de Timothy J. Kehoe, Pau S. Pujolàs y Jack Rossbach
Cuando dos países se ponen de acuerdo en firmar un tratado de libre comercio, varias industrias se ven afectadas: unas crecen mucho, otras menos, e incluso algunas se reducen. Existe un gran consenso en la profesión — sustanciada ampliamente en los datos — de que un tratado de libre comercio, a pesar de acarrear algunos costes, genera más ganancias que pérdidas. Estas suelen venir en forma de bajadas de precios para los consumidores, incremento del número de variedades disponibles, o apertura de nuevos mercados para las mejores empresas. El problema, no obstante, consiste en saber identificar qué industrias se ven afectadas, y de qué manera. Hacer una buena predicción en esta dirección ayudará a los políticos de turno a hacer que las ganancias totales sean repartidas de forma que nadie sufra. Se les podrá comunicar a aquéllos cuyos ingresos dependan de industrias que vayan a crecer que quizás sus ganancias deberán ser transferidas a los que, desafortunadamente, tengan ingresos que dependan de las industrias que vayan a reducirse. De esta forma, beneficiando a todos, conseguiremos una mejora global. Además de conseguir que los beneficios estén repartidos, saber hacer este ejercicio de forma correcta permitirá explicar a la población que los tratados de libre comercio pueden generar, si van acompañadas de las políticas correctas, ganancias para todos. Este punto es de un importantísimo interés a día de hoy, que parece que las malas ideas de proteccionismo y controles estatales vuelven a ver la luz del día en muchos rincones del planeta.
Si hay algo en que los economistas hemos fallado rotundamente, es precisamente en hacer buenas predicciones sobre qué industrias se verán afectadas (y de qué forma) una vez un tratado de libre comercio sea una realidad. Para convencerles de ello, déjennos darles unas pinceladas sobre cómo hacemos predicciones los economistas.
Primero, creamos modelos de equilibrio general, que consisten en modelizar i) hogares, cuyos miembros quieren ser felices eligiendo qué bienes consumen, cuántas horas trabajan, y cuánto ahorran (maximizan su utilidad); ii) empresas, que quieren hacerse ricas (maximizan beneficios) produciendo bienes, alquilando trabajo y ahorros (capital) de los hogares, así como comprando bienes intermedios de otras empresas; y iii) gobierno, que mete impuestos a hogares y empresas, da subsidios, y sigue una política determinada, objeto del estudio. El objetivo es ver como cambios en ésta política hace reaccionar a los agentes de la economía, y, tomadas todas las reacciones en su conjunto, ver como tales cambios acaban afectando a la economía. Todas las decisiones de empresas y hogares están ligadas: lo que los hogares quieren trabajar tiene que coincidir con el trabajo que las empresas alquilan; lo que los hogares ahorran tiene que coincidir con el capital que las empresas invierten; y lo que los hogares consumen y lo que las empresas compran como bienes intermedios tiene que coincidir con lo que las empresas productoras de estos bienes producen. Además, la decisión de empresas sobre alquilar más o menos trabajo depende de si alquilan más o menos capital y los hogares deciden trabajar más o menos dependiendo de cuanto consumen.
Una vez creado el modelo, hay que determinar qué números ponerle a los parámetros que lo gobiernan: el problema de los hogares contiene parámetros que determinan cuál será su comportamiento (cuando su renta cae ¿ahorrarán más o menos?), y lo mismo pasa con las empresas (¿hasta qué punto se pueden sustituir capital y trabajo?) Elegir bien estos parámetros se llama el ejercicio de calibración del modelo. La idea de la calibración es asegurarse que, antes del cambio de política, el modelo y los datos observados sean lo más parecidos posible.
Si el modelo es una buena representación de la economía, y los parámetros están bien calibrados, las predicciones del modelo se ajustarán a los cambios que se observarán en los datos. Para nuestro país, un buen ejemplo de este ejercicio es Kehoe et al. (1988), donde se evaluó cuáles serían las consecuencias de implementar el impuesto sobre el valor añadido en España, algo que tenía que suceder para entrar a la Comunidad Económica Europea. En Kehoe, Polo y Sancho (1995), se compararon las predicciones del modelo con los datos. En la Tabla 1, tercera columna, mostramos que la correlación entre las predicciones del modelo y los datos es bastante alta (0.523). Nótese que el ejercicio cuenta con todas las industrias excepto agricultura, puesto que los autores no disponían de datos para ello. Cuando se introdujo el IVA, España sufrió una importante sequía y una fuerte caída de los precios del petróleo, cosas que las predicciones del modelo original no tuvieron en cuenta. Si se tiene en cuenta, el modelo es capaz de capturar mejor los cambios en los precios relativos y en la producción de automóviles, pero a nivel de producción, la predicción es parecida (última columna de la Tabla 1). Sin duda, el logro más importante del modelo fue predecir correctamente que la implementación del IVA incrementa sustancialmente la presión fiscal sobre la economía.
¿A caso no tenemos buenos modelos de comercio? ¿O es que no los sabemos calibrar? Los modelos de comercio internacional que tenemos funcionan la mar de bien en muchos aspectos. La calibración que se hace de dichos modelos suele ir en la línea de cómo se calibran modelos en otras partes de la literatura, así que tampoco está claro que esto lo hagamos tremendamente mal. Pero hay una observación clave que los modelos de comercio internacional no capturan y que hace que una vez calibrados, éstos no puedan predecir bien cómo cambian las industrias después de una liberalización comercial: los productos menos comerciados van a crecer muchísimo más que los productos más comerciados (Kehoe y Ruhl, 2013).Es decir, los modelos aplicados de equilibrio general funcionan ¡y muy bien! cuando se analizan cambios impositivos. Uno podría pensar que estos modelos también funcionan bien para analizar el efecto de una liberalización comercial. Desafortunadamente, esto no es así.
Kehoe, Ruhl y Rossbach (2015) usan información sobre cuántos productos menos comerciados hay en una industria para hacer predicciones sobre el cambio que dicha industria tendrá después de firmar NAFTA. En la última columna de la Tabla 2, mostramos la correlación entre predicciones y datos es alta: en media, 0.39. En comparación, la correlación entre datos y los cambios que predijo el mejor modelo aplicado de equilibrio general que se hizo en aquellas fechas (Brown, Deardorff y Stern, 1992, 1995) es 0 (es decir, si uno se inventase como iban a cambiar las industrias, lo haría igual de bien). Es desafortunado, pues, que los modelos que se usaron para predecir el impacto de NAFTA no funcionaron nada bien.
En Kehoe, Pujolas y Rossbach (2017) hacemos un análisis parecido (las diferencias en el método son tecnicidades) al de Kehoe, Rossbach y Ruhl (2015) pero lo hacemos para varias liberalizaciones comerciales recientes. Mostramos que solamente información sobre la fracción de productos menos comerciados que tiene cada industria antes de la liberalización se correlaciona muy bien con el crecimiento de dichas industrias después de la liberalización. Luego, comparamos las predicciones que los modelos más punteros utilizados por las organizaciones que estudian el impacto de políticas comerciales como el Banco Mundial y la Organización Mundial del Comercio (el GTAP, véase Hertel, 2013), y vemos que, de nuevo, la correlación entre predicciones y datos es muy baja. Finalmente, mostramos que el modelo más puntero utilizado por economistas académicos (Caliendo y Parro, 2015) sufre del mismo problema. ¿La razón? Ninguno de ellos tiene en cuenta los productos menos comerciados.
Déjennos concluir con una nota de optimismo: pronto seremos capaces de hacer mejores predicciones sobre cómo van a cambiar las industrias después de una liberalización comercial. Cuando las hagamos, tendremos que conseguir que los políticos de turno las utilicen para mejorar el bienestar de todos y cada uno de los afectados. Cuando esto ocurra se podrá ver que el comercio internacional es, en realidad, una tecnología preciosa para hacernos ganar a todos en bienestar, y podremos abandonar, de nuevo, los peligros que acarrea el proteccionismo.
Referencias
Brown, D. K., A. V. Deardorff y R. M. Stern (1992): “A North American Free Trade Agreement: Analytical Issues and a Computational Assessment,” World Economics, 15(1), 11–30.
Brown, D. K., A. V. Deardorff y R. M. Stern (1995): “Estimates of a North American Free Trade Agreement,” en P.J. Kehoe y T. J. Kehoe (Eds.), Modelling North American Economic Integration, Lower Academic Publishers, 59–74.
Caliendo, L. y F. Parro (2015): “Estimates of the Trade and Welfare Effects of NAFTA,” Review of Economic Studies, 82(1), 1–44.
Hertel, T. (2013): “Global Applied General Equilibrium Analysis Using the Global Trade Analysis Project Framework,” Handbook of Computable General Equilibrium Modeling, Chapter 12, 815–876.
Kehoe, T. J., A. Manresa, P. J. Noyola, C. Polo y F. Sancho (1988): “A General Equilibrium Analysis of the 1986 Tax Reform in Spain,” European Economic Review, Papers and Proceedings, 32(2–3), 334–342.
Kehoe, T. J., C. Polo y F. Sancho (1995): “An Evaluation of the Performance of an Applied General Equilibrium Model of the Spanish Economy,” Economic Theory, 6(2), 115–141.
Kehoe, T. J., P. S. Pujolas y J. Rossbach (2017): “Quantitative Trade Models: Developments and Challanges,” Annual Review of Economics, forthcoming.
Kehoe, T. J., J. Rossbach y K. J. Ruhl (2015): “Using the New Products Margin to Predict the Industry-level Impact of Trade Reform,” Journal of International Economics, 96(2), 289–297.
Kehoe, T. J. y K. J. Ruhl (2013): “How Important Is the New Goods Margin in International Trade?” Journal of Political Economy, 121(2), 358–92.
