¿Toman las personas decisiones óptimas a la primera? ¿Y en qué medida quedan atrapadas en hábitos subóptimos (y a qué coste)? El comportamiento subóptimo lleva mucho tiempo en debate (véase, entre otros muchos, Simon 1955), pero no se ha estudiado empíricamente con un gran conjunto de datos de consumidores.
Uso de datos de tarjetas de viaje del transporte público
En Larcom et al. (2015), nuestro objetivo es cubrir esta laguna. En el artículo analizamos un conjunto de datos único que recoge todos los desplazamientos individuales en el sistema de transporte público de Londres entre el 19 de enero y el 15 de febrero de 2014. Nuestros datos incluyen identificadores (codificados) de las tarjetas de viaje, gracias a los cuales podemos seguir el comportamiento individual. Del 4 al 6 de febrero de 2014, los trabajadores del metro de Londres (o ‘Tube’) se declararon en huelga, lo que provocó el cierre de algunas estaciones (pero no de todas), obligando a muchos viajeros a experimentar. En nuestro artículo utilizamos este acontecimiento para estudiar cómo cambia el comportamiento repetitivo de los viajeros tras un episodio de experimentación provocado por la interrupción.1
En la Figura 1 pueden consultarse las estadísticas descriptivas de nuestro conjunto de datos (las jornadas de huelga aparecen señaladas con líneas verticales). El panel superior izquierdo muestra la proporción de viajeros que acceden por su estación modal (es decir, la estación que más utilizaban antes de la huelga), mientras que el panel superior derecho muestra lo mismo para la estación modal de salida. Se aprecia con claridad en ambos paneles que muchos menos viajeros pudieron utilizar su estación modal durante la huelga, lo que implica que un número considerable de personas se vio obligado a explorar rutas alternativas. Los datos también sugieren que la huelga provocó cambios duraderos en el comportamiento, ya que la proporción de viajeros que utilizaban su estación modal parece reducirse tras la huelga (en el artículo corroboramos econométricamente esta afirmación). Los dos paneles inferiores ofrecen información sobre los tiempos de viaje. El panel inferior izquierdo muestra que la duración del trayecto medio en el sistema de transporte público de Londres aumentó durante la huelga, mientras que el panel inferior derecho muestra que la dispersión también aumentó.
Como la red solo se cerró parcialmente, algunos viajeros siguieron tomando su ruta habitual al trabajo, lo que nos permitió utilizar un enfoque de diferencias en diferencias (comparando el comportamiento de los viajeros ‘tratados’ y ‘no tratados’). Para garantizar la solidez de los resultados, definimos el grupo de tratamiento de tres formas distintas: quienes se apartaron de su trayecto modal previo a la huelga durante esta; aquellos cuya estación modal previa a la huelga (de entrada, de salida o ambas) estuvo cerrada durante la huelga; y quienes tuvieron tiempos de viaje medios durante los días de huelga suficientemente distintos de sus tiempos medios en el periodo previo a la huelga.
Figura 1. Estadísticas descriptivas de la huelga
Resultados
Comprobamos que quienes se vieron obligados a explorar rutas alternativas durante la huelga (‘los tratados’) tuvieron una probabilidad significativamente menor de volver a su trayecto modal previo a la huelga en el periodo posterior, en comparación con el grupo de control no tratado.
Este resultado se mantiene con independencia de cómo definamos el grupo de tratamiento y es robusto frente al uso de distintas estrategias de estimación. Según un argumento de tipo preferencias reveladas, esto sugiere que una fracción de los viajeros no había encontrado su trayecto óptimo antes de la huelga. Después de todo, tras la huelga volvieron a estar disponibles todas las rutas (incluida la modal previa), por lo que no elegir esta última opción sugiere que el viajero había encontrado una alternativa mejor durante la interrupción. En términos de magnitud, la proporción de quienes cambian de ruta tras la huelga es unos cinco puntos porcentuales mayor entre los tratados.
En cuanto al mecanismo, nuestros resultados sugieren que las imperfecciones informativas influyen en por qué los viajeros tratados tienen más probabilidades de cambiar tras la huelga. Tras digitalizar el mapa del metro de Londres y compararlo con las distancias reales entre estaciones, comprobamos que el grado de distorsión varía en la ciudad. Aprovechando esta variación (que la mayoría de los viajeros desconoce), nuestros resultados sugieren que quienes viven en zonas más distorsionadas (o que se desplazan a ellas) tuvieron menos probabilidades de volver a su trayecto modal previo a la huelga en el periodo posterior, lo que indica que quienes viven en zonas más distorsionadas aprendieron más de la huelga. También comprobamos que los individuos tratados tenían más probabilidades de cambiar su trayecto en el periodo posterior a la huelga si viajaban en una línea relativamente lenta antes de esta (siendo la velocidad del tren otra característica en la que las imperfecciones informativas desempeñan un papel, ya que los viajeros la desconocen hasta que prueban una línea concreta).
Interpretación
Nuestros resultados sugieren que una proporción significativa de viajeros descubrió una ruta mejor para llegar al trabajo gracias a la huelga.
Esto resulta desconcertante, ya que la trayectoria alternativa podría haberse descubierto antes mediante una experimentación voluntaria (en lugar de forzada).
Este hallazgo puede interpretarse de dos maneras. La primera interpretación es que los consumidores actuaban racionalmente y seguían la regla de búsqueda óptima, pero, debido a los costes de búsqueda, renunciaron (racionalmente) a encontrar la mejor alternativa antes de haber alcanzado su máximo global. En la terminología de Baumol y Quandt (1964), los viajeros según esta hipótesis no maximizaban, sino optimizaban (lo que Baumol y Quandt definen como actuar racionalmente ante la presencia de costes de búsqueda). La interpretación alternativa es que los agentes no seguían la regla de búsqueda óptima y experimentaban menos de lo que prescribe el modelo racional estándar. Es decir, no maximizaban ni optimizaban. Según esta segunda interpretación, los viajeros practicaban el ‘satisficing’ (es decir, seguían buscando hasta encontrar ‘algún resultado satisfactorio’) de una manera más difícil de racionalizar (como planteó Simon 1955).
Para ver qué interpretación se ajusta mejor a nuestros datos, utilizamos la solución de Weitzman (1979) al problema de la búsqueda óptima con costes (que es coherente con la noción de optimización de Baumol-Quandt). Utilizando cifras conservadoras para el ahorro de tiempo estimado y su equivalente monetario, calculamos que, si los viajeros siguieran la estrategia de búsqueda óptima, el coste de probar la alternativa no probada más atractiva tendría que ser superior a £380.2 Dada esta cifra inverosímilmente elevada, parece que los viajeros de nuestro conjunto de datos experimentaban menos de lo que describe el modelo racional estándar. En cambio, los agentes parecen practicar el satisficing de una manera que no resulta sencilla de racionalizar.3
Aunque un subconjunto de viajeros encontró mejores formas de llegar al trabajo gracias a la huelga, la gran mayoría (95 %) solo sufrió las perturbaciones del transporte. Sin embargo, de forma algo sorprendente, al comparar los costes impuestos a todos los viajeros tratados durante la huelga con las ganancias del subconjunto de beneficiarios, comprobamos que la huelga produjo beneficios netos (la principal razón es que las ganancias son mucho más duraderas que los costes). Es importante señalar que el beneficio neto de la huelga procedió de la propia perturbación, lo que respalda empíricamente la polémica hipótesis de Porter (1991), según la cual imponer una restricción a un sistema económico puede mejorar su eficiencia con el tiempo (ya que las restricciones obligan a los agentes a experimentar, innovar y reoptimizar). En el contexto específico del metro de Londres, esto implica que los viajeros podrían estar en mejor situación si recibieran un estímulo externo ocasional para experimentar. Dado que el cierre parcial de la red es una forma bastante radical de lograrlo, merece la pena investigar si el uso inteligente de las aplicaciones de planificación de viajes puede ‘empujar’ (nudge) a los viajeros a experimentar más.
Observaciones finales
De manera más general, nuestros hallazgos son relevantes para las políticas públicas, las prácticas empresariales y también para nuestra vida personal. Dado que una proporción significativa de viajeros del metro de Londres no encontró su ruta óptima hasta que se vio obligada a experimentar, quizá no deberíamos frustrarnos demasiado por no poder conseguir siempre lo que queremos, o porque otros tomen decisiones por nosotros. Si nos comportamos de forma parecida a los viajeros que practican el satisficing en la red del metro de Londres y experimentamos demasiado poco, enfrentarnos a este tipo de restricciones podría ser muy probablemente en nuestro beneficio a largo plazo. Introducir pausas ocasionales en nuestra rutina también podría resultar beneficioso.
Por tanto, nos preguntamos: ¿cuándo fue la última vez que hizo algo por primera vez?
Referencias
Baumol, W J y R E Quandt (1964), “Rules of Thumb and Optimally Imperfect Decisions”, The American Economic Review, 54 (2): 23-46.
Caplin, A, M Dean y D Martin (2011), “Search and Satisficing”, The American Economic Review, 101 (7): 2899-2922.
Larcom, S, F Rauch y T Willems (2015), “The Benefits of Forced Experimentation: Striking Evidence from the London Underground Network”, documento de trabajo, University of Oxford.
Porter, M E (1991), “America’s Green Strategy”, Scientific American, 264 (4): 168.
Simon, H A (1955), “A Behavioral Model of Rational Choice”, Quarterly Journal of Economics, 69 (1): 99-118.
Weitzman, M L (1979), “Optimal Search for the Best Alternative”, Econometrica, 47 (3): 641-654.
Notas al pie
1 Definimos como viajeros a quienes utilizan la red de metro a diario durante los días laborables sin huelga entre las 7 a. m. y las 10 a. m.
2 Para calcular esta cifra utilizamos las estimaciones de Stutzer y Frey (2008) sobre el coste monetario de los desplazamientos al trabajo.
3 Recientemente, Caplin et al. (2011) aportaron pruebas de un comportamiento de satisficing en un experimento de laboratorio. Sin embargo, no analizaron si sus participantes optimizaban en el sentido más amplio de Baumol-Quandt. Nuestros resultados sugieren que los viajeros no lo hacen.
Este artículo se publica en colaboración con VOX. La publicación no implica que el Foro Económico Mundial respalde las opiniones expresadas.
Para estar al día de la Agenda suscríbase a nuestro boletín semanal.
Autores: Shaun Larcom es Lecturer en el Department of Land Economy y Bye Fellow del St Edmund’s College Cambridge. Ferdinand Rauch es Associate Professor en el Department of Economics, University of Oxford, y CEPR Research Affiliate. Tim Willems es Postdoctoral Research Fellow en Nuffield College, University of Oxford.
Imagen: Viajeros esperan un tren del metro en la estación de King’s Cross, en Londres, el 29 de abril de 2014. REUTERS/Neil Hall
