Los economistas saben desde hace tiempo que el PIB es una medida imperfecta del bienestar. Además de no registrar las transacciones no comerciales, ignora la degradación ambiental, la calidad de las interacciones sociales y muchos otros resultados de interés económico. Pero, al menos desde Easterlin (1974), algunos economistas han ido más allá y han cuestionado la idea de que el PIB per cápita y el bienestar estén positivamente relacionados. Esto ha impulsado llamamientos a sustituir o relegar el PIB como medida del éxito nacional, complementándolo o reemplazándolo con medidas del bienestar subjetivo, una postura respaldada en algunos círculos gubernamentales. Otros han defendido la contracción deliberada de las economías (p. ej., Victor 2010, Kallis et al. 2012). Las medidas del bienestar subjetivo también se han utilizado para cuestionar el ‘conocimiento común’ sobre temas que van desde si estar en silla de ruedas reduce la felicidad hasta si los estudiantes deberían preferir ‘Podunk U’ o Harvard.
Consideramos que muchas de estas conclusiones son prematuras. Se han alcanzado sin un reconocimiento adecuado de los límites de las escalas de felicidad. Nuestro objetivo no es ofrecer una letanía de preocupaciones —lo cual puede hacerse con la mayoría de las métricas de las ciencias sociales—, sino establecer que las medidas estándar de felicidad no pueden ordenar la felicidad media de dos grupos sin supuestos adicionales sólidos sobre la distribución subyacente de la felicidad. Esperamos que, incluso si alcanzamos consenso sobre estos supuestos, muchas comparaciones seguirán sin poder ordenarse.
Cualquier clasificación puede invertirse
Una medida común de la felicidad pide a los encuestados que valoren su felicidad en una escala de tres puntos (p. ej., General Social Survey). “Teniendo todo en cuenta, ¿cómo diría que están las cosas en estos días? ¿Diría que es usted muy feliz, bastante feliz o no muy feliz?” Los investigadores suelen asignar a ‘muy feliz’ el valor 2, a ‘bastante feliz’ el 1 y a ‘no muy feliz’ el 0.
Pero, sin duda, no todas las personas que dicen ser muy felices lo son por igual. Aunque todos interpreten la pregunta de forma idéntica, algunas personas muy felices serán ‘extremadamente felices’, mientras que otras solo serán un poco más felices que ‘bastante feliz’. Estas respuestas representan a individuos que sitúan su felicidad (una variable continua) en categorías discretas. Por ejemplo, una persona puede decidir que es ‘bastante feliz’ si su felicidad está entre 60-80, y ‘muy feliz’ si está por encima de 80. Oswald (2008) denomina a esto la ‘función de notificación’. Con tres intervalos, si todas las personas usan la misma función de notificación, podemos, sin pérdida de generalidad, definir el intervalo inferior como felicidad por debajo de cero y el intervalo superior como felicidad por encima de 1.
Consideremos ahora el ejemplo de la Tabla 1, que muestra las respuestas sobre felicidad de dos grupos ficticios. La felicidad del Grupo A parece dominar estocásticamente a la del Grupo B. Cualesquiera valores que asignemos que mantengan el orden de las categorías muestran que el Grupo A es, en promedio, más feliz. Pero ¿qué ocurre cuando tratamos las respuestas como si representaran intervalos?
Tabla 1. Un ejemplo
La solución natural consiste en utilizar logit o probit ordenados, pero es importante normalizar correctamente. Cualquier comparación de los niveles de felicidad de dos grupos debe suponer que sus funciones de notificación son las mismas. Si un grupo responde ‘muy feliz’ solo cuando se siente ‘extraordinariamente feliz’ y el otro responde ‘muy feliz’ cuando se siente ‘bastante feliz’, es imposible utilizar estas respuestas para comparar los niveles medios de felicidad subyacente de los dos grupos. Por tanto, necesitamos normalizar los dos puntos de corte y no la media y la varianza, como es habitual.
Utilizando estas normalizaciones y el probit ordenado, encontramos que el Grupo B es, de hecho, más feliz en promedio (-.14 frente a -.18). La intuición es la siguiente. Los dos grupos tienen el mismo número de encuestados que responden ‘no muy feliz’, pero el Grupo A tiene más encuestados ‘muy felices’. Si la felicidad de cada grupo se distribuye normalmente, la distribución del Grupo A debe tener una varianza mayor. Como la varianza del Grupo A es mayor, sus miembros menos felices son menos felices que los del Grupo B. Cuando estimamos la media, esto acaba eclipsando el hecho de que sus miembros más felices son más felices. La dominancia estocástica en las respuestas categóricas no basta para ordenar la felicidad media.
Además, podemos invertir fácilmente nuestra conclusión sobre si el Grupo A o el B es más feliz en promedio. Del mismo modo que cualquier transformación monótona de una función de utilidad válida representa el mismo orden de preferencias, cualquier transformación monótona de la distribución de la felicidad es compatible con la misma distribución de felicidad declarada. Si transformamos la función de felicidad de modo que h’ = exp(h), obtenemos una distribución log-normal (con asimetría positiva) de la felicidad. Una distribución con asimetría positiva aumenta la dispersión entre los más felices y la disminuye entre los menos felices. Como el Grupo A tiene más individuos en la categoría más feliz, esta transformación incrementa en mayor medida la felicidad del Grupo A y basta para invertir el orden.
Este no es el resultado de un ejemplo cuidadosamente construido. A partir de los resultados de dos estimaciones de probit ordenado, siempre existe una transformación exponencial que invierte cuál de los grupos tiene una felicidad media más alta. Si el Grupo A tiene una media más alta y una varianza más baja bajo la distribución normal, siempre existe algún c tal que la transformación h’ = ech hace que el Grupo B sea, en promedio, más feliz. Si el Grupo A tiene una media más alta y una varianza más alta bajo la distribución normal, siempre existe algún c tal que la transformación h’ = e(ch) hace que el Grupo B sea, en promedio, más feliz.
Reevaluación de la relación entre el PIB y la felicidad
¿Están realmente el PIB y la felicidad desvinculados? En Bond y Lang (2014) utilizamos el probit ordenado para estimar la felicidad media en Estados Unidos en cada año de la General Social Survey, de 1972 a 2006. La Figura 1 representa la relación entre la felicidad media y el PIB real per cápita y confirma la ‘paradoja de Easterlin’: la relación es negativa, aunque no estadísticamente significativa. Sin embargo, como muestra la Figura 2, la varianza de la felicidad también disminuye con el PIB per cápita. Por tanto, si la felicidad tiene una asimetría negativa suficiente, la paradoja de Easterlin se resuelve. Si h’ = –e(-2.6h), la relación entre el PIB per cápita y la felicidad no solo es positiva, sino también estadísticamente significativa, como se muestra en la Figura 3.
Figura 1. Felicidad media y PIB per cápita
Figura 2. Desviación típica de la felicidad y PIB per cápita
Figura 3. Felicidad con asimetría negativa y sin paradoja de Easterlin
¿Qué ocurre con las comparaciones entre países? Utilizando una escala de cuatro puntos, la Encuesta Mundial de Valores evaluó la felicidad en 57 países. Dado que pocos encuestados se sitúan en la categoría más baja, combinamos las dos categorías inferiores, lo que mantiene la comparabilidad con nuestros resultados de la GSS. Como muestra la Tabla 2 —si la felicidad se distribuye normalmente—, México, Trinidad y Tobago, Gran Bretaña, Ghana y Colombia son los países más felices, lo que sugiere que la relación entre desarrollo y felicidad es débil o negativa. Una transformación log-normal con asimetría positiva (h’ = e2h) refuerza este resultado, sustituyendo a Gran Bretaña y Columbia por Guatemala y Sudáfrica. Sin embargo, si la felicidad tiene una asimetría negativa (h’ = –e(-2h)), los cinco países más felices pasan a ser Nueva Zelanda, Suecia, Canadá, Noruega y Gran Bretaña, todos miembros de la OCDE. Cabe señalar que algunas clasificaciones no se ven afectadas por la asimetría de la distribución de la felicidad dentro de este rango: es muy difícil hacer que Irak parezca un lugar feliz. Sin embargo, existe una gran variación en el resto. Ghana pasa de ser el país más feliz a ser el tercero menos feliz según la transformación que elijamos.
Tabla 2. Clasificación de países por felicidad media
La investigación sobre la felicidad en el futuro
¿Cómo pueden los investigadores extraer conclusiones adecuadas a partir de los datos de felicidad, dados los problemas que hemos planteado?
Podríamos suponer que conocemos la distribución de la felicidad relevante para las políticas. Sin embargo, esto implica tomar posturas definitivas sobre cuestiones clave del campo. Por ejemplo, dado que la riqueza y los ingresos tienen una asimetría positiva muy marcada, suponer que la felicidad se distribuye normalmente requiere casi necesariamente que el efecto marginal de los ingresos o la riqueza sobre la felicidad sea fuertemente decreciente.
Alternativamente, podríamos suponer que solo las propias categorías son relevantes para las políticas. Entonces podríamos utilizar la dominancia estocástica para ordenar los grupos según sus respuestas categóricas. Si bien este enfoque tiene un atractivo intuitivo, es fácil construir ejemplos en los que conduce a una conclusión errónea si los datos subyacentes conocidos se agrupan en categorías discretas. Por ejemplo, los actores tienen salarios medios altos, pero la mayoría tiene ingresos bajos.
(Fuente: Encuesta Mundial de Valores de 2005.)
Por supuesto, a medida que aumenta el número de puntos de la escala, estos pueden tratarse como puntos en lugar de intervalos, pero el supuesto de una función de notificación común se vuelve problemático. Utilizar la escala convencional de Cantril (1965) con once intervalos plantea problemas técnicos importantes, ya que solo disponemos de dos normalizaciones libres y no podemos identificar ningún momento más allá de los dos primeros.
Confiamos en que los investigadores puedan llegar a un acuerdo sobre lo que constituyen distribuciones razonables de la felicidad. Por ejemplo, proponemos el ‘supuesto de Tolstói’: que la felicidad tiene una asimetría negativa (“Todas las familias felices se parecen; cada familia infeliz lo es a su manera”). Si un investigador llega a una conclusión que exige que la felicidad tenga una asimetría positiva, debe concluir también que el ingreso per cápita y la felicidad no aumentan conjuntamente. En cualquier caso, los investigadores de la felicidad deben ser explícitos sobre sus supuestos distributivos subyacentes al extraer conclusiones a partir de los datos de bienestar subjetivo.
Si aceptamos el supuesto de Tolstói, algunos resultados (por ejemplo, el efecto positivo de Moving-to-Opportunity sobre la felicidad) se refuerzan, mientras que, como hemos demostrado, otros se invierten. Mientras no reconozcamos y abordemos los problemas específicos asociados a los datos categóricos utilizados para estimar la felicidad, es prematuro aplicarlos para extraer conclusiones sólidas que orienten las políticas.
Publicado en colaboración con Vox.
Autores: Timothy N. Bond es profesor adjunto de Economía en la Krannert School of Management, Universidad de Purdue; Kevin Lang es catedrático de Economía en la Universidad de Boston
Imagen: Un niño disfrazado de payaso participa en una peregrinación anual en la Basílica de Guadalupe, en la Ciudad de México, el 18 de julio de 2012. REUTERS/Henry Romero
