Daniel Fernández, profesor de la UFM y director de UFM Market Trends escribe sobre la Paradoja de Simpson, para contrarrestar las ideas que normalmente se presentan a países como Guatemala, a los que se dice que no tienen suficiente recaudación fiscal.

El texto completo en: https://trends.ufm.edu/articulo/presion-fiscal-renta-per-capita-paradoja-simpson/

Así comienza:

¿Cuántas veces ha oído que a mayores impuestos o presión fiscal, mayor es el bienestar social y el desarrollo económico? La afirmación viene respaldada por un toque de sabiduría popular: “a mayores impuestos, más servicios públicos” y por una casi incontestable evidencia empírica: con poquísimas excepciones ocurre que en los países más ricos las tasas impositivas son muy altas mientras que en los países pobres los impuestos son relativamente bajos.

En este artículo vamos a centrarnos en analizar las relaciones estadísticas que sostienen que una alta presión fiscal (ingresos gobierno/PIB) está vinculada a un alto nivel de desarrollo (medido mediante el PIB per cápita).

A lo largo del artículo vamos a ver que la relación positiva entre PIB per cápita y presión fiscal sufre de la paradoja estadística de Simpson. Veamos entonces de que se trata este fenómeno de la paradoja de Simpson.

Paradoja Simpson

La paradoja recibe su nombre del estadístico británico Edward Simpson. El fenómeno consiste en el error que puede derivarse al analizar grupos de datos de manera agregada cuando en realidad las observaciones pertenecen a categorías separadas. En concreto, los datos desagregados por categoría tendrían una tendencia mientras que los datos agregados mostrarían una tendencia diferente.

Quizá queda más claro el concepto si lo ilustramos con un ejemplo:

Imaginemos que queremos comparar el número de habitaciones que tiene una vivienda con su precio. En principio esperaríamos que el precio de la vivienda incrementará conforme incrementa el número de habitaciones. Sin embargo, si analizamos los datos en conjunto hay una marcada tendencia negativa, es decir, a mayor número de habitaciones, menor es el precio. Pero cuando analizamos los datos por grupos vemos que nuestra intuición original sí se cumple: a mayor número de habitaciones, mayor es el precio dela vivienda.

_{Fuente: Borgatti (2017)}

¿Dónde está la trampa aquí? El problema radica en que estamos comparando peras con manzanas. El número de habitaciones (o la superficie) no es el único motivo que impacta en el precio de una vivienda. La ubicación es un factor al menos tan importante como el número de habitaciones a lo hora de determinar el precio.

Lo que vemos en el gráfico anterior son las viviendas agrupadas por área. Cada punto es un apartamento y cada color representa una zona de la ciudad diferente (en negro el centro de la ciudad, en rojo las afueras, en azul los suburbios, y en verde área rural). Las viviendas son más onerosas cuanto más cerca del centro de la ciudad se encuentran. Una vez que tenemos en cuenta lo cerca o lejos del centro de la ciudad, el número de habitaciones sí está positivamente relacionado con el precio de la vivienda.

La paradoja de Simpson y este ejemplo muestra que hay que tener cuidado con la interpretación de los datos estadísticos, no es oro todo lo que reluce.

Como vamos a ver en los siguientes epígrafes, la relación entre presión fiscal y desarrollo económico sufre de un problema de interpretación similar al que acabamos de exponer.