Video

¿Qué efectos tendrá el cambio climático en la economía?

Modelar las consecuencias económicas del cambio climático es un trabajo difícil y lleno de incertidumbres. Además, todo resultado con certeza será políticamente cuestionado. Por varias décadas, William Nordhaus de la Universidad de Yale ha venido desarrollando modelos para informar las políticas de gobierno.


 

TRANSCRIPCIÓN (See the original English-language version.)

¿Qué ha aprendido del modo en que sus modelos han sido utilizados por otros?

Creo que lo que ha sido interesante para mí es la manera como el modelo ha sido usado por todo tipo de personas, de distintos lugares y posiciones.

Algunos de nuestros principios fueron: El modelo debe ser transferible; debe ser transparente; debe ser fácil de entender. Esto es sencillo en la era de la internet; pero antes de la internet nunca fue sencillo alcanzar cosas a las personas, para que las usen. Pero me pareció que eso era muy importante – el principio de que la gente debería saber lo que uno está haciendo y debería ser capaz de replicarlo o no, según sea el caso.

Esto también me pareció muy importante científicamente, porque las cosas en las que he venido trabajando son modelos sistémicos muy complejos: 10 o 15 ecuaciones dinámicas no-lineales. Algo que sabemos sobre estas ecuaciones es que poseen todo tipo de comportamientos complejos. Pueden comportarse de modo extraño; pueden salirse de control.

Esto me pareció muy importante, al inicio – yo no sabía si el modelo era correcto, si contenía errores, o si contenía dinámicas inestables – así que pensé que la mejor manera de averiguarlo era que la gente lo reprograme, lo destroce, y lo critique.

Y así lo hicieron. Tras el primer intento, siempre hice que todo sea público y de fácil acceso para la gente – y esto me complace mucho.

Cómo cambia su modelo conforme Ud. va aprendiendo más?

La ciencia cambia año tras año. Aprendemos mucho más sobre economía. Tenemos mucho que aprender sobre la economía porque, por ejemplo, no sabemos en realidad cuánto costaría desacelerar el cambio climático – porque aún no empezamos a hacerlo.

Es como si estuviéramos recomendando una dosis grande de alguna droga para la economía, sin haber tomado tal droga antes. Necesitamos saber cómo la economía responderá a esto. Creemos saber, pero no estamos seguros.

Así que tenemos mucho por aprender, específicamente en esa área.

Cuál es el propósito de hacer proyecciones a largo plazo cuando se tienen tantas incógnitas?

La razón es: Digamos que usted decidiera que yo sólo puedo proyectar hasta 30 años adelante. Bueno, en ese caso usted simplemente se iría a casa, ya que nada pasará en 30 años. Así que en realidad uno debe proyectarse varias décadas a futuro para ver cuál será el resultado de lo que estamos haciendo ahora.

Pero la otra cosa es que – y esto es un punto interesante - en realidad no estoy tan interesado en saber qué ocurrirá en el año 2100 como lo estoy en saber que deberíamos hacer hoy. Lo que uno pregunta es cuánta incertidumbre hay en las políticas de hoy. El caso es que las políticas de hoy no son tan sensibles a estas proyecciones.

Si uno variara la tasa de crecimiento en más o menos algún límite de incertidumbre, uno no modificaría significativamente nuestras políticas de hoy.  Así que el propósito de esto no es averiguar qué ocurrirá en el 2200, sino determinar qué tipo de acciones deberíamos hacer hoy.

Pero uno no puede lograr eso sin utilizar proyecciones a largo plazo, pues si uno usara proyecciones a corto plazo, diría que no deberíamos hacer nada ya que nada va a ocurrir.

Me parece que este es una de las cualidades interesantes de estas proyecciones a largo plazo - porque uno no está preguntando qué ocurrirá en 2200, sino, dado nuestra mejor estimación sobre la climatología, el ciclo de carbono, y la economía, ¿qué deberíamos hacer hoy? – y lo que uno desea lograr es dar una buena solución a ello, mediante reducción de emisiones o recargo por emisiones de dióxido de carbono.

Qué ejemplo tiene de las implicancias de política de su modelo?

Necesitamos ponerle un precio a las emisiones porque de otro modo, la gente seguirá emitiendo lo que deseen.

Cuanto más alto el precio, y en tanto se incremente el precio de las emisiones, las emisiones decrecerán – como ocurre cuando la gasolina sube de precio y su consumo disminuye. Pero necesitamos estimar cuán alto debe ser el precio: ¿Un dólar? ¿Diez dólares? ¿Cien dólares? ¿Mil dólares? Es para ello que estos modelos son utilizados.

Digamos, por ejemplo, que pensamos que queremos limitar el incremento de temperatura a 3 grados Celsius en lassiguientes décadas: ¿Qué tipo de estructura de precios de emisiones ayudaría a controlar tal incremento de temperatura?

Podemos utilizar modelos para estimar esto, dado que ellos poseen toda la estructura en términos de los costos, el impacto en emisiones, el ciclo de carbono, el ciclo climático y los modelos climáticos – de modo que uno pueda decir: “Bien, si queremos limitarlo a esta cantidad, necesitamos tal o cual precio hoy”.

Me parece que esa es una de las mejores cosas que obtenemos de estos modelos. Te dicen, dados tus objetivos a mediano plazo, qué debe hacerse hoy y en la próxima década para alcanzar tales metas.

¿Cómo maneja la complejidad al hacer modelamientos?

Creo que el objetivo más importante al modelar es encontrar el balance adecuado entre reflejar la complejidad del mundo y mantener transparencia y simpleza. Obviamente, no podemos cubrirlo todo.

No podemos representar a todos los países, a todos los años, a todos los sectores, o a todas las personas; no podríamos hacerlo aún si quisiéramos. Más bien, debemos preguntar cuáles son los ingredientes esenciales que necesitamos para estos modelos.

En Yale, tenemos dos tipos básicos de modelo: el modelo muy simple- que es tan simple como lo fue hace 20 años, y que básicamente es un modelo global agregado -, y los modelos regionales- que incorporan de 6 a 15 países o regiones. Algunos lugares tienen más regiones, más sectores, etcétera.

Mi entendimiento es mayor con estos modelos pequeños, porque entiendo cómo trabajan. Al lidiar con modelos grandes, se pierde la noción de lo que está ocurriendo, y también pueden cometerse errores.

Creo que el arte de modelar consiste en tratar de entender bien qué ocurre, para simplificar a lo básico; no tratar de reproducir la complejidad de la realidad (del mundo), sino tratar de modelar las cosas más simples- en este caso describir emisiones, temperatura, daños y cosas así, de una manera consistente.

Una cosa más: Digamos que tenemos un módulo que evalúa el clima en uno de estos modelos: Queremos que sea consistente con los modelos climáticos aceptados hoy. Queremos poder decir “Muy bien, ¿qué nos muestran? ¿cuál es la trayectoria? ¿cómo responden a los sobresaltos?

Queremos construir un modelo que represente a estos modelos más grandes de una manera razonablemente fidedigna, no en cuanto al nivel de detalle sino en toda la extensión de sus magnitudes, respuestas, cadencia y dinámicas.

¿Cuánto del modelamiento es arte?

Ninguna computadora podría hacer esto. No sabría por dónde empezar. Uno puede leer uno de estos voluminosos libros producidos por el Panel Intergubernamental sobre el Cambio Climático, y no sabría qué hacer con ello. Todo esto es material no procesado o semi-procesado – una tabla de esto, un gráfico de aquello, o una declaración sobre tal cosa; pero el arte de modelar va más allá y consiste en encontrar una forma de tomar todo esto y convertirlo en algo entendible, representable, y verificable.

Sobre esto, nuevamente subrayo el lado social de esto: que otras personas puedan comprender, puedan probar, y puedan decir: “Esto simplemente no tiene sentido. Deberías revisar esto con atención.” El aspecto social es un factor muy importante.

Traducción por: 

 

Sterling Professor of Economics, Yale University