Teoria ou dados?

Já falei ali em baixo sobre o soul-searching a que muitos macroeconomistas se têm dedicado nos últimos anos, depois de constatarem fertilidade limitada do uso de DSGE’s como programa de investigação. Mas há debates menos herméticos do que esse a correr em paralelo. Como este, acerca da interacção entre teoria e investigação empírica: How should theory and evidence relate to each other? (Noah Smith)

Without a structural model, empirical results are only locally valid. And you don’t really know how local “local” is. If you find that raising the minimum wage from $10 to $12 doesn’t reduce employment much in Seattle, what does that really tell you about what would happen if you raised it from $10 to $15 in Baltimore?

That’s a good reason to want a good structural model. With a good structural model, you can predict the effects of policies far away from the current state of the world.

In lots of sciences, it seems like that’s exactly how structural models get used. If you want to predict how the climate will respond to an increase in CO2, you use a structural, microfounded climate model based on physics, not a simple linear model based on some quasi-experiment like a volcanic eruption. If you want to predict how fish populations will respond to an increase in pollutants, you use a structural, microfounded model based on ecology, biology, and chemistry, not a simple linear model based on some quasi-experiment like a past pollution episode.

That doesn’t mean you don’t do the quasi-experimental studies, of course. You do them in order to check to make sure your structural models are good. If the structural climate model gets a volcanic eruption wrong, you know you have to go back and reexamine the model. If the structural ecological model gets a pollution episode wrong, you know you have to rethink the model’s assumptions. And so on.

(…)

Economics could, in principle, do the exact same thing. Suppose you want to predict the effects of labor policies like minimum wages, liberalization of migration, overtime rules, etc. You could make structural models, with things like search, general equilibrium, on-the-job learning, job ladders, consumption-leisure complementarities, wage bargaining, or whatever you like. Then you could check to make sure that the models agreed with the results of quasi-experimental studies – in other words, that they correctly predicted the results of minimum wage hikes, new overtime rules, or surges of immigration. Those structural models that failed to get the natural experiments wrong would be considered unfit for use, while those that got the natural experiments right would stay on the list of usable models. As time goes on, more and more natural experiments will shrink the set of usable models, while methodological innovations enlarges the set.

But in practice, I think what often happens in econ is more like the following:

1. Some papers make structural models, observe that these models can fit (or sort-of fit) a couple of stylized facts, and call it a day. Economists who like these theories (based on intuition, plausibility, or the fact that their dissertation adviser made the model) then use them for policy predictions forever after, without ever checking them rigorously against empirical evidence.

2. Other papers do purely empirical work, using simple linear models. Economists then use these linear models to make policy predictions (“Minimum wages don’t have significant disemployment effects”).

3. A third group of papers do empirical work, observe the results, and then make one structural model per paper to “explain” the empirical result they just found. These models are generally never used or seen again.

A lot of young, smart economists trying to make it in the academic world these days seem to write papers that fall into Group 3. This seems true in macro, at least, as Ricardo Reis shows in a recent essay. Reis worries that many of the theory sections that young smart economists are tacking on to the end of fundamentally empirical papers are actually pointless

(…)

It’s easy to see this pro-forma model-making as a sort of conformity signaling – young, empirically-minded economists going the extra mile to prove that they don’t think the work of the older “theory generation” (who are now their advisers, reviewers, editors and senior colleagues) was for naught.

But what is the result of all this pro-forma model-making? To some degree it’s just a waste of time and effort, generating models that will never actually be used for anything. It might also contribute to the “chameleon” problem, by giving policy advisers an effectively infinite set of models to pick and choose from.

And most worryingly, it might block smart young empirically-minded economists from using structural models the way other scientists do – i.e., from trying to make models with consistently good out-of-sample predictive power. If model-making becomes a pro-forma exercise you do at the end of your empirical paper, models eventually become a joke. Ironically, old folks’ insistence on constant use of theory could end up devaluing it.

(…)

In other words, econ seems too focused on “theory vs. evidence” instead of using the two in conjunction. And when they do get used in conjunction, it’s often in a tacked-on, pro-forma sort of way, without a real meaningful interplay between the two. Of course, this is just my own limited experience, and there are whole fields – industrial organization, environmental economics, trade – that I have relatively limited contact with. So I could be over-generalizing. Nevertheless, I see very few economists explicitly calling for the kind of “combined approach” to modeling that exists in other sciences – i.e., using evidence to continuously restrict the set of usable models.

O que significa “financiamento monetário dos défices”?

De há umas semanas para cá que tenho perdido algum tempo a espreitar o programa de compra de activos do BCE, sobretudo na parte que diz respeito ao sector público. E nas análises que fui lendo há um termo que aparece recorrentemente: “financiamento monetário dos défices”. O que me fez pensar um bocado acerca do que é que é suposto estar encapsulado neste conceito, porque me parece menos óbvio do que se julga.

A Wikipédia define o financiamento monetário dos défices como:

Debt monetization is the financing of government operations by the central bank (…) The central bank may purchase government bonds by conducting an open market purchase, i.e. by increasing the monetary base through the money creation process. If government bonds that have come due are held by the central bank, the central bank will return any funds paid to it back to the treasury. Thus, the treasury may “borrow” money without needing to repay it.

O meu problema com esta definição é: se consideramos que isto é “financiamento monetário dos défices”, então será que o “financiamento monetário dos défices” não é a coisa mais corriqueira e habitual da actividade de um banco central, uma actividade que acontece em todos os países, em todas as décadas e ao longo de todos os ciclos económicos? E será que isso não a torna, enfim, banal e trivial, sem grande relevância ou importância prática?

Continuar a ler

As pensões vão baixar (e não há muito que se possa fazer)

Aqui há uns tempos escrevi um post acerca de Segurança Social que teve um impacto razoável. A ideia de fundo era que o conceito de “sustentabilidade da Segurança Social”, de que muitas vezes se fala, não implica necessariamente “boas pensões”, ou sequer pensões razoáveis. Implica apenas que as receitas do sistema chegam para financiar as responsabilidades.

E, por isso, não há qualquer incompatibilidade em dizer que um sistema de Segurança Social é sustentável e que ao mesmo tempo conduz a uma redução contínua da taxa de substituição entre o último salário e a pensão correspondente. Logo, ninguém devia usar a imagem de baixo para anunciar que o sistema vai afundar. Pelo contrário, é o fenómeno retratado na imagem que permite evitar o colapso do sistema.

1

Infelizmente, ninguém ligou pêva aos posts seguintes (1, 2, 3)  E foi uma pena, porque estes posts tinham uma conclusão ainda mais contra-intuitiva: que a diminuição do rácio de substituição das pensões é largamente independente do tipo de sistema em vigor. Não interessa se descontamos para o Fundo da Segurança Social, se metemos o dinheiro debaixo do colchão ou se o investimentos nos mercados financeiros; se a população está a mingar e a idade média a aumentar, então as pensões futuras, venham elas de onde vierem, serão necessariamente mais baixas.

Continuar a ler

Como não analisar os números do PIB

Todos os trimestres o INE divulga um destaque simpático com o comportamento do PIB nos três meses anteriores. E todos os trimestres ouvimos analistas a explicar este comportamento com base na evolução das suas componentes: o PIB cresceu ‘à boleia do Consumo Privado’, ‘acelerou por causa do Investimento’ ou ‘caiu por causa de um contributo negativo das exportações’.

Não há nada de errado nisto. O problema é quando se confunde contabilidade com causalidade, atribuindo o crescimento do PIB ao contributo contabilístico de cada variável.

Infelizmente, não é assim tão simples. Na verdade, é perfeitamente possível que o PIB cresça muito, que todo esse crescimento seja imputado a uma única variável e, ainda assim, que essa variável não tenha nada a ver com o assunto.

Continuar a ler

Robôs, produtividade e pontas soltas

Num post anterior acerca dos robôs-que-nos-roubam-empregos notei os sinais contraditórios que recebemos de fontes diferentes. Por um lado, os media (e a experiência pessoal, convenhamos) sugerem que vivemos numa época de inovação tecnológica extraordinária. Por outro lado, as estatísticas agregadas mostram que a produtividade está pelas ruas da amargura.

Será que uma impressão está correcta e a outra está errada? Ou há alguma coisa a escapar-nos, e a contradição é mais aparente do que real? Eu diria que há pelo menos três explicações possíveis.

A explicação mais trivial é que há um delay considerável entre o momento em que as inovações são descobertas e o momento em que são incorporadas nos processos produtivos. Há inúmeros exemplos retirados da Revolução Industrial, mas o meu favorito é a afirmação de Robert Solow, de que “podemos encontrar computadores em todo o lado, excepto nas estatísticas da produtividade”. Poucos anos após pôr meio mundo a discutir o verdadeiro impacto das tecnologias de informação (1987), o alerta revelou-se extemporâneo. A produtividade disparou nos anos 90 e os estudos subsequentes mostraram que isto se devia em parte… às tecnologias de informação.

Se o passado serve para iluminar o futuro, então talvez os robôs sejam mesmo para levar a sério. Talvez seja só uma questão de tempo até que os protótipos passem das capas da Wired, onde fazem manchetes mas (ainda) não produzem, para os lares das famílias e linhas de montagem das empresas. Se for este o caso, então talvez o desemprego tecnológico – transitório, mas real – seja uma possibilidade séria nos próximos 10 ou 20 anos.

Uma segunda explicação é que podemos estar apenas a medir mal o crescimento do PIB – e, consequentemente, temos uma ideia incorrecta da produtividade.

Continuar a ler

O efeito Trump nos juros europeus

A questão dos robôs a roubar empregos é muito interessante, mas antes de prosseguir para o segundo capítulo queria descer à terra para comentar a questão do momento: o Governo Trump.

Bom, não é bem a nova Administração, mas sim o seu impacto nos mercados financeiros. Há cada vez mais pessoas preocupadas com a subida das taxas de juro e com o efeito que isto vai ter na política do BCE e, por consequência, em Portugal. No Observador, por exemplo, Rui Ramos e Helena Garrido escrevem sobre o que vem aí:

Quando a política monetária do BCE mudar temos de estar preparados para nos financiarmos sem o apoio das compras de dívida de Frankfurt. E isso pode estar mais perto de acontecer do que pensávamos antes da vitória de Donald Trump. Sim, neste momento, parece que a economia portuguesa está a navegar para águas mais calmas. Não, ainda não estamos fora da zona de perigo. É preciso que esta recuperação da economia no terceiro trimestre se confirme e se reforce rapidamente antes de chegar o aumento das taxas de juro.

Relativamente ao aumento anunciado das taxas de juro, confesso, eu estou um pouco mais relaxado.

É importante olhar para os mercados e ver o que acontece por lá – neste caso, uma subida dos juros com repercussões em Portugal. Mas se começarmos a análise por aqui, estamos a começar a meio do caminho. Primeiro é preciso fazer alguma engenharia invertida e perguntar por que é que os juros estão a subir, porque um mesmo efeito pode ter várias causas, mas as implicações de cada uma podem ser radicalmente diferentes.

Continuar a ler

Robôs a roubar empregos

Este é um daqueles post guardados como draft há algum tempo. A ideia era publicar alguma coisa durante a Web Summit, mas acabei por não ter tempo. Felizmente, o Observador fez-me o favor de manter o tema vivo:

Os robôs vão ajudar-nos a mudar o mundo. E vão roubar os nossos empregos: O Fórum Económico Mundial prevê que, até 2020, desapareçam cinco milhões de empregos nos quinze países mais desenvolvidos do mundo por causa da evolução da robótica e da inteligência artificial. Segundo o estudo, divulgado no início deste ano na Conferência de Davos, os setores da saúde, energético e financeiro serão os mais afetados, mas também haverá perdas de trabalho consideráveis na construção, na extração de recursos e no setor das artes e do entretenimento.

Vamos supor que há de facto uma legião de robôs capazes de fazer tão bem ou melhor o trabalho que hoje é feito por seres humanos. Este é um grande ‘se’, como veremos daqui a pouco. Mas mesmo assumindo a premissa como verdadeira não é óbvio em que é que isto difere dos processos de mecanização e automatização que estão em curso há… enfim, há vários séculos. Trocar mão-de-obra por maquinaria é o que tem acontecido nas economias desenvolvidas pelo menos desde a Revolução Industrial.

Continuar a ler