[Narrador] En su búsqueda
para dominar la econometría,
Saltamontes Kamal ha progresado mucho,
poniendo a prueba sus capacidades
y burlando a sus enemigos.
¡Ay!, hoy está abatido
porque todavía le queda
por vencer un desafío.
Kamal todavía no puede descifrar
las escrituras de investigación académica,
revistas como:
"The American Economic Review"
y "Econometrica".
A él le parece que están escritas
en un oscuro idioma extranjero.
[Kamal] ¡Uf!, ¿qué diab...?
[Narrador] Estos volúmenes
son turbios para el principiante, Kamal,
pero pueden ser descifrados con estudio.
Leámoslos juntos.
♪ (música) ♪
[Narrador] Sumerjámonos
en el estudio de West Point,
publicado
en el "Economics of Education Review".
Este artículo trata sobre
una evaluación aleatoria
del uso de electrónicos por parte
de los estudiantes de Economía 101.
Primero, haremos una revisión rápida
del diseño de la investigación
Bueno.
[Josh] Los maestros de métricas
que enseñan en West Point,
la academia militar que entrena
a los oficiales de la armada de EUA,
diseñaron una prueba aleatoria
para responder esta pregunta.
Estos maestros asignaron aleatoriamente
a los cadetes en las clases de Economía
que funcionan bajo distintas reglas.
A diferencia de la mayoría
de las universidades de EUA,
en West Point no se usan los electrónicos.
Para propósitos de este experimento,
algunos estudiantes permanecieron
en las clases tradicionales
sin tecnología,
sin laptops ni tabletas
y ¡tampoco teléfonos!
[ecos de voz]
Este es el grupo de control,
o el punto de referencia.
Al otro grupo se le permitió
el uso de electrónicos.
Este es el grupo de tratamiento
sujeto al ambiente modificado.
El tratamiento, en este caso,
es el uso libre
de laptops o tabletas en la clase.
Cada pregunta causal
tiene un resultado claro.
Las variables que esperamos influenciar
se definen antes de empezar el estudio.
Los resultados en el estudio
de los electrónicos de West Point
son las notas del examen final.
El estudio busca responder
la siguiente pregunta:
¿Cuál es el efecto causal
de los electrónicos sobre el aprendizaje
en clase, medido a través
de las calificaciones de los exámenes?
[Narrador] Los artículos de revistas
de economía por lo general comienzan
con una tabla de estadística descriptiva
que proporciona hechos clave
acerca de la muestra en estudio.
[Kamal] ¡Por Dios, ya recuerdo
esta tabla, es muy confusa!
[Narrador] En las columnas 1 a 3 están
las características medias, o promedio.
Estos nos dan una idea
de a quién estamos estudiando.
Comencemos con la columna 1,
la cual describe las covariables
en el grupo de control.
Las covariables son las características
de los grupos de control y tratamiento,
medidos antes
de que comience el experimento.
Por ejemplo, vemos que el grupo de control
tiene una edad promedio de más de 20.
Muchas de estas covariables
son variables ficticias.
Una variable ficticia solo puede tener
dos valores: cero o uno.
Por ejemplo, el género se registra
como una variable ficticia
que para mujer es igual a uno
y para hombre es igual a cero.
La media de esta variable es
la proporción de mujeres.
También vemos que en el grupo
de control el 13 % son hispanos
y el 19 % ya hizo el servicio militar.
Las notas de la tabla son clave.
Consulten estas notas a medida
que examinan la tabla.
Estas notas explican
lo que muestra cada columna y panel.
♪ (música) ♪
PANEL A
PANEL B
Las notas, por ejemplo, nos dicen
que las desviaciones estándar
están entre paréntesis.
Las desviaciones estándar nos dicen
qué tan dispersos están los datos.
Por ejemplo, una desviación estándar
de 0,52 nos dice que la mayor parte
de los GPA del grupo
de control cae entre 2,35,
que está a 0,52 por debajo
de la media del GPA de 2,87,
y 3,39, que está a 0,52
por encima de 2,87.
Una desviación estándar menor
significaría que los GPA
están más agrupados cerca de la media.
[Kamal] Sí, pero estas faltan
para la mayor parte de las variables.
[Narrador] Es cierto, los maestros omiten
las desviaciones estándar
de las variables ficticias
porque sus medias determinan
sus desviaciones estándar.
En este estudio se comparan
dos grupos de tratamiento
con el grupo de control.
Al primero se le permitió
el uso de laptops y tabletas.
Con el segundo grupo de tratamiento
su uso fue más limitado,
permitiendo que las tabletas
solo estuvieran sobre el pupitre.
Los grupos de tratamiento
son muy parecidos al grupo de control.
Esto nos lleva
a los siguientes atributos de esta tabla.
Las columnas 4 a 6 usan tests estadísticos
para comparar las características
del grupo de tratamiento con el de control
antes del experimento.
En la columna 4, los dos grupos
de tratamiento están combinados.
Pueden ver que la diferencia
en la proporción de mujeres
entre el grupo de tratamiento
y el de control es solo de 0,03.
La diferencia
no es estadísticamente significativa,
este es el tipo de diferencia
que podemos considerar
como resultado del azar en el proceso
de selección de la muestra.
[Kamal] ¡Mmm!, ¿Cómo sabemos eso?
[Narrador] ¿Recuerdan la regla general?
Las estimaciones estadísticas
que exceden el error estándar
en múltiplos de 2
en valores absolutos se dice
que son estadísticamente significativas.
El error estándar es de 0,03
igual que en la diferencia
de la proporción de mujeres.
La proporción de la última
a la anterior es solamente 1,
la cual, por supuesto, es menor que 2.
[Kamal] ¡Ajá! Ninguna de las diferencias
del grupo de tratamiento
y control son mayores
al doble de sus errores estándar.
[Narrador] Correcto.
La división al azar de los estudiantes
parece haber tenido éxito
en la creación de grupos
que son realmente comparables.
Podemos confiar, por tanto,
que cualquier diferencia posterior
a los logros de la clase
es resultado
de la intervención experimental
más que de un reflejo
de diferencias preexistentes.
¡Ceteris paribus alcanzado!
[Kamal] Buenísimo.
Pero ¿qué hay en la parte de abajo,
los números con asteriscos?
Esas diferencias son
mucho más del doble que el error estándar.
[Narrador] ¡Buena observación, Kamal!
La tabla tiene muchos números.
Los del panel B son importantes también.
Esos miden el grado
en el que los estudiantes usan
las computadoras en clase en el grupo
de tratamiento y en el de control.
El tratamiento aquí fue permitir
el uso de la computadora.
Los investigadores deben mostrar
que a los estudiantes
que se les permitió usar computadoras
sacaron ventaja
de esa circunstancia para hacerlo.
Si no lo hicieron, entonces,
realmente no hay tratamiento.
Afortunadamente, el 81 % de quienes
estaban en el grupo de primer tratamiento
usaron las computadoras
en comparación con los del grupo
de control que no lo hicieron.
Y muchos del segundo grupo
de tratamiento con tabletas
también usaron computadoras.
Estas diferencias en el uso
de la computadora son grandes
y estadísticamente significativas.
También pudimos ver el tamaño
de la muestra en cada grupo.
[Kamal ¿Los asteriscos son
como decoraciones?
[Narrador] En algunos artículos académicos
se usan los asteriscos para indicar
que las diferencias
son estadísticamente significativas.
Esto los hace saltar a la vista.
Tres asteriscos indican que el resultado
es estadísticamente distinto
de cero con un valor-p menor que 1 %.
En otras palabras, hay
una posibilidad menor que 1 en 100
de que este resultado
sea puramente un hallazgo por azar.
[aplausos]
Dos asteriscos son 1 posibilidad en 20,
o de un 5 %, de un hallazgo por azar.
Un asterisco denota resultados
que pudiéramos ver tanto
como el 10 % de las veces
debido solamente al azar.
Hoy en día, los asteriscos son vistos
como un poquito anticuados
y algunas revistas los omiten.
[Kamal] ¿Y qué pasa
con los de las dos últimas columnas?
[Narrador] A diferencia de la columna 4
que combina ambos grupos
de tratamiento en uno,
estas dos últimas columnas
muestran separadamente las diferencias
en el tratamiento/control
en cada grupo de tratamiento,
lo cual facilita un análisis
de balance más detallado.
Pero, por ahora, pueden ignorar esta fila
que muestra otro test de significancia.
Ahora buscaremos la culminación
del artículo, la tabla 4.
Esta tabla muestra
las estimaciones de la regresión
de los efectos del uso de electrónicos
sobre la medida del aprendizaje.
[Kamal] ¿Por qué el estudio muestra
las estimaciones de la regresión?
Ve, por eso me pierdo.
Pensé que la única razón
por la cual necesitamos
los tratamientos aleatorios es
para obtener los efectos causales
comparando simplemente los grupos
de tratamiento y de control
y dado que estos grupos están balanceados,
no se necesita usar a la regresión.
[Narrador] Bien dicho, Kamal.
En la práctica se acostumbra a mostrar
las estimaciones de la regresión
por dos razones:
primero, evidencia
de balance, sin embargo,
un exceso de cautela,
podría conducir al analista
a permitir las diferencias por el azar.
Segundo, es más probable
que las estimaciones de la regresión
sean más precisas, es decir,
los errores estándar son menores
que los de la simple comparación
entre tratamiento y control.
La variable dependiente en este estudio
es el resultado de interés.
Debido a que la pregunta
que tenemos a mano
es cómo afectan al aprendizaje
los electrónicos en clase,
un buen resultado es
las notas del examen final de Economía.
Cada columna muestra los resultados
de un modelo de regresión diferente.
Los modelos se distinguen
a través de las variables de control,
o covariables, e incluyen,
además, la condición de tratamiento.
Las estimaciones sin covariables
son comparaciones simples
entre los grupos
de control y de tratamiento.
[Kamal] Yo pensé
que solo habían olvidado llenarlo.
[Narrador] La columna 1 sugiere
que el uso de electrónicos
reduce las notas del examen final
en 0,28 desviaciones estándar.
En nuestra última lección,
el Maestro Joshway explicó que se usan
las unidades de desviación estándar
porque estas unidades
se comparan fácilmente
a través de los estudios.
La columna 2 muestra los resultados
de un modelo que añade
controles demográficos.
Aquí se están comparando
las notas de los tests,
pero manteniendo constantes
factores como la edad y el sexo.
La columna 3 muestra los resultados
de un modelo que añade el GPA
a una lista de covariables.
En la columna 4 añades las notas del ACT.
Los analistas en general reportan
los resultados de esta manera,
empezando con los modelos
que incluyen pocas o ninguna covariables
y, entonces, muestran
las estimaciones de los modelos
que añaden más y más covariables a medida
que nos movemos por las columnas.
Si examinan las columnas, ¿qué observan?
[Kamal] Bien, el coeficiente sobre el uso
de una computadora siempre es
un número muy negativo.
[Narrador] ¡Correcto!
También vemos que los errores estándar
son suficientemente pequeños
para hacer a estos resultados negativos
estadísticamente significativos.
En otras palabras, la primera conclusión
de este experimento
es que los electrónicos en el salón
de clases reduce el aprendizaje.
[Kamal] Las notas de GPA y ACT
también son significativas
¿Por qué?
[Narrador] ¡Buena observación!
Eso no me sorprende.
Se espera que estas variables
predigan el rendimiento universitario.
[Kamal] Cierto, por supuesto.
Es más probable que los estudiantes
que tuvieron mejores notas antes
tengan mejores notas en este curso.
[Narrador] También van a observar
mucha más información en esta tabla.
Los paneles restantes de la tabla
muestran los efectos del uso
de electrónicos
sobre los componentes del examen final
tales como las preguntas
de selección múltiple.
Estos resultados son muy consistentes
con los efectos del uso de computadoras
sobre las notas en general.
[Kamal] ¿Qué pasa con las filas
que no están en inglés?
[Narrador] Estas filas dan
información estadística adicional.
R cuadrado es una medida
de la bondad de ajuste
y no es tan importante,
aunque hay personas a quienes
les gustaría saber qué es.
Otras filas muestran tests alternativos
de significancia estadística
que, por ahora, pueden ignorar.
[Kamal] ¡Por Dios, estas tablas
no son tan difíciles!
Muchísimas gracias.
[Narrador] Después veremos la regresión.
¡Hasta entonces!
♪ (música) ♪
Estás a punto de dominar la econometría.
Asegúrate de aprender de este video,
respondiendo a los ejercicios.
O, si estás listo, haz clic
en el siguiente video.
También puedes revisar el sitio web de MRU
para ver más cursos, recursos
para enseñanza y más.
♪ (música) ♪