1 00:00:03,185 --> 00:00:05,288 ♪ [música] ♪ 2 00:00:09,240 --> 00:00:10,912 [Josh] Bienvenidos nuevamente. 3 00:00:10,912 --> 00:00:14,405 Hoy continuamos la búsqueda del conocimiento causal. 4 00:00:14,405 --> 00:00:18,486 Recordemos que los graduados de universidades privadas ganan 14 % más 5 00:00:18,486 --> 00:00:22,396 en promedio que los graduados de universidades públicas. 6 00:00:22,924 --> 00:00:25,894 ¿Acaso eso significa que la educación privada 7 00:00:25,894 --> 00:00:27,761 causa que sus salarios suban? 8 00:00:28,223 --> 00:00:30,763 Como con la mayoría de las preguntas que proponemos, 9 00:00:30,763 --> 00:00:33,060 los hechos no son cuestionables, 10 00:00:33,060 --> 00:00:35,923 pero sí la interpretación de ellos. 11 00:00:36,778 --> 00:00:39,365 [Narrador] Comparemos a los graduados de escuelas privadas 12 00:00:39,365 --> 00:00:41,856 con los de escuelas públicas. 13 00:00:42,724 --> 00:00:46,119 Los graduados de universidades privadas difieren de distintas maneras. 14 00:00:46,323 --> 00:00:49,656 Por ejemplo, tienen mejores puntajes SAT. 15 00:00:50,270 --> 00:00:55,226 En promedio, estudiantes de universidades privadas tienen 120 puntos más. 16 00:00:55,702 --> 00:00:59,844 Estas estrellas de SAT usan sudaderas naranjas. 17 00:01:00,568 --> 00:01:04,346 Los graduados de universidades privadas provienen de familias más ricas, 18 00:01:04,346 --> 00:01:07,875 13% más ricas que las familias de estudiantes de universidades públicas. 19 00:01:08,231 --> 00:01:10,801 Los niños ricos tienen pantalones verdes. 20 00:01:11,232 --> 00:01:14,102 Pareciera que las comparaciones públicas/privadas 21 00:01:14,102 --> 00:01:16,243 no son equiparables. 22 00:01:16,243 --> 00:01:19,385 Tal vez, el aumento de 14 % salarial es causado 23 00:01:19,385 --> 00:01:22,376 por diferencias pre-existentes en el potencial salarial 24 00:01:22,594 --> 00:01:25,525 y no por asistir a una universidad privada. 25 00:01:26,091 --> 00:01:27,989 Igual que muchos que han estado antes que nosotros 26 00:01:27,989 --> 00:01:29,753 en búsqueda del conocimiento causal, 27 00:01:29,753 --> 00:01:32,454 nosotros estamos varados en el sesgo de selección. 28 00:01:33,112 --> 00:01:35,549 [Narrador] El sesgo de selección ocasiona 29 00:01:35,549 --> 00:01:40,130 que interpretemos las comparaciones no ajustadas como efectos causales. 30 00:01:40,130 --> 00:01:41,333 [susurro] Ven conmigo. 31 00:01:41,333 --> 00:01:44,447 [Narrador] Aquí vemos el sesgo de selección engañándonos 32 00:01:44,447 --> 00:01:46,275 al dirigir el tráfico. 33 00:01:46,275 --> 00:01:49,012 Los que tienen mejores notas van a la izquierda 34 00:01:49,012 --> 00:01:51,314 a las universidades privadas. 35 00:01:51,314 --> 00:01:54,865 Aquellos con ingresos familiares bajos van a la derecha 36 00:01:55,351 --> 00:01:57,631 a las universidades públicas. 37 00:01:58,128 --> 00:02:00,840 Las comparaciones públicas/privadas tienen fuerza causal 38 00:02:00,840 --> 00:02:05,910 solo cuando los grupos comparados son idénticos en promedio. 39 00:02:06,356 --> 00:02:10,176 Entonces, podemos felizmente afirmar: "ceteris paribus". 40 00:02:10,813 --> 00:02:14,543 Pero las escuelas privadas son típicamente más selectivas y más caras 41 00:02:14,574 --> 00:02:16,980 que sus contrapartes públicas. 42 00:02:17,165 --> 00:02:21,784 Los que van a la izquierda no se comparan con los de la derecha. 43 00:02:22,256 --> 00:02:25,376 Así es como nos embruja el sesgo selectivo. 44 00:02:26,419 --> 00:02:29,944 - Aunque los colegios realmente seleccionan a los que aplican 45 00:02:29,944 --> 00:02:34,110 el término "sesgo de selección" se refiere a cualquier comparación 46 00:02:34,110 --> 00:02:36,779 que tenga diferencias sistemáticas entre grupos 47 00:02:36,779 --> 00:02:39,410 y no se refieran a las diferencias que discutimos. 48 00:02:40,100 --> 00:02:42,947 Cuando los grupos comparados difieren de distintas formas 49 00:02:42,947 --> 00:02:44,995 hemos perdido ceteris paribus. 50 00:02:45,659 --> 00:02:48,947 El sesgo de selección es el mayor enemigo de las métricas estudiantiles 51 00:02:48,947 --> 00:02:51,490 y métricas maestras. 52 00:02:51,490 --> 00:02:54,435 Nuestras cinco armas más importantes para luchar contra él 53 00:02:54,435 --> 00:02:57,194 son las Cinco Furiosas de la Econometría. 54 00:02:57,194 --> 00:02:58,663 -[susurro] Las Cinco Furiosas. 55 00:02:58,665 --> 00:03:01,750 -[Josh] El sesgo selectivo es malo y penetrante 56 00:03:01,750 --> 00:03:03,965 pero nuestras armas son poderosas 57 00:03:03,965 --> 00:03:06,553 y no tenemos que asegurarnos que los individuos 58 00:03:06,553 --> 00:03:08,405 comparados sean idénticos. 59 00:03:08,499 --> 00:03:11,583 No necesitamos clones virtuales. 60 00:03:11,930 --> 00:03:14,606 Solo necesitamos asegurarnos que los grupos comparados 61 00:03:14,606 --> 00:03:16,918 sean los mismos en promedio. 62 00:03:17,728 --> 00:03:21,262 Nuestra arma más poderosa, fuerte y confiable 63 00:03:21,262 --> 00:03:23,928 es la asignación aleatoria de la memebresía de grupo. 64 00:03:24,620 --> 00:03:27,454 Imagine un experimento secreto en el que los aplicantes 65 00:03:27,454 --> 00:03:29,224 tanto a colegios privados como públicos 66 00:03:29,224 --> 00:03:32,190 son asignados aleatoriamente en uno o en otro. 67 00:03:32,480 --> 00:03:33,813 Parece justo. 68 00:03:34,203 --> 00:03:36,588 Y talvez aprendamos sobre esto también. 69 00:03:37,012 --> 00:03:40,398 En pro del interés científico he propuesto un experimento 70 00:03:40,398 --> 00:03:43,115 en el MIT, donde enseño econometría. 71 00:03:43,348 --> 00:03:46,913 Me gustaría reemplazar nuestros empleados más hábiles, bien remunerados 72 00:03:46,913 --> 00:03:48,668 mediante un lanzamiento de moneda. 73 00:03:48,785 --> 00:03:51,214 La asignación aleatoria en la admisión colegial asegura 74 00:03:51,214 --> 00:03:53,614 que cuando hayan comparaciones inter escuelas 75 00:03:53,614 --> 00:03:56,824 ceteris paribus, el promedio seguirá siendo el mismo. 76 00:03:56,916 --> 00:04:01,336 Desafortunadamente para la ciencia, no he convencido al MIT 77 00:04:01,336 --> 00:04:04,237 para reemplazar de esta manera a los empleados. 78 00:04:04,399 --> 00:04:08,391 - Como discutiremos más tarde, la asignación aleatoria es casi imposible 79 00:04:08,417 --> 00:04:11,707 o impráctica, por lo que debemos buscar 80 00:04:11,707 --> 00:04:14,837 estrategias baratas y prácticas que tengan el mismo 81 00:04:14,837 --> 00:04:18,827 poder de inducción ceteris paribus que la asignación aleatoria. 82 00:04:19,216 --> 00:04:21,316 ¿Kamal, en dónde debemos buscar? 83 00:04:21,316 --> 00:04:22,382 -[Kamal] No lo sé. 84 00:04:22,382 --> 00:04:24,169 Si tan solo pudiéramos controlar... 85 00:04:24,169 --> 00:04:25,235 - Correcto. 86 00:04:25,235 --> 00:04:26,252 -[susurro] ¿Qué? 87 00:04:26,252 --> 00:04:28,517 - Las métricas maestras son controladoras. 88 00:04:28,793 --> 00:04:31,089 Implementamos estrategias estadísticas 89 00:04:31,089 --> 00:04:34,855 que hacen que los grupos que escogen distintos caminos sean similares. 90 00:04:35,409 --> 00:04:38,738 En vez de solo comparar salarios de alumnos públicos y privados 91 00:04:38,738 --> 00:04:40,966 vemos dentro de los grupos de alumnos 92 00:04:40,966 --> 00:04:43,229 que tienen habilidades y entornos similares. 93 00:04:43,554 --> 00:04:46,773 Dentro de estos conjuntos, hacemos comparaciones públicas/privadas 94 00:04:46,773 --> 00:04:48,496 pero no entre ellas. 95 00:04:48,807 --> 00:04:53,200 Esta estrategia nos mueve en gran medida hacia ceteris paribus 96 00:04:53,200 --> 00:04:55,881 y hacia comparaciones que hacen sentido. 97 00:04:55,881 --> 00:04:57,656 Veamos de nuevo a las Cinco Furiosas. 98 00:04:57,656 --> 00:04:58,858 -[susurro] Las Cinco Furiosas. 99 00:04:58,858 --> 00:05:00,453 -[Josh] Nuestra herramienta principal 100 00:05:00,453 --> 00:05:02,711 en la pelea por el control es la regresión. 101 00:05:03,097 --> 00:05:06,100 La regresión es una forma limpia de comparar dos grupos 102 00:05:06,100 --> 00:05:08,389 mientras que se incluyen muchas diferencias 103 00:05:08,389 --> 00:05:10,527 entre esos grupos fijos. 104 00:05:11,015 --> 00:05:13,577 - ¿Los estimados de la regresión muestran que vale la pena pagar 105 00:05:13,577 --> 00:05:15,155 por la educación universitaria privada? 106 00:05:15,155 --> 00:05:16,169 -[Hombre] Buena pregunta. 107 00:05:16,169 --> 00:05:19,059 -[Narrador] Usando la regresión para ajustar por habilidad de aplicante 108 00:05:19,059 --> 00:05:22,044 y ambiente familiar y características demográficas 109 00:05:22,044 --> 00:05:25,728 como raza y sexo, reduce la prima de colegio privado 110 00:05:25,728 --> 00:05:28,288 de un 14% a un 9%. 111 00:05:28,628 --> 00:05:30,905 - 9% aún es bastante. 112 00:05:30,905 --> 00:05:32,037 -[Hombre] Eso es legítimo. 113 00:05:32,037 --> 00:05:34,458 -[Narrador] ¿Pero, se mantiene ceteris paribus? 114 00:05:34,458 --> 00:05:35,788 ¿Camila? 115 00:05:35,788 --> 00:05:38,642 -[Camila] No estoy segura que controlemos todo. 116 00:05:38,642 --> 00:05:42,199 Talvez los estudiantes de escuelas privadas son más ambiciosos o más listos 117 00:05:42,199 --> 00:05:44,721 de formas que las calificaciones no capturan. 118 00:05:44,721 --> 00:05:47,573 Si es así, las comparaciones no son de manzanas con manzanas 119 00:05:47,573 --> 00:05:49,710 aún después de hacer los ajustes que mencionas. 120 00:05:49,710 --> 00:05:51,440 - Sí, es preocupante. 121 00:05:52,190 --> 00:05:55,322 La posibilidad de que las variables que hemos ajustado 122 00:05:55,322 --> 00:05:58,399 para usar la regresión no tomen en cuenta las diferencias de grupos 123 00:05:58,399 --> 00:06:02,471 se le llama sesgo de variables omitidas o SVO. 124 00:06:02,471 --> 00:06:03,479 -[Hombre] Qué mal. 125 00:06:03,479 --> 00:06:06,886 -[Narrador] SVO es sesgo selectivo en una regresión. 126 00:06:07,495 --> 00:06:11,216 - Sufrimos de estos efectos cuando la regresión 127 00:06:11,216 --> 00:06:12,800 no es la que queremos. 128 00:06:12,879 --> 00:06:16,715 La regresión que queremos, la de nuestros sueños 129 00:06:16,715 --> 00:06:19,848 tiene más y mejores controles que los que tenemos. 130 00:06:19,848 --> 00:06:22,809 ¿Cómo podemos controlar algo como la ambición? 131 00:06:23,150 --> 00:06:25,998 ¿Hay algún índice de ambición? 132 00:06:26,254 --> 00:06:30,199 No es fácil hacer comparaciones ceteris paribus. 133 00:06:30,199 --> 00:06:31,904 La regresión es una herramienta. 134 00:06:31,904 --> 00:06:33,347 No es magia. 135 00:06:33,557 --> 00:06:37,247 Y aún así algunas veces los resultados de esta herramienta son sorprendentes. 136 00:06:37,458 --> 00:06:40,520 Los profesores en Maestría en Econometría Stacy Dale 137 00:06:40,520 --> 00:06:44,953 y Alan Krueger se han enfrentado al reto del sesgo selectivo y SVO. 138 00:06:45,106 --> 00:06:48,331 En un famoso estudio académico Dale y Krueger controlaron 139 00:06:48,331 --> 00:06:51,701 diversas diferencias posibles entre estudiantes que fueron 140 00:06:51,701 --> 00:06:53,562 a distintos tipos de escuelas. 141 00:06:53,562 --> 00:06:57,339 Tenían la noción de que el sesgo selectivo en este contexto origina 142 00:06:57,339 --> 00:07:01,799 dos fuerzas: ambición estudiantil y oportunidad de colegios. 143 00:07:02,578 --> 00:07:05,732 La mayoría de los estudiantes sabe sus propias aptitudes 144 00:07:05,732 --> 00:07:08,366 inclinaciones y motivación para el trabajo escolar. 145 00:07:08,736 --> 00:07:12,778 Estas fuerzas se resumen por el tipo de escuelas a las que aplican. 146 00:07:13,345 --> 00:07:16,995 Al mismo tiempo, las oficinas de admisión escolares invierten 147 00:07:16,995 --> 00:07:19,429 cientos de horas y energía en tratar de acertar 148 00:07:19,429 --> 00:07:21,568 quién triunfará en el campus. 149 00:07:21,568 --> 00:07:26,633 Evalúan y seleccionan la habilidad académica y el compromiso con la escuela. 150 00:07:27,384 --> 00:07:28,915 ¿Y si comparamos los resultados 151 00:07:28,915 --> 00:07:32,448 de aquellos que tuvieron las mismas aprobaciones o rechazos? 152 00:07:32,701 --> 00:07:36,185 Comparemos dos estudiantes de preparatoria Maya y Mariana. 153 00:07:36,185 --> 00:07:39,720 Ambas admitidas a la UNC, Duke pero no en Yale. 154 00:07:40,201 --> 00:07:43,650 Ambas ambiciosas y similarmente capaces 155 00:07:43,650 --> 00:07:46,157 por las oficinas de admisión de estas 3 escuelas 156 00:07:46,157 --> 00:07:49,104 Maya opta por ir a Duke porque su amiga va a ir allí. 157 00:07:49,138 --> 00:07:52,137 Mientras que Mariana va hacia UNC en Chapel Hill. 158 00:07:52,137 --> 00:07:53,452 -[Mujer] ¡Vamos! 159 00:07:53,452 --> 00:07:56,148 -[Josh] Maya y Mariana no son clones, por supuesto 160 00:07:56,148 --> 00:07:59,781 y toman decisiones distintas por razones personales. 161 00:07:59,790 --> 00:08:02,545 Pero de otra manera, tienen mucho en común. 162 00:08:02,545 --> 00:08:05,906 Los factores personales que conducen a que escojan entre una u otra escuela 163 00:08:05,906 --> 00:08:08,808 podrían no estar muy relacionados 164 00:08:08,808 --> 00:08:10,813 con sus salarios futuros. 165 00:08:10,813 --> 00:08:14,614 Tantas comparaciones nos llevan un poco más cerca 166 00:08:14,614 --> 00:08:16,184 de ceteris paribus. 167 00:08:16,753 --> 00:08:20,932 Notablemente, un modelo de regresión que controla conjuntos de escuelas 168 00:08:20,932 --> 00:08:23,631 a los que han aplicado y aprobado los estudiantes 169 00:08:23,631 --> 00:08:26,399 muestra que casi no hay diferencia entre las ganancias 170 00:08:26,399 --> 00:08:28,336 de los graduados públicos o privados. 171 00:08:28,336 --> 00:08:31,220 En otras palabras, al promediar muchos casos 172 00:08:31,220 --> 00:08:34,047 como los de Maya y Mariana 173 00:08:34,047 --> 00:08:36,898 la prima de escuelas privadas cae casi a cero. 174 00:08:38,936 --> 00:08:42,774 Maya talvez disfrutó su educación cara en Duke 175 00:08:42,774 --> 00:08:46,914 pero en promedio, estudiantes como ella no ganarán más 176 00:08:46,914 --> 00:08:50,170 en el mercado laboral que otros de escuelas públicas comparables. 177 00:08:50,649 --> 00:08:54,390 Ese es un gran cambio de nuestro diferencial de 14% en salarios 178 00:08:54,390 --> 00:08:56,325 que favorece a las escuelas de elite. 179 00:08:57,014 --> 00:09:00,856 La regresión tiene el poder de volver una oscura noche estadística 180 00:09:00,856 --> 00:09:03,083 en un claro día causal. 181 00:09:03,907 --> 00:09:06,782 Pero necesitarás saber un poco más antes de poder realizar la regresión 182 00:09:06,782 --> 00:09:08,834 con habilidad y confianza. 183 00:09:10,412 --> 00:09:14,264 -[Narrador] Está en camino de dominar la econometría. 184 00:09:14,264 --> 00:09:18,411 Asegúrese de haber aprendido del video respondiendo a las preguntas de práctica. 185 00:09:18,563 --> 00:09:21,942 O, si está listo, haga clic en el siguiente video. 186 00:09:22,272 --> 00:09:24,992 También puede visitar el sitio web de MRU 187 00:09:24,992 --> 00:09:28,060 para más cursos, recursos de enseñanza y más. 188 00:09:28,496 --> 00:09:30,482 ♪ [música] ♪