Tu proyecto con Econometría

Comenzar a escribir una tesis puede ser una tarea intimidante. Los alumnos se enfrentan de repente al reto de realizar un producto de investigación por su cuenta. Aún con el apoyo de sus asesores y maestros hay algunas tareas cotidianas que son difíciles de descifrar cuando eres alumno.

Una de estas tareas es la de buscar referencias para nuestra investigación. Regularmente se le pide a los alumnos que citen sus textos y se les enseñan las reglas para hacerlo usando, por ejemplo, las normas APA. Pero de dónde sacar estas referencias es todo un arte que no siempre se logra transmitir. Aquí los trucos que he aprendido en los años que llevo haciendo investigación. Espero que te sean de utilidad.

Buscadores de artículos científicos

Comencemos con algunos buscadores de artículos que pueden ser buen punto de inicio. Esta es una técnica para cuando aún no tienes mucha experiencia como investigador y quieres comenzar a buscar fuentes.

Google Scholar

Cuando comenzaba a hacer investigación descubrí Google Scholar o Google Académico. Es Google, pero todos (o casi todos) los resultados son artículos científicos, libros, working papers u otros textos de investigación.

Igual que Google, Scholar indexa los artículos de la web de manera automática y decide la relevancia que un artículo tiene en función de los vínculos que tenga el texto en el área, que se mide con las citas en otros trabajos de investigación.

Una de las grandes ventajas de este buscador es que tiene un catálogo muy amplio. Esto es porque los artículos no se incluyen de manera manual, sino que el algoritmo lo incluye usando criterios como el autor, la estructura del documento y las citas.

Otra ventaja es que muestra los vínculos del artículo con la literatura a la que el buscador tiene acceso. Con solo un click es posible encontrar todos los trabajos que han citado un artículo particular. Esto es muy útil cuando quieres identificar la discusión que se ha hecho sobre un trabajo particular o encontrar aplicaciones recientes de alguna técnica.

Por si fuera poco, Scholar tiene una ventaja adicional: genera una sugerencia de cita de manera automática. Las citas las genera en BibTeX, formato APA y MLA usando la información que ya registró del artículo. Esto puede llegar a ser útil, pero debe de aplicarse con cuidado, pues estas son generadas por un algoritmo y requieren supervisión humana antes de incluirse en un texto.

Redalyc

Si lo que buscas es investigación de origen latinoamericano, Redalyc es una excelente fuente para investigación hecha en español. Redalyc forma parte de una red de revistas de Latinoamérica, El Caribe, España y Portugal.

SciELO

SciELO significa Scientific Electronic Library Online. También aquí se publican de manera electrónica muchos artículos de origen latinoamericano. Una de las ventajas es que la mayoría de los artículos ahí los podrás leer en su versión HTML en la misma página.

Springer Link

Springer es una casa editorial especializada en trabajos científicos de todas las áreas. En su catálogo podrás encontrar libros técnicos de una muy alta calidad, así como publicaciones especiales actualizadas. Vale la pena siempre considerar esta opción.

Dónde buscar si ya tienes experiencia como investigadora

Una vez tienes experiencia, la obtención de referencias es diferente. Las lecturas y el trabajo cotidiano te permiten leer y tener acceso a datos a información relevante de tu área. En esta situación te tengo dos consejos

Registra todas las fuentes

Ten a la mano un sistema para el registro de fuentes. Puedes crear una base de datos usando Zotero. Este es un software muy recomendado, pues te ayuda a organizar tus referencias y es especial para el trabajo, por lo que puede incluso crear tus citas de manera automática.

En mi caso, yo prefiero usar Notion por dos razones: (1) se integra con el resto de mis procesos de trabajo y (2) prefiero hacer muchas partes de la captura de referencias de manera manual.

Sobre el primer punto, he escrito artículos vinculando las referencias que uso en la página en la que estoy escribiendo. Esto me da facilidad para consultar las referencias que uso como si fueran enlaces en Wikipedia. También puedo vincular artículos entre sí y usar etiquetas de categoría para cada referencia.

Respecto al segundo punto, si bien hay muchas tareas que son un tanto mecánicas y repetitivas en la creación de citas para referencia, es buena idea siempre hacerlo de la manera más consciente y poniendo atención a los detalles. En Notion también puedo programar para que se genere la cita que se puede incluir en un documento en LaTeX, pero en todos los casos lo ideal es siempre revisar manualmente que toda la información relevante esté en la referencia.

Cuida lo que lees

El desarrollo de un buen gusto es importante para la creación de contenido. Un buen gusto permite identificar lo que es bueno y lo que no en cierta área. La revisión de tesis a mi me ha dado muchos ejemplos de lo que no sirve en un trabajo de investigación y me ayuda a identificar los aciertos en las buenas lecturas.

Top 5

En el caso de la Economía, hay cinco journals que se consideran los Top 5 y que siempre habría que revisar para encontrar las referencias importantes sobre tu tema de investigación. Mi favorito en el momento es el American Economic Journal y todas las revistas del American Economic Association.

En particular, a mi me encanta el Journal of Economic Perspectives, que tiene artículos muy entendibles sobre los temas más relevantes que se discuten en el momento. En esos artículos se encuentra siempre una discusión bien referenciada sobre el estado del arte de las áreas de crecimiento en la ciencia económica. Esto ayuda mucho a crear perspectiva de las preguntas abiertas con las que se puede trabajar una investigación.

Si todo falla usa Twitter

Los economistas tenemos un arma adicional para obtener referencias de los tema que nos interesan. En Twitter está el hashtag #Econtwitter, que lleva a una comunidad de economistas académicos que comparten sus conocimientos y sus artículos de investigación.

Al final de cuentas, recuerda que lo que hacemos al escribir es entrar en una conversación. Y esta conversación la hacemos personas como tú y yo. Si tienes suerte, tu asesor te dirigirá a algún texto relevante y nuevo en el que puedes basar tu investigación. Eso sería el equivalente a que un amigo te presente en un grupo y te una a la conversación.

Afortunadamente, si eres suscriptor(a) de este blog, ya no necesitas que te hagan esa introducción de manera personal. En este boletín podrás encontrar todo lo que necesitas para comenzar, incluyendo bibliografía actual y mi resumen y explicación del mismo. Así que si no te has suscrito, este es un excelente momento para hacerlo. Sólo tienes que dar click al botón de la derecha.

Una de las operaciones más importantes y comunes que se hacen al usar bases de datos es filtrar. Esta es una guía básica para hacer filtros en base de datos.

La base de datos

Para comenzar es buena idea crear una base de datos de arenero para poder comprender los cambios que realizamos.

nombres <- c("Mario", "Maria", "Alicia", "Bob", "Bob")
edad <- c(34, 30, 12, 17, 25)
df

Las primeras dos líneas crean las columnas que usaremos, mientras que la tercera crea un objeto de tipo Data Frame con ambas columnas.

Nota que usé minúsculas para nombrar los vectores, pero después nombré las columnas con la primera letra en mayúscula. Esto es para que notes que la función data.frame() permite usar la sintaxis de asignación para definir los nombres de las columnas.

Podemos ver que como resultado tenemos una tabla como la siguiente

Existen muchas razones por las que nos puede interesar filtrar la información. Por ejemplo, podríamos estar buscando algún nombre en específico, o podríamos querer saber algo sobre un grupo particular.

Digamos que queremos identificar a los mayores de edad únicamente y también queremos encontrar a aquellas personas de nombre “Bob”. Hagamos algunos filtros usando R base y dplyr.

Filtrar una base de datos usando R base

Usemos R para identificar aquellas personas de nombre “Bob”.

df[df$Nombre == "Bob",]

Esto nos arrojará una tabla como esta

¿Viste lo que sucedió? R nos regresa todas las filas que contienen el nombre de Bob como valor. Podríamos hacerlo al contrario y solicitarle que nos regrese todas aquellas filas que no tienen Bob como nombre.

df[df$Nombre != "Bob",]

Podríamos también pedirle a R sólamente la columna de edad. Hay varias formas de hacer esto:

df[df$Nombre != "Bob","Edad"]
df[df$Nombre != "Bob",2]
df[df$Nombre != "Bob",]$Edad

Estos tres métodos regresan la columna completa como un vector. También es posible pedirle que regrese un rango particular de datos usando sus índices. Por ejemplo

df[2:4,1:2]

regresa las filas de la segunda a la cuarta y presenta las dos columnas. Si hubieran más de dos columnas, el resto no se mostrarían usando este filtro. La tabla resultante se vería entonces así

Filtros condicionales

También podemos usar otras condiciones para crear nuestros filtros. Por ejemplo, imaginemos que nos interesan únicamente los mayores de edad en nuestra tabla. Podemos entonces filtrarlos usando

df[df$Edad >= 18,]

Lo cual nos regresa la tabla que contiene únicamente a Mario, María y Bob (el que tiene 25 años). Si al contrario, queremos que nos regrese a los menores de edad, símplemente tenemos que teclear

df[df$Edad < 18,]

En realidad, no hay límite para el tipo de filtros que podemos usar. Los ejemplos que te puse son muy sencillos, pero podríamos hacer filtros un poco más interesantes. Imagina que deseamos una tabla que nos muestre únicamente a las personas cuyo nombre empieza con “M”. Una posible solución a este problema podría ser

df[substr(df$Nombre, 1, 1) == "M",]

Esto nos regresa una tabla con únicamente Mario y María. Aquí, en el lado izquierdo de la comparación lógica estoy creando un vector con las primeras letras de cada nombre. Esto se convierte en un vector de falsos y verdaderos al compararlo con la letra que nos interesa. En este caso la M.

En ocasiones la información nos llega en una tabla en PDF. Imaginando que la tabla está en un buen formato, no es una imagen y la información está bien, tenemos la posibilidad de pasar lo que nos entrega esta tabla haciendo lo siguiente.

Ubica tu archivo PDF y crea un script de python con extensión .py. Antes de comenzar a hacer el script, vamos a necesitar la librería tabula-py, que es la que extraerá la tabla del PDF y la pasará a csv. Para descargar la libería sólo tienes que ir a la consola y teclear

pip install tabula-py

Si tienes python3, sólo cambia el comando pip por pip3 y todo debe de funcionar bien. Una vez esté instalado tabula, crea el siguiente script en python.

import tabula

def run():
	'''Transformar PDF a csv'''

	tabula.convert_into("ruta/del_archivo.pdf",
		"ruta/del_archivo.csv",
		output_format="csv", pages="all")


if __name__ == '__main__':
	run()

También puedes hacer esto usando una Jupyter Notebook sin la necesidad de darle el formato de función.

La economía es una ciencia social que estudia el comportamiento humano en función de objetivos y recursos escasos con fines alternativos para lograrlo.

Al menos esta es una de las versiones (parafraseadas) más populares de lo que es la economía, escrita por primera vez por Lionel Robbins, un gran economista de inicios del siglo XX.

La razón por la que esta definición ha perdurado a través de los años es que describe con precisión la esencia de la economía.

Al contrario de lo que muchos piensan, la economía no se trata de dinero ni de negocios. Se relaciona mucho con estas áreas porque tiene herramientas útiles para el manejo de las finanzas y existen muchas aplicaciones a modelos de negocio.

En lo personal, esta es mi definición favorita, pues permite al economista analizar diferentes aspectos de la interacción humana. En ocasiones también aspectos que no tienen nada que ver con lo que tradicionalmente se piensa que es economía.

Por ejemplo, un economista puede dedicarse a analizar la salud pública como un problema de asignación de recursos. La teoría de juegos ha mostrado ser muy exitosa en la generación de modelos para la distribución y donación de órganos (Ashlagi y Roth, 2014).

Pero también la economía ha incursionado en problemas sociales como el crimen, la educación y la discriminación. Las herramientas de análisis que emergen de la definición arriba nos permiten dar una solución a problemas muy complejos en toda actividad humana.

Otra definición de economía

En el libro online de La Economía se menciona la siguiente definición:

La economía es el estudio de cómo las personas interactúan entre ellos y con su ambiente natural en la producción de sus modos de vida y cómo esta cambia con el tiempo.

Esta definición es interesante porque incluye de manera explícita la interacción entre las personas entre si, pero también introduce al ambiente. Esta distinción es importante para guiar una enseñanza que tenga una visión más sustentable.

Además, este concepto retoma los objetivos que menciona Lionel Robbins y los enfoca a la producción de sus modos de vida. Más aún, reconoce que tanto los objetivos como los medios para llegar a ellos son dinámicos. Esa dinámica no sólo la incluyen, sino que la vuelven parte central del estudio de la economía.

Existen muchas otras definiciones de economía porque esta es un área que ha cambiado significativamente a través del tiempo. ¿Que definición me hizo falta?

El curso introductorio de la economía es muy diferente a los cursos introductorios de otras disciplinas. Si se desea enseñar las bases, por ejemplo, de química o de biología, la elección de los temas se puede hacer pensando en cómo optimizar el aprendizaje del tema. Si pueden cambiar las prioridades, pero las bases suelen ser las mismas.

La economía, por otro lado, ha cambiado profundamente la forma en la que se enseña en el primer semestre al menos tres veces en los últimos cien años.

Esto es en parte porque la enseñanza de la economía se da en diferentes áreas de estudio. Por ejemplo, mi clase de Microeconomía II la doy a alumnos de Administración y Contabilidad, pero también esta clase podría bien ser aprovechada por estudiantes de otras ciencias sociales y otras ciencias naturales.

En realidad, todos deberían tomar al menos una clase de economía en su vida. Existen conceptos como la inflación o el desempleo que son importantes para todos nosotros, y cada vez se vuelve más urgente que como sociedad comprendamos el sistema capitalista en el que vivimos. Pero este planteamiento implica un serio problema: ¿Cuáles temas debería de tocar un curso introductorio de economía que está hecho para todos?

Cómo elegir los temas del nuevo Eco 1

Hay dos elementos importantes a considerar para elegir los temas que un nuevo plan de estudios de economía debe tener: los problemas que debe atenter o resolver la disciplina y las herramientas disponibles para poder atender estos problemas.

¿Qué problema deben atender los economistas?

Respecto a los temas, Bowles y Carlin (2020) organizaron una pregunta a 4,442 alumnos de veinticinco universidades en doce países ¿Cuál es el problema más urgente que los economistas deberían estar atendiendo?.

Si bien el desempleo es un tema que permanece estable entre los temas prioritarios de la economía desde el libro introductorio a la economía de Paul Samuelson (1948), la desigualdad fue el tema que más destacó en importancia. Seguido de este, se encuentran cuatro diferentes términos relacionados al manejo de la crisis climática desde la economía con una tendencia a la preocupación cada vez mayor.

Entre otros términos de interés destacados se encuentran el desempleo, el futuro del trabajo debido a la digitalización y al avance de la inteligencia artificial, la globalización, la migración la inestabilidad financiera y problemas políticos como la corrupción o la guerra.

Estos problemas tienen su propio enfoque a nivel regional. Los efectos del cambio climático afectan de manera desproporcionada a los países en desarrollo, por lo que este es un tema que también se vuelve prioritario enseñar desde el inicio en las escuelas latinoamericanas.

Adicionalmente, la crisis de COVID-19 ha incrementado la urgencia de poner en la mesa la desigualdad, particularmente en las mujeres. La crisis de COVID echó abajo el avance de una generación de la participación de las mujeres en la fuerza laboral. Esto es en parte debido al incremento en la carga de cuidados que afecta mayormente a mujeres, sostenido por roles de género. Naturalmente, México y los países de Latinoamérica no están exentos de este problema y podría ser aún más grave que en los países en desarrollo.

¿Con qué herramientas?

Una de las características que definen a la economía como profesión es el uso de herramientas como el análisis marginalista, la teoría de juegos y la econometría para entender problemas sociales complejos. Estas herramientas siguien siendo elementales para atender los problemas antes mencionados.

A estas herramientas se debe incluir tópicos centrados en la innovación, teoría de juegos y economía conductual (Bowles y Carlin, 2020), que ayuden a comprender gran parte de los fenómenos microeconómicos y macroeconomómicos.

Naturalmente, las herramientas de estática comparativa siguen teniendo un peso importante en la enseñanza de modelos fundamentales de la economía y la enseñanza de fenómenos de mercado y financieros bajo la perspectiva de la teoría de juegos permitirá tener un conocimiento sólido de la naturaleza de los fenómenos económicos detrás de los problemas mencionados con anterioridad, pero esto debe complementarse con un riguroso análisis histórico y el uso de evidencia y métodos de medición causal.

Respecto al uso de métodos causales, hemos sido testigos de los avances en econometría de los últimos años, con un gran crecimiento de las técnicas cuasi-experimentales como Diferencias en Diferencias. De 2015 a 2019, 26 de los 100 artículos más citados en el American Economic Review usaron alguna técnica de regresión lineal con efectos fijos de periodo y grupo y la literatura sobre los usos, pruebas y limitaciones de esta técnica crece rápidamente al momento de la escritura de estas líneas (de Chaisemartin y D'Haultfœuille, 2021).

Cómo implementarlo

En el semestre de otoño de 2018, el Departamento de Economía del Hamilton College implementó un nuevo currículum para los alumnos especializados en economía (Owen y Hadstrom, 2020). Esencialmente, lo que hicieron fue cambiar de dos cursos separados de microeconomía y macroeconomía a un curso semestral combinado y se incluyó un curso nuevo introductorio posterior que es un híbrido entre principios económicos y estadística con un tema de desigualdad. También incrementaron la covertura de econometría en los cursos requeridos para obtener el grado de economista.

El uso de laboratorios prácticos en el centro de la enseñanza es una filosofía que en lo personal he adoptado como central. La propuesta de Owen y Hadstrom (2020) incluye el uso de laboratorios para aprender sobre desigualdad y métodos econométricos a la par. Uno de los laboratorios es el artículo ya clásico de Bertrand y Mullainathan (2004) en el que muestran evidencia de discriminación en el mercado laboral con un experimento ingenioso. Este laboratorio lo he incluído personalmente en mis clases y el resultado es generalmente favorable.

Diversidad en la profesión

Uno de los problemas importantes de la profesión es la falta de diversidad de los graduados de la misma en el mundo. La falta de diversidad en las profesiones y en los lugares de trabajo no sólo pesa al individuo discriminado, sino también tiene un costo de oportunidad para la sociedad y las empresas (García-Meza, 2021).

Relacionado a esto está la necesidad de incrementar el pluralismo en la economía, dando apertura a escuelas de pensamiento económico que contrasten con la visión hegemónica de la disciplina (Chang, 2014. cap. 4), pero también realizando acciones afirmativas para aceptar perfiles diferentes a los que ya existen en la profesión.

Las acciones afirmativas deben de tener suficiente fuerza para que el mensaje logre penetrar en la sociedad. Usar métodos de persuación como nudges tiene limitaciones frente a las otras fuerzas sociales que limitan que más mujeres, por ejemplo, entren a la carrera de economía (Pugatch y Schroeder, 2020).