Modelos Dinámicos para la Optimización de Políticas Públicas: Un Enfoque Práctico

Cómo los Pequeños Modelos de Sistemas Dinámicos Impulsan la Formulación de Políticas Públicas

Desafíos en la Resolución de Problemas de Política Pública

Los problemas de la política pública tienen varias características que impiden su resolución utilizando enfoques tradicionales sin simulación.

Resistencia del Entorno a las Políticas

La primera característica de los problemas de política pública es la complejidad del entorno en el que surgen los problemas y en el que se formulan las políticas.

La resistencia a la política suele ser producto de los bucles de retroalimentación de equilibrio que existen en gran número en los sistemas sociales. Del mismo modo, cuando la fuerza policial desplegada para controlar un mercado ilegal de medicamentos disminuye la oferta de estos, lo que lleva a mayores precios, más ganancias por venta y un mayor atractivo de la venta de medicamentos.

La Experimentación en Políticas Públicas: Importancia y Costo

Una segunda característica de los problemas de la política pública es la importancia y el costo de la experimentación con las soluciones propuestas. La experimentación es importante porque las implicaciones son altas, y es costosa, ya que, una vez aplicadas, las políticas a menudo no son reversibles. La experimentación es natural para el funcionamiento de todas las organizaciones y los sistemas sociales. El aprendizaje experiencial (Denrell and March, 2001) es fundamental para las políticas públicas: los políticos, cuando se trata de problemas complejos, implementarán políticas, observarán los comportamientos y ajustarán las políticas en consecuencia.

Espero que mi equipo pueda.

Necesidad de Persuadir a Diversos Grupos de Interés

Una tercera característica de los problemas de política pública es la necesidad de generar un acuerdo entre los diversos grupos de interés con respecto a los méritos de un enfoque particular.

Un medio eficaz para informar y persuadir a las partes interesadas es esencial para el desarrollo de una buena política. En los sistemas complejos, a menudo aquellas políticas que traen el mayor beneficio inmediato son perjudiciales a largo plazo.

El Exceso de Confianza en los Políticos

La resolución efectiva de los problemas de política pública también se ve obstaculizada por el exceso de confianza de los políticos.

El problema del exceso de confianza también está bien documentado en la literatura de política pública y ciencia política. Por ejemplo, Light (1997) y Hood and Peters (2004) discuten el exceso de confianza en el contexto de la reforma del Estado.

En general, el sesgo general de los individuos hacia sus propias capacidades, junto con la complejidad del contexto de los asuntos públicos, convierte el exceso de confianza en un problema importante en la formulación de políticas. Además, debido al exceso de confianza, el trabajo de convencer a las partes interesadas con intereses diversos para apoyar políticas que con frecuencia son contrarias a la intuición se vuelve aún más difícil. En la literatura de juicio y toma de decisiones, tal tendencia se refiere generalmente como «sesgo de auto-servicio» (Babcock y Loewenstein, 1997). Una perspectiva endógena es necesaria para el aprendizaje individual y organizacional. Para ilustrar este punto, Senge (1990, pp. Por tanto, la acumulación de armas del otro fue vista como una amenaza exógena en lugar de una consecuencia endógena de sus propios actos anteriores.

La investigación experimental en la tradición de dinámica de sistemas ha confirmado que la falta de una perspectiva totalmente endógena en tareas de decisión es común y también una de las principales razones para un rendimiento subóptimo. En los pedidos a proveedores, los sujetos se encuentran rutinariamente con una «percepción errónea» de la retroalimentación a través del entorno de sus propias decisiones pasadas, lo que resulta en exceso o falta de pedidos y la inestabilidad en todo el sistema de la cadena de suministro. Después del partido, tal inestabilidad casi siempre se atribuye a la demanda exógena del cliente y no a las propias decisiones de los sujetos (la demanda de los clientes es en realidad plana después de un único aumento de paso). Moxnes (1998) extiende la idea de mala percepción de retroalimentación para explicar el problema de la sobreexplotación de los recursos renovables, una importante preocupación de muchos políticos.

En resumen, los sistemas públicos y los problemas de política pública tienen numerosas características que inhiben tanto la elaboración como la aplicación de políticas eficaces.

Modelos de Sistemas Dinámicos Aplicados a Políticas Públicas: Casos de Estudio

Revisemos a continuación dos pequeños modelos de dinámica de sistemas que han aportado con éxito una perspectiva crítica de las políticas públicas.

Modelo #1: El Modelo URBAN

Un ejemplo clásico de la dinámica de sistemas aplicada a la política pública es el modelo *Urban Dynamics* de Forrester (1969). El objetivo del estudio fue comprender las causas de la decadencia urbana, evaluar las respuestas políticas existentes y generar debate sobre qué forma podrían tomar las políticas más exitosas.

En el centro de *Urban Dynamics* están las interacciones entre las viviendas, empresas y sectores de la población de un sistema urbano. El modelo original es bastante desagregado y contiene al menos nueve variables principales de stock.

La Figura 1 muestra la estructura causal del modelo *URBAN1*. Las principales relaciones de retroalimentación entre los tres sectores también se conservan, aunque varios de los nombres de las variables se modifican para aclarar el significado. Durante los primeros años de un sistema urbano, cuando la tierra es abundante, los dos bucles de refuerzo (etiquetados R1 y R2) dominan y crean un crecimiento exponencial de la vivienda, las estructuras empresariales y la población. Más estructuras empresariales aumentan el atractivo para los constructores a futuro, y de manera similar, más estructuras de vivienda aumentan el atractivo para los futuros desarrolladores de vivienda. Estructura de retroalimentación del modelo *URBAN1*

Fig. Escenario base del modelo *URBAN1* que muestra el crecimiento, el estancamiento y la decadencia

La principal fortaleza del modelo *URBAN1* es su capacidad para ilustrar de una manera concisa cómo la estructura de realimentación de un sistema urbano puede generar endógenamente el estancamiento y, a continuación, la descomposición.

El crecimiento no se ralentiza lo suficientemente rápido, sin embargo, para evitar el rebasamiento de la población, el stock de viviendas y las acciones de las estructuras empresariales. Sin embargo, la construcción de viviendas, aunque también influenciada por las limitaciones de espacio, no se ralentiza a la misma velocidad, debido a un sesgo de vivienda sobre las estructuras de negocio (generadores de empleo). El exceso de vivienda, a su vez, crea las condiciones para la decadencia: la cantidad de viviendas sigue atrayendo a una población más allá de lo que puede ser soportado por las estructuras empresariales existentes. Finalmente, se llega a un equilibrio en el que «el nivel de vida disminuye lo suficiente para detener la entrada» (Forrester, 1971b, p.).

El modo de comportamiento en la Figura 2 refleja con exactitud la experiencia de muchas ciudades del mundo real. (El patrón es el mismo para la mayoría de las principales ciudades en los EE. UU.). El pequeño modelo urbano podría ser fácilmente calibrado para que coincida con la experiencia de cualquiera de estas ciudades. Por lo tanto, en respuesta a aquellos que podrían criticar los pequeños modelos de visión como demasiado simples para representar con precisión los sistemas reales, el comportamiento del pequeño modelo urbano, si se compara con el comportamiento de los sistemas urbanos reales, sugiere que un pequeño modelo puede reproducir los principales modos de comportamiento con un muy alto grado de precisión.

Fig. Población de las tres principales ciudades de Estados Unidos (en 1000), 1800-2000

Además de generar una idea de las causas de la decadencia urbana, el modelo *URBAN1* también puede ayudar a diseñar políticas de formulación para mejorar las ciudades decadentes o evitar el estancamiento y la decadencia en las zonas urbanas que todavía están creciendo. Argumentamos que la comprensión de la principal estructura de realimentación de un sistema, según lo dispuesto por un pequeño modelo de dinámica de sistemas, es esencial para el diseño de políticas eficaces.

La política que elegimos es un aumento exógeno en el número de puestos de trabajo disponibles en el ejemplo de la región —por ejemplo, a través de un programa de empleo del gobierno. El atractivo intuitivo de tal política es claro: como la Figura 4 ilustra, el principal síntoma de la decadencia urbana es la gran fuerza de trabajo en relación con el empleo, indicativo de una falta de oportunidades de empleo adecuadas.

Fig. En concreto, cuando los circuitos de información que conectan el empleo al crecimiento de la población y la construcción de negocios están inactivos (bucles B3 y B5 arriba), la política alcanza su resultado previsto de una reducción del desempleo.

La reactivación de los dos circuitos de retroalimentación, sin embargo, ilustra cómo la retroalimentación puede socavar las políticas mejor intencionadas.

La idea central de la dinámica urbana, conservada en la versión pequeña, es que el atractivo total de una región urbana debe ser considerado en relación con el atractivo de todas las regiones circundantes (Forrester, 1971b). En el modelo *URBAN1*, esta política puede ser probada mediante la adición de un sistema de zonificación al modelo que reserve la tierra para las estructuras de negocio según sea necesario para apoyar a la población. La vivienda en *URBAN1* se supone que dura más tiempo y es más fácil de construir en la ciudad ya construida. Si se eliminan esas dos diferencias entre las estructuras de viviendas y de negocios, el deterioro urbano no resulta en *URBAN1* (aunque el desempleo sigue subiendo).

*Urban Dynamics* sigue siendo un ejemplo clásico de la dinámica del sistema aplicado con éxito a un importante problema de política pública.

Modelo #2: El Modelo «Visión Inundada»

En 1996, el entonces presidente Bill Clinton firmó la Ley de Reconciliación de Oportunidades de Trabajo de Responsabilidad Personal, cambiando el papel del gobierno federal en la prestación de apoyo a las familias pobres. La legislación reemplazó programas que ofrecían el potencial de apoyo federal de por vida para las familias indigentes con Asistencia Temporal para Familias Necesitadas (TANF). Para los responsables políticos y los investigadores, la condición era nueva y difícil de abordar plenamente (Zagonel et al., 2004; Richardson, 2006). El proyecto se presenta en varios artículos, entre ellos Zagonel et al.

Uno de los modelos que surgieron es un pequeño modelo de dinámica del sistema que examina el efecto de la inversión en las diferentes partes del sistema. Esta pieza, como los otros conjuntos de modelos que se desarrollaron, se basa en los datos cualitativos extraídos a través de un proceso de construcción de modelo de grupo. Algunos puntos de vista del modelo se presentan en Richardson et al. Este modelo —más adelante referido como el modelo «visión inundada»— se puede considerar un arquetipo común de sistemas que incluyen la reincidencia.

El modelo, que se muestra en la Figura 5, utiliza una estructura de cadena de envejecimiento para representar el flujo de los receptores potenciales de apoyo TANF, es decir, el total de familias en situación de riesgo. Las familias en TANF reciben apoyo TANF, mientras que las de la población empleada post-TANF permanecen en riesgo, pero no reciben apoyo directo. La mayoría de los individuos de familias empleadas post-TANF están empleados en salarios bajos y empleos temporales.

Fig. Modelo «Visión Inundada»

Los modeladores formularon las tasas de flujo basadas en dos variables que representan las capacidades de apoyo en el sistema. Existe un efecto similar para la capacidad de ejecución (capacidad de apoyo al empleo post-TANF), que capta la situación económica de la región y el número de empleos disponibles para las familias post-TANF. Por lo general, las ofertas de empleo post-TANF son empleos de bajos salarios o temporales, y por lo tanto, las familias post-TANF se enfrentan a un alto riesgo de perder el empleo y volver a un estado de necesidad. Discutiremos los resultados del análisis de sensibilidad con respecto a la elasticidad de la probabilidad de reincidencia después.

Como se ha dicho, el objetivo principal de los responsables políticos de TANF era la asignación de capacidad de apoyo entre las familias en TANF (la parte aguas arriba de la cadena).

La razón de tales resultados contraintuitivos es la siguiente: si suponemos una capacidad limitada aguas abajo, las personas no pueden recibir servicios de calidad aguas abajo, causando que su condición (por ejemplo, su condición económica) se deteriore.

Por el contrario, un aumento en la capacidad de ejecución (capacidad de apoyo al empleo post-TANF) tiene un efecto positivo sobre el sistema al disminuir el número de familias en TANF y el número total de familias en situación de riesgo (Figura 6 (b)).

Para entender por qué el sistema resiste una política de aumento de la capacidad aguas arriba, se examinan los efectos de los dos bucles de retroalimentación importantes: primero, el bucle de equilibrio B1 de familias en TANF ^ tasa de encontrar empleo ^ empleados post-TANF ^ carga en la capacidad de apoyo al empleo ^ probabilidad de reincidencia ^ reincidencia ^ familias en TANF; y segundo, el bucle de refuerzo R2 desde empleados post-TANF ^ carga en la capacidad de apoyo al empleo ^ probabilidad de reincidencia ^ para integrar el empleo ^ empleados post-TANF.

El efecto de los bucles B1 y R2 en el comportamiento del sistema puede ser ilustrado por el cambio de la relación funcional entre la carga de la capacidad de apoyo de empleo y la probabilidad de reincidencia. El tercer escenario muestra cómo el sistema se comportará si la probabilidad de reincidencia no es tan sensible a la carga en el empleo como en el escenario base, pero aún varía endógenamente.

Fig. (Nota: el total de familias en situación de riesgo es igual a las familias en TANF más las empleadas post-TANF)

Fig. (a) Diferentes escenarios de cómo la carga en el apoyo al empleo influye en la probabilidad de reincidencia y (b) resultados correspondientes de la simulación para familias en TANF

La Figura 7 muestra que los circuitos de retroalimentación antes mencionados juegan papeles significativos en los resultados de simulación. Cuando en el segundo escenario se asume una probabilidad constante de reincidencia (sin retroalimentación a través de esta variable), vemos que, como los reguladores esperan, un aumento en los resultados de la capacidad aguas arriba en una disminución de las familias en TANF. Así, la razón de que el sistema se resista a un aumento de la capacidad ascendente en el período base es el efecto de un aumento de la probabilidad de reincidencia, que a su vez disminuye el flujo de salida de empleados post-TANF para integrar el empleo (etiquetado «Para integrar el empleo») y aumenta el flujo de salida de empleados post-TANF para familias en TANF (etiquetado «reincidencia»).

Naturalmente, los políticos tienden a concentrarse en la parte del sistema de la que son más responsables. En realidad, es su propia política la que había reducido los servicios aguas abajo y elevado el nivel de reincidencia.

Fig. La etapa de equilibrio para (a) familias en TANF y (b) total de familias en situación de riesgo frente a los cambios en la capacidad aguas arriba (apoyo TANF) y los cambios en la capacidad aguas abajo (empleo post-TANF)

La Figura 8 muestra que un aumento en la capacidad aguas abajo siempre conduce a que todo el sistema mejore, mientras que un cambio en la capacidad aguas arriba, si no es seguido por un nivel adecuado de aumento de la capacidad aguas abajo, puede empeorar todo el sistema.

En general, este pequeño modelo muestra que la adición de capacidad ascendente puede inundar recursos aguas abajo, aumentando la tasa de reincidencia y resultando en aún más demanda en sentido ascendente.

Características Comunes de los Pequeños Modelos de Sistemas Dinámicos

Como se discutió anteriormente, los problemas de política pública tienen varias características (los «problemas» de los problemas de orden público) que hacen que la formulación de políticas eficaces sea especialmente difícil. Sin embargo, mediante el examen de los pequeños modelos de dinámica de sistemas como el modelo *URBAN1* y el modelo de visión inundada, se pueden descubrir importantes conocimientos en cuanto a la fuente de los fracasos de las políticas. En esta sección, destacamos las características comunes de los dos modelos y discutimos cómo los pequeños modelos de dinámica de sistemas pueden contribuir a la formulación de políticas públicas de manera más general. La discusión se resume en la Tabla 1. La importancia de los pequeños modelos de dinámica de sistemas para hacer frente a los problemas de política pública

Problemas de Política Pública	Enfoque de Retroalimentación	Enfoque Agregado (Saldos y Flujos)	Enfoque de Simulación	Tamaño Reducido del Modelo
Resistencia del entorno a las políticas	La retroalimentación es la fuente principal de resistencia política y permite comprenderla.	Las acumulaciones (saldos) son esenciales.	La simulación puede ilustrar por qué algunas políticas intuitivas generan resistencia y permite diseñar y probar políticas más robustas.	Su tamaño reducido permite una experimentación exhaustiva y análisis de sensibilidad, facilitando la interpretación de parámetros y sus cambios.
Necesidad y costo de la experimentación	Los diagramas de retroalimentación y la simulación mental (pensamiento) pueden sustituir aquí los ensayos de políticas reales.	El enfoque agregado disminuye el costo del desarrollo y la ejecución de modelos, y de los juegos para los políticos.	Las simulaciones permiten una experimentación exhaustiva y juegos para los políticos, de forma completa y fácil de entender, posibilitando una mayor experimentación sin incurrir en costos sociales y económicos reales.	El tamaño reducido asegura que los resultados de los experimentos sean fácilmente comprensibles por los políticos.
Necesidad de persuadir a diferentes interesados	Los diagramas de retroalimentación y el análisis cualitativo pueden contribuir a las discusiones políticas, destacando la retroalimentación y las fuentes endógenas de los problemas de comportamiento.	El enfoque agregado facilita la presentación de lecciones a otros. Refleja.	Las simulaciones pueden ayudar a construir consenso en torno a problemas políticos difíciles que, de otro modo, tendrían múltiples interpretaciones.	El tamaño reducido facilita la presentación de lecciones a otros. Permite una exposición concisa y una visión holística.
Exceso de confianza de los políticos	Los diagramas de bucles causales (retroalimentación) revelan nuevos conocimientos y desafían la naturaleza de los problemas políticos a los políticos que, de otro modo, permanecerían sin convencerse.	Si no se comprende la dinámica de acumulación, es una fuente común de error político.	Las simulaciones comunican eficazmente la naturaleza contraintuitiva de la política, permitiendo a los políticos ser cautelosos con el exceso de confianza.	El tamaño reducido asegura que las ideas del modelo sean completamente comprendidas, permitiendo a los políticos apreciar y abordar su propio exceso de confianza.
Necesidad de una perspectiva endógena	El enfoque de retroalimentación ayuda a los políticos a aprender qué es una perspectiva endógena y por qué es necesaria para la formulación de políticas eficaces.	El enfoque agregado deja más espacio en la capacidad cognitiva de los individuos para concentrarse en la retroalimentación y desarrollar una perspectiva endógena.	Las simulaciones permiten a los políticos explorar cómo los comportamientos se crean endógenamente a través de un amplio modelo de frontera.	Su tamaño reducido permite a los individuos ver la estructura de retroalimentación como un conjunto y no frustrarse por la necesidad de seguir muchas variables y enlaces a la vez.

Argumentamos que cuatro características centrales hacen que los pequeños modelos de dinámica de sistemas sean especialmente adecuados para el aprendizaje y el diseño de políticas efectivas:

• El enfoque de retroalimentación y el énfasis en explicaciones endógenas de comportamiento.
• El enfoque global.
• El enfoque de simulación.
• El hecho de que los modelos son «pequeños» lo suficiente como para que la estructura sea clara y la relación entre la estructura y el comportamiento se pueda descubrir fácilmente a través de la experimentación.

Enfoque en la Retroalimentación

En primer lugar, tanto *URBAN1* como el modelo de visión inundada comparten un enfoque de ciclo de retroalimentación para el modelado que hace hincapié en fuentes endógenas de comportamiento.

Tal comportamiento contrario a la intuición es a menudo un ejemplo de resistencia política. Por ejemplo, la adición de puestos de trabajo a una zona urbana puede fallar en mejorar el desempleo si el aumento del atractivo hace que más personas se muden al área.

Enfoque Agregado

En segundo lugar, tanto *URBAN1* como el modelo de visión inundada adoptan un enfoque global para el modelado. Más específicamente, ninguno de los modelos hace seguimiento de cada individuo de la población por separado, sino que modelan grupos de individuos en el agregado. El modelo urbano tiene una acción para la población, otra para las estructuras de vivienda y una tercera para las estructuras empresariales.

Además, investigaciones recientes han demostrado que las personas a menudo no logran comprender la dinámica de acumulación (Sterman, 2008), con enormes implicaciones para las políticas que luego apoyan.

Enfoque de Simulación

En tercer lugar, ambos modelos revisados son simulaciones matemáticas en ejecución que ofrecen la oportunidad de realizar experimentos. Si bien muchas lecciones se pueden aprender de un diagrama de lazo causal en papel, otros puntos de vista más importantes requieren el desarrollo y prueba de un modelo de simulación.

Además, los modelos de simulación proporcionan entornos de aprendizaje donde modeladores, diseñadores de políticas y otros pueden diseñar y probar políticas. Las simulaciones proporcionan un entorno útil donde los políticos pueden experimentar y aprender sobre los efectos de las diferentes políticas sin ningún costo social y económico importante para ellos.

Finalmente, las simulaciones pueden ayudar a construir consenso que rodea problemas difíciles de política.

Tamaño Reducido del Modelo

Por último, ambos modelos son «pequeños». Con los modelos de orden inferior es mucho más fácil aprender del análisis de sensibilidad (como se muestra en el modelo de visión inundada, las Figuras 7 y 8) y examinar las interacciones entre los diferentes parámetros. Debido a su pequeño tamaño, las personas pueden ver la estructura de retroalimentación en su conjunto y no ser frustrados por la necesidad de realizar un seguimiento de muchas variables y enlaces a la vez.