Escribe tu primer paper de economía

Hay un área de la economía que no recibe mucha atención, ni hace muchos titulares en las noticias. Sin embargo está detrás de todo lo que hacemos y sin esta actividad literalmente nada se podría lograr: La economía del cuidado.

El problema de los cuidados

La premisa básica de la economía del cuidado es que todos necesitamos cuidados. Para todos es diferente la intensidad y el tipo de cuidados que requerimos durante el día, pero es algo inescapable. Lo más básico es el autocuidado: bañarnos, lavarnos los dientes, peinarnos y cuidar nuestra alimentación es parte importante de nuestra vida.

En ocasiones no nos damos cuenta, precisamente porque está en todas partes, pero sin los cuidados no podríamos de verdad hacer nada. Los seres humanos somos la especie animal que más tiempo requiere de cuidados antes de convertirnos en seres autónomos. Mientras un caballo se puede parar a los 30 minutos de nacido, los humanos requerimos meses para siquiera podernos desplazar, no se diga ser autosuficientes.

Una pregunta importante es ¿cómo solucionamos el problema de los cuidados? Esto depende mucho de las circunstancias, de quién requiere los cuidados y de los recursos disponibles que las personas tienen para cuidar.

Grupos prioritarios

Todos requerimos algún tipo de cuidado a lo largo de nuestras vidas, pero existen grupos cuya necesidad de cuidados es mayor y más intensiva. Un ejemplo claro son los niños menores de 5 años. Los niños desde que nacen requieren atención constante: necesitan ayuda para ser alimentados, vestido y protección. Otro ejemplo son los adultos mayores o personas con discapacidad.

Es muy difícil pensar en los cuidados porque no hay medidas únicas que sepamos que seguro servirán a solucionar el problema que cada persona tiene en esa área. Para algunes, el acceso a un centro de cuidados que provea el mercado es suficiente para solucionar su problema, mientras que para otres, el problema es mucho más complejo.

El problema

Como vimos en un post anterior, las mujeres fueron las más afectadas por la crisis que trajo el COVID y gran parte de la explicación de esto son los cuidados. En muchos hogares de occidente es tradición que las tareas de cuidado caigan exclusivamente o casi exclusivamente en las mujeres.

El resultado de esto ha sido un resultado poco óptimo en el que una parte importante del talento queda desaprovechado al ser relegado a las tareas del hogar. Mujeres que en otras circunstancias hubieran hecho una carrera brillante quedan a cargo del hogar.

Algunos países han notado este costo de oportunidad y puesto cartas en el asunto. Japón, por ejemplo, ha estado tratando de apostar más a la inclusión de la mujer en el mercado laboral para lograr salir del estancamiento en el que se encuentran desde hace años. Recordemos que Japón permanece siendo uno de los países más machistas en el planeta. Esperamos que esta apuesta pueda mostrar sus beneficios e impulse a más países a adoptar políticas con mayor equidad de género.

Como vimos, aún si nos negaramos a ver el problema desde el punto social, las implicaciones económicas son importantes. Pero si estamos abiertos a ver el problema humano que representan los cuidados, existen millones de personas que tienen necesidades de cuidado que no se llegan a satisfacer por el mercado o por el gobierno. En el mejor de los casos estas personas reciben cuidados en el hogar, con el costo de oportunidad que esto implica. En el peor de los casos, no logran recibir cuidados y empeoran su situación en el tiempo.

La implementación de una política integral de cuidados

En este documento, los autores realizan una propuesta para un sistema integral de cuidados a nivel municipal en Colima. El documento es sencillo, pero me dejó con la sensación de que los cuidados son de las cosas más complejas en el mundo. Y es que las necesidades de cada familia son muy diferentes y hay muchas variables y sutilezas que hacen que cada implementación sea necesariamente distinta.

El primer paso es identificar la demanda de cuidados en la zona. Lo que los autores hacen es identificar los grupos con necesidades de cuidados. En este caso, se consideran los niños menores de 5 años, adultos mayores y personas con discapacidad. Luego se identifican algunas soluciones que ya están usando esas familias para solucionar el problema de los cuidados en el hogar.

Estoy haciendo investigación sobre este tema como parte de un proyecto de desigualdades en el que me estoy enfocando. Estaré escribiendo más sobre ese tema conforme termine con el análisis. Espero que te sea interesante.

Nada en esta vida es tan certero como la muerte y los impuestos. Al menos eso indica un proverbio de ya hace bastantes siglos. Frases así hacen pensar que los impuestos no deberían tener nada que ver con la raza, pero hay que pensarlo dos veces. Después de todo, sólo en Estados Unidos, la familia blanca promedio tiene una riqueza 8 veces mayor que la de una familia afroamericana y la forma en la que las leyes se han creado (incuídas las leyes fiscales) generalmente perpetúan estas estructuras.

Todos los matrimonios felices son iguales

La novela de Anna Karenina comienza diciendo que "todas las familias felices son iguales, pero cada familia infeliz lo es de una manera particular". Si las leyes las hacen las familias felices (léase blancas en este contexto), entonces las otras diferentes formas de familia podrían estar en desventaja ante un cierto diseño institucional.

La Doctora Dorothy Brown, de la Universidad de Leyes Emory encontró en su investigación diversos ejemplos de cómo las leyes fiscales ayudan a las personas blancas a crear más riqueza por medio del pago de los impuestos. En un ejemplo, menciona que las leyes para obtener beneficios en los impuestos en un matrimonio están pensadas para familias en las que el hombre es el principal y casi único proveedor en el hogar, cosa que es común en los hogares blancos y muy poco común en las familias afroamericanas.

También la posibilidad de acceder a fondos de pensiones libres de impuestos en Estados Unidos dependen mucho de la pertenencia a la economía formal y el trabajo en lugares con estas prestaciones, a las que tienen históricamente más acceso las familias blancas que las afroamericanas.

Estos estudios no incluyen a las familias hispanas, pero no me sorprendería saber que también sufren de los mismos problemas. Los beneficios fiscales suelen darse con condiciones a la pertenencia a economía formal, que podrían tener buenas intenciones, pero acaban perpetuando estructuras institucionales racistas.

Naturalmente, esto no significa que sea a propósito. Simplemente son leyes que se han desarrollado en otros tiempos donde poblaciones diversas no tenían voz.

Taller Lo Básico para comenzar a Invertir

Aprende cómo funciona el mercado financiero y aprende a colocar tu dinero en activos que te ayuden a

Quiero aprender

Nada en esta vida es tan certero como la muerte y los impuestos. Al menos eso indica un proverbio de ya hace bastantes siglos. Frases así hacen pensar que los impuestos no deberían tener nada que ver con la raza, pero hay que pensarlo dos veces. Después de todo, sólo en Estados Unidos, la familia blanca promedio tiene una riqueza 8 veces mayor que la de una familia afroamericana y la forma en la que las leyes se han creado (incuídas las leyes fiscales) generalmente perpetúan estas estructuras.

Todos los matrimonios felices son iguales

La novela de Anna Karenina comienza diciendo que "todas las familias felices son iguales, pero cada familia infeliz lo es de una manera particular". Si las leyes las hacen las familias felices (léase blancas en este contexto), entonces las otras diferentes formas de familia podrían estar en desventaja ante un cierto diseño institucional.

La Doctora Dorothy Brown, de la Universidad de Leyes Emory encontró en su investigación diversos ejemplos de cómo las leyes fiscales ayudan a las personas blancas a crear más riqueza por medio del pago de los impuestos. En un ejemplo, menciona que las leyes para obtener beneficios en los impuestos en un matrimonio están pensadas para familias en las que el hombre es el principal y casi único proveedor en el hogar, cosa que es común en los hogares blancos y muy poco común en las familias afroamericanas.

También la posibilidad de acceder a fondos de pensiones libres de impuestos en Estados Unidos dependen mucho de la pertenencia a la economía formal y el trabajo en lugares con estas prestaciones, a las que tienen históricamente más acceso las familias blancas que las afroamericanas.

Estos estudios no incluyen a las familias hispanas, pero no me sorprendería saber que también sufren de los mismos problemas. Los beneficios fiscales suelen darse con condiciones a la pertenencia a economía formal, que podrían tener buenas intenciones, pero acaban perpetuando estructuras institucionales racistas.

Naturalmente, esto no significa que sea a propósito. Simplemente son leyes que se han desarrollado en otros tiempos donde poblaciones diversas no tenían voz.

Si te gustan los datos, te va a encantar la econometría. Me gusta decir que la econometría es la ciencia de datos original (en realidad me lo robé de la página de Joshua Angrist de su libro Mastering Metrics). No es una exageración. La econometría es ciencia de datos antes de que esta fuera popular.

No es que la ciencia de datos sea un rebranding de la econometría, es que nacieron en diferentes épocas y con diferentes objetivos en mente. La econometría nació mucho tiempo antes de las computadoras personales, no se hable de la era de Big Data y los algoritmos de las redes sociales.

Orígenes de la econometría

La econometría nació en los años 1940 como una solución a la creciente necesidad de procesar datos macroeconómicos que se registraban en agencias estadísticas para gobiernos a nivel nacional. Estos registros incluyen estimaciones de precios e indicadores macroeconómicos cuyos registros se hacían de manera manual y en ocasiones se procesaban en ordenadores del tamaño de una habitación (creo que he vivido en departamentos mas pequeños que las computadoras de entonces).

El objetivo en aquel entonces era dar un poco de certidumbre ante situaciones complejas a un costo razonable. Cada registro de información costaba mucho de obtener y por lo tanto había que extraerle lo más posible de información.

¿De donde salió el nombre?

La palabra econometría viene de dos palabras griegas: oikonomía (administración o economía) y metron (medir). Esto implica que la palabra significa algo así como mediciones económicas. Pero la econometría no se trata sólo de medir. Una gran parte de la tarea del econometrista es darle sentido a la información que otras personas han tomado.

Existe una leyenda de que la palabra Econometrics se volvió popular después de que un mecanografista escribió "economic tricks" (trucos económicos) en lugar de "econometrics", algo que ha servido para alimentar la mala fama que en ocasiones tiene.

Econometría vs Ciencia de Datos

A partir de la entrada de los smartphones al mercado, los modelos de negocio de las empresas de mercadotecnia han cambiado en todo el mundo. Desde que muchos de nosotros tenemos una computadora en nuestros bolsillos todo el tiempo, la recolección de los datos de nuestra interacción con aplicaciones es constante. En la actualidad las grandes compañías guardan millones de puntos de datos diariamente y el Internet de las Cosas hace que todos los movimientos queden registrados.

Parecería que en un mundo con Big Data no hay espacio para la econometría, pero eso no es ver el panorama completo por dos razones: La econometría ha evolucionado y aún se siguen utilizando sus técnicas (o trucos) en las inferencias que se realizan en las grandes compañías de tecnología.

Por ejemplo, Twitter utiliza técnicas econométricas de inferencia causal para adivinar si un tweet va a ser relevante o no para los usuarios antes de tener toda la información. Son técnicas de inferencia causal usadas en ciencia de datos.

En la actualidad las palabras Big Data, Data Science, Machine Learning e Inteligencia Artificial se han vuelto un buzzword, una palabra que aunque llame mucho la atención, pierden sentido por su abuso.

Taller de Econometría con Python

Si te gustan los datos, te va a encantar la econometría. Me gusta decir que la econometría es la ciencia de datos original (en realidad me lo robé de la página de Joshua Angrist de su libro Mastering Metrics). No es una exageración. La econometría es ciencia de datos antes de que esta fuera popular.

No es que la ciencia de datos sea un rebranding de la econometría, es que nacieron en diferentes épocas y con diferentes objetivos en mente. La econometría nació mucho tiempo antes de las computadoras personales, no se hable de la era de Big Data y los algoritmos de las redes sociales.

Orígenes de la econometría

La econometría nació en los años 1940 como una solución a la creciente necesidad de procesar datos macroeconómicos que se registraban en agencias estadísticas para gobiernos a nivel nacional. Estos registros incluyen estimaciones de precios e indicadores macroeconómicos cuyos registros se hacían de manera manual y en ocasiones se procesaban en ordenadores del tamaño de una habitación (creo que he vivido en departamentos mas pequeños que las computadoras de entonces).

El objetivo en aquel entonces era dar un poco de certidumbre ante situaciones complejas a un costo razonable. Cada registro de información costaba mucho de obtener y por lo tanto había que extraerle lo más posible de información.

¿De donde salió el nombre?

La palabra econometría viene de dos palabras griegas: oikonomía (administración o economía) y metron (medir). Esto implica que la palabra significa algo así como mediciones económicas. Pero la econometría no se trata sólo de medir. Una gran parte de la tarea del econometrista es darle sentido a la información que otras personas han tomado.

Existe una leyenda de que la palabra Econometrics se volvió popular después de que un mecanografista escribió "economic tricks" (trucos económicos) en lugar de "econometrics", algo que ha servido para alimentar la mala fama que en ocasiones tiene.

Econometría vs Ciencia de Datos

A partir de la entrada de los smartphones al mercado, los modelos de negocio de las empresas de mercadotecnia han cambiado en todo el mundo. Desde que muchos de nosotros tenemos una computadora en nuestros bolsillos todo el tiempo, la recolección de los datos de nuestra interacción con aplicaciones es constante. En la actualidad las grandes compañías guardan millones de puntos de datos diariamente y el Internet de las Cosas hace que todos los movimientos queden registrados.

Parecería que en un mundo con Big Data no hay espacio para la econometría, pero eso no es ver el panorama completo por dos razones: La econometría ha evolucionado y aún se siguen utilizando sus técnicas (o trucos) en las inferencias que se realizan en las grandes compañías de tecnología.

Por ejemplo, Twitter utiliza técnicas econométricas de inferencia causal para adivinar si un tweet va a ser relevante o no para los usuarios antes de tener toda la información. Son técnicas de inferencia causal usadas en ciencia de datos.

En la actualidad las palabras Big Data, Data Science, Machine Learning e Inteligencia Artificial se han vuelto un buzzword, una palabra que aunque llame mucho la atención, pierden sentido por su abuso.

De manera general, si quieres eliminar las últimas n columnas en tu base de datos, sólo tienes que usar el siguiente código.

df = df.iloc[:,:-n]

donde n podría ser 2 si quieres eliminar las últimas dos columnas de tu base de datos. Hagamos un ejemplo en el que creamos una base de datos con tres columnas y queremos eliminar la última.

import pandas as pd

df = pd.DataFrame({'nombres':['Mario', 'Maria', 'Jose', 'Cipriano'], 'edades':[34,30,57,61], 'sexo':['H','M','M','H']})
print(df)
df = df.iloc[:,:-1]
df.head()

En la primera línea hemos creado un objeto de tipo Data Frame con Pandas a partir de un diccionario. La segunda línea sólo nos muestra este Data Frame y en el tercero eliminamos la última columna.

Nota que este código podría servir perfectamente para eliminar también las primeras columnas. El signo negativo nos sirve para recorrer los indicadores de las columnas hacia atrás.

Taller de Econometría con Python

En el taller de Econometría aprenderás a crear modelos y a generar inferencias con datos.

Conócelo

De manera general, si quieres eliminar las últimas n columnas en tu base de datos, sólo tienes que usar el siguiente código.

df = df.iloc[:,:-n]

donde n podría ser 2 si quieres eliminar las últimas dos columnas de tu base de datos. Hagamos un ejemplo en el que creamos una base de datos con tres columnas y queremos eliminar la última.

import pandas as pd

df = pd.DataFrame({'nombres':['Mario', 'Maria', 'Jose', 'Cipriano'], 'edades':[34,30,57,61], 'sexo':['H','M','M','H']})
print(df)
df = df.iloc[:,:-1]
df.head()

En la primera línea hemos creado un objeto de tipo Data Frame con Pandas a partir de un diccionario. La segunda línea sólo nos muestra este Data Frame y en el tercero eliminamos la última columna.

Nota que este código podría servir perfectamente para eliminar también las primeras columnas. El signo negativo nos sirve para recorrer los indicadores de las columnas hacia atrás.

Cuando me decidí a cambiar mi rumbo y dedicarme a la economía, uno de los temas que más me emocionaba y atemorizaba al mismo tiempo era la econometría. Me emocionaba porque sabía que se trata de una habilidad muy buscada en el mercado. Por fin aprendería a hacer algo útil, me decía a mi mismo.

También me daba algo de miedo porque no me consideraba muy bueno en matemáticas. Creo que esta es una barrera importante a vencer, sobre todo en latinoamérica, pero la recompensa de romper el miedo a las matemáticas es grande. Si tecleas "econometría" en LinkedIn hay pocos resultados, porque casi todos lo llaman Data Science, pero en Data Science el día de hoy aparecen más de 2 mil resultados sólo para México.

Y son trabajos por lo general bien pagados y muchos de ellos con la opción de ser remotos o híbridos. Al día de hoy yo no estoy buscando una posición de ese tipo, pero si puedo ayudar a mis alumnos a obtener las habilidades requeridas para entrar en ese tipo de posiciones, demostrar sus habilidades y comenzar a crear un portafolio que les ayude a crecer.

Presentando el taller de Econometría con Python

Eso está en el corazón de esta página y por eso he decidido comenzar con un taller de econometría con Python. Es un taller de dos fines de semanas intensivo donde se aprenden las bases para comenzar a hacer estudios prácticos con econometría usando uno de los lenguajes de más crecimiento en el mercado. Es posible comprar el curso directamente o registrarse gratis con tu suscripción Premium de esta página.

Conoce el taller

Este taller tiene todo lo que me hubiera gustado haber aprendido al iniciar mi carrera como economista. Las explicaciones se basan más en la intuición y en la interpretación con motivos prácticos, y menos en realizar operaciones matemáticas intimidantes.

Mi plan es seguir haciendo de este tipo de talleres de manera contínua, dirigido a las necesidades de las empresas, para ayudar profesionalmente a mis alumnos. Por eso mi recomendación es una suscripción a este boletín. Sólo con el material gratuito debería de generarse una muy buena intuición, pero el material premium y los talleres contínuos son lo más recomendable para convertirse en un master de la econometría.