Escribe tu primer paper de economía

La mayoría de los economistas tienen problemas para escribir textos académicos. Explorar sobre econometría es complejo y es difícil estar al corriente con las tendencias de investigación. Aquí encontrarás tutoriales de econometría en R y Python, deep dives en literatura reciente y modelos de trabajo para hacer tu escritura más fácil y publicar con éxito. Publica un paper que te posicione en tu área y te permita obtener un trabajo de investigador.

Escribe tu primer paper de Economía

Construye una empresa productiva con valores positivos

Piezas de ajedrez de colores vivos y con formas redondeadas.

Crear una empresa y hacerla crecer implica la creación de una cultura. Para muchas empresas, la cultura puede parecer algo secundario, pero existe evidencia de que hacerlo de manera consciente puede traer grandes beneficios.

A menos de que no hagas un esfuerzo consciente como emprendedor de planear para crear una cultura en tu organización, lo más probable es que simplemente heredes la cultura de tu anterior trabajo.

¿Qué es la cultura?

En una organización la cultura se forma con las creencias comunes y los valores que los miembros comparten. Pero también lo son las fiestas fuera de la oficina, las conversaciones en los pasillos, las horas extra y las promociones y despidos.

Cuando una empresa declara sus valores y los pone en una placa en la recepción, está tratando de moldear de manera consciente la cultura de la empresa. Pero son los motivos de promoción y de despidos lo que realmente marcan la cultura de la empresa.

En 2009, Netflix mostró al mundo sus diapositivas donde mostraba sus valores como aquello que la empresa valora: es aquello que te hace subir en la empresa (o salir de ella). Para reforzar su punto, mostraban en sus diapositivas iniciales que Enron tenía entre sus valores declarados la integridad, el respeto, la comunicación y la excelencia. Para luego convertirse en uno de los ejemplos de fraude más famosos de la historia moderna.

La cultura puede traer problemas

La cultura de Uber es famosa por promover valores de ganar a toda costa, estar obsesionados con el cliente y estar en constante ajetreo.

Si bien esta cultura agresiva podría estar detrás del impresionante crecimiento de la compañía, también trae consigo problemas internos y de comportamiento entre los miembros de la organización.

La cultura de Uber no se formó con las declaraciones formales en la pared, sino con el conjunto de las pequeñas decisiones individuales como las contrataciones, los premios y los castigos en la compañía.

Conforme la empresa creció, su cultura dejó de ser un activo y se empezó a transformar en una carga. Al final, el estilo de vida dentro de la compañía llevó a la salida de su fundador y a una serie de demandas de ex-empleados, conductores y gobiernos.

No seas malvado

La cultura es uno de los legados más duraderos de la empresa. En un post pasado hablamos de que las decisiones iniciales de los fundadores pueden dejar una huella (o impronta) que dura siglos.

La huella organizacional
El ambiente puede moldear a las empresas. El efecto puede durar siglos.

Cómo fundador no sólo tienes la oportunidad de crear una cultura que sea buena para tu negocio, sino también buena para el mundo.

No es necesario que sigas los pasos de Uber y formes una cultura ultra-competitiva. A pesar de que contratar a personas de alto rendimiento y formar una cultura orientada a los logros lleva a crecimiento a largo plazo, las empresas que se esfuerzan por hacer que todos se sientan como parte de una familia tienen mejores rendimientos.

Las compañías que fomentan entendimiento y compasión no solo tienen empleados más leales y con mayor probabilidad de sobrevivir, también presentan mayores niveles de satisfacción laboral y calidad.

La buena noticia es que generar este tipo de cultura no implica sacrificar otros aspectos como la agilidad o la productividad. Es posible tener una empresa con valores muy positivos que es a la vez muy productiva: se puede tener todo.

Cómo uso chatGPT para aprender

Un robot dando clase en un salón

Si no estás usando chatGPT para estudiar o para enseñar te estás perdiendo de un gran momento en la historia del aprendizaje humano. La inteligencia artificial es un superpoder que te da la capacidad de aprender como nunca antes.

En un post pasado expliqué una de las maneras en que se puede usar chatGPT en el aula aprovechando su punto débil: cómo aún la inteligencia artificial tiende a dar resultados erróneos, es posible pedir a los alumnos que “le enseñen” a la IA la información correcta para corregir sus errores hasta obtener un gran resultado.

Pero este uso tiene sus días contados. En este artículo, Ethan Mollick muestra cómo la versión de Bing que incorpora inteligencia artificial ya muestra referencias posibles de lo que está generando. Con lo rápidos que son los avances en el área, es cuestión de tiempo pensar que las referencias y resultados serán aceptables y muy difíciles de distinguir excepto para los verdaderos expertos en el área que responda Bing.

Cómo estoy usando chatGPT para aprender

La cosa con chatGPT es que es muy bueno para digerir información. La palabra digerir me parece muy apropiada, pues le podemos pedir que nos ayude a entender artículos complejos en palabras sencillas.

Por ejemplo, este es el resultado que tiene pedirle a chatGPT

Explícame el siguiente artículo en palabras sencillas. Este es el abstract:

El artículo es este, que habla sobre una especie de nudge en economía del comportamiento que se llama priming. El priming está relacionado al efecto ancla. Pero mejor dejo que lo explique chatGPT.

La explicación es buena, y en términos simples ayuda a entender muy bien el tema. Pero la magia de los modelos de lenguaje no termina aquí. Una vez que ha entendido el contexto del artículo, podemos pedirle que nos genere ejemplos.

En mi caso, a mí me sirvió más leer el ejemplo antes que la explicación. Imagina los tutores de aprendizaje del futuro.

Yo no sólo doy clase a economistas. En mi facultad, las clases de microeconomía se dan a un tronco común con administradores y contadores. En ocasiones esto ya podría ser mucho pedir, incluso para un modelo tan vasto. Pero creo que este ejemplo para contadores no estuvo tan mal.

Explain me like I’m 5

Hubo hace algún tiempo un subreddit que se llamaba “Explain me like I’m 5”. Ahí podías pedir una explicación simple para casi todo lo que te podías imaginar y algún extraño en internet te la respondía.

En el foro hay explicaciones para casi todo. Por qué el GPS es gratis, por qué un crash en el mercado de la vivienda es malo, cómo funciona el trading de petróleo crudo.

Cómo yo soy papá, últimamente estoy en el proceso de tener que explicar muchas cosas a mis hijos y tengo que hacerlo en términos simples. Y chatGPT me ha servido mucho para crear esas explicaciones simples.

Hasta el momento he usado la herramienta para enseñarle a mi hijo conceptos como los números negativos, cómo funcionan las tarjetas de crédito y sobre el Ph.

Pídele que te sugiera experimentos

El aprendizaje del Ph lo llevé incluso un paso más adelante, pidiendo que me sugiriera un experimento casero para demostrar cómo funciona.

Cómo mi esposa trabaja como lashista, tenemos papelitos medidores de Ph a la mano. Mi hijo pasó una tarde entera midiendo el Ph a todo lo que se encontraba. Pero me faltaba hacerle notar algo importante sobre el Ph: mezclar cosas muy ácidas y alcalinas puede generar una reacción.

El clásico experimento del bicarbonato de sodio con limón nos demuestra cómo esa mezcla al buscar estabilizarse genera burbujas. Es un experimento muy interesante para los niños.

Pero no sólo los niños se beneficiaron. También mis alumnos están aprendiendo a hacer ensayos aleatorizados gracias a chatGPT.

Aprendiendo a hacer RCTs

Mis alumnos están aprendiendo a hacer ensayos controlados aleatorizados. Es la primera vez que me atrevo a enseñarles del tema pidiéndoles que hagan sus propios experimentos, y en parte es gracias a chatGPT.

Mi barrera era que no soy tan creativo como para inventarles ensayos apropiados a sus circunstancias. Así que le pedí a chatGPT que me diera ideas de estudios que pudieran hacer estudiantes que no requirieran de muchos recursos adicionales.

Estos son los estudios que van a realizar. Lo mejor de todo es que todos son estudios que pueden hacer reclutando compañeros de la misma facultad y sin tener que hacer gastos, pero la experiencia de reclutar y recabar los datos (y analizarlos) puede ser más valiosa que lo que pudiéramos hacer únicamente al pizarrón (sobre todo considerando que este semestre tengo que enseñarles sin acceso a las computadoras).

  1. Evaluación de la efectividad de diferentes técnicas de estudio: Los estudiantes pueden dividirse al azar en dos grupos, uno que utilice una técnica específica de estudio (por ejemplo, tarjetas de memoria) y otro que utilice una técnica diferente (por ejemplo, resumir notas). Luego pueden comparar los resultados de los exámenes entre los dos grupos para determinar qué técnica fue más efectiva.
  2. El impacto de las redes sociales en la salud mental: Los estudiantes pueden asignar al azar a los participantes a reducir su tiempo en las redes sociales o a continuar usándolas como de costumbre. Luego pueden medir los cambios en la salud mental, como la ansiedad o la depresión, y determinar si hay una correlación entre el uso de las redes sociales y la salud mental.
  3. La efectividad de los incentivos en el ejercicio: Los estudiantes pueden dividir a los participantes al azar en dos grupos, uno que recibe un incentivo monetario por hacer ejercicio y otro que no. Luego pueden medir la cantidad de ejercicio completado y compararla entre los dos grupos para determinar si los incentivos aumentan el ejercicio.
  4. El impacto del desayuno en el rendimiento académico: Los estudiantes pueden asignar al azar a los participantes a comer desayuno o saltarlo en un día escolar. Luego pueden medir el rendimiento académico, como los resultados de los exámenes o las calificaciones, y determinar si hay una correlación entre el consumo de desayuno y el rendimiento académico.
  5. La efectividad de la atención plena en el estrés: Los estudiantes pueden asignar al azar a los participantes a practicar técnicas de atención plena, como la meditación, o no practicarlas. Luego pueden medir los cambios en los niveles de estrés y determinar si la atención plena es efectiva para reducir el estrés.

¿Qué te parecen estos estudios?

Taller Reto Banxico 2023

Taller Reto Banxico 2023

¡Únete al Reto Banxico y participa en el taller que la Facultad está organizando del 24 de Febrero al 24 de Marzo! Si eres estudiante o tienes interés en aprender sobre política monetaria y análisis económico, esta es tu oportunidad de adquirir las herramientas necesarias para participar en el reto.

El Reto Banxico es una competencia que se lleva a cabo anualmente y está dirigida a estudiantes de licenciatura y posgrado en México, en la cual se busca fomentar el conocimiento y la investigación sobre la política monetaria y financiera del Banco de México. El reto consiste en la realización de un análisis económico en el que se proponen recomendaciones de política monetaria a partir de la información proporcionada por Banxico.

Para poder participar en el reto, es necesario contar con conocimientos sólidos sobre política monetaria, análisis económico y redacción de documentos. Es por ello que la Facultad ha organizado este taller, en el cual se abordarán temas relevantes para poder llevar a cabo un análisis económico completo.

El taller constará de cinco módulos. En el primer módulo se explicará qué es el Reto Banxico y cómo participar en él. En el segundo módulo se impartirán las bases de la política monetaria, lo cual es fundamental para poder entender el contexto en el que se llevará a cabo el análisis. En el tercer módulo, se enseñará a redactar documentos y a citar en formato APA, lo cual es esencial para poder presentar un trabajo completo y riguroso. En el cuarto módulo se abordará el análisis de series de tiempo, herramienta necesaria para poder realizar un análisis económico completo y riguroso. Por último, en el quinto módulo se discutirán las decisiones de política monetaria de Banxico desde una perspectiva actual.

Al final del taller, se entregará una constancia de participación, la cual puede ser un elemento valioso en tu currículum vitae y que demuestra tu interés y compromiso con el aprendizaje. Además, se invita a los participantes a enviar su análisis económico para participar en el Reto Banxico.

No dejes pasar esta oportunidad y participa en el taller que la Facultad está organizando para el Reto Banxico. Adquiere las herramientas necesarias para poder llevar a cabo un análisis económico completo y riguroso, y demuestra tus habilidades en el reto. ¡Inscríbete ya!

El algoritmo secreto para encontrar a tu pareja perfecta

El algoritmo secreto para encontrar a tu pareja perfecta

Imagina que eres el Chief Economist de una nueva aplicación de citas en línea y te piden que desarrolles el algoritmo para hacer match entre las parejas.

A diferencia de Tinder, la aplicación sólo te permitirá hablar cuando el algoritmo decida que son la mejor elección de pareja. Tu tarea es definir las reglas que definen cuál es esa mejor elección.

Aunque no lo parece a simple vista, el problema es uno clásico de la economía: asignación de un recurso escaso (el tiempo para dedicar a hablar con una potencial pareja) de una manera eficiente: la idea es que cada quien hable sólo con aquellos que tienen altas probabilidades de ser su pareja.

Y no es un problema sencillo. Afortunadamente nos podemos subir a los hombros de gigantes para resolver este problema.

Un algoritmo antiguo para una tecnología nueva

En 1962, el matemático experto en teoría de juegos Loyd Shapley junto a David Gale hicieron una propuesta para solucionar este problema.

Imagina que nuestra aplicación nos permite hacer propuestas para hablar a otros usuarios y que la aplicación nos permite aceptar o rechazar las propuestas.

Por simplicidad, imaginemos que sólo hay tres proponentes y tres aceptantes de propuestas. Supongamos que el algoritmo detecta nuestras preferencias y las ordena automáticamente como parte del proceso.

Cada uno de los proponentes tiene un orden de preferencia para cada uno de los aceptantes. Por ejemplo, para A podría ser preferible hablar con X, luego estaría Z y al final Y. Para X, por otro lado le parecería mejor hablar con C, luego B y al final con A.

La siguiente tabla resume todas las preferencias. Las preferencias de A, B y C están del lado izquierdo de la coma y las de C, Y y Z están a la derecha.

Un match estable

También supongamos que nuestro objetivo es que los matches sean estables. Un match es estable cuando nadie tiene incentivos para irse con alguien más.

Digamos que C y X hicieron match. Para X no hay nadie con quien preferiría estar, pero C podría estar con Y si estuviera disponible. Si Y estuviera con B, entonces irse con A no le beneficiaría: la pareja es estable (matemáticamente hablando). En cambio si Y estuviera con A, podría cambiarse a hablar con C y C dejaría su match con X para irse con Y 💔.

Nota que estable no siempre significa que todo mundo esté con quien más le guste: sólo es necesario que nadie tenga una opción para irse que acepte su propuesta.

Es por simplicidad que aceptamos este objetivo, y probablemente tras resolver éste podamos avanzar a modelos un poco más complejos. Por lo tanto nuestra pregunta sería: ¿Es posible un arreglo de pareja en el que todo mundo tenga pareja que a la vez sea estable?

El algoritmo Gale-Shapley

El artículo se volvió famoso por ofrecer una solución a este problema. Se trata de una serie de pasos muy sencillos que garantizan que todos se quede con un match y ese match sea estable.

Este algoritmo sólo funciona si hay el mismo número de proponentes que de aceptantes.

  1. Los proponentes ofrecen hacer match al primer lugar de sus opciones. Dos proponentes pueden ofrecer match a la misma persona. En nuestro ejemplo de arriba, A ofrece hacer match con X, B con X también y C ofrece match a Y.
  2. Si alguien tiene más de una propuesta, rechazará a quien tenga en menor orden de preferencia. X tiene las propuestas de A y B, de las cuales prefiere a B. Por lo tanto debe rechazar a A.
  3. Los proponentes rechazados deben mandar propuesta a la siguiente persona en su lista de preferencias. Cómo A fue rechazado por X, ahora hará su propuesta a Y.
  4. Se repiten los pasos 2 y 3 hasta que todos tengan pareja. Las parejas resultantes serán estables. Ahora Y tiene dos propuestas. Cómo Y prefiere a C, A volverá a ser rechazado y pasará su propuesta a Z. Ahora todos tienen pareja y nadie tiene ninguna forma de cambiarse.

Listo. Tenemos tres parejas estables. Este ejemplo se puede extender de manera natural a un número cualquiera de parejas, siempre y cuando sea el mismo número de proponentes que de aceptantes. La única limitante en este sentido es que tengamos el poder computacional para hacer el número de operaciones que esto requiere.

¿Se puede manipular el algoritmo?

El algoritmo Gale-Shapley es una solución matemática que garantiza que todos tengan pareja y que ese match sea estable. Sin embargo, no es infalible y puede ser manipulado. Por ejemplo, si un proponente miente sobre sus preferencias para hacer match con alguien, podría generar inestabilidad en el match.

Lo peor es que el resultado de estas manipulaciones es muy parecido al que genera el que tiene las preferencias reales, por lo que se vuelve muy difícil de detectar.

Otras aplicaciones del algoritmo

El algoritmo de Gale-Shapley tiene múltiples aplicaciones en la economía y en la vida cotidiana. Por ejemplo, se utiliza en la asignación de plazas de residencia médica y en la asignación de colegios a estudiantes. También se puede utilizar para resolver problemas de asignación de recursos en empresas o en la asignación de tareas en equipos de trabajo, siempre y cuando se cumpla la condición de que haya el mismo número de ofertantes que de demandantes.

La avalancha de deuda que se viene en 2023

La avalancha de deuda que se viene en 2023

La década de los 2000 estuvo marcada por las secuelas del 11 de septiembre, así como la de los 2010 lo estuvo de la gran recesión y la crisis financiera. De la misma manera, la mayoría de los efectos económicos grandes de nuestra era están marcados por la pandemia en 2020.

Ante el inminente cierre de negocios en todo el mundo por la pandemia, la mayoría de los países optó por endeudarse para pagar los rescates a las pequeñas empresas.

Estados Unidos, por ejemplo, creó un paquete de estímulos que ayudaron a una recuperación rápida y a mitigar los efectos de la pandemia en la desigualdad.

La medida fue efectiva, pero implementarla requirió de un aumento considerable en la deuda nacional. Además, fue esta medida una de las causas más relevantes de la inflación que vivimos actualmente.

Cuando digo que la medida fue efectiva, estoy pensando en las tasas de desempleo, que al día de hoy ya regresaron a los niveles previos a la pandemia.

Otros países también optaron por el uso de la deuda para mitigar los efectos de la pandemia, pero no les fue tan bien como a Estados Unidos.

En particular, los países en desarrollo se endeudaron muy fuerte. Estamos actualmente en los niveles de deuda externa más grandes desde 2000. Un 60 por ciento de los países de bajos ingresos están en riesgo de caer en default, o ya dejaron de pagar por problemas de insolvencia.

Un ejemplo de esto es Chad, que recientemente tuvo que reestructurar casi 3 mil millones de su deuda por caer en impago.

No sólo es el FMI: India y China también prestan

¿A quién le deben los gobiernos del mundo? Básicamente, a otros países y a instituciones financieras.

Tradicionalmente, la mayoría de estos créditos se debían al “Club de París”, que es un grupo que de manera informal eran quienes se encargaban oficialmente de prestar a los países en problemas.

El Club de París se compone básicamente por los países ricos: Estados Unidos, Europa, Rusia, Israel, Japón y Corea del Sur. También están ahí Australia y Nueva Zelanda, Brasil y los países nórdicos.

El club de París tiene varios problemas. Entre ellos destaca su falta de transparencia, que han tratado de subsanar en años recientes.

A pesar de ello, el aumento de créditos otorgados a países como China e India han venido en aumento.

Aunque podría ser bueno que los países tengan más opciones para el manejo de su deuda, los términos con los que se dan los créditos con China son muy diferentes y en ocasiones pueden ser muy agresivos para los países de bajos ingresos. Cuando Sri Lanka se endeudó con China para el desarrollo de un proyecto portuario, las condiciones del préstamo lo dejaron sin condiciones de pagar y acabó cediendo el 70% del control del puerto a cambio de poder seguir recibiendo dinero de China.

El marco común

Como solución al problema, el club de parís ha propuesto términos “open source” que ha llamado “The common framework”: el marco común. Se trata de una serie de condiciones comunes que deberían de cumplir quienes prestan a los países.

Hasta el momento, sólo Chad, Etiopía y Zambia han buscado esta opción para la reestructuración de su deuda. Para algunos países cada vez es más urgente tener opciones viables para el manejo de su deuda.

Entonces ¿Fue buena idea no endeudarse en pandemia?

Yo era de aquellos que estaba seguro que era un error la decisión de México de no endeudarse. Mi cálculo de servilleta me decía que el pago de la deuda no podía pesar tanto como las vidas que se podrían arruinar por los estragos de la enfermedad y el cierre de negocios.

Parece que me equivoqué. Pero no estoy del todo seguro de que haya valido la pena. Incluso publiqué esto en Twitter aquella vez.

Creo que incluso ahora es muy pronto para saber la respuesta. Al menos no le debemos a China tanto ¿o sí?

🏈 Apuestas en el Súper Bowl

🏈 Apuestas en el Súper Bowl

Hace sólo cinco años, si deseabas apostar en Estados Unidos sobre el resultado del Súper Tazón, tus opciones eran:

  • Ir a Las Vegas.
  • Sitios de apuestas con bases en otros paises. Riesgoso.
  • Lugares de apuestas clandestinas.

Y listo. Esas eran todas tus opciones.

Pero esto cambió en 2018, cuando la Suprema Corte eliminó la prohibición de las apuestas deportivas que estaba vigente desde 1992.

Desde esa resolución hasta la fecha, más de la mitad de los estados se han vuelto légales las apuestas deportivas. Esto ha abierto la puerta a opciones más seguras y reguladas para que los consumidores apuesten por sus equipos favoritos.

El primer Súper Bowl en un estado con apuestas legales

Por primera vez en la historia, el Súper Bowl se realizará en un estado donde las apuestas son legales (Arizona). Más aún, las apuestas se pueden hacer en el mismo estadio.

Esto marca una señal muy grande en la postura del país respecto a las apuestas. Se espera que 50.4 millones de adultos hagan sus apuestas por 16 mil millones de dólares.

Happy ad day

Uno de los aspectos más interesantes del Súper Bowl son los comerciales.

En Estados Unidos, el Súper Bowl es el momento en el que marcas lanzan los anuncios más impresionantes. Es el único momento del año en el qué hay alguien al que le interesan los anuncios que se van a presentar.

Cerca de 15 por ciento de quienes planean ver el juego dicen que los anuncios son lo más interesante del evento. Esto es más de lo que se esperaría en cualquier otro momento.

Como referencia, anuncios icónicos como el que lanzó Apple en 1984 se presentan en el Súper Bowl. Dado que cuesta 7 millones de dólares anunciarse por 30 segundos, las marcas se suelen asegurar de aprovechar bien ese espacio con anuncios bien hechos.

Te dejo los mejores anuncios de 2022 y un lamento porque en Latinoamérica no tenemos esto sino los mismos anuncios de siempre 😫

Por qué dejé las redes sociales

Por qué dejé las redes sociales

Lo admito: soy un adicto en recuperación. Mi adicción es muy común en estos días, pero no es tan fácil de diagnosticar y sé bien que muchas personas no lo toman tan en serio como deberían.

Me he salvado del alcohol, el tabaco, la cafeína y las sustancias ilegales (jamás encontré al dealer del que me advertían desde pequeño). Mi adicción son las redes sociales.

La adicción a las redes sociales es cosa seria

Afortunadamente, jamás llegué al punto en que mi adicción a las redes me haya causado algún accidente automovilístico(casi medio millón de personas diariamente usa el teléfono mientras maneja en Estados Unidos), o haya tenido problemas laborales por mi uso de redes.

La adicción a las redes sociales puede tener efectos negativos en los lugares de trabajo. En un estudio, los investigadores revisaron los efectos de las redes sociales en trabajadores y encontraron una baja significativa en la productividad relacionada al uso excesivo de estas aplicaciones.

Pero no es necesario que estar revisando constantemente tus redes te cause un accidente o que te despidan. Si al estar con tus seres queridos lo pasas en el celular en lugar de estar con ellos, ya tienes un problema.

¿Tengo tu atención?

Si algo nos han demostrado los últimos años de la economía digital es que nuestra atención literalmente vale oro. Las empresas detrás de tus redes sociales favoritas tienen todo tipo de trucos para retener tu atención.

En una investigación publicada en la revista Science, los investigadores encontraron que nuestra capacidad de atención se ha reducido de forma dramática en los últimos 15 años. El resultado es que los temas de conversación cada vez duran menos tiempo: mientras antes pasaba un evento y lo seguíamos discutiendo por semanas, hoy en pocos días lo hemos olvidado y seguimos con el tema siguiente.

Por ejemplo, el interés de búsqueda en Will Smith alcanzó su máximo en los últimos 5 años en la semana en la que le dió la cachetada a Chris Rock, pero el interés de búsqueda cayó casi inmediatamente. La semana siguiente el interés de búsqueda sólo era del 13% y de ahí volvió a irse prácticamente a cero.

Y esto es algo que las empresas detrás de las redes sociales saben muy bien. Están diseñadas con el objetivo de mantener tu atención el mayor tiempo posible para obtener el máximo beneficio de tu actividad. Al igual que los casinos, su juego es un juego de números: más tiempo de tu atención genera más visualizaciones y más clicks a anuncios.

Además, tu atención alimenta al algoritmo. Entre más usas las redes sociales, más información sobre tus gustos se queda registrada y te ofrece contenido más atractivo para ti.

Esto es muy atractivo para los anunciantes: no sólo están colocando su publicidad en donde las personas tienen su atención, también se están mostrando sus anuncios sólo a aquellas personas que tienen más probabilidad de estar interesadas.

Pero esa no es su única arma. Las aplicaciones de redes sociales usan múltiples técnicas para mantener tu atención, otorgándote gratificación inmediata a tus acciones.

Cómo hacen las redes para ser tan adictivas

Facebook es adictivo, y Meta lo sabe muy bien. Cada like, cada notificación, cada comentario nos da una pequeña dosis de dopamina. Uno de cada cinco adolescentes pasa más de cinco horas al día usando redes sociales y su uso ha reportado síntomas muy parecidos a los hay por abuso de sustancias: ansiedad social, depresión y síndrome de abstinencia.

Entre más nos parece útil y más encontramos a nuestros seres queridos ahí, más adictiva puede ser una plataforma. Pero las plataformas usan todo tipo de trucos para hackear nuestros sentidos y tenernos más tiempo ahí.

Recupera tu atención

Los siguientes son algunos consejos que te podrían servir si también deseas recuperar tu atención de las redes sociales.

  • Establece límites. Pon un horario para el uso de tus redes y cúmplelo.
  • Elimina las aplicaciones de tu celular. Siempre que intentaba salid de Facebook hace muchos años, alguna cuenta que tenía vinculada al servicio o alguna presión social me obligaba a volver. Mi solución fue eliminar la app del celular. Mantengo el servicio abierto, pero no tenerlo tan a la mano me ha ayudado mucho.
  • No necesitas tantas notificaciones. Comencé quitando todas las notificaciones, excepto WhatsApp. Pero al final acabé quitando todas las notificaciones de mi celular. Las notificaciones exigen tu atención, pero la realidad es que es mas fácil cuando recuperas el control y volteas a ver el celular cuando tienes la capacidad de ponerle atención y no cuando el aparato te lo pide.
  • No es verdad que eres multitasking. Sólo un 2.5% de la población es realmente buena en hacer múltiples tareas al mismo tiempo. No te engañes, enfoca tu atención y luego respondes mensajes.
  • Fomenta relaciones reales. Dedica un tiempo para estar con tus seres queridos, sin pantallas por medio.
  • Organízate. Crea un plan para tu día para que sepas que actividades realizar y cuándo. Esto te ayudará a tener el control de tu tiempo.

Leer textos más largos

Una de las grandes ventajas de recuperar la atención es que volví a ser capaz de leer libros. Los libros (y en general los formatos de textos más largos, como este boletín) son la prueba de que estás en el camino correcto.

Dejar las redes sociales es una decisión que puede tener un impacto positivo en tu vida. Al desconectarte de la constante distracción, puedes encontrar una mayor concentración y productividad en el trabajo, y una conexión más significativa con tus seres queridos. Además, te liberas de la presión constante de tener que estar conectado y de compararte con los demás.

Si estás buscando una forma de reducir tu dependencia de las redes sociales, ¡suscríbete a este boletín para seguir aprendiendo de economía! Y si encuentras que este artículo es valioso, ¡compártelo con alguien que pueda necesitar leerlo también!

Regresión Lineal: Manual práctico en Python

Regresión Lineal: Manual práctico en Python

En esta sección, crearemos una regresión con una base de datos pública, analizaremos el resultado que el reporte del software nos arroja y haremos pruebas a las hipótesis.

Piensa en este post como un cheat sheet (en México los llamamos “acordeones”, porque se hacían en hojitas de papel que se doblaban asemejando al instrumento musical) o un manual práctico para hacer regresiones lineales usando mínimos cuadrados ordinarios. Regresa aquí siempre que necesites.

Si hay algún término que te parezca extraño, recuerda que hicimos un par de posts con la teoría del modelo de mínimos cuadrados.

En este post

  • Aprende a  importar y explorar la base de datos
  • Tips para limpiar los datos
  • Hacer una regresión por mínimos cuadrados
  • Aprende a leer el reporte de regresión que arroja `statsmodels`.

Paso 1. Explora la base de datos

Usaremos la base de datos de precios de casas de Kaggle para este ejercicio. Puedes descargarla directamente desde la página de Kaggle. El archivo de datos tendrá extensión *.csv, con variables separadas por comas.

En la sección "Data" de Kaggle hay cuatro archivos disponibles: uno es una descripción de los datos con información sobre cada columna. La base de datos que descargaremos tiene 81 columnas, y debemos identificar cuáles son útiles para describir los precios de las casas.

El archivo de prueba es igual al de entrenamiento, excepto que no incluye los precios. La idea es entrenar el modelo con la base de datos de entrenamiento y usar los parámetros obtenidos para predecir los precios en el archivo de prueba.

Paso 2: Importa los datos

Primero, importamos los datos de la base de entrenamiento. Luego, verificamos si hay valores nulos y los eliminamos o reemplazamos. También es importante convertir las variables categóricas a números para que puedan ser usadas en el modelo de regresión lineal.

El siguiente bloque de código carga la base de datos "/train.csv" utilizando la librería pandas y se muestra un resumen de los primeros registros con df.head().

# Módulos
import pandas as pd
import statsmodels.api as sm
import statsmodels.formula.api as smf

# Cargar la base de datos
df = pd.read_csv("../data/house-prices/train.csv")
df.head()

Aparte de **pandas** usaremos **statsmodels** para hacer la regresión y nos aseguramos de cargar las funciones que nos permiten escribir los modelos como una fórmula. Veremos eso más adelante.

El módulo pandas tiene una función que nos permite cargar los archivos csv. Lo que viene entre comillas del bloque anterior depende de en dónde se ubique tu archivo en la computadora. Cambia ese elemento y corre el código, te debería mostrar una tabla en pantalla con las primeras observaciones de la base de datos.

Primero, importamos los datos de la base de entrenamiento utilizando la librería pandas. Luego, verificamos si hay valores nulos y los eliminamos o reemplazamos. También es importante convertir las variables categóricas a números para que puedan ser usadas en el modelo de regresión lineal.

Usamos el módulo pandas para cargar la base de datos /train.csv y mostrar un resumen de los primeros registros con df.head(). Aparte de pandas, usamos statsmodels para hacer la regresión y nos aseguramos de cargar las funciones que nos permiten escribir los modelos como una fórmula.

El siguiente bloque de código carga la base de datos /train.csv y muestra un resumen de los primeros registros con df.head():

# Módulos
import pandas as pd
import statsmodels.api as sm
import statsmodels.formula.api as smf

# Cargar la base de datos
df = pd.read_csv("../data/house-prices/train.csv")
df.head()

La base de datos

Correr el código anterior genera una tabla similar a la que ves aquí en la pantalla, que muestra cómo se compone la base de datos.

Existen otros trucos para comprender mejor cómo es la base de datos. Si ejecutamos df.columns, Python nos mostrará una lista con los nombres de todas las columnas de la base de datos. Al ejecutar df.shape, el resultado nos indicará el número de filas y de columnas que contiene la tabla, respectivamente: en nuestro caso, la base de datos tiene 1460 filas y 81 columnas.

Leer el artículo completo

Registrarse ahora para leer el artículo completo y acceder a todos los artículos por solo suscriptores.

Suscribirse
¿Ya tienes una cuenta? Iniciar sesión

¡Genial! Te has registrado exitosamente.

¡Bienvenido de vuelta! Has iniciado sesión correctamente.

Te has suscrito correctamente a Escribe tu primer paper de Economía.

¡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.

Sígueme en Mastodon