¿Qué podemos hacer para mejorar la inclusión social?: una respuesta experimental

Por

Antonio Cabrales, Warn N. Lekfuangfu, and Sergio Blanco

Un supuesto clave detrás del Ingreso Mínimo Vital (IMV) es que para reducir la exclusión social, parece razonable empezar por asegurar unos ingresos mínimos. Y hay bastante evidencia económica de que esa estrategia sencilla funciona. Dar dinero a la gente sin condiciones es buena idea para que salgan de una mala situación. De hecho, es una idea francamente libertaria y en línea con la economía estilo escuela de Chicago. ¿Quién mejor que el individuo para saber qué necesita mejorar?

Pero si avanzamos un poco más en la historia del pensamiento, nos damos cuenta de que una persona puede tener restricciones de información o cognitivas, que hacen esa historia tan “limpia” un poco limitada. Dada la tasa de adopción relativamente baja del IMV (inferior al 55 %), es posible que alguien reúna los requisitos para percibirlo, pero acabe sucumbiendo a las barreras cognitivas (o simplemente a los límites de la paciencia) que impone una administración barroca y poco accesible. Y ahora, además, electrónica. O tener dificultades con el idioma. De hecho, la creciente digitalización de los trámites públicos puede convertirse en una barrera insalvable para mucha gente.

En un trabajo reciente evaluamos, mediante un experimento aleatorizado, un programa dirigido a mujeres migrantes en situación de vulnerabilidad en la Región de Murcia. La pregunta que nos hacemos es si un acompañamiento intensivo que actúe sobre barreras sociales, psicológicas, informativas y digitales puede mejorar la inclusión de estas mujeres. Una segunda pregunta es si esas mejoras terminan traduciéndose también en empleo. La respuesta es, con matizaciones, positiva para la primera pregunta. Para la segunda, de momento es negativa.

EL PROGRAMA

El programa se realizó en doce municipios de la Región de Murcia y participaron 856 mujeres migrantes. De ellas 428 fueron asignadas a tratamiento y 428 a control. Pertenecían a una población particularmente vulnerable. El 94% tenía nacionalidad no europea, solo un 11% tenía el español como lengua materna, más de la mitad no había terminado la educación secundaria y únicamente el 13% estaba trabajando al comienzo del estudio. La edad media era de 41,6 años.

Las mujeres asignadas al tratamiento participaron, en promedio, en unas 48,5 horas de actividades. El programa combinaba varios componentes. En una primera fase se les hizo un diagnóstico individual y seguimiento personalizado. Una vez hecho el diagnóstico, recibían tres tipos de ayuda. Por un lado apoyo psicosocial; por otro información y formación para conocer y utilizar los recursos disponibles en la comunidad; y, finalmente, una capacitación en competencias digitales. (Para obtener información más detallada sobre el diseño y la implementación del programa, consulte nuestro artículo completo.).

El apoyo psicosocial siempre incluía talleres grupales y para algunas mujeres añadía la posibilidad de sesiones individuales. La formación en recursos comunitarios trataba de facilitar el acceso a educación, sanidad, servicios administrativos y otros recursos municipales. La educación digital ayudaba a desarrollar la capacidad de encontrar información, de relacionarse con la administración y de utilizar herramientas digitales.

Las personas que diseñaron el tratamiento, en la fundación CEPAIM parten de la base de que la falta de ingresos es uno de los obstáculos a la inclusión, pero también lo es la falta de información, de autonomía, de competencias o de conexiones sociales. La intervención trataba de actuar simultáneamente sobre varias de estas restricciones.

Una virtud del diseño es que la asignación a tratamiento fue aleatoria, como parte de la iniciativa del Ministerio de Inclusión, liderada por Mónica Martínez Bravo cuando era secretaria general, de evaluar las políticas vía un laboratorio de políticas de inclusión. Esto nos permite dar una interpretación causal a las diferencias posteriores entre ambos grupos.

RESULTADOS

Los resultados fueron positivos en algunas dimensiones (Tabla 1). El programa aumentó el índice de recursos sociales de las participantes en alrededor de 0,23 desviaciones estándar. También mejoró su autonomía para gestionar el IMV, aunque el efecto es más pequeño, de unas 0,12 desviaciones estándar. Uno de los efectos mayores aparece en el conocimiento de los recursos disponibles en la comunidad, que aumenta unas 0,31 desviaciones estándar. Y encontramos un efecto muy parecido sobre las competencias digitales. El índice que mide la capacidad para utilizar herramientas digitales en la vida diaria mejora alrededor de 0,28-0,31 desviaciones estándar, dependiendo de la especificación utilizada. También encontramos una mejora en el bienestar psicológico, de unas 0,15 desviaciones estándar.

No encontramos, en cambio, efectos significativos sobre autoestima, satisfacción familiar, participación comunitaria general o dificultades económicas.

Tabla 1. Principales Resultados

Dado que medimos muchas variables, una preocupación natural es que algunos resultados significativos aparezcan simplemente por azar. Por eso hacemos también correcciones por contrastes múltiples de hipótesis. La otra cosa que comprobamos es si el abandono de participantes entre la encuesta inicial y la final tiene algún impacto. Los resultados sobre recursos sociales, competencias digitales y conocimiento de recursos comunitarios sobreviven a estos ejercicios.

Por otro lado, no observamos efectos estadísticamente significativos sobre el empleo ni sobre la participación laboral. Esto es cierto tanto en los resultados declarados por los propios encuestados como mirando a los registros administrativos de la Seguridad Social: En estos últimos podemos observar empleo formal, días trabajados y otras medidas de intensidad laboral.

CONCLUSIONES

Puede que sea pronto para encontrar algo aquí. Conseguir un empleo es una historia más compleja que poder usar tu firma digital. Es razonable pensar que el camino que va de una mayor inclusión social al mercado laboral sea largo. Además, nuestro análisis con datos administrativos tiene una potencia estadística limitada para detectar efectos modestos.

Pero también puede ser que algunas barreras al empleo no están en el individuo al que estamos tratando. Podemos enseñar a una mujer a utilizar mejor internet, pero si no hay demanda de trabajo en su municipio para alguien como ella, está discriminada o no hay quien cuide de sus hijos no hemos hecho nada. Tampoco se intervino sobre el resto del hogar. La oferta laboral de algunas mujeres puede depender de normas de género y un programa como el analizado no cambia esto. Y si el empleo de las mujeres migrantes se concentra en actividades informales los registros administrativos no lo capturan (aunque la encuesta sí podría hacerlo).

Y no hay que olvidar que no todo es empleo, claro. Incluso como economistas, nos damos cuenta de que lo importante es la utilidad, no los ingresos. Pero también como economistas, nos preocupa que las variables en las que encontramos efectos son autodeclaradas. Y la única “objetiva” nos dice que no hay efecto. Para acabar de liarlo todo, tenemos alguna noción del coste de la intervención, y alguna cuantificación del beneficio subjetivo. Pero nada que nos permita un análisis coste beneficio muy sofisticado.

Teniendo todo esto en cuenta, nos parece que al laboratorio de política de inclusión le queda mucho trabajo por delante. Así que la conclusión principal es que hace falta más investigación.

¡Síguenos y Comenta este post!