Charles Manski: «Los economistas deberían dejar de actuar como si supieran más de lo que saben»
Charles Manski (Boston, 1948) lleva décadas estudiando una zona incómoda para economistas, políticos y banqueros centrales: lo que no se sabe.
Profesor emérito de Northwestern University y uno de los grandes especialistas en expectativas bajo incertidumbre, Manski ha dedicado buena parte de su carrera a preguntarse cómo las personas calculan riesgos, cómo actualizan sus creencias y cómo deberían decidir los gobiernos cuando las probabilidades son incompletas o directamente desconocidas.Este año ha recibido el premio Fronteras del Conocimiento de la Fundación BBVA.
Pero su mensaje no es complaciente con la profesión económica.
Al contrario: Manski denuncia lo que él llama la «certidumbre increíble», esa costumbre de presentar como exacto lo que apenas puede estimarse.
En esta conversación defiende el uso de rangos frente a cifras puntuales, critica los decimales engañosos del PIB, pide más humildad intelectual y recuerda que los modelos no fallan solo por sus matemáticas, sino también por olvidar algo esencial: las personas cambian de conducta cuando el mundo cambia.—En 2012, el economista Nick Bloom recibió el Premio Germán Bernácer del Banco de España por sus trabajos sobre incertidumbre económica.
Usted habla, sin embargo, de incertidumbre cognitiva. ¿Qué relación hay entre ambas?—Están relacionadas, pero conviene distinguirlas.
Nick Bloom trabaja más sobre incertidumbre económica en empresas.
Yo me he ocupado sobre todo de la incertidumbre cognitiva: cómo las personas perciben la incertidumbre de forma subjetiva, en su cabeza.
Es una cuestión psicológica antigua, de más de cien años, pero hacia 1990 algunos economistas empezamos a preguntar a las personas en encuestas si podían expresar su incertidumbre en términos de probabilidad.
Antes se preguntaban cosas como: «¿Cree usted que perderá su empleo el próximo año?».
Y las respuestas eran: «Muy probable», «algo probable», «poco probable».
A los economistas eso nos incomodaba, porque esas palabras son imprecisas.
Así que empezamos a preguntar: «¿Cuál cree que es la probabilidad de perder su empleo? ¿Un 30%, un 50%?».
Yo empecé a hacerlo alrededor de 1990.
Otros economistas lo hicieron de forma independiente.
Bloom llegó más tarde a este campo y lo aplicó sobre todo a empresas.
Nosotros lo hicimos con individuos: la probabilidad de perder el trabajo, de vivir hasta los 85 años, de ir a la universidad o de obtener determinados ingresos si se estudia una carrera u otra.Noticia relacionada general No No Subdirector de Fedea José Ignacio Conde-Ruiz: «Si se oyera el envejecimiento, no podríamos dormir por las noches» John Müller—¿La gente entiende bien esas preguntas?
Se suele pensar que manejar probabilidades exige cierta formación.—Esa fue una de las sorpresas.
Algunas personas pensaban que la gente no podría manejar probabilidades, pero no fue así.
Descubrimos que, si se pregunta por cosas que importan y que están cerca de la vida personal, la mayoría puede responder en términos de porcentaje.
Incluso funciona en contextos de baja alfabetización.
He tenido estudiantes que han aplicado estos métodos en África.
Allí no se pregunta necesariamente «¿cuál es el porcentaje?», sino que se usan métodos visuales, con recipientes y bolas, por ejemplo.
Una antigua alumna mía, Adeline Delavande, ha trabajado mucho en esto, por ejemplo sobre el riesgo de contraer VIH en relaciones sexuales sin protección en contextos de África subsahariana.Incertidumbre cognitiva «Si se pregunta por cosas que importan y están cerca de la vida personal, la mayoría puede responder en términos de probabilidad»—En esos experimentos, ¿qué papel desempeña la experiencia? ¿Cómo forman las personas sus expectativas?—Son dos preguntas distintas.
Una cosa es medir las expectativas: qué creen las personas.
Otra, mucho más difícil, es entender cómo las forman.
Nos importa mucho, pero no tenemos todavía una comprensión completa.
En los manuales se habla de ideas bayesianas: las personas tienen una creencia previa, reciben nueva información y actualizan esa creencia.
Pero no hay consenso sobre si realmente actúan así.
Una forma de estudiarlo es preguntar primero, ofrecer después nueva información y volver a preguntar.
Así se observa cómo cambia la expectativa.
Esto es muy importante.
En el caso del VIH, por ejemplo, no se trataba solo de hacer ciencia.
Se quería saber si la información proporcionada por los gobiernos sobre el riesgo de contagio podía cambiar la conducta sexual.
No es una pregunta estrictamente económica; es una cuestión sanitaria.
Pero los economistas no solo estudiamos mercados o consumidores.
Nos interesa el comportamiento humano en sentido amplio.—¿Los economistas pretenden saber demasiado?—Algunos, sí.
Y eso me preocupa enormemente.
Intento no decir cosas que vayan más allá de lo que sé, pero mucha gente lo hace.
Hace unos quince años empecé a escribir sobre esto.
En 2011 publiqué un artículo titulado 'Policy Analysis with Incredible Certitude'.
Inventé esa expresión: 'certidumbre increíble'.
Era una crítica a la forma en que muchos investigadores -no solo economistas- actúan como si supieran más de lo que realmente saben.
Desde entonces he seguido escribiendo sobre este problema.
Algunas personas prestan atención.
Otras siguen haciendo lo mismo. —¿Qué daño se produce cuando algo meramente probable se presenta como exacto?—Veo tres tipos de daño.
El primero es el más evidente: si usted cree que sabe algo con exactitud, va a maximizar una función equivocada.
En política pública dirá que está maximizando el bienestar social; en decisiones individuales, la utilidad; en una empresa, los beneficios.
Pero si parte de una falsa certeza, optimiza mal.
Comete errores.
El segundo daño es que se deja de investigar.
Si alguien dice: «Esto ya lo sabemos», entonces parece que no hace falta investigar más.
La idea misma de aprendizaje desaparece.
El tercer daño es más sutil.
Cuando uno reconoce que no sabe algo, puede adoptar estrategias de decisión distintas.
Una de ellas es la diversificación.
En finanzas todo el mundo entiende que conviene diversificar una cartera porque hay incertidumbre.
Si supiéramos con certeza el rendimiento futuro de las acciones y de los bonos, la diversificación no sería óptima.
Invertiríamos todo en el activo ganador.
Diversificamos porque no sabemos.
Yo he aplicado esta idea a la política pública.
Si no sabemos cuál es la política óptima, en principio se pueden diversificar las políticas: aplicar una a unas personas y otra a otras.
Matemáticamente, el problema se parece mucho al de la asignación de carteras en finanzas.—Usted habla también de ambigüedad o incertidumbre profunda. ¿Qué significa exactamente?—Significa que no tenemos suficiente información para asignar probabilidades.
No podemos decir: «Hay un 20% de probabilidad de esto, un 40% de aquello y un 30% de lo otro».
Solo sabemos que pueden ocurrir A, B o C, pero no sabemos con qué probabilidad.
Aun así, hay que decidir.
Ese es el problema. ¿Cómo se toma una decisión sin probabilidades?
Ahí entran criterios como el 'minimax regret', es decir, elegir de forma que se minimice el arrepentimiento máximo posible.
Son herramientas que pueden aplicarse tanto a las finanzas como a la política pública cuando no hay probabilidades fiables.—¿Los modelos económicos sirven para predecir o para disciplinar nuestro pensamiento?—Probablemente para ambas cosas.
En economía hacemos dos tipos de predicción.
Una es la predicción directa: qué ocurrirá.
Pero la más importante suele ser la predicción condicional: qué ocurrirá si hacemos esto o si hacemos aquello.
Eso se llama predicción contrafactual.
Queremos saber qué efectos tendrá una política pública o un tratamiento médico.
La terminología viene en parte de la medicina: se trata de predecir la respuesta a un tratamiento.
Yo hago ese tipo de trabajo.
Me interesa la predicción seria, pero, si hay incertidumbre, no siempre doy una estimación puntual.
Muchas veces doy intervalos: el resultado estará entre este valor y aquel otro.
Esto puede aplicarse a resultados económicos, pero también a medicina: predecir quién tendrá cáncer, quién sufrirá una enfermedad cardiaca o cómo responderá un paciente a un tratamiento.
Usamos modelos matemáticos.
Los economistas los llamamos regresiones.
Los informáticos los llaman 'machine learning'.
Otros los llaman inteligencia artificial.
En el fondo, muchas veces, hay bastante continuidad entre unas cosas y otras.Manski, en la sede de Fundación BBVA en Bilbao.
Cedida a ABC—¿Qué es más peligroso: los malos datos o las premisas ocultas?—Ambas cosas son peligrosas, pero creo que las premisas ocultas lo son más.
Los malos datos son un problema, por supuesto.
Buena parte de mi trabajo técnico se ha centrado en problemas de identificación, datos ausentes o errores de medición.
Pero, si uno sabe que los datos son malos y lo reconoce, puede desarrollar métodos para tratar ese problema con honestidad.
Las premisas ocultas son más peligrosas porque implican autoengaño.
Ahí aparece de nuevo la 'certidumbre increíble'.
Podemos diseñar métodos para trabajar con datos malos.
Pero, ¿cómo se diseña un método para evitar que la gente se engañe a sí misma con supuestos que ni siquiera reconoce?—¿Los bancos centrales deberían publicar menos decimales y más rangos?—Sí.
No deberían publicar estimaciones puntuales de casi nada.
Uno de mis ejemplos favoritos de 'certidumbre increíble' es la estimación del PIB.
No hablo de previsiones, sino de estimaciones de lo que supuestamente ya ha ocurrido.
Por ejemplo: ¿cuánto creció el PIB en el último trimestre? ¿Un 2,5%? ¿Un 2%?
Si uno conoce cómo se recogen los datos del PIB, sabe que es un proceso muy complejo.
Se obtiene información de cientos de miles de empresas, los datos llegan poco a poco, se publica una estimación inicial y luego se revisa.
Pero cada vez se ofrece una cifra puntual.
Primero se dice que el crecimiento fue del 1,568%; un mes después se revisa al 1,213%.
Otra cifra puntual.
Y todos saben que también será revisada.
Me parece una locura.
Hay instituciones que lo hacen mejor.
El Banco de Inglaterra usa desde hace tiempo los llamados 'fan charts', gráficos de abanico que representan distribuciones de probabilidad.
Es una forma visual de comunicar incertidumbre.
Eso es lo que debería hacerse también con el PIB.
En Estados Unidos pregunté a responsables del Bureau of Economic Analysis por qué no lo hacían.
Me respondieron, en esencia, que la gente quiere números puntuales.
No estoy de acuerdo.
Esa visión supone que los ciudadanos no pueden manejar la incertidumbre y que prefieren ser engañados con una cifra exacta.
Me parece una mala solución.Bancos centrales y PIB «No deberían publicar estimaciones puntuales de casi nada»—¿Cuál es la relación entre incertidumbre y mentira?—Las mentiras son muy dañinas porque son una forma extrema de ocultar la incertidumbre.
Pero no creo que más incertidumbre conduzca necesariamente a más mentiras.
Es verdad que, si sabemos más, hay menos espacio para mentir.
Pero nunca vamos a eliminar la incertidumbre.
Las mentiras, sean de políticos o de cualquier persona, siempre han existido.
Cuando nos comunicamos, tenemos que interpretar al otro: decidir si está diciendo la verdad, si miente o si simplemente está equivocado.
También decidimos nosotros mismos si mentimos o no.
Como científicos del comportamiento, podemos estudiar esas decisiones, pero es un tema muy amplio.—¿Qué frase debería aparecer en la primera página de todo informe económico?—No sé cuál sería la formulación exacta, pero pondría una advertencia sobre la incertidumbre.
Un colega bromeaba con algo parecido a la frase que exige la SEC en los productos financieros: «La rentabilidad pasada no garantiza resultados futuros». ...
이 뉴스, 어떠셨어요?
탭 한 번으로 반응 · 로그인 불필요