En un artículo de julio del 2020 para Brookings Papers on Economic Activity, junto con Tristan Reed, demostramos que, contrario a las expectativas, las muertes per cápita por covid-19 fueron mucho más bajas en los países más pobres que en los más ricos.
Los lectores, inmediatamente, respondieron diciendo que esta conclusión seguramente se debía a una mala medición o a una falta de datos para estos países. Nuestro resultado desde entonces fue sometido a un escrutinio y ha superado la prueba del tiempo, pero la respuesta inicial fue reveladora: las estadísticas provenientes de los países en desarrollo tienden a verse con ojos sospechosos (y muchas veces son descartadas de plano).
¿Está justificado el prejuicio? En un trabajo reciente para Journal of Economic Perspectives, “¿Por qué es tan difícil medir el crecimiento en los países en desarrollo?”, mis coautores y yo descubrimos que no es así. Más allá de unos pocos casos de manipulación de datos muy publicitados, las estimaciones de crecimiento de los países en desarrollo son, en promedio, tan confiables como las de las economías avanzadas.
Sin duda, no hay una métrica única y bien definida para juzgar la calidad de las estimaciones de crecimiento de un país, pero el abordaje tradicional en la literatura económica consiste en buscar una correlación entre las estimaciones obtenidas mediante diferentes fuentes de datos.
Empleamos este método y comparamos los cálculos basados en tres fuentes distintas: el sistema de cuentas nacionales (SNA, por sus siglas en inglés), los datos de las encuestas de hogares y datos satelitales recientemente disponibles (principalmente, sobre la luz nocturna y ocasionalmente sobre la vegetación).
Estas comparaciones demuestran que las diferencias en las tasas de crecimiento promedio en las tres fuentes de datos son pequeñas, por lo general, alrededor de 1,5 puntos porcentuales o menos.
Si bien las brechas de esta magnitud pueden ser consideradas grandes para los países de altos ingresos (donde las tasas de crecimiento anual recientemente han estado en el rango de 3-4 %), son relativamente modestas para muchas economías en desarrollo de rápido crecimiento. Un margen de error promedio de alrededor de 1,5 puntos porcentuales no parece grave, si se considera la incertidumbre en torno a estas estimaciones.
Asimismo, una nueva base de datos ensamblada por el Fondo Monetario Internacional y el Banco Mundial no arroja ninguna evidencia de que los datos del SNA de los países de bajos ingresos estén manipulados sistemáticamente por razones políticas.
Lo interesante es que son los países de medianos ingresos los que parecen más problemáticos, lo que sugiere que la manipulación motivada políticamente puede ser más factible por encima de algún umbral de capacidad y sofisticación estadística. En cierta medida, estos descubrimientos son motivo de optimismo, porque demuestran que las estadísticas generadas en los países en desarrollo son efectivamente significativas, y que sería un error descartarlas sin más trámite.
De todos modos, los países más pobres, obviamente, podrían beneficiarse de una mayor capacidad estadística. Como sostuvo Shanta Devarajan del Banco Mundial en un artículo influyente del 2013, los países de bajos ingresos, especialmente en África, padecen una “tragedia estadística”.
Debido a la falta de recursos para la recopilación, gestión y difusión de datos, y de coordinación entre agencias y actores relevantes, los responsables de las políticas en muchos países de bajos ingresos deben recurrir a la utilización de datos viejos y métodos pasados de moda.
Por cierto, varios casos muy difundidos de estimaciones de crecimiento poco confiables resultaron de métodos caducos y no de una manipulación con motivaciones políticas. E, incluso en estos casos, las autoridades locales parecen haber hecho un trabajo milagroso de producir cifras relativamente confiables, dadas las limitaciones que enfrentaban.
La interrogante es cómo las economías en desarrollo pueden aumentar su capacidad estadística. Es más fácil de decir que de hacer. Como mis coautores y yo explicamos en el documento de Journal of Economic Perspectives: “Los esfuerzos internacionales para respaldar a las oficinas de estadísticas nacionales muchas veces están centrados en actividades de recopilación de datos puntuales y se les presta poca atención a fortalecer las capacidades y el conocimiento de estadísticos nacionales o a desarrollar sistemas de datos. Recopilar datos es una tarea relativamente bien definida con una fecha de finalización clara, que normalmente termina con un informe. Las inversiones para mejorar la capacidad estadística son mucho más difíciles de monitorear, tienen un éxito dudoso, consumen mucho tiempo y, muchas veces, carecen de información clara sobre los resultados”.
Dados los altos costos y la incertidumbre asociados con estas inversiones, es poco probable que sean llevadas a cabo en un momento en que los gobiernos ya están sufriendo una presión fiscal a consecuencia de la crisis de la covid-19.
Afortunadamente, existe una estrategia más viable: aprovechar la tecnología y utilizar nuevas fuentes de datos (en combinación con fuentes tradicionales) para aliviar las limitaciones de recursos.
Una explosión de datos nuevos y recientemente disponibles —a partir de obtención de datos en la web, búsquedas en Google, transacciones digitales, metadatos de teléfonos celulares, uso de redes sociales y datos satelitales— ha ayudado a los investigadores a estimar variables económicas esenciales a un costo más bajo.
Estas fuentes de datos resultaron especialmente útiles durante la pandemia, y les permitieron a los economistas obtener información muy necesaria sobre pobreza, inflación, perspectivas comerciales y bienestar de la gente, todo en tiempo real. Y, como estos datos se pueden obtener más rápido y a un costo mucho más bajo que con los métodos tradicionales (por ejemplo, las encuestas personales puerta a puerta), son una fuente de esperanza para los países en desarrollo carentes de recursos.
Ahora bien, estos nuevos datos también tienen limitaciones. Mientras que las fuentes de datos tradicionales buscan una cobertura completa de la población relevante, los datos más nuevos suelen tener problemas de selección. Si bien pueden arrojar muestreos masivos y ser muy puntuales, rara vez son representativos de la población de un país. Lo mejor es utilizarlos para complementar, no reemplazar, los tradicionales.
Puede parecer ingenuo recurrir a mejores datos en una pandemia, cuando muchos países de bajos ingresos todavía no han logrado asegurarse vacunas vitales para sus poblaciones; sin embargo, uno de los mayores riesgos de la pandemia es que haga que agendas de desarrollo estratégicas sean ignoradas o queden pospuestas indefinidamente.
De la misma manera que los responsables de las políticas deben insistir en medidas adicionales para empoderar a las mujeres y aumentar las inversiones en capital humano, también deben buscar una mayor capacidad estadística. No podemos mejorar lo que no podemos medir.
Pinelopi Koujianou Goldberg, ex economista jefe del Grupo Banco Mundial y editora en jefe de la “American Economic Review”, es profesora de Economía en la Universidad de Yale.
© Project Syndicate 1995–2021