Algunos ejemplos de evaluación de impacto y economía del comportamiento aplicados a problemas del desarrollo
El día de hoy, les traigo una selección de artículos relacionados a la evaluación de impacto. Así que vamos con ello.
Mi primer recomendación es un artículo de la London School of Economics que se cuestiona si ¿Podrás alguna vez ser un experto en el impacto de la investigación? Donde se señala que, demostrar una especialización en el impacto de la investigación es un atributo cada vez más buscado por los académicos, el personal adyacente de investigación y un número cada vez mayor de profesionales del impacto. Basándose en el trabajo realizado para diseñar un curso sobre conocimientos fundamentales para el impacto de la investigación, los autores exploran tres dimensiones de la experiencia en el impacto de la investigación (LSE Business Review).
Aquí, un post sobre los beneficios económicos de la previsión meteorológica desde una perspectiva de la evaluación de impacto (Development Impact).
El siguiente documento de trabajo, muestra que cuando los economistas analizan un RCT o un experimento natural bien realizado y encuentran un efecto estadísticamente significativo, concluyen que es poco probable que la nulidad de ningún efecto sea cierta. Pero ¿con qué frecuencia se justifica esta conclusión? La respuesta depende de la proporción de nulos probados que son verdaderos y del poder de las pruebas. Modelo la distribución de estadísticos t en las principales revistas de economía. El autor encontró que, es probable que el 65% de las hipótesis nulas rechazadas por estrecho margen y el 41% de todas las hipótesis nulas rechazadas con |t|<10 sean rechazos falsos. Para que la nula tenga sólo una probabilidad de 0,05 de ser verdadera se requiere una t de 5,48 (NBER).
Por otra parte, un trabajo realizado en India y muestra cómo el aumento de personal judicial reduce la acumulación de casos, lo que permite a los bancos recuperar deudas estancadas en casos de recuperación de deuda y, como resultado, luego aumentan los préstamos a empresas locales (VoxDev).
Si los resultados anteriores te parecieron interesantes y te gustan las ciencias del comportamiento, el siguiente documento de trabajo te puede interesar. ¿Qué causa resultados policiales adversos, como el uso excesivo de la fuerza y los arrestos innecesarios? Las explicaciones predominantes se centran en funcionarios problemáticos o regulaciones y supervisión deficientes. Los autores presentan una perspectiva nueva y pasada por alto. Donde sugieren que las demandas cognitivas inherentes a la actividad policial pueden socavar la toma de decisiones de los agentes. A menos que los agentes estén preparados para estas exigencias, pueden sacar conclusiones precipitadas demasiado rápido sin considerar plenamente formas alternativas de ver una situación. Esto puede conducir a resultados policiales adversos. Para probar esta perspectiva, los autores crearon una nueva capacitación que enseña a los oficiales a considerar más deliberadamente diferentes formas de interpretar las situaciones que encuentran. Evaluando esta capacitación mediante un ensayo controlado aleatorio con 2070 agentes del Departamento de Policía de Chicago. En una serie de evaluaciones de laboratorio, se encontró que los agentes tratados tenían significativamente más probabilidades de considerar una gama más amplia de evidencia y desarrollar más explicaciones para las acciones de los sujetos. Fundamentalmente, también se encontró que el entrenamiento afectó el desempeño de los oficiales en el campo, lo que llevó a reducciones en el uso de la fuerza, arrestos discrecionales y arrestos de civiles negros. Mientras tanto, los niveles de actividad de los agentes se mantuvieron sin cambios y los agentes capacitados tenían menos probabilidades de sufrir lesiones en el servicio. Estos resultados resaltan el valor de considerar los aspectos cognitivos de la actividad policial y demuestran el poder de utilizar enfoques basados en el comportamiento para mejorar la toma de decisiones de los agentes y los resultados policiales (NBER).
Una de las noticias de la semana ha sido la publicación de un artículo en la revista Science, en el cual se estima que los cárteles en México emplean a alrededor de 175.000 personas, aproximadamente la misma cantidad que el Oxxo, la cadena de tiendas de barrio más grande, y el equivalente a ser el quinto mayor empleador del país. El artículo estima esta cifra a partir de un modelo basado en redes que modela el cambio en el tamaño de los cárteles en función de nuevos reclutamientos, incapacitación de los miembros existentes, conflictos con otros cárteles y un factor de saturación que genera inestabilidad y facciones internas a medida que los cárteles crecen. Se necesitan muchas suposiciones con datos muy imperfectos. Una estimación interesante es que una década después de unirse, estiman que el 17% de los miembros están muertos y otro 20% incapacitados. El resultado es que los cárteles necesitan reclutar continuamente muchos nuevos miembros, y recomiendan que los programas para reducir el nuevo reclutamiento serán más efectivos que aumentar el encarcelamiento de los miembros existentes. En este otro artículo (publicado en la misma revista) se ofrecen algunos comentarios y críticas de los supuestos.
Con respecto a esto último, hace poco leía sobre la participación porcentual del PIB por sectores en varios países, llamándome la atención que justamente México el sector agrícola sólo representa un 3.9 por ciento del PIB (en Brasil representa un 7.5 por ciento). Todo ese fuerte desempleo en el sector agrícola es una de los factores determinantes de la pobreza y un problema de desarrollo en el país. Aquí puedes comparar las 50 principales economías del mundo por PIB, y desglosado por sectores.
Por eso, las evaluaciones de impacto son importantes y necesarias para mejores políticas públicas, por ejemplo, una evaluación contró que, el aparente impacto positivo de la capacitación de los productores de café en Ruanda fue impulsado por efectos indirectos negativos sobre los agricultores que no recibieron capacitación (VoxDev).
Finalmente, les cuento que he creado un repositorio en GitHub con recursos oficiales para aprender sobre machine learning, blockchain, computación cuántica, deep tech, innovación y evaluación de impacto.
Hasta aquí el post del día de hoy y recuerda que puedes seguirme en Twitter y mantenerte informado de lo último de ciencia, tecnología e innovación en el mundo de la economía y las finanzas.
Comentarios