Hace unos meses tuve una cordial discrepancia con Juan Sobejano, compañero en Sintetia, cuando en días consecutivos yo escribí que la economía es una ciencia, y él …que no.

En esa conversación subyacía la pregunta de qué es ciencia y qué no, entendiendo ciencia como el método válido para aumentar el conocimiento y, a la vez, el propio conocimiento acumulado. Por supuesto que dicho conocimiento ha de contener en sí mismo cierta certidumbre de veracidad… y a eso vamos.

“No sé explicarlo, pero si viera uno por la calle, lo sabría”

La economía es ciencia (o puede serlo)

En el post que mencionaba antes yo defendí que la economía es una ciencia positiva (descriptiva, que indica cómo son las cosas), por oposición de normativa (que explica cómo debe ser).

No considero que sea imprescindible en una ciencia la capacidad predictiva, y ese no es especialmente intenso en las ciencias humanas. ¿Acaso es necesaria para considerar una ciencia a la sociología, la antropología, o la filosofía (la gnoseología es la ciencia de la ciencia), que sean capaces de predecir el comportamiento de una sociedad, de una cultura, o la rama de la ciencia que más va a avanzar en un plazo concreto?

Esta posición se diferencia de la de grandes economistas y comunicadores como el Premio Nobel Milton Friedman, quien escribió en 1953 en “La Metodología de la Economía Positiva”

“…la única prueba relevante de la validez de una hipótesis es la comparación de sus predicciones con la experiencia. La hipótesis se rechaza si sus predicciones se ven contradichas (’frecuentemente’, o más a menudo que las predicciones de una hipótesis alternativa), se acepta si no lo son; se le concede una gran confianza si sus predicciones han sobrevivido numerosas oportunidades de contradicción”

Friedman pensaba que las teorías económicas deben evaluarse mediante métodos estrictamente empíricos (mediante experimentos). Muy meritoriamente, lo hizo independientemente de la filosofía de la ciencia de Karl Popper.

¿Cómo soy tan raro (o prepotente)? Digamos simplemente que tan ciencia es buscar un cómo, un cuánto y un por qué.

“Llamar a un estadístico después de hacer el experimento no es más que pedirle hacer un estudio forense (post mortem)” R. A. Fisher

Conceptualizar

Quizá la tarea más difícil, más compleja y más abstracta del proceso de aumentar el conocimiento sea la conceptualización. Formular una idea y darle nombre. Identificar las relaciones entre los conceptos y en qué sentido actúan. Entender al ser humano, su motivación y bagaje. Comprender su motivación y comportamiento.

Todo ello, insisto, es el trabajo intelectual más difícil que se puede abordar en las ciencias humanas. Dar un nombre al ahorro, al consumo, al crédito, al dinero… y seguir discutiendo qué significa cada uno de esos conceptos, una y otra vez, es la tarea intelectualmente más retadora que podemos abordar. Conceptualizar es difícil, valioso y costoso.

«David [Taguas] nunca ha dejado de ser el economista cuantitativo, riguroso e incisivo» Cesar Molinas

El modelo

Todo ese nivel de abstracción es tremendamente difícil de aprehender y de manejar. Por eso mismo tendemos a simplificarlo y modelizarlo, para reducir el coste del aprendizaje. El modelo, sin embargo, no puede convertirse en un mantra, sino en un primer escalón en la comprensión de un fenómeno o relación entre fenómenos. Cuando el modelo se convierte en un mantra, repetido mil veces y que ya no se analiza ni pone en duda, hemos dejado de hacer ciencia.

Cuando se omiten variables, se omiten las relaciones cruzadas entre variables, se asume el céteris páribus más allá de un experimento mental, se emplea el atajo mental de “los grandes números” para pasar de lo descriptivo a lo prospectivo… se entiende más fácilmente, pero se aleja uno de la ciencia.

La ley de los grandes números se utiliza como coartada intelectual para dotar de potencia a la capacidad predictiva de un modelo. Capacidad predictiva que se hace evidente que no tiene, hasta el punto de que cuando la realidad no se ajusta al modelo, se acusa de fallar… ¡a la realidad! Se habla, incluso, de fallos de mercado cuando la realidad es cualquier cosa salvo un mercado… lo que Schumpeter llamaba “vicio ricardiano”.

Especial peligro tienen los “modelos” contenidos en metáforas, comparaciones que sirven para captar ideas con facilidad, pero de los que NO pueden seguirse argumentación alguna. Es el enorme peligro de la retórica en la economía.

“Si tu única herramienta es un martillo, tiendes a tratar cada problema como si fuera un clavo” Abraham Maslow

Las ciencias duras

Un argumento para concebir a la economía como una actividad intelectual no científica es, precisamente, que no tiene la capacidad predictiva de las llamadas “ciencias duras” como la física o la química.

Pero, sinceramente, ¿acaso la gravitación universal de Newton sigue considerándose universal? ¿O “solo” una buena aproximación para ciertos rangos de magnitudes (masa y distancia)?

¿Acaso la física tiene capacidad predictiva en la física de las avalanchas (en el umbral entre la física clásica y la mecánica de fluidos)?

La respuesta a estas preguntas es un NO rotundo, pero eso no significa que la física (y las “ciencias duras”) no sean ciencias, si bien al contrario.

¿Tienes datos?

Una de las primeras preguntas que nos vienen a la mente cuando escuchamos una argumentación que nos sorprende o no nos convencen es esta: ¿Tienes datos? Caemos en el extraño pero muy habitual sesgo de considerar más confiable, más preciso, más exacto, …más científico, en suma, el estudio que contiene datos.

Los datos y su tratamiento permiten la capacidad humana de reducir el riesgo, pero no la incertidumbre. Podemos conocer o aproximarnos a la probabilidad de que algo ocurra… pero no saber qué ocurrirá. Ni por qué ocurrirá. Para eso necesitamos la cualitativa.

Cualitativa

La investigación cualitativa, como decía, nos ayuda a descubrir los porqués. Busca descubrir o construir una teoría que justifique las observaciones (no necesariamente reducibles a datos numéricos), teoría que habrá de poder interpretarlas, explicarlas o valorarlas. Busca proposiciones, categorías o patrones en la muestra observada que puedan ser aplicables al conjunto de la población, mediante un proceso de abstracción (deductivo) que revele esos patrones.

La primera vez que me enfrenté a la explicación de una metodología cualitativa me quedé con los ojos como platos sin entender nada. Especialmente porque el siguiente párrafo era la definición de tipo-ideal de Weber (arquetipo de escritura farragosa). Pero expliquémoslo con el ejemplo típico: todos sabemos qué es un caballero andante aunque difícilmente podamos nombrar uno (y no, Don Quijote no era el caballero andante). El propio Weber divulgó el Verstehen como la metodología aplicable a la sociología y por extensión a todas las ciencias sociales. Hoy lo identificaríamos con la investigación cualitativa.

El DSM

El DSM, manual diagnóstico por excelencia en psiquiatría, no es más (ni menos) que el resultado de una larga investigación cualitativa para identificar, categorizar, relacionar y pautar los trastornos mentales. Y aunque su propio nombre (Diagnostic and Statistical Manual of Mental Disorders) haga referencia a la estadística (números, ya parece más científico) no hay más que leer la misma definición de trastorno que recoge para darse cuenta que hay un trabajo cualitativo detrás. Y la advertencia para darnos cuenta de que es ciencia lo que recoge.

La empresa

Y todo esto que cuento aquí, ¿de qué nos sirve?

Ya sabemos que el fenómeno no se identifica exactamente con el indicador numérico, es decir, que no son equivalentes y no debemos confundirlos. Que nuestra percepción de los hechos depende mucho del marco de referencia mental. Que si nos preguntamos los porqués podemos gestionar ese conocimiento cualitativo.

Pues bien, aunque no tengamos presupuesto para hacer una investigación de mercados, generemos conocimiento cualitativo, intentemos entenderlos, hablemos con los clientes, o cuanto menos:

“Pregunten al comercial, y en todo lo que les cuente (que no pueda beneficiarle – incentivos warning), escúchenle”.