"Mastering Metrics": enseñando econometría

admin 3 comentarios

De Josh Angrist

Artículo originalmente publicado en VOXEU y reproducido aquí por su interés.

La formación económica ha cambiado drásticamente en el último medio siglo, haciéndose mucho más empírica y perdiendo más parte abstracta y teórica. Los vientos del cambio han soplado con mayor fuerza en microeconomía aplicada, dejándose muy atrás la econometría. En este post se expone que la enseñanza de la econometría necesita una amplía reforma y que este cambio debería pasar por tener mejores manuales.

La crisis mundial hizo que la gente empezara a preguntarse: ¿cuál es la utilidad de la economía? haciendo referencia a la economía que la mayoría de los economistas habían estudiado en la Universidad. En adición surgió la pregunta -¿cuál es el uso de la econometría... al menos como se enseña actualmente?- La mayoría de los estudiantes que se especializan en economía realizan un curso de econometría, este curso debería ser una de las experiencias más útiles que el estudiante pueda tener. Durante décadas, los graduados en economía han encontrado empleo en sectores que hacen un uso intensivo de habilidades cuantitativas. Como los conjuntos de datos han crecido, siendo ahora más grandes y complejos, la demanda de nuevos graduados con habilidades analíticas se ha acelerado rápidamente. Los cursos de econometría prometen dotar con las mejores herramientas a nuestros estudiantes para entender las relaciones económicas ocultas en los datos. Por tanto, es a la vez sorprendente y lamentable, que las clases de econometría continúen transmitiendo un cuerpo abstracto de conocimiento que es en gran medida irrelevante para el análisis de la política económica, los problemas de las empresas e incluso para muchas de las investigaciones econométricas realizado por los investigadores.

Después de una breve discusión de ajuste de curvas, la primera edición del libro de Pindyck y Rubinfeld (1976) comienza con subsecciones tituladas: "El Modelo", "Propiedades estadísticas de los estimadores" y "Mejor Estimación lineal insesgada". La segunda edición de Johnston (1972) de manera similar comienza con los modelos, los supuestos y los estimadores. Johnston describe modelos de regresión multivariante como "ajuste del plano de regresión" una extensión técnica del modelo de dos variables. La econometría para los universitarios ha evolucionado poco en las décadas posteriores. Becker y Greene (2001) sondean los textos de econometría en el cambio de milenio, con el argumento de que "la econometría y la estadística a menudo se enseñan como ramas de las matemáticas, incluso cuando se enseña en las escuelas de negocios... los libros de texto y el material didáctico centran su atención en la presentación y explicación de la teoría y los detalles técnicos prestando atención secundaria a las aplicaciones, que se producen a menudo para ajustar el procedimiento... estas aplicaciones rara vez se basan en hechos publicados en periódicos financieros, revistas de negocios o revistas especializadas en economía.

La desconexión entre la enseñanza y la práctica econométrica

Revisando los contenidos de los textos existentes, los líderes en el mercado hoy en día siguen presentando modelos e hipótesis a expensas de aplicaciones empíricas. Las cuestiones económicas básicas se mencionan de pasada -en todo caso- y los ejemplos empíricos son mayormente artificiales, como en Studenmund (2011), que introduce la regresión empírica con un análisis imaginario de la relación entre la altura y el peso. La primera aplicación empírica en Hill, Griffiths, y Lim (2011: 49) explora la correlación entre el gasto en alimentos y nivel de ingresos. Esta relación potencialmente interesante se presenta sin una pizca de por qué o para qué. En cambio, se hace énfasis en esta discusión en el hecho de que "suponemos que los datos... satisfacen los supuestos SR1-SR5". Un punto brillante pero aislado es Stock y Watson (2011), que se abre con un capítulo sobre "Cuestiones Económicas y datos" e introduce una regresión con una discusión sobre el efecto causal del tamaño de la clase en el rendimiento de los estudiantes. Por desgracia, Stock y Watson también vuelven repetidamente a la abstracción más tradicional basada en modelos.

La desconexión entre la enseñanza y la práctica econométrica va más allá de cuestiones de tono y forma, la brecha más preocupante aquí es conceptual. El ascenso de las cinco herramientas econométricas básicas - experimentos, métodos de regresión, variables instrumentales, diferencias en diferencias y diseños de regresión discontinua - marcan un cambio de paradigma en la economía empírica. En el pasado, la investigación empírica se centró en la estimación de modelos, presentando los resultados como pruebas de las teorías económicas. La investigación aplicada contemporánea se centra en preguntas sobre las fuerzas económicas y las políticas económicas.

Consistentemente con el énfasis actual sobre los efectos causales específicos, nuestro propio libro, "Mastering Metrics" (Angrist y Pischke 2015) introduce la regresión como una estrategia para responder a la pregunta de si valen la pena los $ 50,000 al año de la matrícula universitaria privada, ya que muchos estudiantes estadounidenses la pagan. Por supuesto, los estudiantes que asisten a escuelas privadas relativamente selectivas son propensos a tener mayores ingresos por muchas razones - este es el sesgo de selección que afecta a las comparaciones más ingenuas. La regresión es una estrategia de control que reduce este sesgo, su valor se convierte únicamente en la idea fundamental de que las comparaciones controladas tienen más probabilidad que las comparaciones no controladas de obtener una interpretación causal. En la práctica econométrica contemporánea, las herramientas econométricas más empleadas están diseñadas para capturar las relaciones causales específicas, como el efecto de los ingresos futuros de la escuela privada. Tales preguntas son fáciles de entender y las respuestas a estas tienen consecuencias reales para la gente real, incluyendo, en muchos casos, a nuestros estudiantes.

Pragmatismo

El enfoque sin complejos en las relaciones causales que es emblemática de la econometría aplicada moderna, fue surgiendo gradualmente en la década de 1980 y desde entonces se ha ido acelerando. Las aplicaciones econométricas de hoy hacen un uso intensivo de los diseños de investigación cuasi-experimentales y ensayos aleatorios de un tipo visto sólo en la investigación médica. De hecho, la noción de un experimento aleatorio se ha convertido en un concepto unificador fundamental para la investigación econométrica más aplicada. Incluso cuando la asignación aleatoria es poco práctica, la idea del experimento que nos gustaría correr guía nuestra selección de preguntas y disciplina nuestro uso de herramientas no experimentales y datos empíricos.

El camino hacia la comprensión de las herramientas econométricas comienza con preguntas causales motivadas por el razonamiento económico. Estas preguntas son entonces respondidas con datos y un análisis empírico centrado y cuidadosamente ejecutado. ¿Cuál es el efecto del seguro de salud en la salud? ¿Reduce la detención de maltratadores el abuso conyugal? ¿Los efectos de pares son importantes para el logro del estudiante? ¿Tiene liquidez del banco central para salvar a los bancos en una crisis bancaria? Cada uno de nuestros capítulos metodológicos comienza con preguntas como éstas, que plantean generalidades, pero son respondidas específicamente. Explicamos por qué estas preguntas son difíciles y por qué las estrategias empíricas simples para hacer frente a ellos pueden ser engañosas. Nuestros métodos y herramientas econométricas son los más comúnmente utilizados en la investigación económica aplicada moderna.

Nuestro enfoque en cinco herramientas econométricas básicas es una consecuencia natural de la práctica econométrica contemporánea, que debe poco a las formalidades del modelo de regresión lineal clásica, los supuestos arcanos estadísticos de mínimos cuadrados generalizados o el elaborado marco de ecuaciones simultáneas que llenan tantos textos. Comenzamos con los ensayos aleatorios, que establecen nuestros estándares para la validez de la investigación, pasando a una discusión detallada, pero de libre modelo de la regresión, la herramienta más propensa a ser utilizada por los profesionales. Nuestra aplicación de regresión - la estimación de los efectos de la asistencia a la universidad privada en las ganancias posteriores - muestra el poder de regresión para convertir la noche en día cuando se trata de conclusiones causales.

Aunque la regresión de variables instrumentales se inventó como una solución al problema de la estimación de las curvas de oferta y demanda, nuestra sección de variables instrumentales se corresponde con la forma de regresión variable instrumental más utilizada hoy: como una solución al problema de sesgo de selección. Por el contrario, Hill, Griffiths, and Lim (2011) introducen la regresión de variables instrumentales en un capítulo con el intimidante título: "Regresores aleatorios y Estimación Momento-base". Siguiendo nuestro capítulo decisivo de regresión de variables instrumentales, construido en torno a tres usos interesantes de la regresión de la variable instrumental para capturar los efectos causales, abordamos métodos de diferencias en diferencias y diseño de regresión discontinua. Una búsqueda en Econlit revela cientos de artículos publicados desde 1990 utilizando ambos métodos. Sin embargo, estos no reciben atención en Studenmund (2011) o gujarati y Porter (2010), mientras que Hill, Griffiths, and Lim (2011) y Wooldridge (2012) muestran brevemente las diferencias en diferencias.

No sólo para los modelos lineales

Además de los contenidos, al día hasta a la fecha, nuestro libro renueva la econometría abandonando el literalismo infantil del enfoque heredado de la enseñanza econométrica. En este espíritu, evitamos la noción de que la regresión está ligada a un modelo lineal literal. La regresión describe las diferencias en los promedios si estos promedios se ajustan a una ecuación lineal. Esta es una propiedad universal - una que es fiable de verdad - y no intimidamos a los lectores con descripciones de los castigos impuestos por el fracaso de los supuestos clásicos. Nuestro análisis de regresión comienza desafiando a los lectores a preguntarse en primer lugar, ¿cuál es el efecto causal de destino? y en segundo lugar preguntando, ¿cuál es la regresión que quieres? En otras palabras, ¿qué te gustaría mantener fijo cuando tratas de regresar un efecto promedio causal? El sesgo de las variables omitidas es la diferencia entre esta regresión ideal y la regresión que tienes en la mano. Con el mismo espíritu introducimos variables instrumentales como un método para resolver los problemas de cumplimiento en un experimento natural aleatorio, esto conduce fácilmente a una discusión de mínimos cuadrados en dos etapas como un poderoso método de aprovechamiento de la variación en los instrumentos procedentes de una amplia variedad de fuentes. Cerramos con una pregunta que sintetiza la investigación sobre la rentabilidad económica de la escolarización, mostrando cómo diferentes métodos revelan aspectos importantes de una única relación causal subyacente.

En nuestra experiencia, la mayoría de los profesores de econometría disfrutan trabajando con datos y esperan que sus alumnos también lo hagan. Sin embargo, una triste consecuencia de la enseñanza de la econometría heredada es su monotonía. Esto es realmente una lástima porque la econometría aplicada moderna es interesante, pertinente, y sí, ¡divertida! Los profesores que se divierten tanto enseñando econometría como cuando lo usan en sus investigaciones pueden aspirar a transmitir su entusiasmo a sus estudiantes. Además de pasar un buen rato plantamos las semillas del análisis de datos, semillas útiles para la próxima generación de académicos, responsables políticos y una ciudadanía económicamente alfabetizada. La promesa de nuestro enfoque de la enseñanza es evidente en la popularidad de la franquicia Freakonomics y en el flamante libro de principios de economía escrito por Acemoglu, Laibson y List (2015): su visión sobre la economía pone preguntas y pruebas por delante de los modelos. Estamos contentos de unirnos a estos colegas, en un esfuerzo para pulir y renovar el oxidado canon de enseñanza de nuestra profesión.

Hay 3 comentarios
  • Como licenciado en Administración y Dirección de Empresas, he de decir que mi relación en la universidad con la Econometría así como la de mis compañeros fue bastante mejorable. Eché de menos una aplicación menos abstracta de la materia y más de campo. Consiguieron que promociones enteras se dedicasen a abandonar las clases y aprobar tirando de academias universitarias y memorizando fórmulas y metodologías que se olvidarían poco tiempo después.

  • Muy de acuerdo con esta entrada.

    La econometría es divertida. Trabajar con datos, e intentar saber que ocurre en cualquier base de datos, empresarial, social, laboral.... Es algo que cuanto menos interesa y en la mayoría de los casos es cuanto menos curioso.

    Recuerdo una asignatura en un master que hice, sobre econometría con datos de panel. Recuerdo que usamos una base de datos enorme. Una macro encuesta social de Alemania, que se llevaba haciendo muchos años. Creo que se llamaba el GSOEP. Pues ahí encontramos relaciones muy curiosas y cuanto menos un estudio muy divertido con variables sobre el consumo de ocio, de bebidas, de comida.... Y quisimos trabajar para poder encontrar en ellas una "Happines ecuation". Nos lo pasamos muy bien, pero:

    Veo necesario y fundamental que los licenciados o graduados en economía o ciencias empresariales empiecen por la econometría de lápiz y papel.

    Esa de una tabla de frecuencias con solo 10 observaciones y 2 variables. Construir una matriz de varianzas y covarianzas o una regresión mco y de saber qué significan estadísticos como el coeficiente de determinación. Creo que todo eso es necesario y luego pasamos a la práctica. A la realidad. A ver qué utilidades tiene la econometría y como podemos sacar lo mejor como herramientas para resolver un problema empresarial o social, comprendiendo que puede ser un medio insuficiente o equivocado.

    No podemos empezar un análisis sin herramientas. Y el conocimiento de estas herramientas comienza con un lápiz, un papel y una calculadora.

    Saludos y enhorabuena por la entrada.

Los comentarios están cerrados.

Centro de preferencias de privacidad