Una gran parte del trabajo que se requiere hacer antes de comenzar una investigación tiene que ver con una correcta definición de la pregunta de investigación.
Estas preguntas las vi por primera vez planteadas por Angrist y Pischke (2009), donde decían los autores que estas no son sólo preguntas para hacerse antes de realizar un estudio, sino que se deben de hacer contínuamente a lo largo del desarrollo de un proyecto (por eso las llaman FAQs, o preguntas frecuentes). La intención de estas preguntas es acercarnos lo más posible a un resultado que nos lleve a traer inferencias realistas.
Al inicio es necesario preguntarnos cuál es la relación causal que nos interesa. Como ejemplo, consideremos lo que pusimos en la sección anterior en la que nos preguntamos cuál es el efecto que elevar el salario mínimo trae en el nivel de empleo de la región. Existen sobre este tema múltiples hipótesis. La teoría neoclásica nos pide tratar al mercado de trabajo como un mercado cualquiera donde si los precios (salarios) suben, la demanda (empleo) baja.
Nota que al hacernos esta pregunta y definir variables no significa que nos debamos de enfocar en bases de datos existentes por default: se puede tratar de una variable que no haya sido medido antes de ninguna otra manera. Puede ser que no vayas a encontrar una base de datos ya trabajada con las diferencias entre los salarios mínimos en regiones y niveles de desempleo lista para realizar una regresión. Generalmente la extracción y la transformación de la base de datos es parte del trabajo que el científico de datos debe realizar. Pero eso no nos debe detener en esta etapa de nuestra investigación, sólo debemos tener una pregunta a resolver.
Para encontrar una relación causal que importe, esta debe resolver un problema. Cuando mis alumnos se acercan conmigo porque quieren hacer una tesis, mi primera pregunta es ¿Cuál es el problema que quieres resolver? Tal vez esta pregunta puede resultar un poco abrumadora. Tal vez deseo resolver el cambio climático, pero estoy consciente de que yo personalmente va a ser difícil que lo logre. Entonces toca pensar en la respuesta a una relación causal menos compleja.
Por ejemplo, tal vez me interesa entender cómo lograr que las personas usen menos el automóvil. Es un problema relacionado pero no tan abrumador, y resulta aún más realizable si lo reducimos a un espacio que podamos estudiar. Podríamos entonces analizar si la ciclovía que instalaron en nuestra ciudad sirvió para la reducción de uso del automóvil en los vecindarios cercanos. Esa sería una pregunta que es más factible responder.
Nuestra segunda pregunta que debemos hacer es ¿Cómo se vería un experimento ideal que nos ayude a medir la relación causal de interés? Esta pregunta es en la mayoría de los casos sólo un ejercicio mental que nos ayuda a centrar nuestra energía en comprender cuál es el papel de las variables en juego y cuáles serían los factores que podrían contaminar nuestro proceso de inferencia.
Hacer este ejercicio mental significa imaginarnos que no tenemos ningún tipo de restricción de dinero, que tenemos todo el apoyo de un aparato gubernamental a nuestra disposición y que no tendríamos que restringirnos a lo que nos dijera algún comité ético. En nuestro ejemplo del salario mínimo, un experimento ideal podría involucrar que aislemos una ciudad entera de todos los efectos externos que pueda sufrir por problemas macroeconómicos, virus o guerras. Nos aseguramos de aislarlos por un periodo razonable y elegimos negocios aleatoriamente para ordenarles un aumento en el salario mínimo.
Si pudiéramos hacer este tipo de experimento, entonces identificar el efecto que tiene el salario mínimo en el empleo sólo sería cuestión de medir el nivel de empleo antes y después de subir el salario mínimo y tomar la diferencia.
Muy importante: no todas las preguntas tienen un método de identificación causal. No importa lo listos que seamos o el tamaño de recursos del que disponemos, hay algunas preguntas que simplemente no pueden ser respondidas.
La tercera pregunta que queremos responder es sobre nuestra estrategia de identificación. En esta pregunta es donde involucramos algún experimento natural, si es que lo hay, para ayudarnos a acercar nuestro estudio lo más posible a la situación ideal que nos planteó el ejercicio mental de imaginar un experimento.
Por ejemplo, cuando David Card y Alan Krueger (1994) descubrieron que el estado americano de Nueva Jersey aumentaría su salario mínimo de 4.25 a 5.05 dólares la hora, decidieron aprovechar esta situación como un experimento natural para determinar el efecto que dicho aumento tiene en los niveles de empleo del estado.
La situación presentaba la oportunidad de un experimento natural porque algunas ciudades de ese estado tenían frontera con el estado vecino de Pennsylvania, que no planeaba un aumento en el salario mínimo. En esas ciudades colindantes se contaba con condiciones muy similares en la mayoría de los aspectos. La población era prácticamente homogénea y las empresas tenían los mismos incentivos e incluso los mismos clientes. Es lo más cercano a tener condiciones ideales para un experimento.
La cuarta pregunta se refiere al modo de inferencia estadística. No es sino hasta este momento que hemos de definir los aspectos estadísticos estadísticos que debemos usar para encontrar una respuesta a nuestras interrogantes. Es aquí donde se describe a la población que estudiamos, la muestra que tomamos de esta población y los supuestos que hay detrás de la construcción de nuestros errores estándar.
