WEBVTT

00:00:01.425 --> 00:00:05.015
[Narrador] En su búsqueda
para dominar la econometría,

00:00:05.619 --> 00:00:08.621
Saltamontes Kamal ha progresado mucho,

00:00:08.813 --> 00:00:13.472
poniendo a prueba sus capacidades
y burlando a sus enemigos.

00:00:14.223 --> 00:00:16.640
¡Ay!, hoy está abatido

00:00:16.640 --> 00:00:19.330
porque todavía le queda
por vencer un desafío.

00:00:19.614 --> 00:00:24.230
Kamal todavía no puede descifrar
las escrituras de investigación académica,

00:00:24.230 --> 00:00:27.347
revistas como:
"The American Economic Review"

00:00:27.347 --> 00:00:29.317
y "Econometrica".

00:00:29.317 --> 00:00:33.501
A él le parece que están escritas
en un oscuro idioma extranjero.

00:00:33.501 --> 00:00:35.478
[Kamal] ¡Uf!, ¿qué diab...?

00:00:36.711 --> 00:00:40.069
[Narrador] Estos volúmenes
son turbios para el principiante, Kamal,

00:00:40.219 --> 00:00:42.205
pero pueden ser descifrados con estudio.

00:00:42.467 --> 00:00:44.901
Leámoslos juntos.

00:00:46.229 --> 00:00:49.279
♪ (música) ♪

00:00:52.657 --> 00:00:55.317
[Narrador] Sumerjámonos
en el estudio de West Point,

00:00:55.317 --> 00:00:58.278
publicado
en el "Economics of Education Review".

00:00:58.658 --> 00:01:01.688
Este artículo trata sobre
una evaluación aleatoria

00:01:01.688 --> 00:01:05.859
del uso de electrónicos por parte
de los estudiantes de Economía 101.

00:01:06.485 --> 00:01:09.192
Primero, haremos una revisión rápida
del diseño de la investigación

00:01:09.423 --> 00:01:10.523
Bueno.

00:01:11.553 --> 00:01:14.010
[Josh] Los maestros de métricas
que enseñan en West Point,

00:01:14.010 --> 00:01:17.029
la academia militar que entrena
a los oficiales de la armada de EUA,

00:01:17.029 --> 00:01:19.854
diseñaron una prueba aleatoria
para responder esta pregunta.

00:01:20.582 --> 00:01:24.613
Estos maestros asignaron aleatoriamente
a los cadetes en las clases de Economía

00:01:24.613 --> 00:01:26.574
que funcionan bajo distintas reglas.

00:01:27.116 --> 00:01:29.352
A diferencia de la mayoría
de las universidades de EUA,

00:01:29.352 --> 00:01:31.945
en West Point no se usan los electrónicos.

00:01:32.482 --> 00:01:35.784
Para propósitos de este experimento,
algunos estudiantes permanecieron

00:01:35.784 --> 00:01:38.679
en las clases tradicionales
sin tecnología,

00:01:38.853 --> 00:01:41.911
sin laptops ni tabletas
y ¡tampoco teléfonos!

00:01:41.911 --> 00:01:43.324
[ecos de voz]

00:01:43.324 --> 00:01:45.743
Este es el grupo de control,
o el punto de referencia.

00:01:46.372 --> 00:01:48.872
Al otro grupo se le permitió
el uso de electrónicos.

00:01:49.292 --> 00:01:52.704
Este es el grupo de tratamiento
sujeto al ambiente modificado.

00:01:53.313 --> 00:01:56.000
El tratamiento, en este caso,
es el uso libre

00:01:56.000 --> 00:01:58.107
de laptops o tabletas en la clase.

00:01:59.195 --> 00:02:01.552
Cada pregunta causal
tiene un resultado claro.

00:02:01.972 --> 00:02:05.379
Las variables que esperamos influenciar
se definen antes de empezar el estudio.

00:02:06.058 --> 00:02:08.602
Los resultados en el estudio
de los electrónicos de West Point

00:02:08.602 --> 00:02:10.535
son las notas del examen final.

00:02:10.535 --> 00:02:13.340
El estudio busca responder
la siguiente pregunta:

00:02:13.810 --> 00:02:17.383
¿Cuál es el efecto causal
de los electrónicos sobre el aprendizaje

00:02:17.629 --> 00:02:20.245
en clase, medido a través
de las calificaciones de los exámenes?

00:02:20.852 --> 00:02:24.199
[Narrador] Los artículos de revistas
de economía por lo general comienzan

00:02:24.199 --> 00:02:25.994
con una tabla de estadística descriptiva

00:02:25.994 --> 00:02:28.694
que proporciona hechos clave
acerca de la muestra en estudio.

00:02:28.694 --> 00:02:31.859
[Kamal] ¡Por Dios, ya recuerdo
esta tabla, es muy confusa!

00:02:32.059 --> 00:02:36.748
[Narrador] En las columnas 1 a 3 están
las características medias, o promedio.

00:02:37.224 --> 00:02:39.439
Estos nos dan una idea
de a quién estamos estudiando.

00:02:40.089 --> 00:02:43.736
Comencemos con la columna 1,
la cual describe las covariables

00:02:43.736 --> 00:02:45.438
en el grupo de control.

00:02:45.438 --> 00:02:49.183
Las covariables son las características
de los grupos de control y tratamiento,

00:02:49.183 --> 00:02:51.566
medidos antes
de que comience el experimento.

00:02:52.126 --> 00:02:57.164
Por ejemplo, vemos que el grupo de control
tiene una edad promedio de más de 20.

00:02:57.514 --> 00:03:00.161
Muchas de estas covariables
son variables ficticias.

00:03:00.997 --> 00:03:05.789
Una variable ficticia solo puede tener
dos valores: cero o uno.

00:03:06.087 --> 00:03:09.997
Por ejemplo, el género se registra
como una variable ficticia

00:03:10.298 --> 00:03:13.106
que para mujer es igual a uno
y para hombre es igual a cero.

00:03:13.386 --> 00:03:16.704
La media de esta variable es
la proporción de mujeres.

00:03:17.104 --> 00:03:20.651
También vemos que en el grupo
de control el 13 % son hispanos

00:03:20.651 --> 00:03:23.745
y el 19 % ya hizo el servicio militar.

00:03:25.035 --> 00:03:26.635
Las notas de la tabla son clave.

00:03:26.635 --> 00:03:29.218
Consulten estas notas a medida
que examinan la tabla.

00:03:29.218 --> 00:03:33.474
Estas notas explican
lo que muestra cada columna y panel.

00:03:33.609 --> 00:03:35.759
♪ (música) ♪

00:03:35.759 --> 00:03:37.237
PANEL A

00:03:37.418 --> 00:03:39.463
PANEL B

00:03:39.485 --> 00:03:41.688
Las notas, por ejemplo, nos dicen

00:03:41.858 --> 00:03:44.868
que las desviaciones estándar
están entre paréntesis.

00:03:45.947 --> 00:03:49.598
Las desviaciones estándar nos dicen
qué tan dispersos están los datos.

00:03:50.448 --> 00:03:55.111
Por ejemplo, una desviación estándar
de 0,52 nos dice que la mayor parte

00:03:55.111 --> 00:03:58.915
de los GPA del grupo
de control cae entre 2,35,

00:03:59.397 --> 00:04:03.454
que está a 0,52 por debajo
de la media del GPA de 2,87,

00:04:03.454 --> 00:04:08.378
y 3,39, que está a 0,52
por encima de 2,87.

00:04:09.337 --> 00:04:12.122
Una desviación estándar menor
significaría que los GPA

00:04:12.122 --> 00:04:14.427
están más agrupados cerca de la media.

00:04:14.706 --> 00:04:17.433
[Kamal] Sí, pero estas faltan
para la mayor parte de las variables.

00:04:17.433 --> 00:04:20.432
[Narrador] Es cierto, los maestros omiten

00:04:20.432 --> 00:04:22.497
las desviaciones estándar
de las variables ficticias

00:04:22.497 --> 00:04:26.500
porque sus medias determinan
sus desviaciones estándar.

00:04:27.542 --> 00:04:30.102
En este estudio se comparan
dos grupos de tratamiento

00:04:30.102 --> 00:04:32.078
con el grupo de control.

00:04:32.078 --> 00:04:35.886
Al primero se le permitió
el uso de laptops y tabletas.

00:04:35.886 --> 00:04:38.252
Con el segundo grupo de tratamiento
su uso fue más limitado,

00:04:38.252 --> 00:04:41.713
permitiendo que las tabletas
solo estuvieran sobre el pupitre.

00:04:42.152 --> 00:04:44.959
Los grupos de tratamiento
son muy parecidos al grupo de control.

00:04:46.694 --> 00:04:49.418
Esto nos lleva
a los siguientes atributos de esta tabla.

00:04:49.913 --> 00:04:54.558
Las columnas 4 a 6 usan tests estadísticos
para comparar las características

00:04:54.558 --> 00:04:57.591
del grupo de tratamiento con el de control
antes del experimento.

00:04:58.158 --> 00:05:01.710
En la columna 4, los dos grupos
de tratamiento están combinados.

00:05:01.991 --> 00:05:04.998
Pueden ver que la diferencia
en la proporción de mujeres

00:05:04.998 --> 00:05:09.690
entre el grupo de tratamiento
y el de control es solo de 0,03.

00:05:10.508 --> 00:05:13.740
La diferencia
no es estadísticamente significativa,

00:05:14.290 --> 00:05:17.440
este es el tipo de diferencia
que podemos considerar

00:05:17.440 --> 00:05:20.623
como resultado del azar en el proceso
de selección de la muestra.

00:05:20.623 --> 00:05:22.133
[Kamal] ¡Mmm!, ¿Cómo sabemos eso?

00:05:22.133 --> 00:05:23.790
[Narrador] ¿Recuerdan la regla general?

00:05:23.790 --> 00:05:27.122
Las estimaciones estadísticas
que exceden el error estándar

00:05:27.122 --> 00:05:30.108
en múltiplos de 2
en valores absolutos se dice

00:05:30.108 --> 00:05:33.997
que son estadísticamente significativas.

00:05:35.132 --> 00:05:38.766
El error estándar es de 0,03

00:05:38.766 --> 00:05:41.483
igual que en la diferencia
de la proporción de mujeres.

00:05:42.244 --> 00:05:46.132
La proporción de la última
a la anterior es solamente 1,

00:05:46.132 --> 00:05:48.607
la cual, por supuesto, es menor que 2.

00:05:48.607 --> 00:05:51.191
[Kamal] ¡Ajá! Ninguna de las diferencias
del grupo de tratamiento

00:05:51.191 --> 00:05:54.455
y control son mayores
al doble de sus errores estándar.

00:05:54.455 --> 00:05:55.997
[Narrador] Correcto.

00:05:55.997 --> 00:05:59.081
La división al azar de los estudiantes
parece haber tenido éxito

00:05:59.081 --> 00:06:01.945
en la creación de grupos
que son realmente comparables.

00:06:02.846 --> 00:06:05.008
Podemos confiar, por tanto,

00:06:05.008 --> 00:06:07.774
que cualquier diferencia posterior
a los logros de la clase

00:06:07.774 --> 00:06:10.740
es resultado
de la intervención experimental

00:06:11.073 --> 00:06:14.391
más que de un reflejo
de diferencias preexistentes.

00:06:14.754 --> 00:06:16.879
¡Ceteris paribus alcanzado!

00:06:17.334 --> 00:06:20.576
[Kamal] Buenísimo.
Pero ¿qué hay en la parte de abajo,

00:06:20.934 --> 00:06:22.404
los números con asteriscos?

00:06:22.833 --> 00:06:25.337
Esas diferencias son
mucho más del doble que el error estándar.

00:06:25.589 --> 00:06:27.402
[Narrador] ¡Buena observación, Kamal!

00:06:27.402 --> 00:06:29.386
La tabla tiene muchos números.

00:06:29.386 --> 00:06:32.246
Los del panel B son importantes también.

00:06:32.246 --> 00:06:35.715
Esos miden el grado
en el que los estudiantes usan

00:06:35.715 --> 00:06:39.139
las computadoras en clase en el grupo
de tratamiento y en el de control.

00:06:39.754 --> 00:06:42.753
El tratamiento aquí fue permitir
el uso de la computadora.

00:06:43.278 --> 00:06:44.836
Los investigadores deben mostrar

00:06:44.836 --> 00:06:47.259
que a los estudiantes
que se les permitió usar computadoras

00:06:47.259 --> 00:06:49.448
sacaron ventaja
de esa circunstancia para hacerlo.

00:06:50.072 --> 00:06:53.033
Si no lo hicieron, entonces,
realmente no hay tratamiento.

00:06:53.867 --> 00:06:57.799
Afortunadamente, el 81 % de quienes
estaban en el grupo de primer tratamiento

00:06:57.799 --> 00:06:59.472
usaron las computadoras

00:06:59.472 --> 00:07:02.178
en comparación con los del grupo
de control que no lo hicieron.

00:07:02.178 --> 00:07:05.216
Y muchos del segundo grupo
de tratamiento con tabletas

00:07:05.216 --> 00:07:07.264
también usaron computadoras.

00:07:07.264 --> 00:07:09.879
Estas diferencias en el uso
de la computadora son grandes

00:07:09.879 --> 00:07:11.798
y estadísticamente significativas.

00:07:12.081 --> 00:07:15.428
También pudimos ver el tamaño
de la muestra en cada grupo.

00:07:15.428 --> 00:07:18.098
[Kamal ¿Los asteriscos son
como decoraciones?

00:07:18.098 --> 00:07:21.183
[Narrador] En algunos artículos académicos
se usan los asteriscos para indicar

00:07:21.183 --> 00:07:23.649
que las diferencias
son estadísticamente significativas.

00:07:24.159 --> 00:07:26.265
Esto los hace saltar a la vista.

00:07:26.925 --> 00:07:31.621
Tres asteriscos indican que el resultado
es estadísticamente distinto

00:07:31.621 --> 00:07:34.942
de cero con un valor-p menor que 1 %.

00:07:35.672 --> 00:07:39.767
En otras palabras, hay
una posibilidad menor que 1 en 100

00:07:39.767 --> 00:07:42.171
de que este resultado
sea puramente un hallazgo por azar.

00:07:42.171 --> 00:07:43.181
[aplausos]

00:07:43.181 --> 00:07:45.757
Dos asteriscos son 1 posibilidad en 20,

00:07:45.757 --> 00:07:48.555
o de un 5 %, de un hallazgo por azar.

00:07:48.997 --> 00:07:52.350
Un asterisco denota resultados
que pudiéramos ver tanto

00:07:52.350 --> 00:07:56.036
como el 10 % de las veces
debido solamente al azar.

00:07:56.473 --> 00:07:59.957
Hoy en día, los asteriscos son vistos
como un poquito anticuados

00:07:59.957 --> 00:08:01.606
y algunas revistas los omiten.

00:08:01.606 --> 00:08:03.894
[Kamal] ¿Y qué pasa
con los de las dos últimas columnas?

00:08:03.894 --> 00:08:06.708
[Narrador] A diferencia de la columna 4
que combina ambos grupos

00:08:06.708 --> 00:08:09.689
de tratamiento en uno,
estas dos últimas columnas

00:08:09.689 --> 00:08:12.357
muestran separadamente las diferencias
en el tratamiento/control

00:08:12.357 --> 00:08:14.572
en cada grupo de tratamiento,

00:08:14.572 --> 00:08:17.441
lo cual facilita un análisis
de balance más detallado.

00:08:18.295 --> 00:08:21.118
Pero, por ahora, pueden ignorar esta fila

00:08:21.288 --> 00:08:24.205
que muestra otro test de significancia.

00:08:24.755 --> 00:08:29.062
Ahora buscaremos la culminación
del artículo, la tabla 4.

00:08:30.075 --> 00:08:32.993
Esta tabla muestra
las estimaciones de la regresión

00:08:32.993 --> 00:08:36.853
de los efectos del uso de electrónicos
sobre la medida del aprendizaje.

00:08:37.273 --> 00:08:40.258
[Kamal] ¿Por qué el estudio muestra
las estimaciones de la regresión?

00:08:40.258 --> 00:08:41.979
Ve, por eso me pierdo.

00:08:42.529 --> 00:08:44.806
Pensé que la única razón
por la cual necesitamos

00:08:44.806 --> 00:08:47.340
los tratamientos aleatorios es
para obtener los efectos causales

00:08:47.340 --> 00:08:50.479
comparando simplemente los grupos
de tratamiento y de control

00:08:50.479 --> 00:08:53.883
y dado que estos grupos están balanceados,
no se necesita usar a la regresión.

00:08:53.883 --> 00:08:55.492
[Narrador] Bien dicho, Kamal.

00:08:55.492 --> 00:08:59.272
En la práctica se acostumbra a mostrar
las estimaciones de la regresión

00:08:59.272 --> 00:09:01.013
por dos razones:

00:09:01.013 --> 00:09:04.265
primero, evidencia
de balance, sin embargo,

00:09:04.448 --> 00:09:07.349
un exceso de cautela,
podría conducir al analista

00:09:07.349 --> 00:09:09.678
a permitir las diferencias por el azar.

00:09:09.678 --> 00:09:13.622
Segundo, es más probable
que las estimaciones de la regresión

00:09:13.622 --> 00:09:16.509
sean más precisas, es decir,
los errores estándar son menores

00:09:16.509 --> 00:09:19.213
que los de la simple comparación
entre tratamiento y control.

00:09:20.129 --> 00:09:22.526
La variable dependiente en este estudio

00:09:22.526 --> 00:09:24.305
es el resultado de interés.

00:09:24.652 --> 00:09:26.342
Debido a que la pregunta
que tenemos a mano

00:09:26.342 --> 00:09:28.711
es cómo afectan al aprendizaje
los electrónicos en clase,

00:09:29.068 --> 00:09:32.845
un buen resultado es
las notas del examen final de Economía.

00:09:33.406 --> 00:09:37.180
Cada columna muestra los resultados
de un modelo de regresión diferente.

00:09:37.650 --> 00:09:40.476
Los modelos se distinguen
a través de las variables de control,

00:09:40.476 --> 00:09:44.453
o covariables, e incluyen,
además, la condición de tratamiento.

00:09:44.934 --> 00:09:48.425
Las estimaciones sin covariables
son comparaciones simples

00:09:48.425 --> 00:09:50.677
entre los grupos
de control y de tratamiento.

00:09:50.677 --> 00:09:52.791
[Kamal] Yo pensé
que solo habían olvidado llenarlo.

00:09:53.169 --> 00:09:56.228
[Narrador] La columna 1 sugiere
que el uso de electrónicos

00:09:56.228 --> 00:10:00.835
reduce las notas del examen final
en 0,28 desviaciones estándar.

00:10:01.547 --> 00:10:02.940
En nuestra última lección,

00:10:02.940 --> 00:10:07.237
el Maestro Joshway explicó que se usan
las unidades de desviación estándar

00:10:07.237 --> 00:10:10.672
porque estas unidades
se comparan fácilmente

00:10:11.352 --> 00:10:13.773
a través de los estudios.
La columna 2 muestra los resultados

00:10:13.773 --> 00:10:16.082
de un modelo que añade
controles demográficos.

00:10:16.082 --> 00:10:18.045
Aquí se están comparando
las notas de los tests,

00:10:18.045 --> 00:10:21.435
pero manteniendo constantes
factores como la edad y el sexo.

00:10:21.886 --> 00:10:25.602
La columna 3 muestra los resultados
de un modelo que añade el GPA

00:10:25.602 --> 00:10:27.186
a una lista de covariables.

00:10:27.603 --> 00:10:30.822
En la columna 4 añades las notas del ACT.

00:10:30.822 --> 00:10:33.503
Los analistas en general reportan
los resultados de esta manera,

00:10:33.503 --> 00:10:36.992
empezando con los modelos
que incluyen pocas o ninguna covariables

00:10:36.992 --> 00:10:39.667
y, entonces, muestran
las estimaciones de los modelos

00:10:39.667 --> 00:10:43.586
que añaden más y más covariables a medida
que nos movemos por las columnas.

00:10:44.035 --> 00:10:46.802
Si examinan las columnas, ¿qué observan?

00:10:47.252 --> 00:10:50.220
[Kamal] Bien, el coeficiente sobre el uso
de una computadora siempre es

00:10:50.220 --> 00:10:51.635
un número muy negativo.

00:10:51.635 --> 00:10:53.002
[Narrador] ¡Correcto!

00:10:53.002 --> 00:10:56.455
También vemos que los errores estándar
son suficientemente pequeños

00:10:56.455 --> 00:11:00.561
para hacer a estos resultados negativos
estadísticamente significativos.

00:11:00.561 --> 00:11:04.126
En otras palabras, la primera conclusión
de este experimento

00:11:04.516 --> 00:11:08.381
es que los electrónicos en el salón
de clases reduce el aprendizaje.

00:11:09.000 --> 00:11:12.283
[Kamal] Las notas de GPA y ACT
también son significativas

00:11:12.283 --> 00:11:13.750
¿Por qué?

00:11:13.750 --> 00:11:15.423
[Narrador] ¡Buena observación!

00:11:15.423 --> 00:11:16.866
Eso no me sorprende.

00:11:16.866 --> 00:11:20.473
Se espera que estas variables
predigan el rendimiento universitario.

00:11:20.473 --> 00:11:22.190
[Kamal] Cierto, por supuesto.

00:11:22.190 --> 00:11:24.026
Es más probable que los estudiantes

00:11:24.026 --> 00:11:26.707
que tuvieron mejores notas antes
tengan mejores notas en este curso.

00:11:26.707 --> 00:11:30.226
[Narrador] También van a observar
mucha más información en esta tabla.

00:11:30.226 --> 00:11:34.045
Los paneles restantes de la tabla
muestran los efectos del uso

00:11:34.045 --> 00:11:36.933
de electrónicos
sobre los componentes del examen final

00:11:36.933 --> 00:11:39.816
tales como las preguntas
de selección múltiple.

00:11:39.816 --> 00:11:43.371
Estos resultados son muy consistentes
con los efectos del uso de computadoras

00:11:43.371 --> 00:11:45.360
sobre las notas en general.

00:11:45.360 --> 00:11:47.740
[Kamal] ¿Qué pasa con las filas
que no están en inglés?

00:11:47.740 --> 00:11:50.534
[Narrador] Estas filas dan
información estadística adicional.

00:11:50.994 --> 00:11:54.247
R cuadrado es una medida
de la bondad de ajuste

00:11:54.714 --> 00:11:56.009
y no es tan importante,

00:11:56.009 --> 00:11:58.370
aunque hay personas a quienes
les gustaría saber qué es.

00:11:58.660 --> 00:12:02.950
Otras filas muestran tests alternativos
de significancia estadística

00:12:02.950 --> 00:12:05.028
que, por ahora, pueden ignorar.

00:12:05.028 --> 00:12:07.934
[Kamal] ¡Por Dios, estas tablas
no son tan difíciles!

00:12:07.934 --> 00:12:09.488
Muchísimas gracias.

00:12:09.488 --> 00:12:11.787
[Narrador] Después veremos la regresión.

00:12:11.787 --> 00:12:13.179
¡Hasta entonces!

00:12:15.974 --> 00:12:17.263
♪ (música) ♪

00:12:17.263 --> 00:12:20.575
Estás a punto de dominar la econometría.

00:12:20.834 --> 00:12:22.783
Asegúrate de aprender de este video,

00:12:22.783 --> 00:12:25.051
respondiendo a los ejercicios.

00:12:25.467 --> 00:12:28.525
O, si estás listo, haz clic
en el siguiente video.

00:12:29.003 --> 00:12:32.901
También puedes revisar el sitio web de MRU
para ver más cursos, recursos

00:12:32.901 --> 00:12:35.298
para enseñanza y más.

00:12:36.225 --> 00:12:39.121
♪ (música) ♪