Información, percepciones, expectativas y resultados económicos (o de cómo el INDEC contribuye a reducir las demandas redistributivas)

Hace un tiempo ya que con Ricardo Pérez Truglia (Harvard University) y Martin Tetaz (CEDLAS-UNLP) trabajamos en un proyecto que derivó en el artículo  “Biased Perceptions of Income Distribution and Preferences for Redistribution: Evidence from a Survey Experiment,” recientemente publicado como documento de trabajo de IZA. A lo largo de la vida del proyecto, tuvimos cierta difusión en la prensa local y extranjera, en gran parte por la fascinación que genera la idea de la clase media (concepto y discusión que no abordamos en el documento!) en la opinión pública. Uno de los resultados del documento, en el que se concentró su difusión, indica que gran parte de la población del Gran Buenos Aires, de acuerdo a la encuesta que hicimos para el proyecto, tiende a creerse más cerca de la mediana de la distribución del ingreso (no hablamos de clase…) de lo que realmente está, con los más pobres sobre-estimando su posición y los relativamente más ricos sub-estimando su posición. Una versión actualizada de esos datos y la posición misma del lector en la distribución puede consultarse en esta página del sitio del Centro de Estudios Distributivos, Laborales y Sociales de la Universidad Nacional de La Plata. Sin embargo, no quiero concentrarme en ese resultado del documento – en parte porque ya lo discutimos bastante, y en parte porque si estás leyendo este artículo estás muy por encima de la mediana y, de acuerdo a nuestra experiencia, vas a cuestionar el resultado/los datos/etc. Cuesta mucho aceptar lo “arriba” que estamos en la distribución simplemente con un empleo estable y un título universitario, sobre todo cuando vivimos rodeados de gente con tanta más plata que uno (de hecho ese es uno de los resultados del documento – el error en la apreciación de la posición en la distribución global está correlacionado con la posición relativa de uno en su propio grupo de referencia, que determina la “muestra sesgada” que observamos).

Quería aprovechar este post, entonces, para hablar de ciertas tendencias de investigación en Economía más generales en las que se inscribe nuestro documento, que son el análisis de las expectativas y las probabilidades subjetivas, y la importancia de la información para los resultados socioeconómicos. Maski (2004), en su artículo de Econometrica, describe en detalle los resultados de su programa de investigación sobre las expectativas de los agentes económicos, con resultados fascinantes como por ejemplo las predicciones de expertos sobre el futuro de la economía, o la información privada que tienen los individuos sobre su propia salud – el “self assessment” de salud aparece correlacionado con la tasa de mortalidad futura en estudios de panel, aún controlando por características observables (Hurd, 2009). Norton y Arieli (2010) también documentan las percepciones sobre desigualdad de la distribución de la riqueza en Estados Unidos: los ciudadanos norteamericanos subestiman sistemáticamente esa desigualdad y creen, en promedio, vivir en una sociedad más parecida a la de Suecia que a la suya misma. Manski (2004) establece que el futuro de la investigación en este tema es el de entender la formación de las expectativas, percepciones y distribuciones subjetivas. En este sentido, por ejemplo, Zafar (2011) además de medir las expectativas de los estudiantes universitarios establece los mecanismos mediante los cuales éstos forman sus percepciones. Del mismo modo, nuestro documento, mediante el resultado descripto brevemente en el párrafo anterior, intenta explicar cómo los agentes forman su percepción de su posición en la distribución del ingreso, y atribuimos los errores sistemáticos que encontramos a sesgos de comportamiento o, lo que es observacionalmente equivalente en nuestro caso, información limitada (no me voy a meter acá en la discusión “behavioral/no behavioral” con Emilio!).

Aunque tenemos que explicar cómo y por qué en cada caso, las expectativas y percepciones de los agentes pueden desviarse sistemáticamente de la realidad, y en esto se combinan de manera compleja percepciones, realidad, interacciones sociales y creencias, como lo muestra el muy interesante documento de Di Tella, Galiani y Schargrodsky (2008). Estas observaciones, implícitamente, están por detrás de una serie de estudios que se plantea evaluar la importancia de la información en las decisiones de los agentes y los resultados socio-económicos mediante la manipulación misma de esta información, en especial frente a problemas complejos. De esta manera, Duflo y Saez (2003) estudian el efecto de la provisión de información en las decisiones de retiro (un problema complejo y, además, lejano, probablemente sujeto a más sesgos que otros), y Chetty y Saez (2009) miden el impacto de proveer información sobre las reglas impositivas a beneficiarios de programas sociales en Estados Unidos. Uno de los documentos más memorables de esta camada reciente es el de Card, Mas, Moretti y Saez (2010), que aprovechando las leyes de transparencia de la información de California exponen a empleados de la Universidad de California a información sobre los salarios de sus compañeros de trabajo, con resultados notables: éste “tratamiento” reduce significativamente la satisfacción con el trabajo y aumenta la probabilidad de buscar otro empleo (aprender o confirmar que el/la inútil de al lado gana 20% más que uno/a no es la mejor manera de empezar el día). Como último ejemplo, Jensen (2010) presenta los resultados de un programa que consistió, básicamente, en enseñarle “ecuaciones de Mincer” (promedios de salarios para distintos niveles de calificación) a estudiantes secundarios pobres en la República Dominicana, con reducciones significativas en el abandono escolar entre los expuestos a esta información, lo que puede atribuirse a la falta de exposición de los estudiantes a individuos con formación mediana o alta en sus grupos de referencia. En todos estos casos, la provisión de información tuvo efectos tangibles en los resultados medidos.

Nuestro trabajo también intentó hacer una modesta contribución en este sentido. Además de medir los sesgos en las percepciones de la distribución, nos planteamos qué efectos tendría corregirlos, dado que esperamos que las percepciones sesgadas se traduzcan directamente en resultados electorales y de política económica: en breve, el votante mediano no solo tiene que serlo, sino también percibirse como mediano. Una literatura relacionada sumamente interesante es la desarrollada por Bartels (2008), que estudia cómo votantes de ingreso de la mediana para abajo apoyaron los recortes impositivos de Bush que inequívocamente beneficiaban solo a los muy muy ricos (Bartels además tiene tal vez el mejor título de la historia – Homer gets a tax cut – de un documento de ciencias sociales).

Fuente: Bartels (2008)

Además de preguntarle a la gente qué lugar creían que ocupaban en la distribución del ingreso, introdujimos un experimento en el cuestionario. A la mitad de los entrevistados, los encuestadores les corrigieron la ubicación en la distribución, diciéndoles por ejemplo; “Usted acaba de decir que de las 10 millones de familias que hay en nuestro país,  existen 5 millones de familias más pobres que la suya, sin embargo de acuerdo a las últimas investigaciones de la Universidad Nacional de La Plata, en realidad hay 7 millones de familias más pobres que la suya en Argentina”. A la otra mitad de los encuestados no les comentamos nada. En ambos casos, seguimos con una serie de preguntas concretas sobre cuestiones de política redistributiva.

Proporcionar esta información produjo un hecho notable en nuestro “grupo de tratamiento”; aquellas familias pobres que creían que no estaban tan mal posicionadas en la distribución del ingreso, ahora que sabían que eran relativamente más pobres de lo que pensaban manifestaban un mayor apoyo hacia  propuestas redistributivas, como por ejemplo su apoyo a programas sociales que otorguen ayuda en efectivo a los beneficiarios, como las que se vienen discutiendo y evaluando acá. Corregir percepciones se tradujo directamente en mayor apoyo a políticas redistributivas, y este efecto además de significativo fue sustancial: por ejemplo, representó la mitad de la diferencia de apoyo a la redistribución entre el quintil más pobre y el quintil más rico de la distribución.

Para explicar el título alternativo de esta columna, volvamos a la Argentina actual. De acuerdo al último informe del INDEC el costo de la canasta básica total, para una familia tipo es de tan solo $1.283, lo que implica siempre según datos oficiales que solo 9,9% de los argentinos serían pobres, dado que poseen ingresos que están por debajo de esa línea de pobreza. Para Carlos Marx, una de los impedimentos de la revolución socialista tenía que ver con lo que él denominaba la  “falsa consciencia de clase”, que implicaba que muchos asalariados terminaran teniendo comportamientos burgueses, porque carecían de conciencia de clase: no se daban cuenta que estaban siendo explotados. De los resultados de nuestro trabajo podemos inducir que proporcionar cifras sustancialmente menores a las reales sobre los niveles de pobreza agregados puede hacer que los individuos perpetúen sus visiones sesgadas de su situación relativa – en nuestro caso, mayor información fidedigna se tradujo en un mayor apoyo a políticas redistributivas, por lo que podemos extrapolar y plantear que dar información sesgada puede tener el efecto contrario.

En cualquier caso, la serie de ejemplos (y publicaciones) planteados indica que se abre un amplio campo de investigación en Economía sobre la formación de expectativas y percepciones, los mecanismos adquisición de información, y sus consecuencias.

Guillermo Cruces

CEDLAS-Centro de Estudios Distributivos, Laborales y Sociales Universidad Nacional de La Plata

Referencias

Bartels, L. (2005), “Homer gets a tax cut: Inequality and public policy in the American mind,” Perspectives on Politics, Vol. 3 (1).

Card, D., A. Mas, E. Moretti and E. Saez (2010), “Inequality at Work: The Effect of Peer Salaries on Job Satisfaction”, NBER Working Paper No. 16396.

Chetty, R. and E. Saez (2009), “Teaching the Tax Code: Earnings Responses to an Experiment with EITC Claimants”, NBER Working Paper No. 14836.

Cruces, Guillermo & Perez Truglia, Ricardo & Tetaz, Martin, 2011. “Biased Perceptions of Income Distribution and Preferences for Redistribution: Evidence from a Survey Experiment,” IZA Discussion Papers 5699, Institute for the Study of Labor (IZA).

Di Tella, R., S. Galiani and E. Schargrodsky (2008), “Reality versus Propaganda in the Formation of Beliefs about Privatization”, NBER Working Paper No. 14483.

Duflo, E. and E. Saez (2003), “The Role of Information and Social Interactions in Retirement Plan Decisions: Evidence from a Randomized Experiment”, Quarterly Journal of Economics, vol. 118 (3), pp. 815-842.

Hurd, M. (2009), “Subjective Probabilities in Household Surveys”, Annual Review of Economics, vol. 1, pp. 543-564.

Jensen, R. (2010), “The Perceived Returns to Education and the Demand for Schooling”, Quarterly Journal of Economics, vol. 125 (2), pp. 515-548.

Manski, C. (2004), “Measuring Expectations,» Econometrica, vol. 72 (5), pp. 1329-1376.

Norton, M. and D. Ariely (2011), “Building a Better America—One Wealth Quintile at a Time”, Perspectives on Psychological Science, vol. 6, pp. 9-12.

Zafar, B. (2011), “How Do College Students Form Expectations?,” Journal of Labor Economics, vol. 29 (2), pp. 301-348.