Tu proyecto con Econometría

¡Feliz Año Nuevo!

Iniciado 2023, en todos lados vas a encontrar predicciones sobre lo que pasará. La verdad es que las predicciones hacen buen espectáculo, especialmente cuando son audaces y particularmente cuando resultan ser verdaderas.

Piénsalo de esta manera: si realizas una predicción y esta se materializa aa lo largo del año, puedes volver a ella y decir “se los dije”. Si tienes un blog como este, estas acciones te pueden ayudar a hacerte viral y subir tu reputación como alguien a quién poner atención.

En cambio, si la predicción resultó no ser correcta, lo más probable es que simplemente quede en el olvido. Muy pocas personas lo van a recordar y de quienes lo recuerden a muy pocas les importa. La ganancia es grande, pero la pérdida potencial es muy baja.

El secreto de las predicciones

Lo curioso es que no es necesario que las predicciones sean buenas. Puede ser más importante que sean muchas. ¿Recuerdas las predicciones de los Simpson? parte de la explicación que tienen es que el show es tan largo que han tenido muchas oportunidades de plantear escenarios diferentes y alguno le atina. Hasta un reloj descompuesto da la hora correcta dos veces al día.

El resultado es que hay muchas predicciones de personas que se escuchan muy confiadas de sí mismas y que muy pocas personas cuestionan. A la vez, las predicciones más mesuradas y que se basan en datos, análisis y conocimiento científico quedan en segundo plano, pues para empezar son menos.

Es una receta perfecta para tener malas predicciones.

Cómo mejorar las predicciones: Pon tu dinero donde pones tu boca

Si el problema de las predicciones es lo poco que cuesta en términos de reputación, entonces la solución es clara: las predicciones deben venir con una apuesta de por medio. La persona que hace la predicción debe estar dispuesta a poner su dinero donde pone la boca.

Los economistas tenemos una solución para esto: pon las ideas en un mercado. Los mercados de predicciones son mercados abiertos en los que se plantea una pregunta con un precio a las posibles respuestas. Entre más alto sea el precio para una respuesta, más personas piensan que esta será la respuesta correcta.

Estos mercados son muy populares en política. Dan respuestas más acertadas a las que te encuentras en encuestas. Las encuestas se pueden comprar para que reflejen el resultado que se desea, pero inflar el resultado en los mercados de predicción se puede convertir en una guerra de desgaste que se acaba el dinero de los partidos.

Cuando esto pasa, lo más eficiente acaba siendo que quienes están dispuestos a apostar es porque están mandando una señal al mercado de que algo saben sobre quién va a ganar. Puede ser que le vas al partido A, pero tal vez no estás dispuesta a poner de tu dinero para mandar esa señal de que sabes que va a ganar a menos de que estés segura.

¿Conoces a alguien que disfrute leyendo mis artículos en mi Substack? ¡Entonces una suscripción premium sería un regalo perfecto! No solo podrán recibir mis últimos artículos directamente en su correo, sino que también tendrán acceso a contenido exclusivo y estarán apoyando mi trabajo. ¡Regala una suscripción premium hoy mismo y haz que tu amigo o ser querido se una a la comunidad de lectores de mi Substack!

Mercados Eficientes

Cuando todos apuestan su dinero para dar una predicción están mandando una señal de lo que saben. Si suficientes personas hacen (o dejan de hacer) lo mismo, entonces la información que reflejan los precios está completa.

Esta es la hipótesis de los mercados eficientes. La hipótesis de los mercados eficientes es como la fila del supermercado. En el momento en el que se abre una caja las personas corren a ella. El resultado es que para la mayoría de nosotros el beneficio es muy pequeño.

Lo mismo sucede en los mercados de predicciones. Cuando hay información nueva que puede cambiar el resultado de una elección, esta se ve reflejada en los precios del mercado. Algunos cuantos aprovecharon y sacaron ganancia de ese cambio, pero la mayoría de nosotros no tenemos más que ver cómo los precios se mueven y reflejan lo que los demás saben.

Evidencia

No es sólo una teoría. En diversos estudios se ha encontrado que los precios de los mercados de predicciones reflejan correctamente el comportamiento de los eventos en los que se basan. En ocasiones se presentan algunos sesgos, pero en general son buenos resultados.

En México todo este tipo de apuestas están prohibidas. Probablemente por esta razón no encontramos mercados de este tipo en el país, pero probablemente haya alguna manera de hacer que funcionen. Lo que he visto que se hace en Estados Unidos es que los mercados operan con dinero “de juguete” y al final se dan premios a los ganadores. Desconozco si esto sería posible aquí.

Bonus: Las predicciones de chatGPT

Dicho todo esto, hice una serie de predicciones apoyado de chatGPT. Si quería lanzar un post con predicciones, pero sabiendo lo que te acabo de decir, habría sido incongruente de mi parte hacerlo igual que todos. Así que aquí van unas predicciones genéricas, como de horóscopo.

Le dije a la IA que las hiciera parecer plausibles. ¿Qué piensas?

1. El crecimiento económico en México se ralentizará en el próximo año debido a una desaceleración en el mercado interno y la incertidumbre en el comercio internacional
2. La inflación en México se mantendrá estable en el próximo año gracias a la estabilidad en los precios de las materias primas y la política monetaria del banco central
3. El tipo de cambio del peso mexicano se mantendrá estable en el próximo año debido a la estabilidad en el mercado cambiario y la política monetaria del banco central
4. El sector servicios en México seguirá siendo el motor de la economía en el próximo año, con un aumento sostenido en la demanda de servicios de tecnología y turismo
5. El sector manufacturero en México seguirá enfrentando retos en el próximo año debido a la competencia extranjera y la falta de inversión en tecnología y capacitación

El ejemplo en el post anterior sirve para ilustrar el modelo de resultados potenciales en individuos. Pero lo que en realidad deseamos es obtener conclusiones generales para tomar decisiones. Yo no soy Alicia o Bob, pero quiero saber si debería asistir a la fiesta. Aquí está el post anterior, por si te lo perdiste o quieres usarlo como repaso. También te dejo al final de este post un enlace para el notebook de Google Colab donde puedes correr todo el código, clonar el proyecto y revisar los resultados.

El modelo de resultados potenciales

La econometría moderna sufrió un cambio de paradigma a partir del modelo de resultados potenciales. Es este modelo el que permite pensar en términos de experimentos aún cuando los datos son observacionales para obtener inferencia causal. El truco está en pensar en términos de

Marionomics: Econometría y Datos

Este tipo de preguntas requieren que hagamos inferencia sobre lo que pasaría si yo fuera. Para eso, podemos estimar lo que se espera que pase con mi calificación si asisto a la fiesta. En otras palabras, queremos conocer el valor esperado del efecto de ir a la fiesta para tomar la decisión de si ir o no.

El principio para entender el modelo de resultados potenciales en un conjunto de datos es el mismo que usamos en la sección anterior, así que podemos comenzar con una extensión de la ecuación que nos muestra el efecto promedio del tratamiento. Veamos nuevamente lo que tenemos. Imagina que en lugar de ver el caso de Alicia y Bob únicamente, tenemos una base de datos de 1000 estudiantes donde indica si asistieron a la fiesta o no (creo que lo deberíamos cambiar a concierto o festival en este punto). La base de datos también nos indica la calificación que se sacaron en econometría.

Veamos cómo se vería esta base de datos creando una simulación en Python. No podemos usar para esto datos reales porque queremos ver los datos contrafactuales que vienen de universos paralelos. Supongamos que la calificación del estudiante $i$ se genera a partir de la siguiente función lineal

De ahí, $\beta_0$ es un parámetro fijo que nos indica para este caso la calificación que el estudiante se sacaría si no fuera a la fiesta y $\varepsilon$ es un término de error estocástico o aleatorio. Es importante incluir este término de error porque bien sabemos que ir a la fiesta no es lo único que puede influir en la calificación de econometría: algunos tendrán mayor calificación que otros.

Un supuesto crítico es que $\varepsilon$ tiene una distribución normal. Esto se representa de la siguiente manera:

Las distribuciones se representan como funciones: con un paréntesis que nos indican sus parámetros. En el caso de la distribución normal nos interesan dos cosas: en dónde está centrada y qué tan dispersa es. El centro de la distribución es el primer parámetro, que hemos definido que debe ser cero para nuestro término de error. El valor de $\sigma^2$ nos indica la varianza o la dispersión de nuestra calificación.

Creando la base de datos

Lo primero que haremos será crear la columna $D_i$ que nos muestra la elección de cada estudiante de manera aleatoria: un 1 significa que si asistieron a la fiesta y un 0 significa que no. También haremos el valor de $\beta_0$ que básicamente es la calificación si deciden no ir a la fiesta.

import numpy as np
np.random.seed(42)

n = 1000 # Determinamos el número de observaciones de nuestra base de datos

b0 = np.random.choice([6,7,8,9],n)

Haremos un poco de trampa a continuación. Vamos a crear nuestra base de datos y vamos a crear el valor de $D_i$. Pero aquí está el secreto: este valor va a depender de $\beta_0$.

Esto refleja una situación parecida a la que encontramos en el modelo individual. Las personas que tienen mayor calificación son las que están más dispuestas a asistir a la fiesta si piensan que no les va a afectar de manera significativa. En el siguiente bloque de código crearemos nuestra base de datos en pandas y generaremos la columna $D_i$ conforme a la regla que establecimos arriba.

import pandas as pd

df = pd.DataFrame({"b0":b0})
df['Di'] = np.where(df['b0']>7,1,0)

Y aquí llega el momento de la verdad. Vamos a crear nuestra variable $Y$, que contiene las calificaciones de los alumnos. Digamos que el efecto real de asistir a la fiesta es de $\delta = -1$, por lo que al crear la variable en python tendremos como resultado

df['e'] = np.random.normal(0,1,1000)
df['Y'] = df['b0'] + (-1)*df['Di'] + df['e']

Esta es la razón por la que estamos haciendo los datos por medio de una simulación. En la realidad $\delta$ es un parámetro de nuestro modelo que tenemos que estimar, no lo conocemos realmente hasta que hacemos el proceso de inferencia. El resultado de $Y$ contiene nuestro error aleatorio $\varepsilon$, que tiene una desviación estándar de 1.

Empieza a escribir también usando Substack. Usa el botón abajo para crear tu publicación y conectarla con Marionomics: Econometría y Datos

Gracias al término aleatorio no es sencillo entender el patrón que nos dan los datos con sólo velos a simple vista. Por eso necesitamos la estadística. Hagamos la diferencia de medias de las calificaciones de aquellos que asistieron a la fiesta y los que no.

El siguiente bloque de código muestra los resultados de esta operación. Verifica por tu cuenta propia la operación y observa el resultado. ¿Encuentras algo extraño?

print(df[df['Di'] == 1]['Y'].mean() - df[df['Di'] == 0]['Y'].mean())

El sesgo de selección

Nuevamente nos topamos con el mismo efecto. Si no supiéramos que el efecto real era $\delta = -1$, podríamos caer en la ilusión de que asistir a la fiesta en realidad aumenta nuestras calificaciones. Lo peor es que los seres humanos somos muy buenos para encontrar motivos a lo que vemos: tal vez en la fiesta fluyen las ideas de manera libre y eso hace que los alumnos hagan un mejor examen. Tal vez los resultados muestran lo importante que es descansar y pasar un buen rato con los amigos. Pero estudiar econometría requiere dedicarle tiempo y esfuerzo. ¿Qué sucedió en realidad?

Bueno, los datos son inventados, pero eso no significa que no podamos aprender algo de ellos. Para comenzar, veamos que el modelo individual que hicimos anteriormente se puede extender para un conjunto de datos y sus valores esperados.

Hicimos el mismo truco que en la sección pasada: agregamos un elemento que suma 0 para mostrar que el efecto real está contaminado con un sesgo de selección. El dato de $E[Y^0_i |D_i=1]$ no existe en la vida real, es el contrafactual de lo que hubieran sacado como calificación los alumnos que fueron a la fiesta si no hubieran ido. Podemos observar que, en efecto, el resultado de esto es $-1$, como lo esperaríamos de un estimador sin sesgos. Veamos en python este resultado.

Primero creamos las columnas de $Y^0_i$ y $Y_i^1$ independientes de lo que el estudiante haya decidido en la realidad.

df['Y0'] = df['b0'] + df['e']
df['Y1'] = df['b0'] + (-1) + df['e']

Puedes observar que cuando la decisión coincide, la calificación debe ser la misma, pero cuando no, entonces se trata de un contrafactual. Es decir, la primera fila muestra a alguien que si fue a la fiesta ($D_i =1$) y su calificación fue de 7.3. Su calificación si no hubiera ido a la fiesta según nuestros datos habría sido de 8.3.

Veamos entonces la primera parte de la ecuación anterior

Esta es la que nos genera el efecto real de asistir a la fiesta. Podemos extraer estos datos de nuestra simulación en python usando el siguiente código

df[df['Di'] == 1]['Y1'].mean() - df[df['Di'] == 1]['Y0'].mean()

Que lástima que el dato de $E[Y_i^0 | D_i = 1]$ es un contrafactual y no podemos medirlo en la realidad. Pero al menos podemos encontrar ahí el efecto real de -1 que estábamos buscando. Aprovechando que ya estamos aquí, podemos medir nuestro sesgo de selección, que está en el extremo de la derecha en nuestra ecuación y podemos examinarlo de la siguiente manera.

df[df['Di'] == 1]['Y0'].mean() - df[df['Di'] == 0]['Y0'].mean()

Como esperamos, nuestro sesgo de selección tiene un valor muy cercano a 2.

Bueno, y ¿Cómo solucionamos el sesgo de selección?

Para solucionar el sesgo de selección hay que comprender primero de dónde se origina. En nuestro ejemplo es claro que fuimos nosotros quienes lo creamos de manera artificial, pero se dio por las mismas razones que podemos esperar en la vida real.

La decisión que tomaron los estudiantes de nuestra base de datos simulada fue una respuesta a su propia calificación. Esto nos generó un problema de endogeneidad. Veremos más adelante cómo podemos lidiar con estos problemas y por qué es tan importante entenderlos.

De momento consideremos que nuestra muestra contiene este sesgo y lo que debemos hacer para eliminarlo y encontrar el verdadero efecto es seleccionar nuestros datos por un proceso verdaderamente aleatorio que incluya de igual manera a los que asisten a la fiesta y a los que no lo hacen.

Comencemos por crear una copia de la base de datos

df2 = df.copy()

En esta copia vamos a trabajar. Lo primero es sustituir el valor de $D_i$ para que se genere a partir de un proceso aleatorio.

df2['Di'] = np.random.choice([0,1], n)

Ahora toca sustituir los valores de $Y$. El siguiente código genera el valor usando los mismos valores de $\beta_0$ y $\varepsilon$ de la base de datos anterior.

df2['Y'] = df2['b0'] + (-1)*df2['Di'] + df2['e']
df2['Y0'] = df2['b0'] + df2['e']
df2['Y1'] = df2['b0'] + (-1) + df2['e']
df2

Finalmente, hagamos el cálculo de una diferencia de medias simples. Nota que esta vez el sesgo de selección ha desaparecido y tenemos un valor muy cercano al $-1$ que sabemos es el efecto real de asistir a la fiesta.

df2[df2['Di'] == 1]['Y'].mean() - df2[df2['Di'] == 0]['Y'].mean()

Listo. Hemos mostrado cómo solucionar el sesgo de selección en nuestro modelo simulado. El proceso de aleatorización que hicimos aquí se puede simular cuando tenemos la opción de crear un experimento aleatorizado y logramos asegurarnos del control de variables que nos pueden afectar nuestro resultado.

Pero seamos sinceros, los economistas rara vez tenemos la oportunidad de controlar nuestras variables de esa manera. Normalmente a lo que nos enfrentamos son a datos que se recolectaron, en muchas ocasiones por alguien más y normalmente con un propósito diferente a los que nosotros deseamos. En los capítulos siguientes aprenderemos a usar técnicas de regresión para obtener resultados de inferencia causal con este tipo de datos, pero que mantengan el espíritu de estos modelos como si hubiéramos hecho un experimento.

Santa tiene una lista de niños buenos y niños malos. La idea es que los niños buenos reciben más regalos que los niños malos.

No me pregunten que tipo de modelo de inteligencia artificial usa para la clasificación de los niños, pero a mi me da la sensación de que el modelo está sesgado. Sobre todo considerando que los niños pobres reciben menos regalos que los niños de familia con mayores ingresos.

En este post veremos un estudio científico que determina de una vez por todas si portarse mal te hace acreedor a que Santa te deje sin castigo o te regale un pedazo de carbón. También veremos un poco de cómo Santa Claus llegó a tener la imagen que ahora conocemos todos. Spoiler: no lo inventó Coca-cola.

Santa Claus no da menos regalos a los niños malos, pero si eres pobre…

En Navidad de 2015, un grupo de investigadores recolectaron información de hospitales en el Reino Unido para determinar qué factores infuencian si Santa Claus visita a los niños.

Para determinar que tan bueno o malo es un niño, usaron datos de ausentismo en las primarias y las tasas de encarcelamiento juvenil de chicos de entre 10 y 17 años, así como la distancia del hospital al “Polo Norte” (o la ciudad más cercana). También usaron el índice de privación económica, para determinar las condiciones socioeconómicas de los chicos.

Lo que encontraron fue que los chicos con un mayor índice de privación recibieron menos visitas de Santa Claus, tristemente. Ser pobre si te pone en la lista de los niños malos. Y pues no, no hubo una diferencia significativa de visitas de Santa Claus para niños “malos” en comparación de los “buenos”.

No tengo idea de cómo decirle esto a mis hijos

Esta semana fuimos padrinos de niños que no tienen a sus padres y fuimos a hacerles un regalo. Salí contento de poder aportar aunque sea un poco, pero también muy angustiado por no hacer aún más.

Pero también estaba preocupado de que mis hijos me preguntaran por qué a estos niños no les va a mandar regalo Santa Claus igual que a ellos. En este post, la Dra. Clara Goodwin plantea que podemos darles explicaciones causales: es que no tienen chimenea.

Finding Out "The Truth" About Santa Claus

Source: Betty Llensa/ Pexels The topic of Santa Claus is one that is so rife with parenting dilemmas that it seemed like a second newsletter might be necessary. In last week’s newsletter, I discussed the research on encouraging belief in Santa and addressed the following hot-button topics:

Parenting Translator

La verdad es que no me imagino cómo esas respuestas sean satisfactorias para mis pequeños. Creo que acabaré hablándoles del índice de Gini.

Coca-Cola no inventó a Santa Claus

Muchas personas piensan que Coca-Cola inventó a Santa Claus. Y no están del todo errados: la empresa no creó la idea de Santa, pero si popularizó la idea que tenemos hoy de él: un gordito excesivamente feliz.

La idea de que Coca-Cola lo inventó es tan prevalente, que la compañía tiene una página en sus preguntas frecuentes donde hace las aclaraciones pertinentes.

San Nicolás

La marca Coca-Cola se lanzó en 1892, pero la idea de “Santa” tiene ya varios siglos. El original muchos lo conocen: San Nicolás, un santo del siglo 4. Hacía milagros y traía regalos. Era santo patrono de navegantes, mercaderes, niños, solteros y estudiantes, entre otros.

Generalmente se representaba a San Nicolás como una figura alta y delgada. Casi como un elfo.

En los años 30, la marca encargó al artista Haddon Sundblom crear un anuncio navideño especial para Coca-Cola. Sundblom se inspiró en un poema clásico de 1822 para crear sus propuestas: Twas the Night Before Christmas.

En el poema hace mención a algunas características que son las del Santa que todos reconocemos: mejillas rosadas, nariz como una cereza, una barba blanca como la nieve y una gran panza redonda. El resultado fue esta, la primera ilustración del Santa que hoy conocemos, hecho por Coca-Cola.

Coca-Cola le pagó a Sundbom mil dólares por su ilustración. En aquel entonces era posible comprarse un automóvil con 700 dólares, por lo que no fue un mal trato. Además, Sundblom siguió haciendo comerciales para la marca por las siguientes tres décadas.

Una imagen tan carismática fue merecedora de un gran esfuerzo de marketing por la compañía. La imagen de Santa se aceptó rápidamente en el mundo, siendo hoy la viva imagen de la Navidad y un gran promotor del refresco que m̶a̶t̶a̶ alegra a millones todos los años.

La econometría moderna sufrió un cambio de paradigma a partir del modelo de resultados potenciales. Es este modelo el que permite pensar en términos de experimentos aún cuando los datos son observacionales para obtener inferencia causal.

El truco está en pensar en términos de universos paralelos, para identificar los efectos que tiene algún tratamiento.

Cómo se hacen los experimentos en la vida real

Desde que soy un niño siempre quise ser científico. Crecí con shows que mostraban personas ingeniosas haciendo experimentos interesantes para resolver sus problemas.

No fue sino hasta que fui un adolescente que me di cuenta de que mi papá era un científico de la vida real. Él me pedía que le ayudara a revisar el inglés de sus artículos, que son la forma en que se comunican los resultados científicos.

Lo interesante es que es precisamente en los estudios agrícolas donde nace la tradición de hacer experimentos para identificar los efectos que tiene un tratamiento sobre un campo.

El procedimiento es el siguiente: supón que deseas conocer si un insecticida es efectivo, i.e. logra matar muchos insectos. Tu objetivo no es realmente matar insectos, lo que tú deseas en realidad es aumentar tu producción de tomates, o lo que sea que estás sembrando.

Algo de notación

Para este ejercicio la variable resultado es el nivel de producción del campo, que denotamos con $Y$.

Llamamos tratamiento al insecticida y lo denotamos con $D$, que es una variable dummy, es decir, sus valores pueden ser $1$ o $0$, según si se aplica o no el tratamiento.

Las variables $Y$ y $D$ son vectores que contienen diferentes unidades de medición $Y_i$ y $D_i$, respectivamente. La $i$ es un indicador que nos ayuda a identificar a un invernadero específico. Puedes imaginar que tenemos un campo con $N$ invernaderos (si tienes problemas para imaginar $N$ piensa en 100 hasta que alguien te diga lo contrario) y que todos están numerados del $1$ al $N=100$. Entonces $i$ puede ser el invernadero $1$ o el $100$, o cualquier otro número intermedio.

Puede ser que algunos invernaderos reciban tratamiento. Esto lo denotamos con $D_i = 1$. Por lo tanto, cuando el invernadero $i$ no recibe tratamiento escribimos $D_i = 0$.

Entonces tenemos dos tipos de valores para la producción del invernadero $i$.

Si nunca habías visto una fórmula con llaves así, no te preocupes. Del lado derecho estamos planteando dos escenarios para $Y_i$ que dependen del valor de $D_i$. Estos dos valores no pueden darse al mismo tiempo: no puedes ponerle y a la vez no ponerle insecticida a un invernadero.

Para distinguir cada uno de estos dos escenarios le incluimos un número adicional en el superíndice. Este no es un exponente, es una forma de indicar si la producción proviene de un invernadero con tratamiento o sin él. Entonces $Y_{i}^1$ nos dice el nivel de producción del invernadero $i$ si se aplica el insecticida y $Y_{i}^0$ es el nivel de producción del mismo invernadero si no se le aplicara este tratamiento.

Como puedes imaginar, no podemos observar $Y_{i}^1$ y $Y_{i}^0$ al mismo tiempo, pues están en diferentes universos. Pero esto es justo lo que necesitamos medir si deseamos medir el efecto que tiene el insecticida en nuestro invernadero. Si pudiéramos acceder a los dos universos al mismo tiempo, la medición del efecto sería tan fácil como tomar la diferencia del rendimiento con insecticida y sin insecticida.

Para este caso, idealmente estaríamos esperando un número positivo, que nos indica que el insecticida incrementa nuestro rendimiento. Denotamos entonces al efecto del tratamiento con $\delta_i$.

No hagas una diferencia de medias simple

¿Has seguido el hilo hasta el momento? Que bueno, porque aquí es la parte en la que la mayoría se equivoca.

No podemos ir a visitar universos alternos para revisar el efecto de nuestro tratamiento, pero sí podemos observar lo que sucede en los invernaderos que aplican el insecticida y compararlos con lo que no lo aplican.

Considera que tenemos $N^0$ invernaderos a los que no se les ha aplicado el insecticida y $N^1$ a los que sí. Lo que muchos hacen en este punto es tomar una diferencia de medias para comparar.

A la ecuación anterior se le conoce como el efecto promedio del tratamiento y se denota por $E[\delta_i]$.

Falso. Tomar una diferencia de medias significa asumir que los dos invernaderos son iguales en todos los demás aspectos además del tratamiento que se les aplicó. Todo lo demás igual: ceteris paribus.

Pero la realidad normalmente es más compleja. Si tú observas dos invernaderos y notas que el que aplicó insecticida tiene mayor rendimiento que el que no, no puedes asumir inmediatamente que el efecto que estás midiendo viene del insecticida. Podría ser que en el invernadero sin insecticida la semilla es de mala calidad. Ambas cosas se deben a que el agricultor está invirtiendo menor presupuesto al invernadero.

Universos Paralelos

Intenta generalizar el ejemplo anterior a otros problemas. Si quieres conocer por ejemplo si la educación (tratamiento) representa un aumento en los ingresos (resultado), no es posible tomar la diferencia de los valores esperados. Hacer esto nos dejaría con un sesgo que conocemos como el sesgo de selección. Veamos cómo funciona.

Consideremos el siguiente caso hipotético para notar cómo la diferencia de medias puede ser engañosa. Alicia y Bob quieren decidir si asistir a una fiesta la noche antes a un examen muy importante de la clase de Econometría. Todo en economía se mide en términos de su costo de oportunidad y asistir a esa fiesta puede afectar sus calificaciones, por lo que en teoría, el efecto de asistir ($D_i = 1$) debería ser negativo.

Sin embargo, podemos encontrar cosas curiosas si no somos atentos. Alicia es una alumna que tiene un excelente promedio, habilidades matemáticas excepcionales y puso mucha atención en clase. Digamos que Alicia decidió asistir a la fiesta y aún así se sacó un 10. Lo podemos expresar en la ecuación

Donde el subíndice A nos sirve para indicar que se trata de Alicia. En este caso, si Alicia se hubiera quedado en casa para estudiar, también se hubiera sacado un 10 (Y_A^0 = 10), por lo que el efecto habría sido cero:

Naturalmente, $Y_A^0$ se refiere a algo que no existe y que no podemos ver. A estos casos que no podemos ver los vamos a llamaar contrafactuales. Para el caso de Alicia es fácil ver que se hubiera también sacado 10 porque es la máxima calificación, pero no siempre tenemos tanta suerte.

Por ejemplo, consideremos a Bob. Bob se perdió algunas clases y no tiene tantas ventajas en Econometría como las tiene Alicia, por lo que decide mejor quedarse en casa y estudiar para el examen. Imaginemos que llega el día del examen y Bob se sacó un 9.

Bob está contento con su resultado, porque si no hubiera estudiado para ese examen, seguro se habría sacado un 8 (Y_B^1 = 8). Ese 8 no existe en nuestra realidad, pero si lo pudiéramos observar, nos indicaría exactamente cuál es el efecto que asistir a la fiesta hubiera tenido para Bob:

Pero este es el efecto que encontramos si pudiéramos observar el universo paralelo en el que Bob si asistió a la fiesta. En la realidad sólo tenemos los datos de la calificación de Alicia, que si asistió a la fiesta, y Bob, que no lo hizo.

Sesgo de selección

¿Qué sucede cuando hacemos una diferencia simple de los datos que observamos? Veamos lo que sucede en la siguiente ecuación.

Esta diferencia la podemos interpretar como si asistir a la fiesta hubiera ayudado a subir las calificaciones. Nosotros sabemos que esto no es verdad, pero es lo que nos indican los datos. ¿Cuál es el error?

La ecuación anterior está contaminada con el sesgo de selección. Para verlo, podemos introducir a $Y_B^1$ en la ecuación. Hacer esto requiere que lo cancelemos para no afectar la igualdad. Manipulando un poco la ecuación, el resultado se vería así:

Esta última parte la escribí separando en dos paréntesis. El primer paréntesis muestra el efecto $\delta_B$, que mide la diferencia de lo que pasó y un contrafactual. Pero, ¿qué es lo que quedó en el segundo paréntesis? Ese es el que conocemos como el sesgo de selección, y es lo que no nos permite determinar el efecto real.

Nota que el primer paréntesis suma $-1$ mientras que el segundo deja un resultado de $+2$, que sumados nos dan el $1$ observado. Pero este no es el efecto de la fiesta, lo que pasa es que el sesgo de selección es suficientemente fuerte para cambiar el signo.

Antes que nada, muchas gracias. Este proyecto lo empecé más en serio este año y me da mucho gusto que poco a poco crece la comunidad. Para 2023 quiero continuar escribiendo y acelerar aún más el ritmo de este Substack.

Tengo varios proyectos para el próximo año en los que seguiré trabajando y quiero hacerte parte de ellos. Para que me puedas acompañar en todos durante el año, puse una oferta en la suscripción anual con tiempo limitado. Aprovecha, súmate al proyecto y apoya mi trabajo.

(Muchos) más posts

Escribir dos o tres posts a la semana es trabajo más arduo y escala menos de lo que me imaginaba inicialmente. Al mismo tiempo, es un ejercicio que recomiendo mucho, pues ayuda a aclarar ideas y a encontrar técnicas para escribir más y con mejor calidad.

Actualmente estoy utilizando la técnica de Zettelkasten, que popularizó y perfeccionó el sociólogo Niklas Luhmann. El sistema lo encontré en el libro de Sönke Ahrens e hice una plantilla con Notion donde guardo todas las notas que me ayudan a crear posts como este a escala. Va a haber post y plantilla más adelante a inicios del año.

Mientras tanto, la idea es subir el ritmo de posts a un mínimo de 4 por semana y un máximo de 6. No he decidido aún la mezcla por completo, pero seguirán los posts de los lunes religiosamente, habrá algo más de tutoriales y datos. También habrán sesiones en vivo en Discord, pero de eso estoy afinando detalles.

Hay varios temas interesantes de los que seguiré escribiendo. Entre ellos seguiré hablando de inteligencia artificial, pues es un tema que me parece super interesante. También tengo algunas notas pendientes para subir sobre portafolios de inversión. Recuerda que como lector tu puedes decirme si un post es de tu interés. Yo reviso todos los correos que me mandan, siempre contesto y todo todo en consideración.

Libro Econometría con Python

Si la teoría económica es correcta, mi guía sobre lo que es valioso para los lectores debe ser lo que hace que presionen el botón de suscribir. Y según los datos que logré recolectar este año, parece que son los posts sobre econometría y los de Python los que logran más conversión.

Esto me ha animado más. El año siguiente tengo planeado aprovechar para dedicarme a terminar mi libro de Python. La idea es que los suscriptores premium (los que ya se suscribieron y los que se suscriban en el futuro) ya tienen cubierto el costo de su libro y se los haría llegar hasta su casa como parte de su plan.

Iré soltando partes del libro para los suscriptores premium de forma adelantada. La ventaja es que pueden darme retroalimentación desde antes de su publicación. ¿Cuándo habías podido hablarle a tu libro en tiempo real?

Microcursos (tutoriales) en video

Hay algunos temas que no siempre es suficiente el tutorial por escrito. Necesitas ver el código en acción.

El año pasado probé con sesiones en línea por Zoom. El problema que más encontré fue una gran dificultad para encontrar horarios en los que pudieran asistir todos, o una mayoría significativa al menos. Para solucionarlo, voy a crear microcursos para suscriptores premium.

Eso es parte de por qué me cambié a Substack, porque Ghost me ponía muchas trabas para subir videos de un tamaño considerable. En los próximos días marionomics.com va a mandar directo a esta página en Substack :) me aseguré de mandar todas las suscripciones premium acá con el acceso completo.

¿Cuál es tu proyecto de 2023?

Este blog está en la app de Substack. En la app hay una sección de chat. Sea por ahí o por correo, me puedes contar cuál es tu proyecto de 2023 y cómo te puedo apoyar. Por ejemplo, si lo que necesitas es terminar una tesis donde usas teoría de juegos, me sirve saberlo! puedo hacer algunos posts que te podría ayudar a entender mejor algo particular.

Read Marionomics: Econometría y Datos in the Substack appAvailable for iOS and AndroidGet the app

La navidad es época de regalos. Aunque a primera vista esta tradición es una forma de demostrar amor, los economistas ven el intercambio de regalos desde una perspectiva ligeramente diferente.

Para los economistas, los regalos representan un intercambio ineficiente y de peso muerto.

¿Qué quiere decir esto? Imaginemos que tienes 100 dólares y puedes gastarlo en ti en lo que quieras. Si yo tuviera los mismos 100 dólares y los decidiera gastar en comprarte un regalo, lo más probable es que lo que yo elija no sea tan bueno como lo que tu podrías elegir para tu propio disfrute.

Creo que todos lo sabemos. Alguna vez todos hemos recibido un regalo que simplemente no es muy bueno y que nos hace pensar en que hubiera sido mejor haber recibido dinero.

Incluso cuando la otra persona conoce tus preferencias, los regalos son ineficientes. Recuerdo una vez cómo una amiga que es muy buena para dar regalos me regaló un CD de una de mis bandas favoritas. El regalo habría sido ideal excepto por un detalle: yo ya tenía ese CD.

Si dar regalos es una forma tan ineficiente de asignar recursos ¿Por qué lo seguimos haciendo?

Los regalos sirven para mandar señales

Cuando le regalas algo a alguien, estás tratando de mandarle un mensaje. Puede ser que le tratas de decir que la aprecias mucho y que pensaste en ella.

Idealmente un regalo manda el mensaje de que conoces a la persona y que sabes lo que le gusta y lo que prefiere. Esta señal es difícil de alcanzar y requiere invertir tiempo en conocer lo que a la otra persona le gusta.

La realidad es que solemos usar los regalos para mandar señales de que nos importa la persona, pero también para indicar algo sobre nosotros: queremos demostrar que somos generosos, que tenemos dinero, que somos inteligentes o sofisticados. Y todo esto no le sirve de nada a quien recibe el regalo.

Diferentes incentivos de quien da y quien recibe

Dar un regalo tiene diferentes incentivos que recibirlos. Cuando alguien da un regalo está pensando en el momento en el que la persona abre el regalo y lo agradece. A la persona que recibe también le interesa ese momento, pero también es importante para ella el tiempo en el que va a usar el regalo.

Esto genera algunos errores a la hora de presentar regalos. Por ejemplo:

• Cuando damos regalos, le ponemos más valor al elemento sorpresa de lo que realmente importa. Esto es porque la sorpresa es más importante al momento de dar el regalo, pero no necesariamente hace al regalo más útil o más acorde a lo que la otra persona quiere.
• Solemos dar regalos que tienen menos valor, pero que están completos y listos para usarse, pues eso se valora más en el momento.
• Quienes dan regalos, prefieren dar regalos materiales que sean tangibles, pues estos generan una respuesta inmediata. Sin embargo, los estudios demuestran que son las experiencias las que generan más felicidad.
• Tratamos de dar regalos que reflejen al receptor o su personalidad. La idea es dar una señal de que conocemos a la otra persona: si sabemos que esa persona es deportista, le damos tal vez ropa deportiva. Pero cuando tratamos de hacer un regalo demasiado especial acabamos generando menos valor.

Cómo mejorar los regalos

Ya identificamos algunos puntos importantes que hacen los regalos buenos (o malos). Aquí algunas formas de mejorar los regalos para esta navidad (o en cualquier momento del año, realmente).

• Si la otra persona expresó que desea algo particular, puedes enfocarte en ello sin ningún remordimiento. Tal vez dudes porque se pierde el elemento sorpresa, pero los regalos que te piden tienen más probabilidad de ser valiosos.
• Los regalos de mayor calidad pueden dar más valor, aún cuando sean incompletos. Estoy pensando por ejemplo en regalar un lego en lugar de un suéter a alguien a quien le gusta armar legos.
• Los regalos intangibles también pueden ser valiosos. Tal vez le estás dando una tarjeta de regalo para una puesta de pestañas en el lugar favorito, o una suscripción a una página que sabes que le va a gustar porque le gusta mucho la economía (guiño guiño). El caso es que los intangibles pueden ser algo interesante o valioso.
• Los regalos versátiles suelen generar más valor que aquellos que están demasiado enfocados en la persona.

Regalos aleatorios

En la posada del trabajo hicieron algo que me pareció muy interesante: organizaron un intercambio de tazas con chocolate. Todos teníamos que dar el mismo regalo a alguien de manera aleatoria.

Me gustó porque el enfoque del intercambio se vuelve el acto de dar y recibir y dejó de lado realmente el regalo. De cualquier manera, las tazas son una buena idea, pues son objetos de uso diario: la mía me gustó mucho (Gracias B. G.).

Regalos socialmente responsables

¿Quieres hacer un regalo socialmente responsable? Estoy dudando mucho si decirte esto o no, pero según algunos estudios, sobreestimamos que tanto van a apreciar las personas los regalos socialmente responsables.

Esto incluye donaciones de caridad a grupos con causa. Así que si vas a regalar algo por el estilo, considera compartirle este post también. Tal vez ayude a comprender que sólo es naturaleza humana y lo aprecie un poquito más. Después de todo, son regalos que dan dos veces.

Simplemente pregunta

Si hay una lección de todo esto es que si no sabes aún que regalarle a esa persona especial, ve y pregúntale que le gustaría. Si no quieres romper del todo la sorpresa, puedes pedirle dos o tres opciones: así no sabrá cuál de todas es la que recibirá.

Al final de cuentas, recuerda que lo importante es conectar con la otra persona.

Los regalos se han convertido en un buen inferior

La expresión “bien inferior” es una que usan los economistas para referirse a bienes que bajan su valor cuando las personas incrementan sus ingresos. Por ejemplo, las sopas maruchan son geniales si eres estudiante foráneo con poco dinero, pero si tus ingresos suben, tal vez prefieras consumirlas menos.

Pues en un estudio nuevo, Joel Waldfogel encontró que desde el año 2000 los regalos han disminuido a pesar de un incremento en los ingresos reales. En otras palabras, se está comportando como maruchan.

El artículo no deja claras las causas de manera definitiva. Se explora la idea de que hay menos niños en la población y la definición de regalo en las estadísticas. En ambos casos se hacen pruebas que permiten descartarlos como causas.

Puede ser que simplemente en esta generación sea diferente la forma en la que logran las conexiones que se daban en el pasado.

¡Hola a todos! ¿Listos para la final del Mundial de Fútbol entre Argentina y Francia?

Sin duda, este es un momento de gran emoción para todos los aficionados al fútbol y especialmente para los argentinos, ya que esta podría ser la gran oportunidad de ver a Messi en un Mundial ganar.

Pero mientras disfrutamos de este gran partido, también es importante recordar el contexto en el que se ha desarrollado el país, cómo vivía Messi en su adolescencia antes de mudarse a Barcelona.

La economía de Argentina es uno de los casos más interesantes desde muchos puntos de vistas. En cierto modo se trata de una combinación única que vale la pena explorar más a fondo.

Producto Interno Bruto

Esta es una serie que comencé al inicio del campeonato donde exploramos las economías de Polonia y Arabia Sauditausando como excusa que estaban jugando contra México. En ambos casos comenzamos el análisis con el Producto Interno Bruto, pues es el indicador mas estándar del funcionamiento de la economía. Veamos entonces el primer gráfico.

Incluí en este gráfico a los países que pasaron a la semifinal y a México como ajonjolí de todos los moles. Este gráfico muestra el Producto Interno Bruto per capita desde 1950 hasta 2019 con los datos que colecta la Universidad de Pennsylvania.

Naturalmente falta ahí el efecto de la pandemia, pero nos muestra un panorama general. Vemos que Argentina está en el rango medio: de hecho está en medio del resto de países que pusimos, pero hay que notar que en 1950 este país era de los mas bajos, no tan distinto a Marruecos.

A Argentina hay que estudiarlo en función del tiempo. Nota la explosión de crecimiento que tuvo en los años 90 donde superó a México. Después de eso tuvo caídas y crecimientos fuertes y más volátiles que otros países.

De acuerdo a Pedro Pou, que fue el banquero central durante esa época, esa explosión de crecimiento en Argentina coincide con reformas estructurales a su sistema tributario, al sistema financiero, regulaciones financieras y al sistema de pagos.

Todas estas reformas son de alguna forma respaldadas por el Fondo Monetario Internacional, por lo que se vuelven algo controversial, sobre todo considerando la fuerte caída que el país sufrió en la crisis de 1998 a 2002. Ten muy presente la gráfica de arriba, que cuenta una historia a mucho detalle.

Las crisis en Argentina

En la segunda mitad de 1998, Argentina cayó en una recesión muy profunda. Las causas de esta crisis fueron externas, pero también hubo algunos factores internos.

Todo empezó con las crisis financieras en Rusia y en Brazil (le llamaron el efecto Samba, porque así se hacían las cosas en los 90s). Los inversionistas empezaron a ser mas cautos con los países en desarrollo. La crisis fue dura: hubo desempleo, la economía se redujo un 28% en un periodo muy corto de tiempo, hubo protestas, cayó el gobierno, el país cayó en impago de sus deudas y el peso argentino se pulverizó.

Yo recuerdo haber visto esto en las noticias. Era un adolescente cuando todo esto pasaba y como dato curioso, tengo la misma edad de Messi. Mientras yo mandaba zumbidos a mis amigos en messenger, Messi sufría un estrés real al ver la economía destruirse a su alrededor mientras él necesitaba un tratamiento hormonal carísimo para poder crecer a un ritmo normal.

Messi vivió todo esto. Recuerdo en las noticias el término “cacerolazo”, que era una forma de protesta en la que las personas salían a la calle haciendo ruido con sus cacerolas vacías para reclamar que no había nada de comer. Lo más fuerte pasó en diciembre de 2001 cuando las protestas culminaron en la renuncia del presidente.

Para los argentinos el evento sólo se le llama “el 2001”.

Complejidad

Veamos lo que se produce en Argentina para exportación y a dónde se manda. Como vemos, el sector agrícola es una gran parte de sus exportaciones. El maíz, la soya, las carnes y el vino argentino representan una gran parte de sus exportaciones. Probablemente esto contribuye a la fragilidad del sistema frente a los problemas externos.

Me sorprende un poco ver que tanto de la exportación de Argentina sean productos primarios. No se muy bien si esto es representativo de su actividad económica o no, pero también la forma en que el país diversifica sus exportaciones es interesante.

Que Brasil sea su principal socio comercial me parece lógico, por la cercanía geográfica. Los dos son países muy grandes y sacar mercancía del país es mucho trabajo. Por eso mismo llama mucho la atención que China sea un socio comercial que Chile, que comparte una extensa frontera y habla el mismo idioma. Realmente fascinante.

El peso argentino

La verdad es que tras años de economista no creo que yo entienda tan bien la inflación como lo entiende alguien que ha vivido en Argentina. Y es que siempre la moneda para Argentina ha sida un tema importante en sus eventos históricos.

Actualmente hay una gran inflación en todo el mundo, pero uno de los niveles más altos de este indicador en el mundo es precisamente Argentina, con un 92% anual en 2022.

El país no ha tenido muy buena suerte con su moneda, el manejo que se le suele dar y las políticas monetarias que usa. Y es que la inflación es un demonio muy difícil de controlar una vez que las expectativas están ancladas en un número muy alto.

Traducción: como la gente ya piensa que la inflación va a ser alta, actúa en consecuencia y se vuelve una profesía autocumplida. ¿Cómo se ve esto en la realidad? pues que si vas a Argentina, te vas a dar cuenta de que muy pocas personas están ahorrando el dinero que se ganan. Peso que ganas en Argentina, peso que tienes que gastar inmediatamente, pues mañana podría ya valer menos.

Este comportamiento hace que los precios se mantengan a la alza en un círculo vicioso que es difícil y doloroso romper, cómo nos estamos dando cuenta en otros países.

Todo lo aprendí de Mafalda

Cuando era niño, mis padres me compraban unos libritos que compilaban las tiras cómicas que Quino de Mafalda. Mafalda era una niña en Argentina que escuchaba a los Beatles y que no le gustaba la sopa. En estas tiras había siempre un comentario social y de la economía que vale la pena volver a ver ya ahora como adulto.

Por ejemplo, me parece muy interesante esta representación visual de una devaluación que trae Manolito al ver las hojas caer. Una imagen dice más que mil palabras.

Y luego está la relación que hay con los organismos internacionales. Esta tira ilustra perfectamente algo que era mucho más patente si vivías en Argentina, pero que toda latinoamérica tuvo su oportunidad de vivir.

En fin. Espero que el partido sea un buen espectáculo. Hay un pequeño premio para los países ganadores de un mundial: cuando un país gana el mundial su PIB crece un 0.25% más de lo esperado. Esto se debe a que el país genera interés suficiente para aumentar sus exportaciones. Si este fuera el caso para Argentina, le vendría bien ese pequeño respiro.