Problema de identificación causal entre shocks superpuestos

Qué es

En economía casi nunca podemos hacer experimentos. No se puede repetir la historia de un país quitando una crisis para ver qué habría pasado sin ella. Por eso, cuando dos o más shocks golpean una economía al mismo tiempo, o en una secuencia muy corta, aparece una dificultad seria: ¿cuánto del daño observado se debe a cada uno? Ese es el problema de identificación causal entre shocks superpuestos.

La raíz del problema es más general. Para medir el efecto causal de un evento hay que comparar lo que ocurrió con lo que habría ocurrido sin ese evento, el llamado contrafactual. Ese contrafactual nunca se observa directamente. Holland (1986) lo llamó el "problema fundamental de la inferencia causal": para una misma unidad y un mismo momento solo vemos un resultado, nunca los dos.

Cuando hay un solo shock, el contrafactual se puede aproximar con la tendencia previa, con otros países parecidos o con un modelo. Cuando hay dos shocks superpuestos, se agregan tres complicaciones:

1. Coincidencia temporal. Si ambos shocks ocurren casi a la vez, una serie de tiempo no tiene suficiente variación para separar sus efectos. Estadísticamente se parece a la colinealidad: dos variables explicativas que se mueven juntas producen estimaciones individuales muy imprecisas, aunque su efecto conjunto sea claro.
2. Interacción. Los shocks no siempre se suman. Uno puede amplificar al otro. Una economía que ya venía debilitada puede absorber peor un segundo golpe, y entonces "el efecto de A" deja de estar bien definido sin especificar si B estaba presente.
3. Canales comunes. Si ambos shocks afectan la economía por la misma vía (menos inversión, más incertidumbre, caída del empleo), mirar ese canal no permite distinguir el origen.

La literatura sobre identificación, sintetizada por Manski (1995), insiste en una idea incómoda: los datos por sí solos no identifican un efecto. Hacen falta supuestos, y la conclusión vale lo que valen esos supuestos. En macroeconomía, Sims (1980) criticó las restricciones "increíbles" de los modelos de su época y propuso los vectores autorregresivos (VAR). Con ellos se hizo evidente que separar shocks exige siempre alguna restricción explícita sobre su orden o su forma.

Las herramientas habituales para enfrentar el problema son:

• Comparación con otros países, que sirven de grupo de control porque sufrieron uno de los shocks pero no el otro. Un caso típico es una pandemia global frente a una crisis política local.
• Control sintético (Abadie, Diamond y Hainmueller, 2010). Construye una "versión artificial" del país combinando otros países, ponderados para imitar su trayectoria previa al shock.
• Diferencias en diferencias, que compara sectores o regiones expuestos de forma distinta a cada shock.
• Cronología fina, que usa datos de alta frecuencia para ver qué se movió primero.

Ninguna resuelve el problema por completo. Lo acotan.

Cómo lo explicó el programa

En el episodio [btm-2026-10-19] (19 de octubre de 2026), dentro del tema "El crecimiento que no llegó", el programa abordó un caso de manual: el estallido social de octubre de 2019 y la pandemia de 2020, dos shocks separados por apenas unos meses.

El punto de partida fue reconocer explícitamente la dificultad. Es difícil separar el efecto del estallido del de la pandemia. Aun así, el programa destacó un hecho que sí se puede observar: Chile nunca recuperó su crecimiento, su empleo ni su formación bruta de capital fijo, y crece por debajo de sus vecinos pese a un precio del cobre en máximos.

Ese contraste es, en el fondo, una forma intuitiva de construir un contrafactual. Los países vecinos también sufrieron la pandemia, pero no un estallido equivalente. Además, el cobre alto debería haber empujado la economía chilena hacia arriba. Si aun así Chile queda rezagado, hay un residuo que la pandemia sola no explica.

Pepe Arias lo resumió así: "el estallido no inventó el estancamiento, pero lo [a]gravó y lo prolongó." La frase separa con cuidado tres cosas: un estancamiento que ya venía de antes, el shock que lo profundizó y el mecanismo que lo hizo durar. Según el programa, ese mecanismo fueron cuatro años de incertidumbre institucional. Es una respuesta honesta al problema de identificación. No pretende asignar un porcentaje exacto a cada shock, pero sí sostiene una conclusión direccional respaldada por la comparación.

Relación con otros conceptos

El problema está ligado al sesgo de variable omitida: atribuir a un shock efectos que en realidad provienen de otro que no se controló. También se conecta con la noción de contrafactual y con los métodos de inferencia causal que popularizaron Angrist y Pischke (2009).

En el caso chileno, el canal propuesto remite a la teoría de inversión bajo incertidumbre. Cuando la inversión es difícil de revertir, la incertidumbre eleva el valor de esperar, y la formación de capital se posterga (Dixit y Pindyck, 1994). Bloom (2009) mostró que los shocks de incertidumbre pueden generar caídas de actividad por sí mismos.

Finalmente, la idea de que un shock "prolongue" un estancamiento se relaciona con la histéresis: shocks transitorios que dejan efectos persistentes sobre el PIB potencial, el empleo o el stock de capital. El papel del cobre conecta con los términos de intercambio como factor que, en principio, debió jugar a favor.

Fuentes y lecturas

• Holland, P. W. (1986), "Statistics and Causal Inference", Journal of the American Statistical Association, 81(396).
• Angrist, J. D. y Pischke, J.-S. (2009), Mostly Harmless Econometrics: An Empiricist's Companion, Princeton University Press.
• Abadie, A., Diamond, A. y Hainmueller, J. (2010), "Synthetic Control Methods for Comparative Case Studies", Journal of the American Statistical Association, 105(490).
• Bloom, N. (2009), "The Impact of Uncertainty Shocks", Econometrica, 77(3).
• Wooldridge, J. M., Introducción a la econometría: un enfoque moderno, Cengage Learning (manual estándar, con varias ediciones en español).