combinación lineal de dos tecnologías (convexifying production function).
4. General: el progreso tecnológico “mata” las trampas.
5. Evidencia: historias de despegue no han sido explicadas por AID.
Otras visiones:
1. Easterly: AID no ha funcionado por la corrupción.
Incrementar el monto de AID en forma drástica, como
sugiere Jeffrey Sachs, podría derivar en mayor
corrupción y menor crecimiento en el largo plazo.
2. Sala i Martin:
• El sistema internacional de AID adolece de los problemas
típicos de una relación principal-agente.
• No sabemos por qué motivo ha fracasdo el AID, porque los
organismos involucrados nunca han medido resultados.
• AID distorsiona la asignación de recursos del mercado.
• Deberíamos diseñar los sistemas de AID en una forma en que
podamos aprender experiencias a nivel micro.
La industria internacional de Development AID.
Varios jugadores, objetivos distintos, sin rendición de cuentas.
• IFIs.
• Ministros de desarrollo de países ricos.
• ONGs
• Grupos radicales de Izquierda (antiglobalización).
• Grupos radicales de derecha.
• La iglesia
• Particulares con buenas intenciones: Bill Gates, Bill Clinton, Jeffrey Sachs, Tony Blair, Bono, Sharon Stone, Angelina Jolie.
Tener buenas intenciones no significa ser bueno.
El Mercado Proveedores necesitan escuchar a los clientes
Si el proveedor no brinda lo que el cliente necesita, habrá
castigos/responsabilidad
¿Por qué? Clientes tienen algo que los roveedores quieren (dinero)
Mecanismos que funcionan
Firmas Clientes
Información
Productos
Dinero
Ciudadanos
Africanos
Burócratas
Africanos
WB
Burócratas
Donantes
X ?
Los jugadores en la industria de AID
Una secuencia de problemas
de Princpial-Agente a varios
niveles, con objetivos
desalineados.
La industria internacional de Development AID.
Problema.
• No sabemos como operan los mecanismos ni cuales son los resultados en los procesos de ayuda.
• No tenemos los incentivos para aprender…..porque no hay castigos ni accountability.
• Los incentivos no están necesariamente alineados para satisfacer las necesidad del cliente africano.
• Tenemos incentivos para satisfacer los intereses de los donantes.
• No medimos resultados, medimos gasto.
Tener buenas intenciones no significa ser bueno.
La industria internacional de Development AID.
Los donantes
• Sus preferencias no son necesariamente las mismas
que las de los ciudadanos africanos.
• No son penalizados si provocan “desastres”
• Donantes confunden Inputs con Ouptus, porque son
felices gastando, no necesariamente obteniendo
resultados (Banco Mundial).
http://www.worldbank.org/tenthings/
… Our support for social services like health, nutrition, education
and pensions has grown from 5 percent in 1980 to 22 percent in
2003…
1. We are the World’s Largest Funder of Education…. We have committed around US$33
billion in loans and credits for education, and we currently fund 157 projects in 83 countries.
2. We Are the World’s largest External Funder in the fight against AIDS… ), in the past few
years we have committed more than US$1.6 billion to fight the spread of HIV/AIDS around
the world.
3. We are the leader in the fight against corruption worldwide:… we have launched hundreds of
governance and anticorruption programs in nearly 100 developing countries.
4. We Strongly Support Debt Relief… Today, 27 countries are receiving debt relief that will
amount to US$52 billion over time
5. We are one of the largest international funders of biodiversity projects:… Currently, projects
we fund, that have clear environmental objectives, amount to around US$13 billion.
6. We work in partnership more than ever before
7. We are helping to bring clean water, electricity and transport to poor people
8. Civil society plays a larger role in our work
9. We help countries merging from conflict… We are active in 40 countries affected by conflict
10. We are responding to the voices of poor people:… Today, we support a variety of
community-driven development projects with funding of more than US$2 billion.
La industria internacional de Development AID.
Los intermediarios
• Corrupción y guerras civiles (La Maldición de los
Recursos Naturales – F. Caselli).
• Missallocation of talent.
• Acostumbrarse a vivir de subsidios – mata la iniciativa.
• Ingresos de los Gobiernos tienen menos que ver con el
desempeño económico….tienen menos incentivos para
aplicar buenas políticas.
La industria internacional de Development AID.
Las ONGs
• Donantes no son penalizados (diferente a la política y
los mercados). • OXFAM y Castañas de Cajú.
• Bill Gates.
• GTZ - Emanuel Kuadzi
• Donantes prefieren hacer obras que les permitan ser
visualizados como benevolentes, en lugar de exigir
sacrificio a cambio de donaciones.
• Aunque tal vez la clave es la promoción del negocio y
el espíritu emprendedor.
La industria internacional de Development AID.
Condicionalidad
• Una forma de resolver los problemas de principal
agente es la condicionalidad.
• Pero como no está claro qué condiciones hay que
imponer, las tendencias se van moviendo con las
modas • 1950s and 1960s: crecimiento liderado por el Estado y planificación central
• 1970s: necesidades humanas
• 1980s: estabilidad macro, apertura comercial y privatizaciones
• 1990s: gobernabilidad y corrupción
• 2000s: las instituciones
AID, incentivos y distorsión de señales
Lecciones básicas del desarrollo a nivel micro
1. No distorsionar los incentivos del mercado: evitar
que el loby o la corrupción se vuelvan más rentable
que el trabajo.
2. No inducir violencia para luchar por ayuda.
3. No inducir corrupción
4. Preguntar qué precisa la gente, no decidir
unilateralmente.
Lecciones micro sobre AID
¿Hay que suspender el AID?
• NO – en lugar de discutir sobre los montos, es necesario discutir
cómo es más eficiente gastar.
• En general todos sabemos qué se necesita: instituciones, salud,
educación, infraestructura, investigación, etc.
• Pero la pregunta es: ¿cuál es la mejor manera de invertir USD 100? • ¿Computadoras?
• ¿Escuelas?
• ¿Compra medicamentos? ¿Mejor salario a los médicos? ¿Más recursos para la
investigación en la cura de enfermedades?
• ¿Infraestructura? ¿Carreteras, puertos?
• ¿Solucionar la corrupción?
• ¿Mejorar las instituciones? ¿Cuáles son las instituciones óptimas para África?
¿Mecanismos de mercado? ¿Derechos de propiedad?
• El mundo ha invertido mucho dinero en AID, pero no tiene
respuestas para este tipo de preguntas.
CONTENIDO
1. Introducción: distribución mundial del ingreso, crecimiento y pobreza
2. El debate sobre las políticas de desarrollo y la evidencia empírica
3. Las nuevas tendencias: experimentos aleatorios
• Es una forma de superar los problemas de “sesgo de
selección” y la confusión entre correlación y causalidad
• Cuando se evalúan programas de ayuda, en general los
individuos que recibieron la ayuda son muy distintos a los
que no la recibieron.
• Los programas se enfocan en áreas específicas, en general más
pobres.
• Los individuos son seleccionados para participar en el programa.
• La participación es en general voluntaria.
• Por estos motivos, los individuos objetos de ayuda no
son comparables con el resto.
• SOLUCIÓN: experimentos aleatorios para descomponer la
diferencia de resultados entre “efecto tratamiento” y
“sesgo de selección”.
¿Qué es un experimento aleatorio?
• Tres ejemplos
1. Ebola en África: doctores enviados a solucionar epidemia.
Habitantes sufrieron alta mortalidad = doctores fueron
asesinados por la comunidad.
2. Harvard y cursos de preparación de SAT: alumnos que
preparaban sus exámenes con tutores obtuvieron en
promedio 63 puntos menos = Decano de Harvard concluyó
que los cursos era inútiles.
3. Tanzania: maestros extras para escuelas que quieran
participar en un programa de reducción de ausentismo
docente. Alumnos mejoraron notas = Programa exitoso.
4. URUGUAY: escuelas de tiempo completo (Llambí & Perera)
• Los tres ejemplos ponen en evidencia la confusión entre
correlación y causalidad.
• Los tres ejemplos sufren de sesgo de selección.
Correlación vs Causalidad
• Definir una población objetivo
• Separar aleatoriamente entre “grupo de tratamiento” (el
que recibe el incentivo) y “grupo de control”.
• Si la distribución es verdaderamente aleatoria, ambos
grupos deberían ser idénticos. La única diferencia
debería ser el tratamiento.
• Si el diseño es correcto, es posible eliminar el sesgo de
selección.
• Es posible medir el verdadero efecto del “tratamiento” o
los incentivos sobre la variable de interés.
• A veces, sin quererlo, las políticas públicas puede
operar como “experimentos naturales”
¿Cómo diseñar un experimento?
• Dufflo & Hanna (2005) - “Monitoring Works: getting teachers to come to
school”. Working Paper 11880, NBER.
• ONG: Seva Mandir (India).
• Programa:
• muestra aleatoria de 60 sobre un total de 120 escuelas. En cada salón se instaló una
cámara que registra fecha y hora. Maestras tienen que tomarse una foto con los
estudiantes al comienzo y final de la clase.
• Se considera un día válido cuando pasan más de 5 horas entre el comienzo y el fin, y
cuando hay un número suficiente de alumnos.
• Incentivos salariales: en el grupo de control sueldo de 1000 rupias/mes (plano); en
el grupo de tratamiento sueldo de entre 500 y 1.300 rupias/mes según “días
válidos”.
• Medición de Resultados: ausentismo y pruebas de conocimiento al final del curso.
• Resultados:
• Ausentismo bajó de 42% a 22%.
• Asistencia perfecta: 56% de los maestros en grupo de control ; 90% de los maestros
en grupo de tratamiento.
• Mejora significativa en test scores.
Ejemplo # 1 – Ausentismo en India
• Glewwe, Ilias y Kramer (2003) – “Teacher Incentives”. MIMEO, Harvard.
• Programa: ICSA
• International Child Support Africa (ICSA) eligió aleatoriamente 50% de escuelas de
una muestra de 50 escuelas.
• Premios salariales (de 21% a 43%) a los maestros cuyos alumnos obtuvieran los
“mejores resultados en los test” y a los que registraran “los mayores avances”.
• Resultados:
• No hay diferencias en el ausentismo entre el grupo de control y el grupo de
tratamiento.
• Resultados de alumnos del grupo de tratamiento mejoran su desempeño en
comparación con el grupo de control.
• Una vez que el programa finalizó los estudiantes que integraban el grupo de
tratamiento y el grupo de control no obtuvieron resultados significativamente
distintos.
• Maestros en grupo de tratamiento dedicaron más tiempo a preparar los test y no a
mejorar la educación.
• Consecuencias:
• Los maestros también responden a incentivos.
• Los experimentos también sirven para analizar incentivos perversos
no previstos originalmente.
Ejemplo # 2 – Desempeño educativo en Kenia
• Banerjee et al (2010) - “Improving Immunization Coverage in Rural India: Clustered
Randomized Controlled Evaluation of Immunization Campaigns With and Without
Incentives.”
• ONG: Seva Mandir (India).
• Problema: • Madres no llevan a sus hijos a vacunarse, pese a que es gratis: tasas de inmunización
de 44%.
• Diagnóstico: clínicas lejos y no siempre abiertas = incertidumbre + el costo de un viaje
largo no compensa beneficios potenciales.
• Programa:
• Polbación 134 villas fue asignada a 3 grupos: Grupo A (n=30): clínicas móviles para
reducir costo de traslado; Grupo B (n=30): intervención igual que Grupo A + 1 kg de
lentejas (3/4 de un salario diario) y platos de metal y Grupo C (n=74): control.
• Se midieron tasas de vacunación de niños de 0 a 3 años durante 18 meses después de
la intervención.
• Resultados:
• Tasas de vacunación: Grupo A = 18%, Grupo B = 39% y Grupo C= 6%
• Costo por inmunización Grupo A= USD 56; Grupo B=USD 28.
• INTERPRETACIÓN: el problema es que las madres no comprenden totalmente los
beneficios de la vacunación o tienen alta tasa de descuento, de manera que un
pequeño incremento en el beneficio de inmunizar compensa el costo de traslado,
pero la reducción en la probabilidad de muerto de un hijo a los 5 años no.
Ejemplo # 3 – Vacunación de niños
• Gertler & Boyce (2001) - An Experiment in Incentive-Based Welfare: The
Impact of PROGESA on Health in Mexico
• Programa: Progresa (hoy Oportunidades)
• Transferencias monetarias condicionadas a: (i) programa familiar de salud
preventiva, (ii) programa de seguimiento nutricional, control médico y educación
nutricional e higiénica para niños y (iii) cuidados pre natales y programa de
educación en salud para mujeres embarazadas.
• Programa concebido para la evaluación: 506 comunidades (10% de la población
objetivo) fueron repartidas aleatoriamente en T (60%) y C (40%). El grupo de control
recibiría las mismas transferencias, dos años más tarde.
• Resultados:
• GRUPO DE TRATAMIENTO: niños de 0 a 5 años tienen una incidencia de
enfermedades 12% menor y una caída de 18% en incidencia de anemia. Menor
ausentismo laboral por enfermedad por parte de adultos.
Ejemplo # 4 – Experimento natural - México
• Pueden ser caros, especialmente para países pobres.
• Pueden llevar varios años para ser completados.
• La inferencia al resto de la población puede ser al
menos cuestionable.
• Puede haber temas éticos de por medio:
• ¿SON ÉTICOS LOS EXPERIMENTOS ALEATORIOS?
• ¿QUÉ PASA SI LOS RESULTADOS SON NEGATIVOS? ¿QUÉ PASA
CON EL DAÑO CAUSADO AL GRUPO DE TRATAMIENTO?
• ¿HAY ACCOUNTABILITY Y MECANISMOS DE CASTIGO A LOS
DISEÑADORES DE EXPERIMENTOS?
•
Algunos problemas de los experimentos naturales
• Enfoque Micro
• Randomized field experiments para ver cómo operan los
incentivos a nivel micro.
• Randomized field experiments para cuantificar el
impacto sobre las variables objetivo y también para
cuantificar “efectos colaterales”
• Enfoque de Equilibrio General
• Randomized field experiments no permiten analizar
consecuencias de equilibrios general sobre otros
mercados y sobre otras variables económico-sociales
(External validity)
• La inferencia puede ser cuestionable
Enfoque micro vs Equilibrios Generales
• Sala i Martin: la tragedia del AID es haber gastado miles de millones
de $ sin resultados claro y sin haber aprendido. Al menos usemos
técnicas que nos permitan aprender.
• Angus Deaton: experimentos no tienen ninguna habilidad especial
para producir conocimiento más creíble que otros métodos.
• Bill Easterly (http://aidwatchers.com/2009/07/development-experiments-ethical-feasible-useful/)
• experimentos en humanos
• External validity
• Necesitan teoría
• Pueden ser manipulados para obtener resultados sesgados.
• Están limitados a “small questions”
• Robert Zoellick (presidente BM) : “We need to listen and democratize
development economics”
• Dani Rodrick: RTC ha acentuado la división entre lo micro y lo macro.
Superar la división requiere cambios en las dos partes. Extender las
conclusiones de los experimentos a reformas más amplias no es
posible.
El debate sobre los experimentos
Crecimiento
económico
Trampas de pobreza y
desarrollo económico