Esta es la traducción de la primera parte de mi artículo de agosto en Mapping Ignorance:
Hasta los años 70 del pasado siglo había una división en la Economía. Por una parte, la Microeconomía estudiaba el comportamiento económico individual, sea un consumidor o una empresa, y fue capaz de construir una Teoría del Equilibrio General que explica razonablemente bien (al menos para ser una ciencia social) muchas regularidades como el comportamiento del mercado, los efectos de los impuestos en los precios y el bienestar de los consumidores, y las ventajas de las economías abiertas frente al proteccionismo, entre muchas otras. La Macroeconomía, por otra parte, estudiaba el comportamiento agregado y se centraba en problemas como el crecimiento, la inflación, el nivel de empleo y los ciclos económicos. Pero la división no era tanto en los problemas que estudiaban como en la metodología que se aplicaba: La Micro y la Macro se basaban en distintos principios.
No hay nada malo en que dos ciencias o dos ramas de una ciencia tengan diferentes conjuntos de supuestos primitivos mientras no sean contradictorios entre sí. Después de todo, no todas las ciencias pueden aspirar a describir y analizar su objeto de estudio en términos de las partículas elementales de la Física. La Macroeconomía podría perfectamente estar basada en el comportamiento agregado estadístico. El problema era que la Macroeconomía estaba demasiado agregada y que sus supuestos eran difícil de casar con los del análisis microeconómico, mejor fundamentado. Una gran parte de la historia de la Macroeconomía de las últimas décadas es la historia de cómo se han ido resolviendo estos dos problemas.
Uno de los aspectos más controvertidos era el uso de un agente representativo (AR). La Macroeconomía, incluidos los modelos keynesianos que dominaban hasta entonces, necesitaban este supuesto por razones de simplicidad en la computación. Un buen modelo económico debe tener en cuenta el ciclo completo de las variables o estar condenado al fracaso. Por ejemplo, si el gobierno incrementa el gasto público, debe aclararse cómo se financia y analizar las consecuencias no solo en el momento del gasto, sino también en el momento de recaudar el dinero necesario para ello. Los modelos que buscan hacer esto de una manera apropiada enseguida se complican y se hacen imposibles de calcular. Una manera de lidiar con el problema era simplificar la parte del consumo usando un AR. Esto no significa que se asuma la existencia de un único agente en la economía, sino que puede haber cualquier número siempre y cuando puedan modelizarse como uno solo. Los macroeconomistas encontraron varias condiciones para que este ejercicio fuera coherente, condiciones que servían de guía para saber cuándo podían fiarse de este tipo de modelos.
Sin embargo, en un trabajo conocido como La crítica de Lucas, Lucas (1976) [1] destacó los abusos que se estaban cometiendo al usar datos demasiado agregados o históricos, y su crítica sirvió como punto de partida para el desarrollo de modelos más detallados. Los nuevos estudios sobre la microfundamentación de la Macroeconomía y sobre computación, así como el desarrollo de ordenadores más potentes, ayudaron a este desarrollo.
A continuación discutiré una muestra de los avances en Macroeconomía tras la introducción modelos con agentes heterogéneos (AH). Un ejemplo ayudará a entender la importancia de este cambio. Pongamos que tenemos un modelo con las variables x, y y z, que definen algunas características de los agentes, y que sabemos que se cumple que z=x+y. Si ahora tenemos dos agentes para los que las variables toman los valores (x1=3, y1=3) y (x2=7, y2=7) respectivamente, entonces es posible postular un agente representativo para el que las variables toman los valores (x=5, y=5). Nótese que el valor de z para el agente representativo es 10, que coincide con el valor al hacer la media de z1= x1+y1=6 y z2= x2+y2=14. Sin embargo, si tenemos otra variable, por ejemplo r=xy, entonces la media de r1=3x3=9 y r2=7x7=49 es 29, mientras que el valor de r para el agente representativo será 25. Así que el que sea apropiado o no usar el AR depende de la manera en que las variables interactúan. Modelos de AR pueden ser adecuados para estudiar algunos aspectos de la economía, pero su metodología es claramente limitada.
Continúa aquí.
-----------------------------------------------------------------------------------------------------------
Hace tres años en el blog: Rebelde sin causa.
------------------------------------------------------------------------------------------------------------
No hay comentarios:
Publicar un comentario