0:00:01.425,0:00:05.015
[Narrador] En su búsqueda[br]para dominar la econometría,

0:00:05.619,0:00:08.621
Saltamontes Kamal ha progresado mucho,

0:00:08.813,0:00:13.472
poniendo a prueba sus capacidades[br]y burlando a sus enemigos.

0:00:14.223,0:00:16.640
¡Ay!, hoy está abatido

0:00:16.640,0:00:19.330
porque todavía le queda[br]por vencer un desafío.

0:00:19.614,0:00:24.230
Kamal todavía no puede descifrar[br]las escrituras de investigación académica,

0:00:24.230,0:00:27.347
revistas como:[br]"The American Economic Review"

0:00:27.347,0:00:29.317
y "Econometrica".

0:00:29.317,0:00:33.501
A él le parece que están escritas[br]en un oscuro idioma extranjero.

0:00:33.501,0:00:35.478
[Kamal] ¡Uf!, ¿qué diab...?

0:00:36.711,0:00:40.069
[Narrador] Estos volúmenes[br]son turbios para el principiante, Kamal,

0:00:40.219,0:00:42.205
pero pueden ser descifrados con estudio.

0:00:42.467,0:00:44.901
Leámoslos juntos.

0:00:46.229,0:00:49.279
♪ (música) ♪

0:00:52.657,0:00:55.317
[Narrador] Sumerjámonos[br]en el estudio de West Point,

0:00:55.317,0:00:58.278
publicado[br]en el "Economics of Education Review".

0:00:58.658,0:01:01.688
Este artículo trata sobre[br]una evaluación aleatoria

0:01:01.688,0:01:05.859
del uso de electrónicos por parte[br]de los estudiantes de Economía 101.

0:01:06.485,0:01:09.192
Primero, haremos una revisión rápida[br]del diseño de la investigación

0:01:09.423,0:01:10.523
Bueno.

0:01:11.553,0:01:14.010
[Josh] Los maestros de métricas[br]que enseñan en West Point,

0:01:14.010,0:01:17.029
la academia militar que entrena[br]a los oficiales de la armada de EUA,

0:01:17.029,0:01:19.854
diseñaron una prueba aleatoria[br]para responder esta pregunta.

0:01:20.582,0:01:24.613
Estos maestros asignaron aleatoriamente[br]a los cadetes en las clases de Economía

0:01:24.613,0:01:26.574
que funcionan bajo distintas reglas.

0:01:27.116,0:01:29.352
A diferencia de la mayoría[br]de las universidades de EUA,

0:01:29.352,0:01:31.945
en West Point no se usan los electrónicos.

0:01:32.482,0:01:35.784
Para propósitos de este experimento,[br]algunos estudiantes permanecieron

0:01:35.784,0:01:38.679
en las clases tradicionales[br]sin tecnología,

0:01:38.853,0:01:41.911
sin laptops ni tabletas[br]y ¡tampoco teléfonos!

0:01:41.911,0:01:43.324
[ecos de voz]

0:01:43.324,0:01:45.743
Este es el grupo de control,[br]o el punto de referencia.

0:01:46.372,0:01:48.872
Al otro grupo se le permitió[br]el uso de electrónicos.

0:01:49.292,0:01:52.704
Este es el grupo de tratamiento[br]sujeto al ambiente modificado.

0:01:53.313,0:01:56.000
El tratamiento, en este caso,[br]es el uso libre

0:01:56.000,0:01:58.107
de laptops o tabletas en la clase.

0:01:59.195,0:02:01.552
Cada pregunta causal[br]tiene un resultado claro.

0:02:01.972,0:02:05.379
Las variables que esperamos influenciar[br]se definen antes de empezar el estudio.

0:02:06.058,0:02:08.602
Los resultados en el estudio[br]de los electrónicos de West Point

0:02:08.602,0:02:10.535
son las notas del examen final.

0:02:10.535,0:02:13.340
El estudio busca responder[br]la siguiente pregunta:

0:02:13.810,0:02:17.383
¿Cuál es el efecto causal[br]de los electrónicos sobre el aprendizaje

0:02:17.629,0:02:20.245
en clase, medido a través[br]de las calificaciones de los exámenes?

0:02:20.852,0:02:24.199
[Narrador] Los artículos de revistas[br]de economía por lo general comienzan

0:02:24.199,0:02:25.994
con una tabla de estadística descriptiva

0:02:25.994,0:02:28.694
que proporciona hechos clave[br]acerca de la muestra en estudio.

0:02:28.694,0:02:31.859
[Kamal] ¡Por Dios, ya recuerdo[br]esta tabla, es muy confusa!

0:02:32.059,0:02:36.748
[Narrador] En las columnas 1 a 3 están[br]las características medias, o promedio.

0:02:37.224,0:02:39.439
Estos nos dan una idea[br]de a quién estamos estudiando.

0:02:40.089,0:02:43.736
Comencemos con la columna 1,[br]la cual describe las covariables

0:02:43.736,0:02:45.438
en el grupo de control.

0:02:45.438,0:02:49.183
Las covariables son las características[br]de los grupos de control y tratamiento,

0:02:49.183,0:02:51.566
medidos antes[br]de que comience el experimento.

0:02:52.126,0:02:57.164
Por ejemplo, vemos que el grupo de control[br]tiene una edad promedio de más de 20.

0:02:57.514,0:03:00.161
Muchas de estas covariables[br]son variables ficticias.

0:03:00.997,0:03:05.789
Una variable ficticia solo puede tener[br]dos valores: cero o uno.

0:03:06.087,0:03:09.997
Por ejemplo, el género se registra[br]como una variable ficticia

0:03:10.298,0:03:13.106
que para mujer es igual a uno[br]y para hombre es igual a cero.

0:03:13.386,0:03:16.704
La media de esta variable es[br]la proporción de mujeres.

0:03:17.104,0:03:20.651
También vemos que en el grupo[br]de control el 13 % son hispanos

0:03:20.651,0:03:23.745
y el 19 % ya hizo el servicio militar.

0:03:25.035,0:03:26.635
Las notas de la tabla son clave.

0:03:26.635,0:03:29.218
Consulten estas notas a medida[br]que examinan la tabla.

0:03:29.218,0:03:33.474
Estas notas explican[br]lo que muestra cada columna y panel.

0:03:33.609,0:03:35.759
♪ (música) ♪

0:03:35.759,0:03:37.237
PANEL A

0:03:37.418,0:03:39.463
PANEL B

0:03:39.485,0:03:41.688
Las notas, por ejemplo, nos dicen

0:03:41.858,0:03:44.868
que las desviaciones estándar[br]están entre paréntesis.

0:03:45.947,0:03:49.598
Las desviaciones estándar nos dicen[br]qué tan dispersos están los datos.

0:03:50.448,0:03:55.111
Por ejemplo, una desviación estándar[br]de 0,52 nos dice que la mayor parte

0:03:55.111,0:03:58.915
de los GPA del grupo[br]de control cae entre 2,35,

0:03:59.397,0:04:03.454
que está a 0,52 por debajo[br]de la media del GPA de 2,87,

0:04:03.454,0:04:08.378
y 3,39, que está a 0,52[br]por encima de 2,87.

0:04:09.337,0:04:12.122
Una desviación estándar menor[br]significaría que los GPA

0:04:12.122,0:04:14.427
están más agrupados cerca de la media.

0:04:14.706,0:04:17.433
[Kamal] Sí, pero estas faltan[br]para la mayor parte de las variables.

0:04:17.433,0:04:20.432
[Narrador] Es cierto, los maestros omiten

0:04:20.432,0:04:22.497
las desviaciones estándar[br]de las variables ficticias

0:04:22.497,0:04:26.500
porque sus medias determinan[br]sus desviaciones estándar.

0:04:27.542,0:04:30.102
En este estudio se comparan[br]dos grupos de tratamiento

0:04:30.102,0:04:32.078
con el grupo de control.

0:04:32.078,0:04:35.886
Al primero se le permitió[br]el uso de laptops y tabletas.

0:04:35.886,0:04:38.252
Con el segundo grupo de tratamiento[br]su uso fue más limitado,

0:04:38.252,0:04:41.713
permitiendo que las tabletas[br]solo estuvieran sobre el pupitre.

0:04:42.152,0:04:44.959
Los grupos de tratamiento[br]son muy parecidos al grupo de control.

0:04:46.694,0:04:49.418
Esto nos lleva[br]a los siguientes atributos de esta tabla.

0:04:49.913,0:04:54.558
Las columnas 4 a 6 usan tests estadísticos[br]para comparar las características

0:04:54.558,0:04:57.591
del grupo de tratamiento con el de control[br]antes del experimento.

0:04:58.158,0:05:01.710
En la columna 4, los dos grupos[br]de tratamiento están combinados.

0:05:01.991,0:05:04.998
Pueden ver que la diferencia[br]en la proporción de mujeres

0:05:04.998,0:05:09.690
entre el grupo de tratamiento[br]y el de control es solo de 0,03.

0:05:10.508,0:05:13.740
La diferencia[br]no es estadísticamente significativa,

0:05:14.290,0:05:17.440
este es el tipo de diferencia[br]que podemos considerar

0:05:17.440,0:05:20.623
como resultado del azar en el proceso[br]de selección de la muestra.

0:05:20.623,0:05:22.133
[Kamal] ¡Mmm!, ¿Cómo sabemos eso?

0:05:22.133,0:05:23.790
[Narrador] ¿Recuerdan la regla general?

0:05:23.790,0:05:27.122
Las estimaciones estadísticas[br]que exceden el error estándar

0:05:27.122,0:05:30.108
en múltiplos de 2[br]en valores absolutos se dice

0:05:30.108,0:05:33.997
que son estadísticamente significativas.

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

0:05:38.766,0:05:41.483
igual que en la diferencia[br]de la proporción de mujeres.

0:05:42.244,0:05:46.132
La proporción de la última[br]a la anterior es solamente 1,

0:05:46.132,0:05:48.607
la cual, por supuesto, es menor que 2.

0:05:48.607,0:05:51.191
[Kamal] ¡Ajá! Ninguna de las diferencias[br]del grupo de tratamiento

0:05:51.191,0:05:54.455
y control son mayores[br]al doble de sus errores estándar.

0:05:54.455,0:05:55.997
[Narrador] Correcto.

0:05:55.997,0:05:59.081
La división al azar de los estudiantes[br]parece haber tenido éxito

0:05:59.081,0:06:01.945
en la creación de grupos[br]que son realmente comparables.

0:06:02.846,0:06:05.008
Podemos confiar, por tanto,

0:06:05.008,0:06:07.774
que cualquier diferencia posterior[br]a los logros de la clase

0:06:07.774,0:06:10.740
es resultado[br]de la intervención experimental

0:06:11.073,0:06:14.391
más que de un reflejo[br]de diferencias preexistentes.

0:06:14.754,0:06:16.879
¡Ceteris paribus alcanzado!

0:06:17.334,0:06:20.576
[Kamal] Buenísimo.[br]Pero ¿qué hay en la parte de abajo,

0:06:20.934,0:06:22.404
los números con asteriscos?

0:06:22.833,0:06:25.337
Esas diferencias son[br]mucho más del doble que el error estándar.

0:06:25.589,0:06:27.402
[Narrador] ¡Buena observación, Kamal!

0:06:27.402,0:06:29.386
La tabla tiene muchos números.

0:06:29.386,0:06:32.246
Los del panel B son importantes también.

0:06:32.246,0:06:35.715
Esos miden el grado[br]en el que los estudiantes usan

0:06:35.715,0:06:39.139
las computadoras en clase en el grupo[br]de tratamiento y en el de control.

0:06:39.754,0:06:42.753
El tratamiento aquí fue permitir[br]el uso de la computadora.

0:06:43.278,0:06:44.836
Los investigadores deben mostrar

0:06:44.836,0:06:47.259
que a los estudiantes[br]que se les permitió usar computadoras

0:06:47.259,0:06:49.448
sacaron ventaja[br]de esa circunstancia para hacerlo.

0:06:50.072,0:06:53.033
Si no lo hicieron, entonces,[br]realmente no hay tratamiento.

0:06:53.867,0:06:57.799
Afortunadamente, el 81 % de quienes[br]estaban en el grupo de primer tratamiento

0:06:57.799,0:06:59.472
usaron las computadoras

0:06:59.472,0:07:02.178
en comparación con los del grupo[br]de control que no lo hicieron.

0:07:02.178,0:07:05.216
Y muchos del segundo grupo[br]de tratamiento con tabletas

0:07:05.216,0:07:07.264
también usaron computadoras.

0:07:07.264,0:07:09.879
Estas diferencias en el uso[br]de la computadora son grandes

0:07:09.879,0:07:11.798
y estadísticamente significativas.

0:07:12.081,0:07:15.428
También pudimos ver el tamaño[br]de la muestra en cada grupo.

0:07:15.428,0:07:18.098
[Kamal ¿Los asteriscos son[br]como decoraciones?

0:07:18.098,0:07:21.183
[Narrador] En algunos artículos académicos[br]se usan los asteriscos para indicar

0:07:21.183,0:07:23.649
que las diferencias[br]son estadísticamente significativas.

0:07:24.159,0:07:26.265
Esto los hace saltar a la vista.

0:07:26.925,0:07:31.621
Tres asteriscos indican que el resultado[br]es estadísticamente distinto

0:07:31.621,0:07:34.942
de cero con un valor-p menor que 1 %.

0:07:35.672,0:07:39.767
En otras palabras, hay[br]una posibilidad menor que 1 en 100

0:07:39.767,0:07:42.171
de que este resultado[br]sea puramente un hallazgo por azar.

0:07:42.171,0:07:43.181
[aplausos]

0:07:43.181,0:07:45.757
Dos asteriscos son 1 posibilidad en 20,

0:07:45.757,0:07:48.555
o de un 5 %, de un hallazgo por azar.

0:07:48.997,0:07:52.350
Un asterisco denota resultados[br]que pudiéramos ver tanto

0:07:52.350,0:07:56.036
como el 10 % de las veces[br]debido solamente al azar.

0:07:56.473,0:07:59.957
Hoy en día, los asteriscos son vistos[br]como un poquito anticuados

0:07:59.957,0:08:01.606
y algunas revistas los omiten.

0:08:01.606,0:08:03.894
[Kamal] ¿Y qué pasa[br]con los de las dos últimas columnas?

0:08:03.894,0:08:06.708
[Narrador] A diferencia de la columna 4[br]que combina ambos grupos

0:08:06.708,0:08:09.689
de tratamiento en uno,[br]estas dos últimas columnas

0:08:09.689,0:08:12.357
muestran separadamente las diferencias[br]en el tratamiento/control

0:08:12.357,0:08:14.572
en cada grupo de tratamiento,

0:08:14.572,0:08:17.441
lo cual facilita un análisis[br]de balance más detallado.

0:08:18.295,0:08:21.118
Pero, por ahora, pueden ignorar esta fila

0:08:21.288,0:08:24.205
que muestra otro test de significancia.

0:08:24.755,0:08:29.062
Ahora buscaremos la culminación[br]del artículo, la tabla 4.

0:08:30.075,0:08:32.993
Esta tabla muestra[br]las estimaciones de la regresión

0:08:32.993,0:08:36.853
de los efectos del uso de electrónicos[br]sobre la medida del aprendizaje.

0:08:37.273,0:08:40.258
[Kamal] ¿Por qué el estudio muestra[br]las estimaciones de la regresión?

0:08:40.258,0:08:41.979
Ve, por eso me pierdo.

0:08:42.529,0:08:44.806
Pensé que la única razón[br]por la cual necesitamos

0:08:44.806,0:08:47.340
los tratamientos aleatorios es[br]para obtener los efectos causales

0:08:47.340,0:08:50.479
comparando simplemente los grupos[br]de tratamiento y de control

0:08:50.479,0:08:53.883
y dado que estos grupos están balanceados,[br]no se necesita usar a la regresión.

0:08:53.883,0:08:55.492
[Narrador] Bien dicho, Kamal.

0:08:55.492,0:08:59.272
En la práctica se acostumbra a mostrar[br]las estimaciones de la regresión

0:08:59.272,0:09:01.013
por dos razones:

0:09:01.013,0:09:04.265
primero, evidencia[br]de balance, sin embargo,

0:09:04.448,0:09:07.349
un exceso de cautela,[br]podría conducir al analista

0:09:07.349,0:09:09.678
a permitir las diferencias por el azar.

0:09:09.678,0:09:13.622
Segundo, es más probable[br]que las estimaciones de la regresión

0:09:13.622,0:09:16.509
sean más precisas, es decir,[br]los errores estándar son menores

0:09:16.509,0:09:19.213
que los de la simple comparación[br]entre tratamiento y control.

0:09:20.129,0:09:22.526
La variable dependiente en este estudio

0:09:22.526,0:09:24.305
es el resultado de interés.

0:09:24.652,0:09:26.342
Debido a que la pregunta[br]que tenemos a mano

0:09:26.342,0:09:28.711
es cómo afectan al aprendizaje[br]los electrónicos en clase,

0:09:29.068,0:09:32.845
un buen resultado es[br]las notas del examen final de Economía.

0:09:33.406,0:09:37.180
Cada columna muestra los resultados[br]de un modelo de regresión diferente.

0:09:37.650,0:09:40.476
Los modelos se distinguen[br]a través de las variables de control,

0:09:40.476,0:09:44.453
o covariables, e incluyen,[br]además, la condición de tratamiento.

0:09:44.934,0:09:48.425
Las estimaciones sin covariables[br]son comparaciones simples

0:09:48.425,0:09:50.677
entre los grupos[br]de control y de tratamiento.

0:09:50.677,0:09:52.791
[Kamal] Yo pensé[br]que solo habían olvidado llenarlo.

0:09:53.169,0:09:56.228
[Narrador] La columna 1 sugiere[br]que el uso de electrónicos

0:09:56.228,0:10:00.835
reduce las notas del examen final[br]en 0,28 desviaciones estándar.

0:10:01.547,0:10:02.940
En nuestra última lección,

0:10:02.940,0:10:07.237
el Maestro Joshway explicó que se usan[br]las unidades de desviación estándar

0:10:07.237,0:10:10.672
porque estas unidades[br]se comparan fácilmente

0:10:11.352,0:10:13.773
a través de los estudios.[br]La columna 2 muestra los resultados

0:10:13.773,0:10:16.082
de un modelo que añade[br]controles demográficos.

0:10:16.082,0:10:18.045
Aquí se están comparando[br]las notas de los tests,

0:10:18.045,0:10:21.435
pero manteniendo constantes[br]factores como la edad y el sexo.

0:10:21.886,0:10:25.602
La columna 3 muestra los resultados[br]de un modelo que añade el GPA

0:10:25.602,0:10:27.186
a una lista de covariables.

0:10:27.603,0:10:30.822
En la columna 4 añades las notas del ACT.

0:10:30.822,0:10:33.503
Los analistas en general reportan[br]los resultados de esta manera,

0:10:33.503,0:10:36.992
empezando con los modelos[br]que incluyen pocas o ninguna covariables

0:10:36.992,0:10:39.667
y, entonces, muestran[br]las estimaciones de los modelos

0:10:39.667,0:10:43.586
que añaden más y más covariables a medida[br]que nos movemos por las columnas.

0:10:44.035,0:10:46.802
Si examinan las columnas, ¿qué observan?

0:10:47.252,0:10:50.220
[Kamal] Bien, el coeficiente sobre el uso[br]de una computadora siempre es

0:10:50.220,0:10:51.635
un número muy negativo.

0:10:51.635,0:10:53.002
[Narrador] ¡Correcto!

0:10:53.002,0:10:56.455
También vemos que los errores estándar[br]son suficientemente pequeños

0:10:56.455,0:11:00.561
para hacer a estos resultados negativos[br]estadísticamente significativos.

0:11:00.561,0:11:04.126
En otras palabras, la primera conclusión[br]de este experimento

0:11:04.516,0:11:08.381
es que los electrónicos en el salón[br]de clases reduce el aprendizaje.

0:11:09.000,0:11:12.283
[Kamal] Las notas de GPA y ACT[br]también son significativas

0:11:12.283,0:11:13.750
¿Por qué?

0:11:13.750,0:11:15.423
[Narrador] ¡Buena observación!

0:11:15.423,0:11:16.866
Eso no me sorprende.

0:11:16.866,0:11:20.473
Se espera que estas variables[br]predigan el rendimiento universitario.

0:11:20.473,0:11:22.190
[Kamal] Cierto, por supuesto.

0:11:22.190,0:11:24.026
Es más probable que los estudiantes

0:11:24.026,0:11:26.707
que tuvieron mejores notas antes[br]tengan mejores notas en este curso.

0:11:26.707,0:11:30.226
[Narrador] También van a observar[br]mucha más información en esta tabla.

0:11:30.226,0:11:34.045
Los paneles restantes de la tabla[br]muestran los efectos del uso

0:11:34.045,0:11:36.933
de electrónicos[br]sobre los componentes del examen final

0:11:36.933,0:11:39.816
tales como las preguntas[br]de selección múltiple.

0:11:39.816,0:11:43.371
Estos resultados son muy consistentes[br]con los efectos del uso de computadoras

0:11:43.371,0:11:45.360
sobre las notas en general.

0:11:45.360,0:11:47.740
[Kamal] ¿Qué pasa con las filas[br]que no están en inglés?

0:11:47.740,0:11:50.534
[Narrador] Estas filas dan[br]información estadística adicional.

0:11:50.994,0:11:54.247
R cuadrado es una medida[br]de la bondad de ajuste

0:11:54.714,0:11:56.009
y no es tan importante,

0:11:56.009,0:11:58.370
aunque hay personas a quienes[br]les gustaría saber qué es.

0:11:58.660,0:12:02.950
Otras filas muestran tests alternativos[br]de significancia estadística

0:12:02.950,0:12:05.028
que, por ahora, pueden ignorar.

0:12:05.028,0:12:07.934
[Kamal] ¡Por Dios, estas tablas[br]no son tan difíciles!

0:12:07.934,0:12:09.488
Muchísimas gracias.

0:12:09.488,0:12:11.787
[Narrador] Después veremos la regresión.

0:12:11.787,0:12:13.179
¡Hasta entonces!

0:12:15.974,0:12:17.263
♪ (música) ♪

0:12:17.263,0:12:20.575
Estás a punto de dominar la econometría.

0:12:20.834,0:12:22.783
Asegúrate de aprender de este video,

0:12:22.783,0:12:25.051
respondiendo a los ejercicios.

0:12:25.467,0:12:28.525
O, si estás listo, haz clic[br]en el siguiente video.

0:12:29.003,0:12:32.901
También puedes revisar el sitio web de MRU[br]para ver más cursos, recursos

0:12:32.901,0:12:35.298
para enseñanza y más.

0:12:36.225,0:12:39.121
♪ (música) ♪