El producto interno bruto ha enfrentado desafíos conceptuales y técnicos como medida de bienestar, y se han presentado opciones como el uso de imágenes satelitales, aprendizaje automático a partir de textos periodísticos y otros indicadores como esperanza de vida y desigualdad.
El producto interno bruto (PIB) por persona es una de las medidas más utilizadas por los economistas para comparar estándares de vida y bienestar entre países y a lo largo del tiempo. Tras la Gran Depresión y la introducción de la teoría keynesiana de demanda agregada, los gobiernos se vieron en la necesidad de establecer sistemas de cuentas nacionales —con el PIB como uno de sus principales indicadores— para diseñar políticas económicas efectivas. En particular, después de los acuerdos de Bretton Woods y el reporte Kuznets, el PIB se volvió la medida estándar del tamaño de una economía. Dada su importancia es imperativo discutir su utilidad y factibilidad como indicador de la actividad económica de un país (o cualquier región geográfica o administrativa).
El PIB por persona se define como el valor de mercado de la producción total de bienes y servicios finales en un país durante un año, dividido entre el número de habitantes del país. En ocasiones se utiliza el PIB real, que representa la misma medida ajustada por inflación (o deflación).
Al igual que otras variables macroeconómicas, el PIB se calcula a partir de encuestas, retornos de impuestos, datos bancarios y otros datos pertinentes; por lo cual para algunos países, especialmente aquellos en vías de desarrollo, puede resultar difícil la medida del PIB si no cuentan con la infraestructura de instituciones estadísticas requerida. Adicionalmente, es posible que, por motivos de economía política, diferentes agentes del gobierno y el sector privado tengan incentivos perversos para reportar sistemáticamente valores de producción, lo que conduciría a mediciones parcializadas. Por ejemplo, si las compañías reportan sus ganancias de manera inexacta o el gobierno central tiene interés en manipular positivamente los valores del PIB, los resultados serían inferiores o superiores al valor real, respectivamente. Dada la complejidad logística y técnica que implica el cálculo del PIB, es difícil obtener datos de alta frecuencia o para regiones específicas de un país. ¿Cuáles estrategias pueden diseñarse para superar estos desafíos?
Incluso en un mundo ideal, en el que sea posible obtener el valor exacto del PIB, es necesario preguntar: ¿es esta la mejor medida del bienestar de una nación? El PIB ignora variables muy importantes, como el tiempo de ocio, los indicadores de salud pública (especialmente, la mortalidad), la desigualdad y el trabajo doméstico e informal, por nombrar algunas. ¿Podría diseñarse un indicador que tome en consideración estos factores en la medida de bienestar? Ha habido intentos como el Índice de Desarrollo Humano, pero lamentablemente ha sido criticado por asignar pesos arbitrarios a las distintas variables (Mancero, 2001). ¿Qué significaría esto para las diferencias que existen entre países desarrollados y en vías de desarrollo? ¿Aumentarían o disminuirían?
Han surgido tres soluciones posibles a los retos que enfrentan los organismos estadísticos, los gobiernos nacionales (y regionales) y el público en general, para medir la actividad económica o el bienestar: 1) una ingeniosa herramienta para medir la actividad económica de un país se basa en la luminosidad en tomas satelitales (Henderson y otros, 2012); 2) una medida alternativa de bienestar utiliza los conceptos de variación compensatoria y variación equivalente, e incluye factores tales como esperanza de vida, desigualdad y tiempo de ocio (Jones y Klenow, 2016); 3) una aplicación de aprendizaje automático (machine learning) para analizar el contenido de textos periodísticos permite obtener estimaciones diferentes de los principales indicadores macroeconómicos que usan los bancos centrales (entre ellos el PIB) para tomar decisiones de política monetaria (Kalamara y otros, 2020).
Luminosidad y PIB
Henderson y otros (2012) utilizan imágenes satelitales para obtener la luminosidad por píxel de una gran parte del globo, excepto las zonas polares que contienen menos de 10.000 personas. Estos investigadores establecieron una relación (no necesariamente causal) entre la variación a largo plazo del PIB por persona (definido como crecimiento o diferencia larga) y la variación de la luminosidad. Un aumento de uno por ciento del grado de luminosidad está asociado con un aumento de aproximadamente 0,3 por ciento de crecimiento económico. Adicionalmente, los cálculos de crecimiento del PIB derivados de la luminosidad podrían complementarse con datos oficiales (con pesos óptimos) para reducir el error estándar.
Este método implica un avance importante para la medición del PIB por persona y resuelve muchos problemas: la información de luminosidad es completa (disponible para todos los países), tiene alta frecuencia, es objetiva (no está sujeta a los errores de medición de los métodos tradicionales) y constituye una excelente fuente alternativa de información para países que carecen de una sólida infraestructura de instituciones estadísticas, Estados con gobiernos autoritarios y economías con un alto grado de informalidad. Adicionalmente, provee datos para zonas subnacionales que, por razones logísticas o financieras, no poseen estadísticas propias y una fuente de información adicional para la toma de decisiones de diseñadores de políticas públicas y banqueros centrales, antes de que se publiquen las estadísticas oficiales. Henderson y otros (2012) mostraron algunas aplicaciones de esta técnica que muestran cómo, en períodos de gran desarrollo comercial, las zonas costeras crecen menos que las no costeras o cómo la reducción de los casos de malaria no necesariamente se traduce en mayor crecimiento económico.
Otra ventaja del método es que los errores de medición de la luminosidad no correlacionan con los errores de la medición del PIB por mecanismos tradicionales. Además, desde un punto de vista tecnológico, cualquier mejora de la calidad óptica de los satélites se traduciría en valores más precisos del PIB para gobiernos y actores privados, lo que asocia una vez más el progreso tecnológico con el desarrollo económico.
Una comparación de niveles de bienestar
¿Cómo serían las diferencias de bienestar entre países si se consideran variables como esperanza de vida, desigualdad y tiempo de ocio, además del tradicional consumo (o PIB)? Esta es la pregunta que se hacen Jones y Klenow (2016). Para responderla utilizan el concepto de variación equivalente, que consiste en la máxima cantidad de consumo (dinero, para simplificar) que se le debería dar a una persona para que le resulte indiferente vivir en Estados Unidos o en otro país; es decir, en cuánto puede reducirse (en términos relativos) su consumo para que no se quiera mudar de Estados Unidos a otro país por su esperanza de vida, desigualdad y ocio. Los autores definen este valor de ajuste como bienestar. Estados Unidos se usa como referencia por la disponibilidad de datos y la facilidad de comparación.
En promedio este valor de bienestar es cercano a 25 por ciento; es decir, si a un ciudadano estadounidense le reducen el consumo (por ejemplo, salario neto) en tres cuartas partes, será indiferente entre quedarse o irse de su país. Este valor es aún menor si se considera un promedio ponderado por población: baja a 19 por ciento. Notablemente, estos valores son mayores cuando se considera solamente el PIB: 31 y 21 por ciento, respectivamente. Esto significa que, en promedio, no considerar factores como la esperanza de vida, la desigualdad o el ocio podría subestimar las diferencias entre Estados Unidos y los demás países.
En el caso de América Latina, este sesgo se debe principalmente al alto grado de desigualdad y la baja esperanza de vida. Mientras que, en el caso del oeste de Europa, ocurre lo opuesto: incluir esos factores aumenta, no disminuye, la variación compensatoria y, por lo tanto, la diferencia con Estados Unidos es menos marcada.
En resumen, si se consideran variables diferentes del PIB, los países de Europa occidental se acercan a Estados Unidos y el resto del mundo se aleja, en términos de bienestar. Esta reflexión es importante al comparar los estándares de vida entre países y a lo largo del tiempo.
Periódicos, aprendizaje automático y PIB
Kalamara y otros (2020) calcularon valores para variables macroeconómicas usando el contenido lingüístico de tres de los principales periódicos del Reino Unido: The Guardian, The Daily Mirror y The Daily Mail. Para ello utilizaron una red neuronal artificial y la técnica de aprendizaje automático, así como medidas tradicionales de sentimiento económico (diccionarios de palabras positivas y negativas).
El argumento central consiste en que el tono de las noticias —el uso de las palabras— correlaciona con variables macroeconómicas. Palabras como crisis, depresión o pobreza están asociadas con hechos contractivos o recesivos; mientras que bonanza, felicidad o crecimiento se relacionan con hechos expansivos. Por medio de diccionarios, métodos estadísticos diversos o aprendizaje automático, el análisis de las palabras que se usan en los periódicos de gran circulación debería revelar información útil con fines predictivos.
Los investigadores no solo encontraron una sólida capacidad predictiva de estas técnicas frente a métodos predictivos tradicionales, sino también mostraron que su método mejora la predicción de variables económicas, comparado con métodos tradicionales, especialmente durante períodos de estrés financiero que «corresponden a momentos de mayor sensibilidad a las noticias» (Kalamara y otros, 2020: 28). La utilidad de estos resultados es notable dada la gran frecuencia de los medios en circulación, el fácil acceso a los datos y la multiplicidad de métodos para el cálculo de indicadores a partir de las palabras de los periódicos.
Pero es necesario aclarar que una premisa fundamental del método es la libertad de prensa o, mejor dicho, que los contenidos editoriales no estén sometidos a alguna forma de arbitrariedad. Este método podría no ser apropiado para países con poca libertad de prensa, donde el gobierno central use la prensa como mecanismo de propaganda y no como un medio puramente informativo. En este caso, la correlación del vocabulario (como serie de tiempo) con el estado de la economía podría verse reducida. Estudiar la aplicación de este método en regímenes autocráticos sería un excelente tema para futuras investigaciones.
El análisis de palabras no se limita necesariamente a la prensa, sino que puede aplicarse al estudio de otros medios de comunicación como películas, radio o televisión. Asimismo, se pueden analizar los resultados de búsquedas en Google o las palabras en foros como Twitter o Reddit para medir el sentimiento económico (por ejemplo) de diferentes comunidades, lo que puede ser sumamente útil para modelos predictivos de variables económicas y sociales, como el PIB. Esta línea de investigación ha ganado mucha fuerza en los últimos años por la disponibilidad de los datos.
La necesidad de innovar
El PIB no es (ni pretende ser) una medida perfecta del bienestar y el estándar de vida de una nación. Es, sin embargo, un indicador indiscutiblemente útil para medir la actividad económica de cualquier país o región. Métodos innovadores como los de Henderson y otros (2012) y Kalamara y otros (2020) permiten calcularlo de una forma más eficiente con la tecnología adecuada y complementándolo con otras variables pertinentes como las presentadas por Jones y Klenow (2016).
Así, el PIB puede ser una herramienta clave para el diseño de políticas públicas de cara a la incertidumbre, la manipulación o censura de estadísticas oficiales y la desigualdad. Venezuela, especialmente, podría beneficiarse de estos novedosos métodos, dada la necesidad de información económica y de política eficaz en esta coyuntura. Es en estos momentos cuando los investigadores de la economía deben mostrar mayor creatividad e ingenio.
Roberto Patiño Guzmán, estudiante de la Escuela de Economía de Londres.
José Manuel Puente, profesor del IESA.
Suscríbase aquí al boletín de novedades de Debates IESA.
Referencias
Henderson, J. V., Storeygard, A. y Weil, D. N. (2012). Measuring economic growth from outer space. American Economic Review, 102(2), 994-1028. https://doi.org/10.1257/aer.102.2.994
Jones, C. I. y Klenow, P. J. (2016). Beyond GDP? Welfare across countries and time. American Economic Review, 106(9), 2426-2457. https://doi.org/10.1257/aer.20110236
Kalamara, E., Turrell, A., Redl, C., Kapetanios, G. y Kapadia, S. (2020). Making text count: Economic forecasting using newspaper text. Bank of England Working Paper, (865). http://dx.doi.org/10.2139/ssrn.3610770
Mancero, X. (2001). La medición del desarrollo humano: Elementos de un debate. Cepal-Serie Estudios estadísticos y prospectivos, (11). https://repositorio.cepal.org/bitstream/handle/11362/4709/1/S01030298_es.pdf
