Escribe tu primer paper de economía

¡Hola!

El día de hoy comenzamos una serie dirigida a las citas y referencias en tu paper. Tu sabes, esa parte al final del documento. He revisado cientos de tesis y me he dado cuenta que la sección de referencias está llena de muchos problemas:

• Hay mucho estrés por no saber lo que estamos haciendo.
• Mucha confusión sobre dónde, qué tanto y cómo debemos de citar.
• Y hay cientos de herramientas para gestionar las citas. Pero eso no ha causado más claridad. Al contrario, ha sido fuente de confusión.

Así que en este texto romperemos con esa confusión. Es un tema que en realidad es muy sencillo y ya verás por qué.

Así que comencemos.

El error que muchos cometen es dejar las referencias al final.

Como si fuera algo en lo que no tienen que pensar hasta que hayan terminado el resto de la tesis.

Esta es la primera de una serie de posts sobre las referencias de tu artículo. A pesar de ser uno de los temas más importantes, es uno de los más ignorados. Esto es porque no estamos acostumbrados a pensar en términos de citas y referencias, vemos en los textos que sale al final y por lo tanto pensamos que es lo último que debemos hacer. O al menos eso es lo que he notado que muchos alumnos hacen.

¿El resultado? Tienen que volver a hacer todo el trabajo desde un inicio porque las referencias no tienen congruencia con lo que ya hicieron.

Así que vamos a darle la vuelta a este problema de una vez por todos con esta guía completa para hacer referencias.

Estos son los temas que veremos en los días siguientes.

• ¿En dónde debería colocar mis referencias en el texto?
• Top journals y de dónde sacar fuentes
• Cómo armar tu base de datos de referencias.
• Estilos de referencias y cómo usarlos
• Bonus: Usa las referencias de forma estratégica.

¿Estás listo?

Comencemos con tres formas en las que tu sección de referencias delata tus sesgos.

Forma #1: Denota tu nivel de conocimiento (o desconocimiento) en el tema

Por definición, si estás escribiendo una tesis y estás trabajando en el límite del conocimiento en ese tema, hay muchas cosas que no sabes al respecto.

Eso está bien y tienes que sentir comodidad al respecto. Pero que te falte conocimiento en el área no debe reflejarse en un texto con malas referencias. Alguien que conoce el tema lo suficiente, va a elegir citas que realmente son relevantes para su argumento. En cambio, alguien que no acaba de entender lo que hace, simplemente va a poner en el buscador “economía de cuidados” (por decir un ejemplo), va a descargar todos los papers que le salieron al inicio, les echa un ojo sin leerlos a profundidad y los trata de meter todos al paper.

Y creéme. Cuando haces eso, se nota.

Estas son las consecuencias:

• Consecuencia #1: Una tesis que podría ser mención honorífica se convierte en un “aceptado por humanidad”.O de plano te pueden suspender o cancelar el examen de tu tesis.
• Consecuencia #2: Los intentos que hagas por intentar aparentar conocer algo que no sabes, sólo te delatarán más. No trates de fingir. Tus referencias de verdad deben ser lo que conoces y deben reflejar que conoces el problema a profundidad.
• Consecuencia #3: Tendrás que volver a hacer muchas veces el proyecto desde el principio. Tu coautor o director de tesis lo va a leer y te pedirá cambios. Pero el problema de las referencias es sutil. Al leerlo, no siempre se entiende cuál es el problema. Eso hace que te pidan cambios en todo el trabajo.

Forma #2: Hace evidente tu nivel de experiencia escribiendo

No es pecado ser novato escribiendo. Todos lo fuimos alguna vez.

Pero al escribir una tesis o un paper, se supone un cierto nivel de habilidad mínimo. Hoy en día, muchos están dejando de tener “horas de vuelo” escribiendo por su cuenta propia porque existe la Inteligencia Artificial. Lo que no se dan cuenta es que, aunque tu texto no tenga ninguna falta gramatical y parezca perfecto, si las referencias no están bien colocadas, el lector se queda con la sensación de que algo está mal.

Y eso afecta a todo tu texto en general.

Esto es lo que pasa:

• Cuando ubicas mal una referencia se nota que no tienes mucha experiencia escribiendo artículos científicos o tesis. Pero lo que parece a los ojos del lector es que nunca has siquiera leído un artículo científico. Lo se, puede ser injusto. Escribir una tesis y leer un paper son habilidades completamente distintas. Pero la mayoría de los lectores no tiene paciencia cuando ven una cita mal colocada.
• Trabajar un buen sistema de referencias es la diferencia más grande entre un trabajo aceptado y uno rechazado. Las referencias son de esas partes del texto que cuando están bien escritas, nadie lo nota, pero cuando algo está mal, todo el mundo lo puede ver y juzgar.

Forma #3: Hace evidentes tus sesgos políticos

Todos tenemos derecho a tener y defender nuestros propios sesgos (excepto si crees en la llamada teoría monetaria moderna, ahí si no tienes remedio).

El problema es que al escribir una tesis y un paper, se supone que estamos dejando de lado nuestros sesgos en búsqueda de la verdad. El problema es que, aunque nuestro texto parezca muy objetivo, cuando el lector se va a la sección de referencias, se va a dar cuenta de lo que te falta.

Estas son las consecuencias

• Consecuencia #1: El lector tendrá un juicio apresurado de ti. Aunque su juicio no sea verdadero, esto te podría afectar.
• Consecuencia #2: Los revisores te pedirán que completes el texto, agregándote más referencias y más trabajo. Para completar tu trabajo, tal vez tengas que agregar otras 25 referencias. El problema es que eso significa para ti más trabajo y probablemente cambia tu texto completo.

Te espero en las siguientes sesiones

En el próximo correo veremos el tema ¿En dónde debería colocar mis referencias en el texto?.

En particular, nos interesa

• Cómo prepararte para identificar en dónde le falta una referencia en tu texto.
• Los preparativos previos que tienes que tener
• Y un prompt de chatGPT para hacerlo más fácil.

Nos vemos en la próxima.

¿Qué software debería utilizar?

Parece una decisión compleja, pero en esta sección te lo haré más sencillo. La razón por la que muchas personas lo hacen ver complicado es porque:

• Hacen parecer que es una decisión de identidad que te afectará para toda la vida. No es verdad. Hoy puedes usar uno y el próximo año usar otro software distinto y la vida sigue.
• Hay mucho FOMO en redes diciéndote que deberías estar usando X o Y tecnología. Incluso dentro de un mismo software, siempre habrá quien te esté diciendo que debes usar un nuevo módulo.

La realidad es esta: puedes elegir cualquier software. Todos funcionan igual. Una vez que elijas, profundiza en su uso, profundiza en la econometría y llega al fondo de la teoría que vas a usar.

Todo lo demás es secundario y podrás afinar detalles en el camino.

Una lista del software que puedes usar para hacer econometría ( y sus enlaces)

Esta lista no está hecha en orden de importancia ni es del mejor al peor. Todos tienen sus ventajas y desventajas.

• R. Es es software para hacer estadística por excelencia. Se trata en realidad de un lenguaje de programación que usa por default a RStudio como entorno de desarrollo.
• Python. Es un lenguaje de programación más general. Con Python puedes hacer muchas cosas adicionales a la estadística, lo que genera una ventaja: puedes integrar tu trabajo y automatizar muchos procesos. Incluso puedes incluir modelos de inteligencia artificial como parte de la investigación.
• Stata. Es el software de paga favorito de los economistas en el mundo. Es un poco caro, pero es muy cómodo trabajar en Stata para hacer econometría.
• Eviews. Es uno de los favoritos para enseñar econometría. Tiene un lenguaje muy fácil de usar. Si lo he visto en aplicación fuera de la academia, pero cada vez menos.
• Otros. Están SPSS, Julia o hasta Excel. El primero es muy popular para estadística básica, pero si quieres trabajar con conjuntos más grandes de datos, te recomiendo los primeros de la lista. Lo mismo para Excel. No he conocido a nadie en la vida real que use Julia del diario.

¿Cuál elegir?

En realidad, la elección del software para hacer econometría depende mucho de tus características personales y de lo que quieres hacer.

Pero si aún quieres que te de una respuesta concreta sobre qué elegir, elige R.

• R es software libre. No tienes que pagar ni un peso por instalarlo ni por comenzar a usarlo.
• R es especial para estadística. No importa si tu proyecto es pequeño o grande, R es un gran lenguaje que podrá hacerlo seguramente.
• Hay una gran comunidad de soporte en internet. Cualquier duda que tengas, seguramente alguien ya la preguntó y entrenó a la inteligencia artificial para resolverla.
• Tiene librerías para todo lo que te propongas. Desde una regresión lineal hasta una red neuronal. Lo tiene.

Si quieres hacer investigación, en algún momento tendrás que trabajar con datos.

La buena noticia es que la gran mayoría del trabajo con datos es algo que alguien más ya hizo. Todos los teoremas, toda la paquetería de software y todos los modelos que puedes usar ya están establecidos y validados por alguien más. A nosotros nos toca únicamente darles uso.

Esta sección es una checklist sobre cuándo usar datos cuantitativos (y cuándo es mejor alejarnos de ellos).

¿Por qué usamos datos para nuestra investigación?

Como economistas, damos por sentado que estaremos usando datos. Pero eso es algo reciente.

Cuando el premio Nobel David Card hizo su estudio en el que comparaba el efecto que tuvo el aumento del salario mínimo en Nueva Jersey, lo hizo con una metodología muy clara. Sin embargo, en ese tiempo la tradición de la argumentación económica era el uso de modelos microeconómicos que equiparaban el mercado laboral con cualquier otro mercado y que predecían que ese aumento venía acompañado de un desempleo que jamás sucedió.

Nos encontramos ante la llamada revolución de la credibilidad, donde todos los argumentos que hemos de hacer como economistas tienen que basarse en datos.

Estas son las principales razones por las que usamos datos cuando hacemos investigación.

• Para dar validez a nuestros argumentos. Podemos hacer tantos modelos como queramos, pero en algún momento lo tendremos que contrastar con la realidad.
• Para hablar en un lenguaje común. Transformar nuestros argumentos a números nos obliga a pensar con mucha precisión y claridad lo que queremos decir. No se vale dar un argumento vago para indicar si el salario mínimo es “malo” o “bueno”. Tienes que tener una medida objetiva sobre cómo vas a medirlo.
• Para distinguir con claridad los efectos causales y no permitir que la correlación nos confunda. Esta es la razón más importante. Es fácil por ejemplo observar que los bonos de carbono están llevando dinero a las comunidades que cuidan bosques y manglares. Pero si se trata de zonas que ya estarían protegidas de cualquier forma, entonces un bono de carbono podría ser un permiso para contaminar que está creando más problemas de los que trata de resolver.

Checklist de 12 pasos para hacer un estudio cuantitativo de inferencia causal

Cada estudio es diferente, pero todos mas o menos siguen la misma estructura.

Aquí te dejo esta checklist para hacer tu estudio cuantitativo:

• Paso #1: Identifica el problema a resolver. Este es el paso más importante. Por mucho. ¿Puedes hacer un estudio simplemente porque tienes curiosidad de un fenómeno? definitivamente. Pero tener un buen problema a resolver se convierte en una brújula que te guiará a lo largo de tu estudio.
• Paso #2: ¿Cuáles son las variables de interés?. Lo común es identificar cuál será tu variable $X$ (la causa) y cuál será $Y$ (el efecto). Por ejemplo, el efecto de los años de educación en los ingresos.
• Paso #3: Identifica las variables de control. ¿Cuáles son esas otras variables que también influyen en $Y$? Algunas de esas variables podrían ser observables (e.g. nivel de ingresos de los padres), pero hay otras que por su naturaleza no las podemos conocer (e.g. habilidades del individuo).
• Paso #4: Establece cuál crees que es la relación causal entre las variables. ¿Cómo afecta $X$ a $Y$? En dos sentidos: si es positiva o negativa y también hacemos una teoría sobre los mecanismos de esta relación. Por ejemplo, nos podemos imaginar que mayor educación proporciona habilidades más valiosas a las personas que les permiten obtener mejores salarios.
• Paso #5: Inventa un experimento ideal. Este paso es el que muchos se saltan, pero es clave: imagina un experimento en el que aíslas las variables como en un laboratorio. ¿Cómo se vería? Por ejemplo, podríamos asignar de manera aleatoria a diferentes personas diferentes años de educación. Hacer esto en la realidad podría no ser factible, ni ético (nadie te puede dictar que ya no puedes estudiar o aprender), pero por eso es un ejercicio de la imaginación.
• Paso #6: A partir del experimento ideal, identifica la estrategia de identificación. El experimento ideal es muy revelador, y permite imaginar la forma ideal en que capturaremos los datos y los estudiaremos. Podría tratarse de una regresión lineal o de un modelo de diferencias en diferencias.
• Paso #7: Definir las fuentes de los datos. Una vez definidos los modelos, podemos entrar en los detalles tácticos sobre la forma de obtener los datos. Hay tres formas básicas de obtener datos:
  • Capturar nuestros propios datos a partir de un instrumento.
  • Usar fuentes externas ya validadas.
  • Extraerlos por medio de scraping o alguna API.
• Paso #8: Diseñar los instrumentos para la medición. En el caso de haber elegido capturar datos por nuestra cuenta, necesitas diseñar los instrumentos. En caso de elegir fuentes externas, estudia el documento metodológico de la fuente que estamos usando.
• Paso #9: Aplicar los instrumentos de medición / Extraer los datos. Esta es la actividad por la que muchas personas empiezan, pero ¿notaste cuántos pasos hay que hacer antes de llegar aquí?
• Paso #10: Limpiar los datos y prepararlos para su análisis. No es común que los datos vengan listos para usarse. Generalmente hay que lidiar con datos nulos, crear variables a partir de las existentes y resolver una lista interminable de problemas, datos faltantes e inconsistencias. Mucha suerte en esta etapa.
• Paso #11: Aplicar los métodos para identificar los efectos. Este es el momento de aplicar los modelos y revisar los resultados.
• Paso #12: Revisar que se cumplan las pruebas de hipótesis. No lo hagas como una lista de lavandería. Si comprendes los supuestos y por qué están ahí, sabrás cuándo puedes romper las reglas como un artista.

Y naturalmente, quedaría toda una etapa de presentación de datos de la que podemos hablar por horas.

El nuevo álbum de Bad Bunny es un homenaje a Puerto Rico.

Viene lleno de canciones de salsa clásica y rescata otros ritmos latinos que hacen del álbum entero una gran experiencia. Pero dentro también podemos encontrar una crítica directa al sistema y a las injusticias que se viven en la ciudad.

Resalta la canción “LO QUE LE PASÓ A HAWAii”, que toma un tono más triste que el resto del álbum, expresando el dolor que se vive en la isla.

Aquí una parte de la canción:

Quieren quitarme el río y también la playa, Quieren al barrio mío y que tus hijos se vayan, No, no suelte’ la bandera ni olvide’ el lelolai, Que no quiero que hagan contigo lo que le pasó a Hawái.

Es la canción menos escuchada del álbum en Spotify (71 millones hasta este momento).

Surgen varias preguntas:

• ¿Que está pasando en Puerto Rico?
• ¿Por qué está sucediendo?
• ¿Qué es el Pitorro de Coco? (Así se llama otra canción del álbum).

Veamos la respuesta.

El intento de convertir a Puerto Rico en un paraíso fiscal

Puerto Rico es un territorio no incorporado de Estados Unidos con su propio gobierno democrático. Desde 1917, los puertorriqueños son ciudadanos estadounidenses, pero la isla no es un estado como lo son Texas o California y ellos no pueden votar el las elecciones federales.

Para los estándares del caribe y América Latina, Puerto Rico se puede considerar un lugar próspero. El PIB per capita de la isla es mayor al de México. Pero al ser un territorio de los Estados Unidos, naturalmente el pasto es más verde del otro lado y con quien se comparan no es con México, sino con el norte.

Y siendo los puertorriqueños ciudadanos estadounidenses, se desató una preocupación por la migración de la isla.

En 2012 se desplegó un programa llamado Ley para incentivar el traslado de inversionistas a Puerto Rico, que constaba de una serie de exenciones a impuestos al ingreso pasivo para residentes del territorio. Si alguien quería acceder a ese incentivo, debía vivir al menos seis meses del año en la isla, comprar casa e invertir ahí. Fue una forma de traer personas y dinero.

La medida parece que funcionó, pero ¿a qué costo?

De acuerdo a un estudio de la universidad de Cambridge (y a Bad Bunny), el estímulo ha causado que los vendedores locales discriminen a los compradores locales, favoreciendo a los extranjeros con mayor nivel de compra.

El estudio lo hicieron con un experimento: le mandaron correos electrónicos a los vendedores usando perfiles falsos. Lo que encontraron fue que los vendedores:

• Les reportaban a los extranjeros que habían más casas disponibles que la que dejaban saber a los locales.
• Y los invitaban más seguido a mostrarles la casa.

Aquí está la tabla con los resultados.

Como consecuencia, hay más casas disponibles para los ricos y menos para los habitantes nativos de la isla.

En otras palabras, si tu eres de Puerto Rico, comprar una casa se está convirtiendo en un problema porque los vendedores no te quieren vender a ti, le quieren vender a los americanos ricos que atrae la ley act 22, que les van a pagar más.

Y si, Bad Bunny vive en una mansión en Los Ángeles

Pero le está dando voz a la gente de Puerto Rico sobre un problema real.

Y la canción no está nada mal.

¿Y qué es el pitorro de coco?

El pitorro de coco es una variante de Ron que se prepara de manera artesanal en Puerto Rico y que tiene un sabor dulce por la incorporación de fruta. Regularmente tiene un 40% de contenido alcoholico y es muy popular en las épocas navideñas.

Por si alguna vez quieres pasar navidad en Puerto Rico, ya sabes que pedir.