Aunque parezca mentira, sí podemos ponernos de acuerdo en algo: que los de por sí pocos recursos públicos que hay se usen de la mejor manera posible para atender las necesidades más apremiantes. Si nos ofrecieran la oportunidad de mejorar la asignación de miles de millones de pesos para las áreas más pobres la tomaríamos sin titubear. Sobre todo, si esto se puede hacer sin necesidad de recortar por otros lados.
La solución radica en la manera en que las sociedades modernas conciben el uso de las cifras para orientar sus decisiones. Todos los días se usa el resultado de alguna medición para tomar decisiones importantes: desde qué personas ingresan a la Universidad Nacional Autónoma de México (UNAM), con base en cierto puntaje del examen de admisión, hasta las mayores transformaciones de política económica y social conforme a las últimas proyecciones de cambio climático. Claro que no hay medición perfecta, pero si tales cifras no midieran eso que nos interesa, haríamos mal en emplearlas para decidir sobre el futuro de las siguientes generaciones.
En México, todos los años se destinan poco más de cien mil millones de pesos a ciertas zonas definidas como de atención prioritaria (ZAP, por su acrónimo oficial). Definir qué zona es prioritaria y cuál no, al igual que decidir quién entra o no a la UNAM, es complejo y es un tema clásico de medición. Entre los varios criterios posibles, el nivel de pobreza multidimensional de las unidades territoriales emerge como el central, razonable y, tal vez, como indiscutible.
El problema radica en que exigirles cifras exactas de pobreza a nivel municipal a nuestras instituciones no tiene sentido. De hecho, la mejor aproximación es inviable ya que para producir cifras de calidad comparable con las nacionales o estatales sobre el nivel de pobreza de cada municipio requeriría una encuesta prohibitivamente costosa. Es por ello por lo que la práctica estándar a nivel mundial es aproximar dichos valores mediante alguna estimación basada en modelos estadísticos complicados, aunque imperfectos. Así que sus resultados siempre darán lugar a errores de estimación grandes o pequeños. México ha recurrido a esta aproximación desde hace más de quince años. En un proyecto pionero en América Latina, nuestras instituciones produjeron las primeras estimaciones municipales conforme al estado del conocimiento estadístico de aquel entonces.
Las estimaciones oficiales municipales se hicieron bajo un entendimiento peculiar del problema que llevó a usar un procedimiento por partes -no muy bien conectadas- que intentaría balancear todas las necesidades de información de la administración con buenos niveles de precisión y exactitud sobre el nivel de pobreza en los municipios. Hoy sabemos, gracias a los avances de la estadística y a publicaciones recientes en el volumen 181 de la revista científica internacional Indicadores Sociales, que tal intento fue parcialmente exitoso y ha dado origen a dos problemas.
El primero es el sesgo de la estimación resultante. Piense en el GPS del celular: el punto azul se desvía de donde usted está parado, por ejemplo, aparece en la calle de atrás. Esto es esperable y les ocurre a las estimaciones oficiales municipales de pobreza: la evidencia disponible para los municipios más grandes del país apunta a desviaciones sistemáticas de unos seis puntos porcentuales.
El segundo es la incertidumbre del valor reportado. Alrededor del punto azul, el mapa destaca un círculo. Cuando es pequeño, uno camina con confianza, aunque el punto esté algo corrido. Cuando abarca toda una colonia, el mapa deja de servir: uno sabe que está en algún lugar de esa mancha, y nada más. El problema de la estadística oficial es que nos entrega el punto sin el círculo. No sabemos la incertidumbre sobre el valor reportado.
La imagen que acompaña este texto no proviene de la estadística oficial sino del ejercicio de estimación publicado en la revista de Indicadores Sociales ya mencionada. Usando como ejemplo 10 municipios, en el lado izquierdo se muestra sólo el punto. Con esta información seis de diez municipios cumplirían el criterio del mínimo del 15% de pobreza extrema para potencialmente ser consideradas como ZAPs. Sin embargo, cuando se considera la incertidumbre de la estimación, solamente tres lo cumplen con claridad y otros cinco bien podrían ser incluidos. Esto altera los cálculos posibles presupuestales.
Para asignar los recursos públicos es muy distinto saber que la pobreza de un municipio es del 15%, con un error de ±5 puntos, que afirmar que es del 14% con un rango de error desconocido. Según los criterios de las ZAP, los municipios con al menos 15% de pobreza extrema deberían priorizarse. ¿Y qué pasa si un municipio tiene 14% con un error de ±5 puntos y otro tiene 16% con un error del mismo tamaño? Conocer tales errores no es un lujo sino una necesidad.
Según los cálculos que emergen del uso de estos métodos modernos, hay aproximadamente 250 municipios —uno de cada diez— con un intervalo que incluye el 15%. Es decir, esos municipios se incluyen o excluyen por una combinación de errores de modelación y de emplear criterios que ignoran los inevitables errores.
Como se imaginará calcular todos esos errores es muy complicado, y no existe tal cosa como una estimación perfecta. Con lo que sabemos a partir de la investigación académica, hoy es posible reducir el error sistemático de las estimaciones oficiales aproximadamente a la mitad y reportar, para cada municipio, la precisión de la estimación (tal como se muestra en la gráfica). Con ello, una fracción de esos cien mil millones de pesos podría asignarse de mejor manera.
Todo ejercicio de estimación tiene sus desafíos y sus imperfecciones, pero vale la pena tener presentes las posibles consecuencias. En una entrevista reciente, Athanasios Orphanides, quien pasó más de una década tomando decisiones basadas en datos en la Reserva Federal de los Estados Unidos, da cuenta de lo problemático que resulta ignorar el error de medición: durante décadas se ignoró el tamaño de la brecha entre lo que debían medir y lo que terminaban midiendo. Las decisiones de política monetaria no fueron las mejores.
Orphanides concluye que la lección principal es que no se pueden evadir los errores de medición en la toma de decisiones. Tampoco se puede ignorar su reporte. El desafío no es generar mediciones para administrar sino adoptar cursos de acción que sean robustos a la incertidumbre de las mediciones. Las dudas sobre las estimaciones no atentan contra la administración, la mejoran.
Análisis de especialistas de Programa Universitario de Estudios del Desarrollo PUED-UNAM son presentados a nuestros lectores cada 15 días en un espacio que coordina Enrique Provencio.
El autor es doctor en Política Social en el Centro de Estudios de Pobreza y Exclusión social de la Universidad de Bristol, Reino Unido. Maestro en Economía por el ITESM y licenciado en Economía por la UAM. Postdoctorado en la Universidad de Bristol.
Comentarios: pued@unam.mx