-
[Narrador] El camino de la causa
al efecto es oscuro y peligroso,
-
pero las armas
de la econometría son eficaces.
-
Observen la más poderosa de ellas:
la espada de la asignación aleatoria
-
que van al fundamento
de las preguntas de causa y efecto.
-
Empecemos con nuestra arma
más poderosa y más costosa:
-
las pruebas aleatorias.
-
[Estudiante] ¡Genial!
-
Cada misión de una métrica empieza
con la pregunta causal.
-
Las preguntas claras llevan
a respuestas claras.
-
Las respuestas más claras provienen
de pruebas aleatorias.
-
Veamos cómo y porqué
las pruebas aleatorias dan
-
respuestas especialmente convincentes
a preguntas causales.
-
[Josh] Como una espada bien afilada,
las pruebas aleatorias van
-
al corazón de un problema causal,
-
creando comparaciones convincentes
del tipo "manzanas con manzanas".
-
Pero, como con cualquier arma
meticulosamente hecha,
-
las pruebas aleatorias son caras
y no se pueden hacer rápidamente
-
Las pruebas aleatorias se originan
en la investigación clínica
-
donde se les llama
ensayos clínicos aleatorios o ECA.
-
La Administración
de Alimentos y Medicamentos de EUA
-
les solicita a los fabricantes
de medicamentos
-
que demuestren la seguridad
y eficacia de nuevos fármacos
-
o tratamientos médicos.
-
Esto se hace a través de una serie de ECA.
-
Por eso, es que las pruebas aleatorias
miden mejor los efectos del tratamiento.
-
Puede ser que ustedes
hayan contribuido con otro tipo
-
de prueba aleatoria:
-
las pruebas A/B
que usan las empresas de Silicon Valley
-
para comparar las estrategias de mercado.
-
Por ejemplo, Amazon aleatoriza resultados
de búsqueda en un flujo constante
-
de experimentos encubiertos.
-
- [Mujer] ¡Oh!
- [Hombre] Interesante.
-
Las pruebas aleatorias también son
importantes en la investigación educativa;
-
se han utilizado para responder
una pregunta causal como aquella
-
que despierta demasiado interés
en mi apasionada maestra:
-
¿Se debería aceptar el uso de laptops
y otros dispositivos electrónicos
-
en el salón de clases?
-
Muchos ven
a los electrónicos dentro del aula
-
como un apoyo para el aprendizaje,
pero para otros, como yo,
-
son una distracción dañina.
-
¿Quién tiene razón?
-
CAPITULO 01
-
PRUEBAS ALEATORIAS:
DISEÑO DE INVESTIGACIÓN
-
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 asignan aleatoriamente
a los cadetes a clases de economía
-
que funcionan bajo reglas distintas.
-
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!
-
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 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 en West Point
-
son las notas de los exámenes finales.
-
El estudio busca responder
a 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 estudiantes de economía
fueron asignados aleatoriamente
-
a uno de los dos grupos,
al de control o al de tratamiento.
-
La asignación aleatoria
crea comparaciones ceteris paribus,
-
permitiéndonos, así, obtener conclusiones
causales al comparar los grupos.
-
El poder revelador de la causalidad
en una prueba aleatoria proviene
-
de una propiedad estadística
llamada la ley de los grandes números.
-
Cuando los estadísticos
y matemáticos descubren
-
algo importante
que es cierto e irrefutable
-
sobre el mundo natural, lo llaman ley.
-
La ley de los grandes números dice
que cuando los grupos aleatorizados
-
son suficientemente grandes,
los estudiantes allí serán similares
-
en promedio, en todos los sentidos.
-
Esto significa que se espera que los
grupos de estudiantes divididos al azar
-
sean similares en cuanto
al entorno familiar,
-
la motivación y las habilidades.
-
Adiós al sesgo de selección,
al menos en teoría.
-
En la práctica, pudiera suceder
que los grupos aleatorios
-
no sean lo suficientemente grandes
-
como para que la ley
de los grandes números se cumpla
-
o que los investigadores hayan
fallado en las asignaciones aleatorias.
-
Como en cualquier tarea técnica,
incluso los más experimentados
-
están alertas de los errores posibles.
-
Por lo tanto, debemos comprobar
los errores de balance,
-
comparando las variables del entorno
de los estudiantes en los dos grupos
-
y asegurarnos
de que verdaderamente sean similares.
-
[Narrador] Aquí está la revisión
del balance de West Point.
-
Esta tabla tiene dos columnas:
-
una que muestra datos del grupo de control
-
y otra que muestra datos
del grupo de tratamiento.
-
Las filas muestran
algunas de las variables
-
que, esperamos, estén balanceadas:
-
sexo, edad, raza, puntos GPA, entre otros.
-
La primera fila indica qué porcentaje
-
de cada grupo es mujer.
-
En el grupo de control es de 17 %
y 20 % en el grupo de tratamiento.
-
Kamal, ¿cómo se ve el balance del GPA?
-
[Kamal] Los del grupo de control
tienen un GPA de 2,87,
-
mientras que los del otro tienen
un GPA de 2,82 aproximadamente,
-
muy similares.
-
[Narrador] Los dos grupos
son similares en general.
-
¿Qué tan grande debe ser la muestra
-
para que la ley de los grandes
números se cumpla?
-
[Narrador] El estudio de West Point
-
que involucró
a 250 estudiantes en cada grupo
-
es suficientemente grande.
-
No hay reglas estrictas en esto.
-
En otro video aprenderán
sobre cómo confirmar la hipótesis
-
del balance de grupo
con pruebas estadísticas formales.
-
[Hombre] ¡Qué emocionante!
-
CAPÍTULO 02
ANÁLISIS DE LOS DATOS
-
El meollo del asunto en esta mesa
-
es el efecto estimado del tratamiento.
-
Recuerde que el tratamiento
en este caso es el permiso
-
para usar dispositivos
electrónicos en clase.
-
Los efectos del tratamiento
comparan los promedios
-
entre los grupos de control
y de tratamiento.
-
El grupo que tiene permiso
de usar electrónicos en el aula
-
tuvo una calificación promedio
-
del examen final
de 0,28 desviaciones estándar
-
por debajo de las calificaciones
del grupo de control.
-
¿Qué tan grande es este efecto?
-
Los científicos sociales miden
-
las calificaciones
en desviaciones estándar
-
porque estas unidades son de fácil
comparación entre los estudios.
-
Sabemos por el historial
de investigaciones
-
sobre aprendizaje en el aula
que 0,28 es muchísimo.
-
Una disminución de 0,28 es como tomar
al estudiante de puntuación intermedia
-
y bajarlo al tercio inferior.
-
¿Qué tan seguros podemos estar
de que estos resultados
-
de verdad sean significativos?
-
Después de todo, estamos analizando
una división aleatorizada
-
entre el tratamiento
y los grupos de control.
-
Otras divisiones podrían haber
producido algo diferente.
-
Por lo tanto, calculamos
la varianza de la muestra
-
en las estimaciones
de los efectos causales.
-
¿Qué es la varianza muestral?
-
[Narrador] La varianza muestral
nos dice qué tan probable
-
es que un resultado estadístico particular
sea un resultado fortuito,
-
en vez de indicar una relación subyacente.
-
La varianza muestral
se resume en un número
-
llamado error estándar
del efecto estimado del tratamiento.
-
- [Estudiantes] ¡No lo entiendo!
- ¿De qué está hablando?
-
No se preocupen, después cubriremos
a profundidad esta idea fundamental.
-
[Estudiante] Genial.
-
Solo recuerden que entre más pequeño
sea el error estándar,
-
los hallazgos serán más concluyentes.
-
Por otro lado,
si el error estándar es grande
-
en comparación con el efecto
que estamos tratando de estimar,
-
hay una gran probabilidad
de que obtengamos algo distinto
-
si tuviéramos que repetir el experimento.
-
Se puede entender al error estándar
como una forma de medir la confiabilidad
-
del resultado que vemos.
-
[Estudiantes] Okey.
-
[Narrador] En este estudio,
el error estándar relevante es 0,1.
-
Por ahora es suficiente aprender
una simple regla de oro:
-
cuando el efecto estimado
del tratamiento es más
-
del doble del error estándar,
-
las probabilidades
de este resultado no nulo
-
son muy bajas, más o menos 1 de 20.
-
Ya que esto es muy poco probable,
decimos que las estimaciones que son dos
-
o más veces mayor
que el error estándar asociado
-
son estadísticamente significativas.
-
Camila, ¿el efecto del tratamiento
del estudio de West Point
-
es estadísticamente significativo?
-
El error estándar es 0,10
y el efecto del tratamiento es 0,28
-
y como 0,28 es más del doble
de 0,10; entonces, sí es significativo.
-
Correcto.
-
El fracaso en el aprendizaje por el uso
de electrónicos en el curso Econ 101
-
es, por lo tanto, grande
y estadísticamente significativo.
-
[Hombre] Bien.
-
CAPÍTULO 03
EL ARMA IDEAL
-
Las pruebas aleatorias
dan las respuestas más convincentes
-
a preguntas causales.
-
Cuando esta arma está en nuestro
juego de herramientas, la usamos.
-
La asignación aleatoria nos permite
afirmar que ceteris,
-
en efecto, se ha vuelto paribus,
-
pero las pruebas aleatorias pueden ser
difíciles de organizar,
-
podrían ser costosas
y requieren de mucho tiempo.
-
y, en algunos casos,
se consideran poco éticas.
-
Así que los expertos buscan
alternativas convincentes.
-
Las alternativas tratan de imitar
el poder revelador de la causalidad
-
de una prueba aleatoria,
pero sin el tiempo, el problema
-
y el gasto de un experimento
diseñado para un propósito particular.
-
Estas herramientas alternativas
se aplican a escenarios reales
-
que imitan la asignación aleatoria.
-
[Narrador] Estas 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 puede revisar el sitio web de MRU
-
para ver más cursos,
recursos de enseñanza y más.
-
♪ (música) ♪