La capacidad de los individuos para ascender en la escala de ingresos puede mitigar los efectos de la mala distribución del ingreso, y es por esto que la movilidad de ingresos generalmente se considera como algo bueno. Sin embargo, un mapeo general de la movilidad con el bienestar es problemático.
Es común, por ejemplo, medir movilidad como una baja correlación de ingresos presentes con ingresos pasados. El índice de Hart $latex cov\left(\ln(Y_t),\ln(Y_{t-1}) \right) $ es sólo una medida de este tipo. Incluso si asumimos un proceso de ingreso estándar compuesto por un componente transitorio (o error de medición), y un componente permanente que sigue un proceso AR(1) con un component autoregresivo, , se puede demostrar que el índice de Hart es una función del error de medición o de los choques transitorios, del riesgo del ingreso, y de un término de convergencia que corresponde a $latex 1 – \rho $ . De manera que si asumimos que los individuos pueden suavizar choques de corto plazo, es probable que ni el error de medición ni los componentes anteriormente mencionados puedan tener importantes efectos sobre el bienestar. El riesgo de ingresos, bajo la mayoría de supuestos estándar, es “mala movilidad”, la “buena” movilidad en este caso es $latex 1 – \rho $, es decir, qué tan pronto vuelven los individuos a la media condicional. De esta manera un aumento en la movilidad medida por el índice de Hart puede ser bueno o malo dependiendo del impacto relativo sobre el bienestar.
En un trabajo conjunto con Tom Krebs, y Pravin Krishna usamos datos panel y de corte transversal de México para estimar las magnitudes de los distintos componentes de la movilidad. A lo largo de un año, el 90% de la movilidad medida se debe a errores de medición o a choques transitorios, y aproximadamente un 1% se debe a riesgo en el ingreso y al término de convergencia. Durante un período de 25 años, la contribución transitoria cae a un 23% –siendo aún elevada–, y los otros dos componentes aumentan a aproximadamente en 8% cada uno.
Desde el punto de vista del bienestar, un gran componente de la movilidad resulta ser entonces motivado por errores de medición o choques transitorios al ingreso, y por tanto su interés es limitado. Cuando se remueve todo el riesgo por ingreso aumenta el bienestar medido como el consumo a lo largo del ciclo de vida. Por su parte al eliminar el efecto de convergencia se reduce el consumo en 8%. Así, ambos experimentos reducen la movilidad, ambos son de importantes magnitudes y ambos operan en direcciones contrarias.
Está claro que las funciones de bienestar y las medidas de movilidad pueden generan diferentes resultados. Sin embargo, usando medidas estándar, estos resultados sugieren varias lecciones. Primero, dado el gran impacto de los errores de medición (o de los choques transitorios) en la medida de movilidad de ingreso, se
debe comparar con cautela la movilidad entre países o encuestas. Segundo, no es claro que un aumento en la movilidad mejore necesariamente el bienestar. Si este aumento surge puramente de un aumento de los choques aleatorios –riesgo de ingresos– mayor movilidad lleva a una reducción de bienestar. Tercero, la medida relevante de “buena” movilidad de ingresos es la convergencia de los ingresos para este caso.
