Nota del editor: La entrada de ayer nos pareció interesante y por esto la reprodujimos, pero nos pareció importante contrastar si la filosofía docente de su autor es compartida, de manera que preguntamos a dos de nuestros más ilustres econométras/economistas aplicados: José García Montalvo (JoGa) y Jesús Gonzalo (JeGo) su opinión sobre la docencia de la econometría.
¿Es la econometría una disciplina especial en el ámbito docente?
JeGo. La econometría es una asignatura muy difícil de enseñar y muy difícil de comprender, todo lo que tenga que ver con "aleatorio" necesita un re-seteo del cerebro. Es muy difícil comprender que 3 puede ser cero.
JoGa. Estoy de acuerdo con Jesús. Además a diferencia de otros campos de la economía, la enseñanza y la práctica de la econometría ha sufrido un gran cambio en los últimos 20 años. En particular, el diseño (la forma de buscar una fuente de variación exógena para conseguir una identificación adecuada que resuelva un problema relevante) se ha convertido en un componente fundamental. Don Rubin siempre insiste en el trade-off evidente entre diseño y supuestos: a más diseño menos hipótesis y menos technicalities tienes que utilizar con posterioridad.
Don explica con mucha claridad lo importante que resulta comprender muy profundamente los principios básicos y lo poco relevante que son muchos artículos publicados que son pura matemáticas y technicalities sin interés y desconectados de los problemas estadísticos esenciales Solo están motivados por la propia endogamia de la profesión. En resumen: hay que saber elegir preguntas relevantes y utilizar los métodos apropiados. Y esto debe ser así no solo en la enseñanza sino que tendría que extenderse también a nuestra labor profesional.
¿Cómo debe enseñarse la econometría en el siglo XXI?
JeGo. Lo que comenta Angrist sobre el método anticuado de enseñanza de la Econometría seguro que se puede aplicar a la mayoría de las asignaturas del grado de Economía, matemáticas incluidas (¿cuántos curso usan Mathematica para enseñar? me temo que en los departamentos de Economia muy pocos o ninguno). Por ejemplo yo sigo alucinando porque el único que usa base de datos macroeconómicos en el departamento soy yo, para enseñar econometría de series temporales. ¿Cómo puede ser esto?
JoGa. Aun estando bastante de acuerdo con la importancia de los experimentos aleatorizado como el estándar con el que se debería comparar cualquier otro método, no se pueden olvidar dos cuestiones. Primero, hay problemas muy importantes que difícilmente podrán resolverse con procedimientos experimentales o cuasi-experimentales. Además en la actualidad el péndulo ha pasado al otro extremo y se abusa de los métodos experimentales en contextos donde la validez externa es cercana a nula. Segundo, la mayoría de las técnicas de big data y machine learning (y en la que los económetras están empezando a entrar con intensidad con los LASSOs y otras técnicas de regularización para k>>n) tiene como objetivo encontrar correlaciones sin importar si hay causalidad o no (de hecho alguno de los libros básicos sobre big data vuelven a hablar de “dejar hablar a los datos” y olvidarse de la causalidad). Nuestros estudiantes deberían estar también expuestos a estas técnicas. Esta visión debería también ser parte de los cursos de econometría básicos. Y si es así, el problema de big data puede ser muy interesante (como predecir a partir de la cesta de la compra cuando una clienta se ha quedado embarazada, casi incluso antes que su marido lo sepa...) pero cualquier técnica de machine learning implica una inversión sustancial en fundamentos.
¿Realmente son tan malos los libros existentes de econometría?
JeGo. La mayoria de los libros que menciona Joshua vienen bien para su argumento pero ya no se usan ni en el Sahara. Ahora domina el libro de Stock-Watson, y para un nivel un poco más el libro de Jeff Woolridge. Ambos libros tienen una vertiente aplicada tremenda.
JoGa. Totalmente de acuerdo con Jesús: es imprescindible que los estudiantes conozcan perfectamente todos los detalles de OLS y los principios estadísticos básicos. Sirve para entender mejor los procedimientos cuasi-experimentales y por qué en muchas ocasiones no hay una buena alternativa a métodos con datos observacionales. No entiendo muy bien a que textos se refiere Josh Angrist cuando habla de “modelos de ecuaciones simultáneas que llenan libros de econometría”. Prácticamente no quedan libros de econometría que traten esos temas.
¿Se puede estudiar econometría sin saber elementos estadísticos básicos?
JoGa. Estoy de acuerdo que un econometrics101 (¿statistics101?), que potencialmente podrían hacer muchos estudiantes que no hacen economía, debería basarse en casos interesantes y pocas abstracciones pero no creo que en economía podamos evitar que nuestros estudiantes entiendan muy bien los fundamentos estadísticos de los métodos básicos. Hace unas semanas le pedí a un ayudante que hiciera unas regresiones con efectos fijos individuales y temporales con una base de datos con más de un millón de observaciones. Al cabo de unos días me escribió un email y me dijo que el servidor de la universidad era muy lento y que no conseguía que Stata le diera el resultado. Cuando le pregunte como lo estaba haciendo me dijo “uso xtreg (que es la instrucción de Stata) y también he probado con dicotómicas”. En un problema de esas características lo lógico sería quitar las medias de cada unidad y tiempo y luego hacer una regresión pero ahora muchos estudiantes hablan en términos de instrucciones de Stata sin entender bien que es lo que está pasando (y no veas cuando les dices que tienen que ajustar la desviación estándar si lo hacen así…).
JeGo. Es cierto que el temario de Stock-Watson y Woolridge es el standard, ¿por qué? Pues porque es rarísimo que alguien pueda entender IV sin saber lo que es OLS. ¿Recuerdas José cuando Zvi Griliches en TODOs los seminarios de Harvard siempre decía...riéndose y preguntando al ponente “no-paramétrico”: “but have you run a regression?” Siempre hay que correr una regresión y ésta hay que entenderla muy muy bien, para ello hay una serie de conceptos que hay que entender como el contar con los dedos de la mano. Es cierto que éstos se pueden comprender mejor vía simulaciones experimentos etcétera.
¿Qué innovaciones docentes estáis desarrollando vosotros?
JeGo. Hace 2-3 años, empecé a desarrollar un método ideado en U. California San Diego para enseñar idiomas, Antonio seguro que tu mujer lo recuerda muy bien porque lo usaria ella para enseñar, se llama The Natural Approach. Básicamente empiezas a hablar desde el primer día y ya irás corrigiendo la gramática intentando razonarla lo más posible. En Econometría esto consistiría en enseñarla en la sala de máquinas y desde el principio enseñar y hacer que los estudiantes corran regresiones, seleccionen modelos, que ellos inventen sus criterios de selección, que vean que es ser inconsistente, de dónde sacar variables instrumentales, etcétera. Y esto se complementa con una teoría imprescindible, algo que Joshua parece obviar. Este método lo empecé a desarrollar el curso pasado en el doctorado. A los estudiantes les gustó pero esto no indica nada todavía.
¿Cuánto tiene de propaganda la entrada de Angrist?
JoGa. Citar Freakonomics muestra hasta qué punto hay un objetivo comercial y de propaganda en el post. ¿Por qué hacer un libro de estadística para economistas cuando lo puedes hacer para todos los estudiantes universitarios (o incluso para el público en general)? El mercado de economía popular ha sido muy boyante desde hace algunos años con los Freakonomics, los Undercover Economist, el Naked Economist o el Armchair economist. La pugna por el mercado de manuales de principios de economía y macro básica ha sido muy fuerte en los últimos 20 años y ahora parece que se desplaza a la econometría. Pero como dice Jesús: la econometría es una asignatura intrínsecamente difícil. Se puede y se debe hacer interesante para que los estudiantes se sientan incentivados al esfuerzo que supone captar los conceptos básicos. Si el objetivo es estudiar los fundamentos de la inferencia causal mi recomendación sería el libro de Guido Imbens y Donald Rubin (Causal inference: an introduction) que finalmente fue publicado recientemente.
JeGo. Como es lógico Joshua se olvida de todo lo relacionado con Econometría de series temporales (Macroeconometría). Aquí también hay una revolución más silenciosa. Temas que deben ser incluidos para navegar en la era del Big Data serían Factor Models, Model Averaging, modelos de quantiles y no solo modelos de medias. No me enrollo mucho más. Mi lectura de la entrada de Joshua es que hace falta otro curso más de Econometría por las razones que el indica. Hay que salir de la pura teoría y de la pura abstracción, hay que enseñar a los estudiantes a moverse en las arenas del Big Data (quizás deberíamos aprender nosotros antes, ja ja) pero como no les enseñes a los estudiantes lo que es un intervalo de confianza, todo lo siguiente está muy muy complicado.