22 Informe económico y financiero #29 | Firma Invitada Evaluando la desigualdad durante la pandemia Aspachs et al. (2020) describen un procedimiento para calcular índices de Gini mensuales a partir de la información sobre nóminas depositadas en Caixabank. Los datos permiten hacer un seguimiento de la evolución de la desigualdad salarial mensual antes y después de tener en cuenta las transferencias del sector público en forma de ERTE y prestaciones/subsidios de desempleo. La elevada proporción de asalariados en España (en torno al 85% de los trabajadores), el enorme tamaño de la muestra (tres millones de observaciones mensuales) y el alto nivel de inclusión financiera (97,6% según datos del Global Findex del Banco Mundial) permitían prever un nivel elevado de representatividad. El Gráfico 1 muestra cómo la representatividad de la muestra para la población de asalariados es excelente. En el mismo se comprueba que la distribución de los salarios de la Encuesta de Estructura Salarial (ESS) del INE y la calculada con las nóminas depositadas en Caixabank son prácticamente idénticas. Es interesante notar que los últimos datos del INE, presentados en el verano de 2020, se refieren al último año disponible (2018) y han sido ajustados por la inflación salarial de 2019 y los primeros meses de 2020. El movimiento de la desigualdad en los primeros meses de la pandemia fue enorme. El Gráfico 2 muestra que el incremento del índice de Gini entre abril de 2020 y el mismo mes de 2019 respecto a lo sucedido un año antes fue de más de 11 puntos antes de considerar los mecanismos públicos de soporte de rentas. El incremento del Gini se fue reduciendo hasta octubre, momento en que, coincidiendo con la segunda ola de la pandemia, el Gini comienza a subir de nuevo. El aumento del Gini considerando las ayudas públicas es significativamente menor, lo que muestra la relevancia de los mecanismos de soporte de rentas puestos en marcha durante la pandemia. Con todo, el incremento de la desigualdad después de considerar las ayudas es significativo. Aspachs et al. (2021) exponen que la mayor parte del movimiento en la desigualdad está relacionado con variaciones intragrupos. El Gráfico 3 muestra que la desigualdad aumentó más entre los nacidos en el extranjero que en los nacidos en España. El Gráfico 4 revela la evolución por comunidades autónomas de la desigualdad antes de considerar las ayudas públicas. Cataluña y La Rioja presentan el mayor incremento de la desigualdad mientras los menores incrementos se observan en Navarra y Galicia. La desigualdad también aumentó más entre los jóvenes. El efecto de los confinamientos Sheridan et al. (2020) utilizan datos del Danske Bank para mostrar que las normas de distanciamiento social tuvieron un impacto pequeño en la actividad económica. En su investigación comparan los datos de Suecia, que no impuso un confinamiento estricto, con los datos de Dinamarca, que sí lo impuso. El gasto semanal se calcula a partir de la suma de gasto en tarjeta de crédito/débito, mobile wallets, retiradas de efectivo y pagos electrónicos a negocios online. Con estos datos la diferencia en la reducción del gasto de los consumidores en Suecia (-29%) es solo 4 puntos porcentuales superior a la reducción estimada en Dinamarca (-25%). Este resultado concuerda con los hallazgos de Chetty et al. (2020), que muestran que la fuerte reducción en el gasto de los consumidores, el gasto de las pequeñas empresas y el tiempo dedicado al trabajo en la economía de Estados Unidos comenzó semanas antes de la orden de confinamiento y cierre de negocios no esenciales, y no se recuperó inmediatamente después del levantamiento de la orden de confinamiento. Esto indica que la reducción de la actividad económica estuvo más relacionada con el miedo al contagio que con los confinamientos. La evaluación del impacto de las políticas para hacer frente a la COVID-19 Otra utilización reciente de los microdatos bancarios es la evaluación de medidas de política económica destinadas a contrarrestar los efectos de la COVID-19. Baker et al. (2020) evalúan el impacto de los cheques enviados por el gobierno a la gran mayoría de las familias de Estados Unidos tras la aprobación de la CARES Act (The Coronavirus Aid, Relief, and Economic Security Act). Solo se excluían individuos que ganaban más de 99.000 dólares y familias con ingresos superiores a 198.000 dólares. El programa implicaba un único pago de 1.200 dólares por adulto y 500 por menor de 17 años. La disponibilidad de este tipo de datos de frecuencia diaria es fundamental para la identificación de estos ingresos puesto que el depósito de estas cantidades se produjo entre los días 9 y el 15 de abril de 2020. Los datos sobre transacciones bancarias proceden de la empresa de finanzas personales SaverLife. Después de mostrar un gran aumento del gasto alrededor de las fechas de recepción de la ayuda pública, Baker et al. (2020) estiman la propensión marginal a consumir (PMC) por el nivel de renta de los usuarios de la aplicación. La conclusión señala que la PMC de la ayuda recibida es 0,34 en el grupo de personas que ganan menos de 1.000 dólares mensuales y tan solo 0,14 en los que ganan más de 5.000 dólares. Un aspecto interesante de este caso es que los resultados estaban disponibles menos de dos meses después de la puesta en marcha de esta política. Kubota et al. (2021) analizan 24 millones de cuentas del Mizuno Bank entre enero de 2019 y agosto de 2020 para evaluar la respuesta de los hogares japoneses al programa SPC. Esta política suponía una transferencia única de 100.000 yenes (aproximadamente 750 euros) sin restricciones de edad, renta, tamaño familiar o nacionalidad. Al igual que en el caso de Baker et al. (2020), la fecha de pago fue aleatoria en un rango de varias semanas debido a problemas administrativos. Como en el caso de Estados Unidos, Kubota et al. (2021) encuentran un gran salto en el gasto alrededor de la fecha de recepción del ingreso. En el grupo de receptores en los que la COVID-19 redujo más los ingresos, se observa un impacto superior al resto, aunque las diferencias respecto a los otros grupos son pequeñas. Algunos estudios señalan que las normas de distanciamiento social tuvieron un impacto pequeño en la actividad económica y que la reducción de esta estuvo más relacionada con el miedo al contagio que con los confinamientos.