Tu proyecto con Econometría

Guías de 5 minutos para resolver tus proyectos de econometría. Escribe un paper, una tesis o simplemente has estudios internos para tu empresa.

Economía (pero con datos)

Cómo envenenar un robot

Artista envenenando un robot

La Inteligencia Artificial (IA) afecta a los artistas más que a nadie.

Por un lado, hace que el precio del arte baje de forma dramática. Lo que antes requería horas de trabajo dedicado de un artista lo podemos hacer en segundos. Sólo tenemos que pedirlo.

Mi blog es un ejemplo claro.

Para mi era un dolor de cabeza encontrar imágenes apropiadas para los temas de los que hablo. A veces quiero una metáfora de soft landing o aterrizaje suave de la Economia, luego quiero ver a Janet Yellen comiendo tacos en la Ciudad de México. Y todo en imágenes originales.

Y un mes de dibujos con IA me cuesta menos que una sola ilustración hecha por humanos.

Ahora los artistas deben hacer cosas que la inteligencia artificial no puede. Si le pides que haga un caballo tocando el piano el resultado es… raro.

Hay otra forma de pelear: envenenar los datos.

Una nueva herramienta le permite a los artista agregar cambios invisibles a los pixeles de su arte antes de subirlos. Si una IA los extrae sin su autorización causa que el modelo se comporte de formas caóticas e impredecibles.

El futuro es punk. Ciberpunk.

Hay más formas de defensa. OpenAI, Meta, Google y Stability AI se enfrentan actualmente a demandas de artistas que aseguran que sus obras fueron usadas como parte del entrenamiento de la IA.

La visita de Janet Yellen a México

La secretaria del tesoro comiendo tacos

La secretaria del tesoro de Estados Unidos estuvo en Ciudad de México la semana pasada.

Si, fue a probar los tacos, pero su principal interés fue establecer acuerdos para el combate contra el fentanilo y la vigilancia de las inversiones que vienen de China.

Todos son temas financieros.

El primero significa cambios en las leyes contra el lavado de dinero y medidas de cooperación entre bancos de ambos países. Se supone que no te debe afectar, a menos de que seas un banquero. La idea es que ahora los bancos no sólo deberán comunicar sus operaciones a las autoridades, sino también entre bancos de diferentes países.

La idea es hacer más fácil identificar operaciones internacionales que facilitan el lavado. Más regulación.

El segundo tema son las inversiones de China a México.

En los últimos años la relación entre EE.UU. y China se ha complicado. Se hizo muy notorio desde Trump y sus aranceles, pero la administración de Biden no las mejoró.

EE.UU. le puso sanciones a China, y China comenzó a invertir en otros países para evitarlas.

Uno de esos países es México. En lo que va de 2023 se han captado 32 mil millones de dólares de inversión extranjera directa, pero se esperan 106 mil más en los próximos dos o tres años. De estos, cerca de 12 mil son anuncios de empresas Chinas.

Ese es el famoso nearshoring.

Estados Unidos quiere vigilar esas inversiones.

Para China, invertir en México es una forma de evitar las sanciones y seguir creciendo. Pero Yellen quiere asegurarse de que esas inversiones no generen problemas estratégicos o de seguridad nacional.

Y la inteligencia artificial complica aún más el panorama.

Desde 2022 comenzamos a ver un desabasto de semiconductores. Son los chips que sirven para hacer funcionar las computadoras, pero hoy en día los semiconductores son parte de toda la economía. Los tractores que sirven para cosechar nuestros alimentos, la licuadora, la máquina que corta la madera de nuestra mesa.

Todo usa semiconductores.

Este desabasto explica parte de la inflación de 2022. Porque sin chips, todo se vuelve más difícil de hacer, y todo se vuelve más caro.

En estos momentos hay una guerra fría entre países para tener más chips.

Mas chips significa más poder de cómputo. Más poder de cómputo significa mejor defensa ante ataques cibernéticos y mejor inteligencia artificial.

El que gane la guerra de la inteligencia artificial, domina el mundo.

O al menos eso es lo que parece que piensan los líderes.

La mejor edad para emprender

La mejor edad para emprender

41.9 años.

Los emprendedores exitosos están en edades mediana, no son jóvenes en sus 20s.

Ese es el resultado de un estudio hecho con información de casi tres millones de emprendedores en Estados Unidos entre 2007 y 2014. Esta es la edad de los emprendedores que fundaron compañías que contrataron al menos un empleado. Pero las empresas de mayor crecimiento tenían fundadores de 45 años.

The curve tops at forties
Distribución de la edad de los fundadores de startups

La historia del emprendedor joven que la rompe es cautivadora, pero es sólo eso: una historia.

Bill Gates, Steve Jobs, Mark Zuckerberg, Sam Altman. Son el arquetipo del joven emprendedor que tiene una idea que cambia el mundo. Pero si lo que quieres es aplicar lo que aprendes a tu vida, no debes prestar a las historias.

Tienes que prestar atención a los datos.

El mito del emprendedor

El mito del emprendedor joven se sostiene en la rebeldía.

Se supone que el emprendedor joven viene con ideas que rompen con la tradición. Que los viejos se aferran a modelos decadentes y sólo los jóvenes pueden diseñar el futuro.

El fundador de la aceleradora Y-Combinator, Paul Graham, solía decir que “32 es la edad límite en la cabeza de los inversionistas. Después de 32, comienzan a ser escépticos”.

Pero eso sólo es verdad cuando la hipótesis viene respaldada con datos reales.

Mark Zuckerberg creó Facebook no porque a nadie de mediana edad se le ocurrió una red social. Lo hizo porque su hipótesis era correcta y tuvo una oportunidad excepcional que supo aprovechar.

Los casos excepcionales no son buenos para aplicarlos a nuestra vida.

No usarías la película de Jumanji como guía para sobrevivir en la selva. ¿Por qué usamos a Steve Jobs entonces como ejemplo de emprendedor?

Lo que tenemos que usar es lo que la ciencia nos muestra que funciona en promedio.

Amalgama entre experiencia y juventud

El predictor más grande de éxito en un negocio es la experiencia en el sector.

La operación, el marketing y las finanzas de una empresa requieren experiencia. No es sino hasta cierta edad que comienzas a identificar a actores clave de la industria y que los aspectos más complejos del negocio se vuelven claros.

Esta experiencia no se compra.

Punto para los cuarentones.

Soft Landing

Soft Landing

La economía está creciendo.

En México el nivel de inflación está en 4.2% y el crecimiento de este año se está proyectando entre 3 y 3.5%. No el mejor que hemos disfrutado, pero si lo comparamos con los escenarios catastróficos de inicio de año podemos decir que es muy bueno. A inicio de año, todas las proyecciones apuntaban a una recesión derivada de los aumentos en la tasa de interés.

Logramos controlar la inflación sin causar una recesión.

Es el escenario de soft landing o aterrizaje suave que también vemos en Estados Unidos, con una inflación de 3.2% y un crecimiento pronosticado de 4.9% en el tercer trimestre de este año.

¿Se siente que estamos creciendo?

La economía ha crecido mucho, pero no lo suficiente.

De acuerdo a Julio Santaella, de 2005 a la fecha el PIB de México ha crecido un 1.5% en promedio al año y el PIB per capita un 0.5%. Es un ritmo de crecimiento mediocre.

No parece que somos el socio más importante de Estados Unidos.

Los indicadores de Estados Unidos son fuertes. Los estímulos que el país usó para combatir los efectos económicos del COVID ha permitido una fuerte recuperación de la economía que no se pudo emular aquí.

Y a pesar de todo, la confianza del consumidor está en un alto histórico.

Todos los meses el Inegi hace una encuesta en que le pregunta a los consumidores cómo se sienten respecto a la economía. Las preguntas están diseñadas para identificar el ánimo de compra de los consumidores en el momento.

Y su comportamiento en los últimos años ha sido interesante.

Nota el salto enorme en 2018-2019.

Yo le llamo el efecto AMLO.

Comenzó desde la elección de Andrés Manuel López Obrador y, exceptuando la época de pandemia, no ha hecho mas que subir. Una pregunta interesante es si está confianza se ve reflejada realmente en consumo o se sostiene de la esperanza que el presidente genera en la población.

Podría ser peor

A inicios de año se pronosticaba una terrible recesión para 2023.

No sucedió.

La Reserva Federal (el banco central de los Estados Unidos) decidió parar el alza a las tasas de interés a tiempo. México tampoco ha subido tasas desde marzo y contempla una baja gradual a principios de 2024.

Aparentemente logramos hacer un aterrizaje suave.

Nos podríamos estrellar en 2024

No estamos a salvo de una recesión el próximo año.

Este año hubo un drama en el congreso de Estados Unidos por el techo de la deuda. A raíz del conflicto, las calificadoras más importantes decidieron bajar el rating de los bonos del tesoro.

Estados Unidos puede pagar su deuda. La baja en la calificación no se debe a la capacidad de pago, sino a la voluntad de pago. Si el próximo año vuelve a darse un drama similar sobre el techo de deuda, podrían darse efectos fuertes en el sistema financiero en su conjunto.

Y ese es apenas el primer riesgo que se me viene a la mente.

Lotería con Python

La Lotería es un juego tradicional mexicano parecido al juego de Bingo.

En este juego, en lugar de números se sacan tarjetas con diferentes personajes u objetos como una campana, la muerte o un borracho.

Al inicio del juego se reparten cartas con pictogramas distribuidos de manera aleatoria. El jugador debe marcar lo que aparece en su carta. Gana el jugador que marca su carta completa.

Algunos conceptos importantes:

  • Mazo. Es el conjunto de todas las cartas individuales.
  • Carta. Cada carta tiene una imagen y su nombre. Por ejemplo: El valiente.
  • Tabla. Cada jugador tiene una tabla con 16 cartas aleatorias que debe de llenar conforme el gritón las menciona.
  • El gritón. Es la persona encargada de dar a conocer la siguiente carta a todos los jugadores.

Para comenzar, invocamos los módulos.

import pandas as pd
import random

Con pandas ahora tienes el poder de crear y manipular bases de datos.

Con pandas puedes cargar datos desde archivos csv o Excel, visualizarlo, quitar filas, cambiar columnas y hacer lo que sea con tus datos. Como nuestro proyecto es una lotería, vamos a necesitar números aleatorios, que son la especialidad del módulo random.

Comencemos a incluir las cartas en una lista.

cartas = ["La maceta", "El borracho", "La campana", "El catrin", "El violoncello","La sandia", "La chalupa", "El gorrito", "El arpa", "El camaron", "El barril", "La dama", "La bota", "El pajaro", "El melon", "El cotorro", "La palma", "El mundo", "El apache", "El pescado", "La muerte", "El alacran", "El gallo", "La calavera"]

Los conocedores de la lotería se podrán dar cuenta de que me faltó poner algunas cartas.

No es problema. Podemos incluír las cartas que nos faltan más adelante. Usemos la función append() para agregar la carte de "El diablito" a nuestro mazo de cartas. También podemos usar extend() para agregar más elementos al mazo desde otra lista.

# Con append podemos agregar un elemento adicional que nos faltaba
cartas.append("El diablito")
# Con extend podemos agregar los elementos de una lista a otra
cartas.extend(["El valiente", "La corona", "El barril"])
# Con print() mostramos 
print(cartas)

Con esta lista ya podemos repartir las tablas.

Una tabla de lotería tiene 16 cartas: cuatro a lo ancho y cuatro a lo largo. Usa pandas para crear un DataFrame para la tabla de cada jugador. Este DataFrame tendrá 16 cartas únicas del mazo y una columna adicional para marcar las cartas.

deck_df = pd.DataFrame(cartas, columns=['Carta'])
def crear_tabla(deck_df):
    tabla = deck_df.sample(16).reset_index(drop=True)
    tabla['Marcada'] = False  # Add a new column for marking the cards
    return tabla

# Example of creating a table for a player
tabla_jugador = crear_tabla(deck_df)
print("Tabla del Jugador:")
print(tabla_jugador)

Esta función crear_tabla toma la lista de cartas y utiliza random.sample para seleccionar 16 cartas únicas de esa lista. random.sample es útil porque automáticamente se asegura de que no haya duplicados en la selección.

Cantar las cartas

Ahora que tenemos las tablas, necesitamos una forma de "cantar" las cartas y que los jugadores revisen sus tablas.

Podemos hacer esto con otra función muy sencilla. Hemos creado canta_carta(), que selecciona una carta del mazo de forma aleatoria.

Este código tiene un error. Normalmente cuando el “gritón” canta las cartas de lotería, ya no las reemplaza en el mazo y no volverán a salir. Para solucionar esto tendríamos que hacer que se elimine el elemento de la carta, pero dejaremos esto como ejercicio al lector.

def cantar_carta(deck_df):
    return deck_df.sample().iloc[0]['Carta']

# Example of drawing a card
carta_cantada = cantar_carta(deck_df)
print("Carta Cantada:", carta_cantada)

Esta función selecciona una carta al azar de la lista de cartas. Cada vez que se llama a la función, simula al "gritón" cantando una nueva carta.

Marcando las Cartas

El Data Frame tabla_jugador tiene dos columnas. La primera tiene nuestras cartas y la segunda nos ayuda a marcar si el gritón ya dijo nuestra carta. Es nuestra columna de frijolitos.

En la siguiente función primero se verifica si la carta cantada está en nuestra tabla. Lo hacemos con la palabra clave if , que cambia el elemento de la segunda columna a True si la tenemos.

def marcar_carta(tabla, carta_cantada):
    if carta_cantada in tabla['Carta'].values:
        tabla.loc[tabla['Carta'] == carta_cantada, 'Marcada'] = True
        print("¡Carta marcada!")
    else:
        print("Esta carta no está en tu tabla.")

# Example of marking a card
marcar_carta(tabla_jugador, carta_cantada)
print(tabla_jugador)

De lo contrario, el sistema simplemente nos dirá que la carta no está en nuestra tabla y podemos volver a pedir al gritón que cante.

Verificando el Ganador

La función all() verifica si todos los valores en la columna “Marcada” tiene valor verdadero.

def verificar_ganador(tabla):
    return all(tabla['Marcada'])

# Example of checking for a winner
if verificar_ganador(tabla_jugador):
    print("¡Felicidades, has ganado!")
else:
    print("Sigue jugando.")

Cuando tu tabla tiene todas las cartas marcadas, haz ganado.

El programa completo

Intenta hacer este ejercicio por tu cuenta.

Hazlo a conciencia y trata de ponerle tus propias modificaciones. Este ejercicio está diseñado para practicar el uso de pandas para hacer y manipular tablas con python.

Aquí te dejo el notebook con el código completo que puedes correr directamente en Google Colab.

Lo que hicimos en el taller de IA

Mujer científica frente a la computadora viendo una red neuronal

Tuvimos en la Facultad un taller de Inteligencia Artificial (IA) con aplicaciones para la investigación. El tema fue en particular chatGPT, que está de moda. Pero aproveché para explicar sobre los diferentes tipos de IA y sus usos. Al final llegamos a los modelos de lenguaje grandes (LLM) y su uso, parando en el famoso chatGPT.

Algunas de las cosas que vimos en el curso fueron usos de chatGPT para

  • Generar ideas de investigación.
  • Editar textos y revisar gramática.
  • Hacer análisis de datos.
  • Elaborar entrevistas y transformarlas en encuestas con diferentes formatos.
  • Transformar textos con diferentes estilos para divulgación.

También vimos la creación de imágenes con Dalle, por la curiosidad que causaba. No me guardé nada.

Este post contiene algunas anotaciones sobre el taller, la presentación que usé y los enlaces a las interacciones con chatGPT que hice en el taller.

Usar chatGPT para generar ideas de investigación

La hoja en blanco es un problema real a la hora de escribir. Es mejor comenzar sobre un formato ya establecido, pero cada proyecto de investigación requiere de su propia estructura.

Le puedes pedir a chatGPT que diseñe el protocolo de tu investigación con los detalles que desees. En el taller usamos el modelo que usa Ethan Mollick para generar ideas de negocio:

  • ¿Quién soy?
  • ¿Que sé hacer?
  • A quién conozco?

Adaptamos estas preguntas a un contexto de investigación. Los resultados son interesantes, pero lo mejor del formato de chat es que puedes interactuar con el resultado.

Le pedí al final que modificara el texto para dirigirlo a una revista científica especializada en economía regional. Aquí está el enlace.

chatGPT es mi editor

El autocorrector de Word ayuda a identificar errores de ortografía y gramática simples, pero no entiende el contexto de lo que estás diciendo y no te puede ayudar a hacer más entendible tu texto. En cambio, chatGPT si puede. Incluso cuando estás haciendo un texto especializado.

En el taller vimos la extensión editGPT, que ayuda a mostrar los cambios de tu texto. Sólo tienes que instalar la extensión a tu navegador y darle la orden a chatGPT de que te corrija tu texto:

Corrige el siguiente texto:
[Copia y pega aquí el texto que quieres corregido]

Mi recomendación es que uses el editor, pero hagas los cambios que te sugiere de manera manual. El 90% de las veces, chatGPT va a entender muy bien tu texto y te hará buenas sugerencias, pero siempre hay un pequeño riesgo de que algo lo entienda diferente o que se pierda mucho de tu estilo si sólo copias y pegas.

En cualquier caso, un truco adicional que no dije en el taller: puedes pedirle que sea tan estricto como el revisor 2. Puedes pedirle que sea extremadamente crítico. Así te adelantas a las observaciones sin tener que pasar por un mal rato emocionalmente. ¿Cómo enojarse con tu chatGPT?

La única advertencia es considerar la ventana de contexto. Normalmente sólo le puedes pasar el equivalente a una o dos páginas por pregunta. Puedes más en la versión de paga, pero entre más información le pases, mayor es el riesgo de que alucine y empiece a dar información falsa.

Analizar datos con chatGPT

Esta es una función de paga, pero para mi ha sido la que cambió las reglas de juego.

ChatGPT plus cuesta 20 dólares, y con ese pago se activan funciones para analizar datos, visión y generación de imágenes con Dalle. Lo único que tienes que hacer es usar la modalidad Data Analysis.

Sólo es necesario subir el archivo con tus datos y darle las instrucciones de lo que deseas.

Para mi ha sido una gran forma de ahorrar tiempo en la generación de gráficos. Lo mejor es que puedo personalizarlos de manera interactiva. ChatGPT me muestra el resultado y le pido cambios hasta que el resultado queda como deseo.

Es posible incluso pedirle que replique un gráfico a partir de una imagen. La imagen de abajo muestra un intento que hice al respecto, pero sin los datos correctos, es fácil que se equivoque. Esto pasa porque el modelo de visión es diferente al de análisis de datos y no identifica la altura de las barras.

De hecho, no le pidas que haga cálculos si no es con Data Analysis. ChatGPT es un modelo de lenguaje, y si le preguntas que haga cálculos lo hará como lo hacemos los humanos. Con sesgos cognitivos incluidos.

Encuestas y entrevistas

Yo no sé diseñar entrevistas. La investigación cualitativa requiere de mucha introspección y empatía, lo cual es raro imaginar en una máquina.

Afortunadamente, hay suficientes textos sobre el tema y chatGPT los conoce. Le pasamos la instrucción para hacer una entrevista con el mom test para un puesto de tamales y las sugerencias fueron muy buenas.

Luego le pedimos que transformara la entrevista a una encuesta con escala tipo likert. Aquí está la conversación.

Cambia el estilo de mis textos para hacer divulgación

Yo no escribo este newsletter con chatGPT (por si te lo estabas preguntando). Pero si tienes un paper y deseas hacer un post de blog para divulgación a partir de él los resultados no son malos.

Como ejemplo hicimos un post de blog para el estudio de David Card sobre la migración cubana del puerto de Mariel en 1980. El resultado no está mal, y se puede ajustas según lo que deseas resaltar.

Algunas advertencias

Un problema importante de chatGPT es que suele “alucinar”. Así se le llama cuando dice información que no es cierta, pero que parece cierta.

ChatGPT no es una persona. Si le preguntas por qué te hizo una sugerencia, no te sabrá decir.

No le pidas referencias. Es muy probable que se las invente. Sobre todo si el tema no tiene tantos textos en español de los que se haya alimentado la inteligencia artificial.

Dibuja un caballo tocando el piano

Hace un año era imposible pedirle a Dalle que hiciera un caballo tocando el piano (si lo intenté) hoy chatGPT hace los comandos y los perfecciona para darte una imagen como la que imaginas.

Lo mejor es que puedes interactuar con el resultado y pedirle cambios hasta que quede como deseas. El caballo tocando el piano es un reto aún para lA porque las imágenes de entrenamiento no suelen tener ese tipo de situaciones etiquetadas. Por eso para mi es muy sorprendente que lo hayan logrado.

El panorama cambia muy rápido

Este post puede envejecer muy rápido. El taller fue hace menos de una semana, pero desde entonces corrieron al CEO de OpenAI y lo volvieron a contratar. Hoy vi un servicio que se llama ResearchGPT, pero aún no lo pruebo para saber si lo recomiendo o no.

La presentación

Lo prometido. Aquí te dejo la presentación de aquel día para que lo descargues en tu computadora y lo veas de nuevo.

El truco de Tiktok para hackear tu atención

El truco de Tiktok para hackear tu atención

Las redes sociales lucran con tu atención. Cada segundo que pasas en ellas les genera ingresos. Y a diferencia de la televisión, no necesitan invertir ni un centavo para generar contenido: son los mismos usuarios los que lo haces. Todo se reduce a incentivos económicos.

En un estudio nuevo, el autor encontró que cuando los usuarios de redes sociales hacían contenido y este se hacía viral, los creadores aumentaban al doble su cantidad de publicaciones durante un mes.

🤖 Un bot me pone atención

La mayoría de los autores se habrían dado por satisfechos midiendo los efectos que se observan en las redes, pero eso implicaría qué tal vez hay algún sesgo de selección que no estamos tomando en cuenta.

¿Cómo se vería este sesgo? Probablemente quienes tienen mayor tendencia a publicar más frecuentemente sean quienes tienen mayores posibilidades de hacer contenido viral.

Si queremos tener un resultado causal, necesitamos un experimento. El autor lo hizo creando bots con inteligencia artificial y los conectó a las interfaces de Reddit para contestar aleatoriamente a quienes publicaban.

De esta manera podía tener un grupo de control y uno de tratamiento. El de tratamiento recibía “atención” de los bots tras publicar y el de control sirvió para medir la diferencia. Los resultados se pueden ver en la siguiente gráfica.

En la parte de arriba del gráfico se miden los posts por día. El salto en publicaciones se puede ver en el panel de la izquierda, con una comparación visible en la intensidad a la derecha.

Pero la parte de abajo mide la calidad de lo que se publica. Lamentablemente, aunque aumente la cantidad de publicaciones después de ser virales, esto no aumenta la calidad de las publicaciones.

La economía de la atención

Es increíble la forma en que las redes sociales hackean nuestra atención para lucrar con ella. Nuestros cerebros están diseñados para pedir atención de otros seres humanos.

Para las redes esta es una forma de generar contenido sin tener que pagarlo ellos mismos y la viralidad es un incentivo para lograr que los usuarios generemos más contenido felizmente sin la necesidad de un pago.

YouTube da incentivos económicos para los creadores de contenido por medio de publicidad, pero cuando llegó Tiktok, las reglas del juego cambiaron. Con videos cortos y la facilidad de cambiar entre videos, el costo de entrada de hacer un video viral ha caído drásticamente.

Estás pagando con tu atención

Para las redes esto es un círculo virtuoso. Para nosotros es una adicción. Nuestros cerebros no han evolucionado para resistir este nivel de atención “humana”.

Lamentablemente, pasa con las redes algo muy similar a lo que sucede con la comida chatarra. No podemos evitar seguir consumiendo, a pesar de que no nos trae realmente nada bueno. La adicción a las redes podría ser incluso lo que está detrás del incremento en la depresión alrededor del mundo.

Las redes son muy útiles. Nos ayudan a conectarnos con nuestros seres queridos e intercambiar ideas como nunca había sucedido en la historia. Pero vale la pena poner estos problemas en la balanza y preguntarnos si realmente vale la pena.

4 mitos sobre los economistas

4 mitos sobre los economistas

Para muchos, los economistas son criaturas míticas que sólo aparecen en la tele diciendo palabras extrañas y apoyando a villanos. Cómo minions de los números.

Conocerlos no lo hace mejor. Para muchos es incluso peor y los consideran más nefastos. Cómo los minions. Estos son los cuatro mayores mitos sobre los economistas.

🤑 Mito 1: Economía = Finanzas

A diferencia de lo que muchos piensan, la economía no se trata de dinero. Si te vas a tu libro de economía 1 y buscas la definición de economía te podrías encontrar algo como esto:

<aside> 📖 La economía es la ciencia que estudia el comportamiento humano como una función entre fines y los recursos escasos para alcanzarlos.

</aside>

Esta es la definición que nos dejó Lionel Robbins hace casi cien años. El resaltado en el comportamiento humano se lo puse yo: la unidad de estudio de la economía son las decisiones.

Da la casualidad que esto es extremadamente útil para las finanzas. Pero los métodos de los economistas han resultado útiles en las áreas muy diversas como la salud, la educación o la criminología. La economía es una ciencia muy completa.

🔮 Mito 2: Los economistas predicen el futuro

Hay quienes piensan que los economistas podemos predecir recesiones y crisis con precisión.

También hay quienes caen al otro extremo y creen que los economistas no tenemos ni idea sobre nada. Solo decimos predicciones sin sentido la mitad del año y la otra mitad nos la pasamos explicando por qué no se cumplieron.

La realidad está en medio. Los economistas tenemos muy buenas herramientas para analizar la información y modelos muy buenos para determinar causas y efectos. Pero las predicciones que podemos hacer sólo pueden ser tan buenas como la información con la que contamos.

En una era en la que como humanidad generamos millones de puntos de datos cada segundo, aún hay mucho por descubrir sobre cómo podemos generar mejores datos a un costo razonable y cómo podemos usar los que llegan a nosotros.

📈 Mito 3: La economía sólo se enfoca en maximizar el dinero y las ganancias

También. Pero además de eso hay muchos economistas buscando un mundo más justo y con menos desigualdad.

Hay economistas que estudian el capital social como forma de romper desigualdades. Otros más se enfocan en los cuidados y sus efectos en la desigualdad.

A diferencia de lo que muchos piensan, el economista no busca hacer crecer la economía a toda costa. Tampoco nos hacemos ilusiones de que el PIB es la medida perfecta a considerar.

El mismo Robert Solow ha dicho que no porque haya estudiado el modelo de crecimiento capitalista es porque esté de acuerdo con él: lo estudia como un microbiólogo estudia las bacterias. No que esté a favor de ellas, pero hay que entenderlas.

✌🏽 Mito 4: Los economistas están de acuerdo

No existe consenso entre economistas en casi nada. Desigualdad, salario mínimo, sindicatos. Todo está a debate en la economía.

Hay algunas cosas en las que tenemos más certeza, porque los datos son buenos y los estudios son difíciles de contradecir. Pero las ciencias sociales son complicadas porque las personas somos complicadas.

Por eso la economía es la única ciencia en la que dos personas pueden ganar el premio Nobel por sostener dos posturas totalmente opuestas. El mismo año.

Bonus: Depende

Creo que es un mito que los economistas digamos depende para todo. Se dice depende cuando no estamos seguros de los supuestos. Pero eso debería pasar en todas las ciencias.

¡Genial! Te has registrado exitosamente.

¡Bienvenido de vuelta! Has iniciado sesión correctamente.

Te has suscrito correctamente a Economía (pero con datos).

¡Éxito! Revisa tu correo electrónico para obtener el enlace mágico para iniciar sesión.

¡Éxito! Se ha actualizado la información de facturación.

No se actualizó tu información de facturación.