En el diseño de políticas públicas existe una diferencia abismal entre usar bases de datos de corte transversal y estudios longitudinales. Mientras que las encuestas tradicionales capturan un instante en la vida de los mexicanos, los datos panel o longitudinales permiten seguir a los mismos individuos a lo largo del tiempo. En un país que enfrenta retos estructurales de desigualdad y volatilidad económica, esta herramienta permite evaluar qué tan exitosos son los programas sociales. A diferencia de los datos transversales —como el Censo—, que entrevistan a personas distintas en cada edición, los estudios longitudinales permiten observar transiciones: ¿quiénes salieron de la pobreza y quiénes recayeron?, ¿cómo afecta una reforma a determinados grupos de personas?
Para el entonces Consejo Nacional de Evaluación de la Política de Desarrollo Social (CONEVAL), la importancia de los datos panel radicaba en la medición de la movilidad social. Sin ellos, es imposible distinguir si la reducción de la pobreza corresponde a un cambio estructural o a un efecto estacional. Como señala el CONEVAL (2023), la evaluación de impacto requiere comparar el "antes" y el "después" en las mismas unidades de observación para aislar el efecto real de una intervención gubernamental o de otra índole.
México cuenta con esfuerzos institucionales robustos, aunque costosos. El ejemplo más emblemático es la Encuesta Nacional sobre Niveles de Vida de los Hogares (ENNVIH). Gracias a ella, los investigadores pueden analizar el impacto de choques externos, como la pandemia de COVID-19, en el capital humano de largo plazo. Diversas investigaciones científicas sugieren que el uso de paneles reduce los sesgos de selección. Según Rubalcava y Teruel (2020), el seguimiento de hogares en México ha permitido identificar que los efectos de programas de transferencias monetarias no se limitan al consumo inmediato, sino que también influyen en la inversión educativa de la siguiente generación, un dato que se perdería en encuestas de una sola aplicación.
Además, estos datos permiten aplicar métodos de Diferencias en Diferencias o Variables Instrumentales, técnicas estadísticas que "limpian" el ruido generado por otros factores económicos para atribuir el éxito —o fracaso— directamente a una política pública.
El Banco de México (Banxico) y diversos sectores académicos han subrayado que, sin un seguimiento longitudinal, la evaluación de políticas relacionadas con el salario mínimo o la formalización laboral queda incompleta, pues no permite observar la rotación ni el efecto de "cicatriz" en los trabajadores desplazados (Banxico, 2024). No obstante, el principal obstáculo para México sigue siendo el costo financiero y logístico. Mantener un panel requiere localizar a las mismas personas año tras año, incluso cuando migran.
Sin embargo, los especialistas coinciden en que el costo de mantener programas ineficientes por falta de datos precisos es mucho mayor que el de financiar una encuesta longitudinal de calidad. En conclusión, para que México avance hacia un verdadero Estado de bienestar, la política pública debe dejar de basarse en intuiciones. Los datos panel representan una brújula indispensable para navegar la complejidad social del país y garantizar que el gasto público se traduzca efectivamente en desarrollo humano.
Referencias
Banco de México. (2024). Informe Trimestral Octubre-Diciembre 2023: Evolución de los indicadores de empleo y brechas salariales. Ciudad de México: Banxico.
CONEVAL. (2023). Lineamientos generales para la evaluación de los Programas Sociales Federales. Ciudad de México: Consejo Nacional de Evaluación de la Política de Desarrollo Social.
Rubalcava, L., & Teruel, G. (2020). “La importancia de las encuestas longitudinales para el diseño de política pública: El caso de la Ennvih en México”. Revista Mexicana de Economía y Finanzas, 15(2), 245-260.
INEGI. (2022). Documento metodológico sobre el uso de registros administrativos y paneles de hogares para el análisis de la movilidad social. Aguascalientes: Instituto Nacional de Estadística y Geografía.
