Escribe tu primer paper de economía

Tres econometristas salieron de cacería y se encontraron con un venado. El primero disparó, pero el tiro falló por un metro a la derecha. El segundo econometrista disparó, pero falló por un metro a la izquierda. El tercer econometrista no disparó, pero gritó triunfante: “¡Le dimos! ¡Le dimos!” (Chiste famoso de economistas de autor anónimo)

¡Hola!

Te doy la bienvenida al segundo post de esta serie sobre la revolución de la credibilidad. Es una serie que se encadena con varias relacionadas al método de Diferencias en Diferencias (DD).

Hoy hablaremos de la revolución de la credibilidad.

Los economistas recibimos por muchos años una muy mala fama. Hay un viejo chiste que dice que los economistas pasamos la mitad del año haciendo predicciones de lo que pasará y la otra mitad explicando por qué no pasó lo que dijimos. Pero en los años 90 y 2000s se presentó una revolución en la forma en que hacemos econometría.

La profesión cambió a los economistas de ser adivinos esotéricos a algo más parecido a la ciencia.

El éxodo de Cuba, los modelos micro de oferta y demanda de trabajo y el experimento natural de migración más grande del mundo

El 20 de abril de 1980, Fidel Castro, el entonces presidente de Cuba, anunció que abriría el puerto de Mariel para que se fueran de la isla todos aquellos que desearan irse con lo que pudieran cargar consigo.

Desde 1958, los Estados Unidos tienen un embargo contra Cuba que no permite a los negocios estadounidenses hacer ningún tipo de negocios con la isla. La economía de Cuba ha permanecido notablemente estancada por ya muchos años y muchas personas buscaban una oportunidad de hacerse de una mejor vida. En ese entonces el presidente era Fidel Castro, y no le gustó ni un poco.

De la noche a la mañana, la fuerza de trabajo de Miami creció un 7%.

Y estoy contando la fuerza total de trabajo. La mayoría de los que migraron de Cuba a Miami en ese barco llegaron a ocupar trabajos que no requieren educación superior, por lo que ese mercado de trabajo en particular creció mucho más.

De acuerdo al modelo que nos enseñaron en microeconomía, en el mercado laboral la oferta son los trabajadores y la demanda son las empresas buscando quién les provea del trabajo que necesitan para sus actividades. En este modelo, un aumento de la oferta de trabajadores implicaría que el “precio de equilibrio” del modelo (los salarios) tendrían que bajar. Y eso es justamente lo que los investigadores de la época pensaban que debería pasar (e.g. Borjas, 1986).

Pero el caso del éxodo de Mariel fue un experimento natural que David Card (1990) supo aprovechar.

• El shock en el mercado laboral del Miami fue exógeno. Entre Mayo y Septiembre de 1980 llegaron unos 125,000 cubanos de manera inesperada. Cuando hay shock externo y que no es generado por la misma dinámica de la región, se dice que es exógeno.
• El impacto fue mayormente local en Miami. Lo que permitió hacer una comparación clara con otras regiones cercanas con características similares.

Lo que encontraron fue que ese gran flujo de migrantes básicamente no tuvo ningún efecto en los salarios o en las tasas de desempleo de los trabajadores similares, incluyendo a los migrantes cubanos que habían llegado antes.

Hay dos razones de que no se haya encontrado ningún efecto:

• Al mismo tiempo de que se incrementó la oferta de trabajadores, se aumenta la demanda de trabajo. Los migrantes también son consumidores. Desde el primer momento en el que llegan a una región, comienzan a comer, a cortarse el pelo y a requerir medicinas y cuidados.
• Ya existía una comunidad cubana en Miami a la que los migrantes pudieron acudir y que les facilitaron el acceso al mercado. Desde dos décadas antes, Miami había estado recibiendo migración cubana, que le permitió a ese flujo a adaptarse rápidamente al mercado.

El día que la econometría dejó de ser una estafa

El estudio de David Card sobre el flujo migratorio de Miami fue un parteaguas en la forma de ver el mercado laboral, pero también en la forma de usar los experimentos naturales para identificar causas y efectos.

No fue el único. En 1983, Edward Leamer escribió un ensayo con el título provocador “Let’s take the con out of econometrics”. Se trata de un juego de palabras, porque no se puede escribir econometría en inglés sin incluir la palabra “con” (estafa). Es en realidad una discusión técnica sobre la forma en que los economistas usan los datos para darle soporte a cualquier tipo de argumento. Más aún, es en este artículo donde encontramos el origen de la idea de que el diseño de nuestros estudios deben tomar como base los experimentos, con un énfasis especial en los ensayos aleatorios.

Esta perspectiva se adoptó más fuerte en los 90s y 2000. Angrist & Pischke (2010) discuten las diferentes razones por las que los economistas comenzaron a desarrollar modelos más creíbles:

• Más y mejores fuentes de datos. En 1975, Isaac Ehrlicht publicó un artículo sobre el efecto disuasivo de la pena capital con una serie de tiempo anual de 35 observaciones que en nuestras épocas no podría ser publicado por falta de rigor. En la actualidad, el acceso a la información no es el problema. Si acaso nuestro mayor obstáculo hoy en día es saber distinguir entre las buenas fuentes y el trabajo de limpieza que tenemos que realizar.
• Mejores diseños de la investigación. Los métodos de variables instrumentales, regresión discontinua y diferencias en diferencias no son realmente nuevos, simplemente se están usando mejor y de manera más transparente. El estándar de los modelos está cambiando. Ya no es posible simplemente invocar una ecuación y asumir con una serie de pruebas que los supuestos son correctos de forma mecánica. Si la cosa fuera así, la inteligencia artificial ya habría acabado con nuestro trabajo.
• Mejor capacidad de cómputo. En 1965, Gordon Moore (fundador de Intel) hizo la observación de que el número de componentes por circuito integrado se duplicaba cada año e hizo la predicción de que esta tendencia continuaría al menos otra década (Moore, 1965). La sorpresa es que esa tendencia continuó muchos años después y a la fecha, todos nosotros tenemos en nuestro bolsillo computadoras que son más poderosas que las que llevaron a las personas a la luna.

Si hemos de buscar un origen a la llamada revolución de la credibilidad, podemos apuntar al trabajo de Lalonde (1986), que hizo una comparación de los resultados de una evaluación econométrica de un programa experimental de empleo subsidiado con un ensayo aleatorizado. Estudios posteriores ayudaron a establecer a los ensayos aleatorizados como la forma correcta de proceder, siempre que sea posible.

¿Y por qué seguir insistiendo en la inferencia causal y no en métodos más computacionalmente exhaustivos?

En 2008, Chris Anderson escribió en Wired que el método científico había quedado obsoleto.

En un ataque de tecno-optimismo típico de la era, Anderson observaba que los modelos de Machine Learning que estaban detrás de Google no tenían idea de por qué obteníamos los resultados que nos daba el algoritmo. Lo importante era que funcionaban. Frente al uso masivo de datos, el modelo de hacer hipótesis, modelar y hacer pruebas, quedaba obsoleto. Sólo necesitas alimentar al modelo con cantidades gigantes de datos y obtendrás los resultados que deseas.

Dos décadas después, aquí sigue el método científico y personas como yo aún tenemos trabajo.

Un problema de esta idea es que los objetivos que queremos optimizar suelen ser sensibles a nuestros sesgos. Peor aún, es posible obtener muchos diferentes resultados “significativos” haciendo modelos con una cantidad grande de variables. Así lo demostró Sala-i-Martin (1997) que literalmente ejecutó dos millones de regresiones relacionadas al crecimiento económico(y así le puso de título al paper).

Tomó 62 variables explicativas, dejó 3 variables como control fijo (PIB, esperanza de via y la tasa de inscripción a escuela primaria en 1960) y dejó las otras 59 variables como “regresores de interés”. De esos 59, eligió conjuntos de 3 controles adicionales hasta que cada una de las variables juega el rol de “variable de interés”. Al final, cada regresor de interés generaba 30,857 regresiones.

¿Te das cuenta? Tú y yo podríamos estar eligiendo nuestras regresiones igual y obtener resultados significativos simplemente por suerte y no porque sea un buen diseño.

Referencias

Anderson, C. (2008, junio 10). The End of Theory: The Data Deluge Makes the Scientific Method Obsolete. Wired. https://www.wired.com/2008/06/pb-theory/

Angrist, J. D., & Pischke, J.-S. (2010). The credibility revolution in empirical economics: How better research design is taking the con out of econometrics. Journal of Economic Perspectives, 24(2), 3–30

Borjas, G. J. (1986). Immigrants, minorities, and labor market competition (Working Paper No. 2028). National Bureau of Economic Research. https://www.nber.org/papers/w2028

Card, D. (1990). The impact of the Mariel boatlift on the Miami labor market. ILR Review, 43(2), 245–257. https://doi.org/10.1177/001979399004300205

Ehrlich, I. (1975). The deterrent effect of capital punishment: A question of life and death. American Economic Review, 65(3), 397–417.2

LaLonde, R. J. (1986). Evaluating the econometric evaluations of training programs with experimental data. The American Economic Review, 76(4), 604–620.

Leamer, E. E. (1983). Let's take the con out of econometrics. The American Economic Review, 73(1), 31–43

Moore, G. E. (1965, April 19). Cramming more components onto integrated circuits. Electronics, 38(8), 114–117. http://cva.stanford.edu/classes/cs99s/papers/moore-crammingmorecomponents.pdf

Sala-I-Martin, X. (1997). I just ran two million regressions. The American Economic Review, 87(2), 178–183.

¡Hola!

Te doy la bienvenida a la primera entrega de esta serie sobre La revolución de la credibilidad y los principios de la causalidad en el modelo de Diferencias en Diferencias. Esta es la primera de 6 series que haré sobre el modelo de Diferencias en Diferencias, donde iremos cada vez más profundo en esta técnica de econometría.

En esta primera serie vamos a dar una introducción a los principios de la causalidad y presentamos un manual para identificar experimentos naturales para incorporarlos en nuestro estudio de Diferencias en Diferencias.

Pero antes de comenzar a adentrarnos a todo eso…

Esta entrega es una historia. La historia que se convertiría en la semilla de toda una revolución en la forma en que vemos la econometría y por ende la economía.

Hubo un antes y un después en la forma de ver a los economistas.

Y el que lo comenzó todo se llama Joshua Angrist.

Esta es su historia.

El efecto económico de ser un veterano de guerra en Estados Unidos

It ain’t me, it ain’t me
I ain’t no millionaire’s son, no, no.
- Creedence Clearwater Revival

¿Es verdad que los veteranos de guerra en Estados Unidos ganan menos que las personas de su edad que no fueron a la guerra?

Como parte de los beneficios por haber servido en la guerra suelen tener apoyos en vivienda y muchos servicios adicionales porque se asume que tienen menores ingresos. El problema es que es muy difícil determinar si ser veterano causa tener menores ingresos. ¿Por qué? Porque las personas que se enlistan en la milicia podrían tener características que los hace diferentes al resto de las personas.

¿Puedes imaginar qué tipo de características?

• Podrían ser más atléticos.
• Pero también podría ser que las personas que entran al ejército son personas que consideran que de entrada no tendrán mucha oportunidad en el mercado laboral.

Por ejemplo, un joven podría ver que no se le da el Excel y se decide enlistar porque es una de las mejores maneras de buscarse un buen ingreso. Es decir, las personas que están condenadas a tener menores ingresos se auto-seleccionan al ejército.

¿Será esto cierto?

Joshua Angrist escribió durante su doctorado un artículo (Angrist, 1990) en el que encontró que los veteranos blancos ganaban en promedio un 15% menos que sus contrapartes que no se enlistaron. El truco era que no hizo una comparación simple entre los veteranos y las personas que no estuvieron en el ejército.

Se aprovechó de un experimento natural.

Durante la guerra de Vietnam hubieron loterías que unían personas al ejército de manera aleatoria. Al elegir las personas de manera aleatoria es como si se hubiera hecho un experimento que eliminaba todos los posibles sesgos que hacían que las personas se auto-seleccionaran para entrar en el ejército.

Al entrar al ejército, se pierde experiencia en el mercado laboral

Al reclutador en la empresa le puede parecer muy loable que el candidato enfrente de él haya defendido con su vida a su país, pero al final del día, su vacante requiere a alguien que sepa manejar excel.

Y es un poco difícil hacer experiencia laboral mientras se está blandiendo armas en otro país.

Además de eso, hay códigos de conducta y señales sutiles en el mercado laboral que podrían impedir que estén ascendiendo en sus puestos. Algo así pasó en la gran recesión (Rothstein, 2020), cuando los millenials salimos al mercado laboral y nos encontramos con un mercado colapsado y ahora somos incontratables porque no sabemos participar en la tanda.

En el artículo no lo considera, pero las personas que van a la guerra también podrían volver heridos o con daños psicológicos que los hacen más difícil aún de contratar y retener.

La fuente de datos es simple, pero mucho se compensa por ser un experimento natural

En el estudio no se consideran convariables.

La razón de esto es que la fuente de datos no los tiene. Es parte de la razón de que no permite explorar las causas de esta diferencia entre los ingresos.

Pero lo más importante de este estudio es su aportación:

• El uso de un experimento natural permite determinar con mayor claridad que es la participación en el ejército la que causó la baja en los ingresos.
• Y comenzó una de las revoluciones más importantes en la historia de la economía: La revolución de la credibilidad.

En el siguiente post, veremos a fondo:

• Qué es la revolución de la credibilidad.
• Por qué la econometría de antes estaba ya dejando en ridículo a los economistas
• Y cómo la revolución de la credibilidad ha logrado hacer que la economía se acerque más a ser una ciencia.

Nos vemos en la próxima.

Referencias

Angrist, J. D. (1990). Lifetime Earnings and the Vietnam Era Draft Lottery: Evidence from Social Security Administrative Records. American Economic Review, 80(3), 313–336.

Rothstein, J. (2020). The Lost Generation? Labor Market Outcomes for Post Great Recession Entrants (NBER Working Paper No. 27516). National Bureau of Economic Research. https://www.nber.org/system/files/working_papers/w27516/w27516.pdf

Estoy empezando a maquetar mi segundo libro.

Todavía no acabo de publicar el primero, pero poco a poco acabo de entender el valor que tiene lo que estoy escribiendo. Es gracias a ustedes mis lectores que he encontrado cómo hacer lo que hago mas rápido y más valioso. Lo que eso implica son un par de cambios en este newsletter:

• He dejado de prometer días específicos de publicación. En su lugar, estaré escribiendo al menos una publicación a la semana, pero tratando de que sean más.
• Estaré haciendo publicaciones seriadas. La última serie fue la del mini-curso para aprender a crear la sección de referencias.
• Esas publicaciones seriadas se convertirán en capítulos que al final se hilan en un libro completo.

Todo esto es parte de la metodología que aprendí con Nicolas Cole en sus cursos de digital writer (particularmente el de Category Newsletter, combinado con el de Ghostwriter + Ship 30).

Aquí te dejo la metodología completa:

Cómo hacer títulos que obliguen al lector a seguir leyendo

Para muchos, el título no es más que un adorno, un moño que ponerle al producto final.

David Ogilvy (el llamado “padre de la publicidad”) , dijo que “cuando escribes tu encabezado, ya gastaste 80 centavos de tu dólar”. El título no es sólo algo en lo que debes pensar al final como un adorno de tu texto. Es tu promesa. Y la promesa es lo más importante que va a guiar al lector a tu texto.

Estas son las claves que uso para crear los títulos de mis textos.

• Títulos claros, no ingeniosos. Esta es la trampa más común en la que caen los escritores. Hacer textos misteriosos, graciosos o que demuestren lo ingenioso que son. Nada de eso es importante para el lector.
• Lo que importa es ¿cuál es el problema que me está resolviendo? Cuando un texto promete resolverle algo al lector que le ahorre tiempo o dinero, ahí es cuando él se detendrá y pondrá atención a lo que hay dentro, no antes.
• La fórmula: Para quién y para qué es el libro. El título debe resolver esas dos preguntas: quién debe de leerlo y lo que va a lograr con ello. Entre más claro y preciso sea el título, mejor. No importa que el título salga un poco largo, mientras sea relevante, el lector lo leerá y terminará abriendo el texto.

Outline y outline del outline

El primer paso que siempre le digo a mis alumnos antes de comenzar a escribir su tesis: escribe el esquema completo.

No me refiero a un esquema general de la tesis. Yo quiero bullet points dentro de mis bullet points. En cada capítulo, quiero saber lo que se va a abordar y dentro de cada tema que se aborda, se puede escribir un esquema de bullet points sobre el orden lógico de las ideas. Al final, cada bullet point debe acabar siendo un párrafo.

Es mucho trabajo al inicio, pero hace que escribir el trabajo final sea mucho más fácil.

Esta es mi fórmula:

• El contenido en redes sociales son esquemas de escritura escondidos. Todos los días escribo en LinkedIn algo sobre econometría. Este libro será sobre Diferencias en Diferencias, así que estaré publicando más sobre ese tema.
• Las reacciones y comentarios son mi indicador sobre el libro. Una gran ventaja de publicar tus ideas en línea es que puedes identificar lo que resuena, lo que se vuelve viral e incluso si cometes algún error es mejor que te lo indiquen en tiempo real, en lugar de esperar a que lo vean en un libro. Y es más barato que pagar un editor especializado.
• Cada publicación es una parte de una serie y cada serie es un capítulo. Aquí está el secreto más importante de esta fórmula: estaré escribiendo en este newsletter las versiones extensas de las ideas que van a formar los capítulos del libro. Las publicaciones se hilan en series, que acaban completando los capítulos de mi siguiente libro. Y los suscriptores pro tienen la primicia.

Estructuras visuales de párrafos predeterminadas

Antes pensaba que tener planeada desde un inicio la estructura de los párrafos haría el texto muy aburrido.

Todo lo contrario.

Vale mucho la pena conocer antes de empezar el ritmo que tendrá el texto. El lector no nota cuando hay un ritmo predecible en el texto, pero cuando este cambia a cada párrafo, se siente que algo está mal. Cuando un texto sigue un mismo ritmo los ojos se deslizan sin esfuerzo por la páginas.

Esto solo lo logras cuando el texto es visual.

¿Qué significa hacer el texto “visual”?

• Listas y bullet points por todas partes. Todos los textos ya son lineares por naturaleza. Solo hay que aceptarlo y usar listas y viñetas siempre que sea posible. Eso hace el texto mucho más fácil de leer.
• La estructura 1/3/1. Otra de las joyas que tomé de Nicolas Cole fue crear una sentencia introductoria seguida de un párrafo de 3 sentencias que profundiza y una sentencia final. Es visualmente más atractivo y hace más fácil la lectura.

Y listo.

Me verás escribir mi segundo libro en tiempo real en este newsletter

Esta es la metodología que seguiré para escribir mi segundo libro:

Diferencias en Diferencias: una guía para hacer econometría con la validez de un experimento.

Mi plan: seis series con 5 entregas cada uno en este newsletter.

Estas son las series que verás a continuación:

• La revolución de la credibilidad
• El lenguaje de la causalidad
• El modelo básico 2x2
• Covariables en el modelo 2x2
• Diseños con múltiples periodos de tiempo
• Control Sintético

Es todo lo que necesitas para diseñar tus propios estudios con el método de Diferencias en Diferencias.

El primero es la revolución de la credibilidad, que comienza con la historia que nos trae hasta el punto en el que estamos y explica por qué Diferencias en Diferencias ha sido una técnica que ha crecido tanto en popularidad y que cada vez se usa más para la evaluación de políticas, entre otras cosas. Y sobre todo, ahí es donde explicamos nuevamente los problemas experimentos naturales.

Estoy muy emocionado por comenzar con esta serie, y espero que a tí también te parezca interesante.

Nos leemos pronto.

¡Hola!

Estamos en el día 5 de la serie Manual para citar tus referencias en una tesis/paper de economía. Los días anteriores vimos:

• Por qué la sección de referencias es más importante de lo que te imaginas.
• *3 pasos para agregar las referencias en el cuerpo del texto.*
• *De donde sacar fuentes relevantes y de calidad.*
• Y mi plantilla para que hagas la base de datos de tus referencias.

Hoy finalizamos esta serie con una de las dudas más importantes sobre los sistemas de citas:

• ¿Qué son los estilos de referencias (APA, Chicago, MLA, etc).
• Y una guía para que las uses y nunca vuelvas a temer.

Listo. Vamos ahí.

El verdadero propósito de las referencias

El sistema de referencias de los artículos científicos nació muchos años antes que el internet.

Por eso hay ciertas costumbres que se ven un poco pasadas de moda en la forma de citar. En internet, nosotros podemos crear un enlace que nos lleve directamente a cualquier fuente a la que queremos que vaya el lector para conocer la fuente de lo que decimos. Pero la ciencia viene de mucho tiempo antes que el internet, había que buscar físicamente el artículo que nos interesaba si queríamos leerlo y citarlo. Si querías un artículo de un journal que tu institución no pagaba, tenías que contactar al autor y que te mandara una copia por correo o fax.

Estas son las características que vas a encontrar en todos los estilos de referencias:

• El Journal, o revista. Hay revistas científicas especializadas en diferentes áreas de la ciencia. Hoy en día hay muchas más opciones para publicar, solo tienes que vigilar los índices y que no sean revistas depredadoras.
• Número y volumen. Hoy en día no es del todo necesario sacar volúmenes, pero cuando las revistas eran todas físicas (algunas todavía lo son), así las encontrabas en el librero (si estaban ordenados).
• Autores y año. Es la primera forma de identificar de inmediato el trabajo, junto con el nombre del artículo.
• DOI (Identificador de objeto digital). Es un identificador digital persistente. Aunque la página del journal cambie la url del artículo, el DOI seguirá ahí y con él podrás encontrar el artículo en la red.

Los distintos estilos de referencia

¿Y por qué no nos ponemos de acuerdo en una sola forma de citar los artículos científicos?

Cada revista te pedirá un estilo para citar los artículos. En algunos casos te pedirán que los cites en formato APA, en otros casos te pedirán MLA y en otros en Chicago. ¿Qué significa todo esto?

Aquí te lo explico:

• APA (American Psychology Association): En APA, tu verás citas en el texto del estilo (Villarreal Solis, et al., 2024) y al final en las referencias podrás encontrarlo completo con los elementos que discutimos arriba.
• Chicago. Al igual que APA, puede usar el sistema Autor-año (García Meza, 2024), pero también podrían ser notas al pie de página numerados. En el texto sólo te aparece un número y en el pie de página está toda la información para que lo ubiques en las referencias.
• MLA. Nunca me ha tocado usarlo. Se supone que en este se usa un sistema de autor y página y usas sangría francesa.

Cómo escribir una referencia en el texto y en la sección de referencias

Hay muchos estilos de referencias y cada uno de ellos tiene diferentes variaciones en la forma de citar cada tipo de referencia.

Si multiplicas el número de estilos por todas las variaciones que tienen el libros, revistas, capítulos de libro, y otros tipos de material, tenemos millones de diferentes variaciones en la forma de citar. ¡Eso es demasiado!

Pero en realidad no es tan complicado. Sólo es cuestión de seguir las guías de estilo.

Aquí algunos conceptos clave para que puedas seguirlas y siempre tener tus referencias correctas.

• Tipo de documento que estás citando (libro, artículo, etc.). En todas las guías de estilo habrán diferencias si estás citando un artículo científico, un libro, un capítulo de libro, o un artículo en un working paper.
• Las citas en el texto. Por lo general verás en el cuerpo del texto citas del estilo (García Meza, et al., 2024). El paréntesis puede venir solamente en el año cuando el nombre del autor es parte de la conversación. Por ejemplo, puedes decir que esto lo dijo García (2025)
• La sección de referencias. En cada estilo se llaman distinto. En APA son referencias, en Chicago es Bibliografía (o Lista de Referencias si usas un sistema como el de APA) y en MLA se llama “Obras Citadas. Esto es lo que tienes que cambiar dependiendo del estilo y del tipo de texto.

Sigue las guías, usa el software y/o pide a la IA que te ayude

Y listo.

Realmente no hay mucho más que te pueda decir que sustituya el trabajo que tienes que hacer por tu cuenta para practicar y entender como se usa. Los gestores de referencias te ayudan mucho, pero vale la pena hacer las primeras citas de forma manual para que identifiques los patrones en los sistemas de referencias. La IA también puede ayudar mucho, pero puede causar errores en el formato y a veces alucina y se inventa el estilo (o mezcla entre versiones de estilos. Por ejemplo, te puede pasar una referencia en APA 6 en lugar de APA 7, simplemente porque el modelo predice que eso es lo que sigue.

Al final del día, el que tiene que hacer esas citas eres tú.

Si llegaste hasta este punto, mil gracias.

Gracias por darte el tiempo de aprender conmigo sobre las citas y referencias. Esta serie ha sido interesante de escribir, y aprendí mucho en el proceso.

En mi proceso de creación de contenido en LinkedIn ha ganado mucho el enfoque hacia la econometría, así que las siguientes series serán sobre ese tema. En particular, me pienso enfocar en las próximas ediciones en el método de Diferencias en Diferencias.

• Su historia.
• El modelo de 2x2 a fondo.
• El modelo de efectos fijos de dos vías.
• Ponderaciones
• Múltiples periodos y adopción escalonada del tratamiento.
• Otros diseños más complejos, como el control sintético.

Es un tema que me ha fascinado desde hace mucho tiempo y me emociona mucho trabajarlo en formato newsletter. Mi plan es sentar las bases para mi segundo libro, enfocado únicamente en este método.

Si este es un tema que te parece interesante, y te gustaría que lo trabaje más a fondo, contesta este correo con “DID”, o cuéntame sobre lo que te gustaría aprender.

Te leo.

Mario

¡Hola!

Estamos en el día 4 de la serie Manual para citar tus referencias en una tesis/paper de economía. Los días anteriores vimos:

• Por qué la sección de referencias es más importante de lo que te imaginas.
• 3 pasos para agregar las referencias en el cuerpo del texto.
• Y de donde sacar fuentes relevantes y de calidad.

Hoy haremos algo mucho más práctico: crearemos nuestra base de datos de referencias.

• Te voy a mostrar lo que tiene que tener tu base de datos de referencias.
• Te daré algunas opciones de software que puedes usar.
• Y te daré la plantilla en la que he guardado mis referencias en Notion los últimos 5 años.

Vamos directo.

Mala idea: dejar que la computadora maneje tus referencias

Te haré una confesión: yo nunca he usado gestores de referencias como Zotero o Mendeley.

Me gusta mucho lo que hacen y me parecen interesantes, pero con el tiempo me he dado cuenta que las referencias son muy importantes como para delegarlas a una máquina. Yo personalmente prefiero un sistema que me permita revisar al menos una vez cada una de mis referencias a detalle. Y una vez que ya las tengo, me permita filtrarlas y buscarlas.

Hace muchos años usaba software para mis referencias, pero llegó un día en el que decidí que haría mis referencias a mano.

¿Por qué?

• Los programas no son flexibles. Los estilos de referencia se crearon antes de las computadoras. No existen para facilitarle a una máquina escribirlos y redactarlos, están hechos para que un lector sea capaz de encontrar la referencia. Por eso, todos los gestores de referencia siempre arrojarán errores que de cualquier manera tendrás que arreglar al final.
• La IA es más flexible, pero siempre hay riesgo de que alucine. Le puedes pasar una url a chatGPT y pedirle que genere la referencia en APA o en el formato que requieras y la IA lo tendrá en segundos. Muy conveniente. Pero hasta el momento, le sigo encontrando pequeños errores y alucinaciones que me hacen que aún no confíe plenamente.
• Dicho esto, usar un software siempre será necesario. Sería ridículo que te dijera que tienes que tener todas tus referencias en la cabeza. El software te permite tener tus referencias bien ordenadas, encontrarlas e incluso generar resúmenes con IA sobre su contenido. Como yo no le tengo confianza plena a ningún software, me hice mi propio gestor de referencias usando Notion, que te regalo al final de este post.

¿Qué software debería usar para gestionar mis referencias?

Pero antes de darte mi gestor, te voy a presentar las opciones que he conocido a lo largo de mi carrera como investigador.

Si usas LaTeX, probablemente ya usas BibTeX. Algo que tal vez no sepas es que si le pides a la IA que tome una url, lea la página dentro y te de la referencia en bibtex, te arrojará un resultado como este:

@article{mahadevan2024price,
  title = {The Price of Power: Costs of Political Corruption in Indian Electricity},
  author = {Mahadevan, Meera},
  journal = {American Economic Review},
  volume = {114},
  number = {10},
  pages = {3314--3344},
  year = {2024},
  doi = {10.1257/aer.20230248},
  url = {<https://www.aeaweb.org/articles?id=10.1257/aer.20230248>}
}

Si tu trabajo es de matemáticas, entonces tienes tu problema resuelto. Los matemáticos usan regularmente LaTeX y las revistas y editoriales suelen pedir las referencias en formatos que la computadora podrá procesar sin problemas (o incluso generan sus propias plantillas).

El problema viene cuando tienes que usar estilos de referencia más complejos, como APA o Chicago.

Aquí es donde pueden entrar programas como Zotero o Mendeley. La diferencia más importante entre estas dos opciones es que el primero es de software libre de cpodigo abierto, mientras que el otro es de una empresa. Ambas son básicamente una base de datos de referencias. Hay muchas ventajas de usar este tipo de software para tus referencias, como poder cargar la bibliografía directamente con sólo copiar el DOI. Pero personalmente para mi eso es una desventaja, porque es justo al momento de cargar la información de manera manual que me doy cuenta de algunos detalles.

Por ejemplo, ha sido en el proceso de cargar las referencias a mi base de datos que me he dado cuenta de algunos autores y eso me lleva a leer su otro trabajo. Es como cuando te encuentras a un artista que te gusta y te pones a ver su discografía en Spotify.

Es una de las técnicas secretas para obtener más referencias.

Lo que yo hice: mi propio gestor de referencias en Notion

Este es el gestor de referencias que he usado en los últimos 7 años.

Las razones por las que este sistema me ha funcionado mejor que cualquier otro es por su simplicidad. Si, tiene un par de funciones complejas, por ejemplo, la que genera las referencias en APA no es una función tan simple… y 100% seguro que va a generar errores. Pero esos errores me van a hacer más fácil crear la referencia al mismo tiempo que me obligan a revisarla antes de usarla.

Así que, sin mas preámbulo, aquí te dejo el enlace y las instrucciones para que lo uses.

Para obtener el gestor da click aquí y sigue los siguientes pasos

Sigue estos pasos para comenzar a usarlo:

• Descarga la base de datos a tu cuenta de Notion. Sigue el enlace de arriba y dale click al botón que tiene dos cuadritos en la esquina superior derecha (el que está al lado de la lupa). Tienes que tener una cuenta de Notion para que se copie y lo puedas usar. Todo será en la nube y nada en tu computadora.
• Presiona el botón azul para agregar un nuevo registro. Incluye todos los campos que apliquen al registro que estás haciendo.

Aquí te dejo un instructivo para llenarlo, es muy sencillo.

• La base de datos te llenará en automático algunos campos, como el bibtex y la cita en APA. Si será necesario que revises con detalle que la cita esté bien, pues el lenguaje de Notion no es tan flexible y siempre queda con pequeños errores (por ejemplo, como no tengo el nombre del autor separado en nombres y apellidos, simplemente arroja el nombre completo como el autor).

Y listo. Ya tienes un gestor nuevo de referencias.

Ya casi terminamos esta secuencia

Nos queda un último elemento para terminar esta serie sobre las referencias: estilos de referencia y cómo usarlos.

En particular:

• Qué son el estilo APA,, Chicago, MLA, etc.
• Cómo usarlas sin acabar en la cárcel de la academia.
• Y cómo usar la IA para que siempre te de las referencias sin fallas.

Nos vemos en la próxima edición.

¡Hola!

Estamos en el día 3 de la serie Manual para citar tus referencias en una tesis/paper de economía. Los días anteriores vimos:

• Por qué la sección de referencias es más importante de lo que te imaginas.
• Y 3 pasos para agregar las referencias en el cuerpo del texto.

Hoy responderemos una de las preguntas que mas me han hecho sobre las fuentes de tu tesis/artículo: ¿De dónde saco referencias?

En particular:

• Por qué es un error sacar las referencias de buscadores como Google Académico o incluso buscadores de índices importantes como Scopus.
• Por qué debes pensar en las referencias como una conversación.
• Y cómo obtener referencias de todas partes.

¿Estamos listos?

Comencemos.

El error: Sacar tus fuentes de un buscador como Google Scholar

El 99% de las personas cuando preguntan ¿de dónde sacar fuentes? Piensan que les responderé con un buscador.

Los tengo que decepcionar: yo no uso ningún buscador para obtener mis referencias. De hecho pienso que usar ese tipo de buscadores es contraproducente y te lleva a perder mucho tiempo valioso sin encontrar nada significativo. Y te lo dice un millenial, que soy de la generación que mejor sabe usar Google para hacer búsquedas.

¿Por qué es un error sacar tus fuentes y referencias de Google Scholar?

• Razón #1: No sabes lo que estás buscando. Aquí una pequeña paradoja. Para saber lo que buscas, necesitas entender tu tema a profundidad, pero cuando conoces tu tema a profundidad ya no necesitas usar buscadores.
• Razón #2: Los resultados que obtienes no son de gran calidad. Dado que no entiendes a profundidad el tema del que estás hablando, no conoces las palabras clave que debes de poner en el buscador para obtener resultados especializados.

Los top journals: una mejor forma de obtener referencias

Ok, ya vimos que los buscadores no son gran idea. ¿Qué sí funciona?

En situaciones normales, Google es un excelente fuente que nos ofrece lo que estamos buscando, incluso cuando no sabemos bien lo que buscamos. ¿Por qué no es lo mismo para referencias académicas? Porque las ideas que buscas en un paper van más allá de un par de palabras clave. Si requieres conocer sobre los efectos de los aranceles durante la gran depresión, hay muchas ideas periféricas que quieres explorar que no necesariamente contienen las palabras clave de aranceles o la gran depresión.

En otras palabras: tienes que leer más.

• Paso #1: Comienza con tu búsqueda del tema general en Wikipedia. Dependiendo de tu área de estudio, lo más probable es que alguien más ya estudió lo que tú quieres hacer y lo hizo mejor que tú. El truco es este: Wikipedia en Inglés es más completo y tiene mejores referencias que la versión en español.
• Paso #2: Encuentra el paper principal del estado del arte de tu investigación. Encuentra el artículo más reciente y más relevante sobre el tema que estás trabajando. Es el paper más cercano. Probablemente se trata de un paper que hizo lo que tú quieres hacer, pero en China. O también podría ser el ejemplo más relevante de paper en un journal relevante.
• Paso #3: Identifica las citas y quién cita ese paper relevante. Ahora si usaremos Google Académico. Ya que identificaste el paper más importante, copia y pega en Google Académico el nombre del paper. Da click en donde dice “Citado por” y el número de artículos en los que ha sido citado el trabajo. Te aparecerán todos los trabajos que han citado ese paper.

Hagamos un ejemplo

Digamos que queremos hacer un artículo donde queremos identificar el efecto que tienen las regulaciones sobre calidad del aire.

Es un tema relevante y de gran importancia para la economía y para la salud de las personas. Así que vamos a Wikipedia y comenzamos investigando sobre el Clean Air Act en Estados Unidos. Es una página con muchos enlaces y te tomaría horas leerlo por completo. Afortunadamente, tienes la ayuda de la IA para revisar la página por completo y organizar la información que necesitas.

El siguiente prompt te ayudará a identificar los artículo académicos dentro de la página de Wikipedia y organizarlo para que lo puedas utilizar (copia y pega en chatGPT o Claude).

Revisa esta página e identifica los enlaces a artículos académicos que encuentres ahí. Organiza la información en una tabla con los enlaces, información bibliográfica y un breve resumen

<https://en.wikipedia.org/wiki/Clean_Air_Act_(United_States)>

¡Hay artículos muy buenos!

Por ejemplo, está este donde se analiza el impacto de la ley de aire limpio en 2014. Si te vas a ese artículo en Google Académico verás que hay 90 artículos que lo citan (hasta el momento en que escribo esto).

Entre las referencias que citan ese artículo y las referencias del mismo artículo, ya tienes mucho que leer sobre tu tema.

Las referencias están en todas partes

Y eso lo hicimos con un solo artículo sobre un solo tema.

Para maximizar tus referencias, lo que te recomiendo es que leas libros de divulgación. Por ejemplo, el libro de Good Economics for Hard Times de Duflo y Banerjee está lleno de ideas y de artículos de investigación y todo viene con sus referencias y bien explicado. Es un gran punto de partida.

¿Quieres otra fuente? En lo que queda de Twitter está la comunidad de #EconTwitter, donde hay discusión académica entre economistas y donde se comparte regularmente investigación de diferentes áreas de la economía.

Finalmente, no te limites a artículos de Economía. Sigue tus intereses científicos sin mirar mucho al área de la ciencia de la que se trate. Te prometo que pronto verás la conexión entre lo que haces y otras ciencias.

¡Mucha suerte!

¡Hola!

Este es el día 2 del Manual para citar tus referencias en un paper de economía. Es una serie dentro de este newsletter diseñada para ayudarte a tener una sección de referencias impecable, que tu director de tesis no te podrá rechazar y que hará que tu publicación pueda entrar a las mejores revistas del país.

En serio. La sección de referencias es muy importante.

Eso es lo que vimos en este post, donde te platico 3 formas en la que tus referencias delatan tus sesgos al escribir.

En este post veremos:

• Cómo ponerle el contexto apropiado a tu lista de referencias.
• Por qué debes de centrar la colocación de tus referencias en tu lector.
• Y un prompt para identificar en dónde ubicar tus referencias usando Inteligencia Artificial.

Así que, si estamos listos, comencemos.

Paso #1: Tienes que tener identificado el problema de tu tesis

Eso lo veremos en otras series de este newsletter a mayor profundidad, pero es importante mantener ese problema en mente.

Algo que muy pocas personas considera para crear su lista de referencias es que no se tienen que limitar al área de estudio en el que están trabajando. Si tu tesis es de economía, eso no significa que todas tus referencias tengan que venir de journals de economía. Después de todo, las barreras entre áreas de estudio son totalmente artificiales y creadas sólo para dar estructura al sistema educativo. Fuera de ese orden, lo que importa es que sirvan al propósito de resolver ese problema.

Hacer las cosas así tiene sus beneficios.

• Beneficio #1: Tus búsquedas serán más efectivas. Una muy mala idea para encontrar tus referencias es entrar en google Scholar, teclear las palabras clave de lo que estás estudiando (p. ej. economía del comportamiento) y buscar con lo que te aparece. Pero si buscas cosas sobre el problema, los resultados serán mucho mejores.
• Beneficio #2: No te tienes que limitar a “tu área de investigación”. Un error muy común es pensar que las referencias tienen que estar limitadas a tu área de investigación. Pero si tu búsqueda es referente al problema y no al área de investigación, te vas a dar cuenta rápidamente de que hay mucha investigación desde la biología, la psicología, la antropología, la historia o la bioquímica que completan tu argumento.

Paso #2: Identifica a tu lector

¿En qué partes tu lector tendría dudas de si lo que dices es verídico?

De eso depende quién es tu lector. En marketing, puedes crear un buyer persona: un perfil de un comprador con todas sus características a detalle: en dónde vive, cuáles son sus hábitos, qué le gusta, con quién se relaciona. En este caso podríamos también hacer un reader persona: Qué ha estudiado, qué problema está tratando de resolver, cómo se conjunta nuestra investigación con lo que está haciendo.

Estos son los diferentes tipos de lectores a los que te puedes enfrentar:

• Si estás haciendo una tesis: entonces tus lectores son tu director de tesis y sinodales. Ellos son la barrera para publicar tu tesis. Trabaja tu proyecto pensando en ellos como lectores. No trates de adivinar lo que quieren que escribas, pero si identifica sus áreas de experiencia. Si ellos ya tienen algo escrito, eso te puede servir como referencia. Si no, identifica las clases que dan en la universidad para saber lo que les llama la atención.
• Si estás escribiendo un artículo para una revista científica: tus lectores son los autores de esa misma revista.Este es un punto que muchas personas ignoran. La revista es como un foro de discusión. Si vas a publicar en una revista de finanzas, entonces tus referencias deben resolver las dudas que tendrían expertos en finanzas al leer tu paper. Si estás planeando publicar en una revista de comercio internacional, las dudas que tendrán los lectores de esa revista son diferentes.

Paso #3: Ponte en los zapatos del lector e identifica aquellas sentencias que podrían generarte dudas sobre la veracidad

Lee en voz alta el siguiente párrafo:

No te espantes si no entendiste nada, es un párrafo inventado sólo con la idea de ilustrar mi punto.

La idea de este ejercicio es identificar en dónde deberían estar las referencias, dado un tipo de lector. Cada perfil de lector requiere referencias en diferentes partes del artículo. La razón por la que sé esto es porque me ha tocado escribir en journals de matemáticas al igual que en journals que están más orientados a la sociología y en diferentes áreas ponen énfasis en citar de forma diferente. En los journals de matemáticas, no es importante para el argumento comprender la historia completa de los impuestos, por decir algún ejemplo.

Afortunadamente, no tenemos ya que hacer esto de manera manual, podemos usar inteligencia artificial.

Estos son los pasos:

• Paso #1: Escribe el problema y el perfil de tu lector. Con las ideas de los pasos anteriores, escribe las características de tu problema y tu lector. Las usaremos en el siguiente paso.

Este es un ejemplo muy sencillo, te recomiendo que lo escribas con tanto detalle como puedas.

Problema de investigación: Los trámites en los procesos burocráticos representan un costo que desincentiva su uso. En particular, el caso de Medicare.

Público: lectores del American Economic Review.

• Paso #2: identifica en dónde requieres referencias. Usa el siguiente prompt

Actúa como mi asistente de investigación. Te pasaré mi texto y quiero que identifiques las secciones de mi texto que requieren referencia.

Las referencias se deben hacer basadas en el contexto, al problema de investigación y al público lector. Estas son las instrucciones:

* Primero, me solicitarás el texto completo que hay que analizar.
* Luego, me solicitarás el problema de investigación y el público. En el caso de que necesites más contexto, me lo pedirás antes de continuar.
* Finalmente, me harás un reporte para identificar el texto dentro de los párrafos que necesitan referencias.

Entrégame el reporte en formato de una tabla que identifique el párrafo, el texto dentro del párrafo y el tipo de referencia que se requiere.

¿Estás listo?

• Paso #3: Avanzado: usa las opciones de navegación de la IA para que te ayude a encontrar referencias. Si ya tenemos un reporte de las referencias que buscamos, es buena idea aprovecharlo y pedirle a chatGPT que haga una búsqueda por nosotros.

Busca en internet y dame sugerencias para las referencias que me estás solicitando. Restringe la búsqueda a fuentes académicas.

Pero ¿en dónde debería entonces yo buscar referencias?

Este es sin duda uno de los posts que más me está sirviendo.

Estoy terminando de editar un libro y yo mismo no me había dado cuenta de unos cuantos sesgos que tenía en mis referencias. Lo acabo de implementar en un capítulo y yo mismo me sorprendí. Espero que te resulte igual de útil a ti.

En el siguiente post veremos:

• Qué son los top journals.
• En dónde buscar referencias.
• Y cómo buscar referencias dentro de las referencias.

No te lo pierdas.

Mario.