WEBVTT

00:00:03.185 --> 00:00:07.578
♪ [música] ♪

00:00:09.240 --> 00:00:10.912
[Josh] Bienvenidos nuevamente.

00:00:10.912 --> 00:00:14.405
Hoy continuaremos con la búsqueda
del conocimiento causal.

00:00:14.405 --> 00:00:18.486
Recordemos que los graduados
de universidades privadas ganan 14 % más

00:00:18.486 --> 00:00:22.396
en promedio que los graduados
de universidades públicas.

00:00:22.924 --> 00:00:25.894
¿Acaso eso significa 
que la educación privada

00:00:25.894 --> 00:00:27.761
hace que sus salarios suban?

00:00:28.223 --> 00:00:30.763
Como con la mayoría 
de las preguntas que proponemos,

00:00:30.763 --> 00:00:33.060
los hechos no son cuestionables,

00:00:33.060 --> 00:00:35.923
pero sí la interpretación de ellos.

00:00:36.778 --> 00:00:39.365
[Narrador] Comparemos a los graduados
de escuelas privadas

00:00:39.365 --> 00:00:41.856
con los de las escuelas públicas.

00:00:42.724 --> 00:00:46.119
Los graduados de universidades privadas
difieren de distintas maneras.

00:00:46.323 --> 00:00:49.656
Por ejemplo, tienen
mejores notas en el SAT.

00:00:50.110 --> 00:00:55.066
En promedio, estudiantes de universidades 
privadas tienen 120 puntos más.

00:00:55.702 --> 00:00:59.844
Estas estrellas del SAT
usan sudaderas naranjas.

00:01:00.568 --> 00:01:04.346
Los graduados de universidades privadas
provienen de familias más ricas,

00:01:04.346 --> 00:01:07.875
13 % más ricas que las familias
de estudiantes de universidades públicas.

00:01:08.231 --> 00:01:10.801
Los niños ricos tienen pantalones verdes.

00:01:11.232 --> 00:01:14.102
Pareciera que las comparaciones
de públicas/privadas

00:01:14.102 --> 00:01:16.243
no son equiparables.

00:01:16.243 --> 00:01:19.385
Tal vez, el aumento
del 14 % salarial es el resultado

00:01:19.385 --> 00:01:22.376
de diferencias pre-existentes
en el salario potencial

00:01:22.594 --> 00:01:25.525
y no por asistir
a una universidad privada.

00:01:26.031 --> 00:01:28.129
Al igual que muchos que han estado
antes que nosotros

00:01:28.129 --> 00:01:29.753
en búsqueda del conocimiento causal,

00:01:29.753 --> 00:01:32.454
nosotros estamos varados
en el sesgo de selección.

00:01:33.112 --> 00:01:35.549
[Narrador] El sesgo de selección hace

00:01:35.549 --> 00:01:40.130
que interpretemos las comparaciones
no ajustadas como efectos causales.

00:01:40.130 --> 00:01:41.333
[susurro] Ven conmigo.

00:01:41.333 --> 00:01:44.447
[Narrador] Aquí vemos 
el sesgo de selección engañándonos

00:01:44.447 --> 00:01:46.275
al dirigir el tráfico.

00:01:46.275 --> 00:01:49.012
Los que tienen mejores notas
van a la izquierda

00:01:49.012 --> 00:01:51.314
a las universidades privadas.

00:01:51.314 --> 00:01:54.865
Aquellos con ingresos familiares bajos
van hacia la derecha

00:01:55.351 --> 00:01:57.723
a las universidades públicas.

00:01:58.128 --> 00:02:00.840
Las comparaciones públicas/privadas
tienen fuerza causal

00:02:00.840 --> 00:02:05.910
solo cuando los grupos comparados
son idénticos en promedio.

00:02:06.356 --> 00:02:10.176
Entonces, podemos felizmente
decir: "ceteris paribus",

00:02:10.813 --> 00:02:14.543
pero las escuelas privadas
son normalmente más selectivas y más caras

00:02:14.574 --> 00:02:16.980
que sus contrapartes públicas.

00:02:17.165 --> 00:02:21.784
Los que van a la izquierda no tienen punto
de comparación con los de la derecha.

00:02:22.256 --> 00:02:25.376
Así es como nos embruja
el sesgo de selección.

00:02:26.419 --> 00:02:29.944
Aunque las universidades
realmente sí seleccionan a los aspirantes,

00:02:29.944 --> 00:02:34.110
el término "sesgo de selección"
se refiere a cualquier comparación

00:02:34.110 --> 00:02:36.779
plagad de diferencias sistemáticas
entre grupos

00:02:36.779 --> 00:02:39.410
y no a las diferencias
en las que estamos enfocados.

00:02:40.100 --> 00:02:42.947
Cuando los grupos que se comparan
difieren de muchas formas,

00:02:42.947 --> 00:02:44.995
hemos perdido ceteris paribus.

00:02:45.543 --> 00:02:48.947
El sesgo de selección es el mayor enemigo
de las métricas estudiantiles

00:02:48.947 --> 00:02:51.490
e igualmente en las métricas de maestrías.

00:02:51.490 --> 00:02:54.435
Nuestras cinco armas más importantes
para luchar contra de él

00:02:54.435 --> 00:02:57.194
son las Cinco Furiosas de la Econometría.

00:02:57.194 --> 00:02:58.663
[susurro] Las Cinco Furiosas.

00:02:58.665 --> 00:03:01.750
[Josh] El sesgo de selección
es engañoso y generalizado

00:03:01.750 --> 00:03:03.965
pero nuestras armas son poderosas

00:03:03.965 --> 00:03:06.553
y no es necesario que los individuos

00:03:06.553 --> 00:03:08.405
a comparar sean idénticos,

00:03:08.499 --> 00:03:11.583
no necesitamos clones virtuales.

00:03:11.930 --> 00:03:14.606
Solo debemos asegurarnos
que los grupos a comparar

00:03:14.606 --> 00:03:16.918
sean los mismos en promedio.

00:03:17.728 --> 00:03:21.262
Nuestra arma más poderosa,
fuerte y confiable

00:03:21.262 --> 00:03:23.928
es la asignación aleatoria
de los miembros del grupo.

00:03:24.620 --> 00:03:27.454
Imagine un experimento secreto
en el que los candidatos

00:03:27.454 --> 00:03:29.404
tanto a universidades privadas
como a públicas

00:03:29.404 --> 00:03:32.190
son asignados aleatoriamente
a una o a otra.

00:03:32.480 --> 00:03:33.953
Parece justo.

00:03:34.203 --> 00:03:36.588
Y, tal vez, aprenderemos
algo sobre esto también.

00:03:37.012 --> 00:03:40.398
En pro del interés científico,
he propuesto un experimento

00:03:40.398 --> 00:03:43.115
en el MIT donde enseño Econometría.

00:03:43.348 --> 00:03:46.913
Me gustaría reemplazar a nuestro hábil
y bien remunerado personal

00:03:46.913 --> 00:03:49.215
de la oficina de admisión
por el método de cara o cruz.

00:03:49.215 --> 00:03:51.634
La asignación aleatoria
de la admisión universitaria asegura

00:03:51.634 --> 00:03:53.844
que, cuando se hacen
comparaciones interuniversitarias,

00:03:53.844 --> 00:03:56.824
ceteris es paribus en promedio.

00:03:56.916 --> 00:04:01.336
Desafortunadamente para la ciencia,
todavía no he convencido al MIT

00:04:01.336 --> 00:04:04.237
para reemplazar al personal de admisión
por un montón de monedas.

00:04:04.399 --> 00:04:08.391
Como discutiremos más tarde,
la asignación aleatoria es casi imposible

00:04:08.417 --> 00:04:11.227
o poco práctica, por lo que debemos buscar

00:04:11.227 --> 00:04:14.837
estrategias baratas y prácticas
que tengan el mismo poder

00:04:14.837 --> 00:04:18.827
de inducción ceteris paribus
de la asignación aleatoria.

00:04:19.216 --> 00:04:21.316
¿Kamal, en dónde deberíamos buscar?

00:04:21.316 --> 00:04:22.382
[Kamal] No lo sé.

00:04:22.382 --> 00:04:24.169
Si tan solo pudiéramos controlar...

00:04:24.169 --> 00:04:25.235
Correcto.

00:04:25.235 --> 00:04:26.252
[susurro] ¿Qué?

00:04:26.252 --> 00:04:28.707
Las métricas de las maestrías
son controladores obsesivos.

00:04:28.793 --> 00:04:31.089
Implementamos estrategias estadísticas

00:04:31.089 --> 00:04:34.855
que hacen que los grupos que escogen
distintos caminos sean similares.

00:04:35.409 --> 00:04:38.158
En vez de solo comparar
salarios de alumnos

00:04:38.158 --> 00:04:40.966
de universidades públicas y privadas,
buscamos que haya habilidades

00:04:40.966 --> 00:04:43.229
y entornos similares dentro
de los grupos de graduados.

00:04:43.554 --> 00:04:46.612
Dentro de estos grupos,
hacemos comparaciones

00:04:46.681 --> 00:04:48.756
entre públicas/privadas,
pero no entre ellos.

00:04:48.807 --> 00:04:53.200
Esta estrategia nos acerca grandemente
hacia ceteris paribus

00:04:53.200 --> 00:04:55.881
y hacia comparaciones que tienen sentido.

00:04:55.881 --> 00:04:57.656
Veamos de nuevo a las Cinco Furiosas.

00:04:57.656 --> 00:04:58.858
[susurro] Las Cinco Furiosas.

00:04:58.858 --> 00:05:01.403
[Josh] Nuestra herramienta principal
en la lucha por el control

00:05:01.403 --> 00:05:02.861
es la regresión.

00:05:03.097 --> 00:05:06.100
La regresión es una forma limpia
de comparar dos grupos

00:05:06.100 --> 00:05:08.389
mientras que se mantienen
muchas diferencias

00:05:08.389 --> 00:05:10.527
entre aquellos que están
en los grupos fijos.

00:05:11.015 --> 00:05:13.477
¿Los estimados de la regresión muestran
que vale la pena pagar

00:05:13.477 --> 00:05:15.155
por la educación universitaria privada?

00:05:15.155 --> 00:05:16.169
[Hombre] Buena pregunta.

00:05:16.169 --> 00:05:19.169
[Narrador] El uso de la regresión 
para ajustar la habilidad del aspirante

00:05:19.169 --> 00:05:22.044
y el entorno familiar 
y unas pocas características demográficas

00:05:22.044 --> 00:05:25.728
como raza y sexo, reduce el recargo 
de la universidad privada

00:05:25.728 --> 00:05:28.288
de un 14 % a un 9 %.

00:05:28.628 --> 00:05:30.905
Un 9 % aún es bastante.

00:05:30.905 --> 00:05:32.037
[Hombre] Eso es legítimo.

00:05:32.037 --> 00:05:34.458
[Narrador] ¿Pero, se mantiene
ceteris paribus?

00:05:34.458 --> 00:05:35.788
¿Camila?

00:05:35.788 --> 00:05:38.642
[Camila] No estoy segura
que controlemos todo.

00:05:38.882 --> 00:05:42.199
Tal vez, los estudiantes de universidades 
privadas son, de cierta forma,

00:05:42.199 --> 00:05:44.901
más ambiciosos o más listos
como para que los test no lo detecten.

00:05:44.901 --> 00:05:47.573
Si es así, las comparaciones no son 
de manzanas con manzanas,

00:05:47.573 --> 00:05:49.710
aún después de hacer
los ajustes que mencionas.

00:05:49.710 --> 00:05:51.440
Sí, es preocupante.

00:05:52.190 --> 00:05:55.322
A la posibilidad de que las variables,
que hemos ajustado

00:05:55.322 --> 00:05:58.399
usando regresión, no tomen
en cuenta las diferencias de grupos

00:05:58.399 --> 00:06:02.471
se le llama sesgo por omisión
de variables o SOV.

00:06:02.471 --> 00:06:03.719
[Hombre] Qué mal.

00:06:03.719 --> 00:06:07.030
[Narrador] SOV es sesgo
de selección en una regresión.

00:06:07.805 --> 00:06:11.216
Sufrimos de estos efectos
cuando la regresión

00:06:11.216 --> 00:06:12.800
no es la que queremos.

00:06:12.879 --> 00:06:16.715
La regresión que queremos,
la de nuestros sueños,

00:06:16.715 --> 00:06:19.848
tiene más y mejores controles
que la que hemos obtenido.

00:06:19.848 --> 00:06:22.809
¿Cómo podemos controlar algo 
como la ambición?

00:06:23.150 --> 00:06:25.998
¿Hay algún índice de ambición?

00:06:26.714 --> 00:06:30.199
No es fácil hacer
comparaciones ceteris paribus.

00:06:30.199 --> 00:06:31.904
La regresión es una herramienta;

00:06:31.904 --> 00:06:33.457
no es magia.

00:06:33.657 --> 00:06:37.347
Y, aun así, a veces se logran
resultados notables con esta herramienta.

00:06:37.788 --> 00:06:40.520
Los profesores de Maestría
en Econometría, Stacy Dale

00:06:40.520 --> 00:06:44.953
y Alan Krueger, se han enfrentado al reto
del sesgo de selección y SOV.

00:06:45.556 --> 00:06:48.331
En un famoso estudio académico
Dale y Krueger controlaron

00:06:48.331 --> 00:06:51.701
diversas diferencias posibles
entre estudiantes que fueron

00:06:51.701 --> 00:06:53.562
a distintos tipos de universidades.

00:06:53.562 --> 00:06:57.339
Tenían la noción de que el sesgo
de selección en este contexto origina

00:06:57.339 --> 00:07:00.088
dos fuerzas: la ambición estudiantil

00:07:00.331 --> 00:07:02.578
y la oportunidad
de ingresar a la universidad.

00:07:02.578 --> 00:07:05.732
La mayoría de los estudiantes están
conscientes de sus propias aptitudes,

00:07:05.732 --> 00:07:08.366
inclinaciones y motivaciones
para el trabajo universitario.

00:07:08.876 --> 00:07:12.918
Estas fuerzas se resumen por el tipo
de universidades a las que aplican.

00:07:13.555 --> 00:07:16.995
Al mismo tiempo, el personal
de admisión de las universidades invierten

00:07:16.995 --> 00:07:19.429
cientos de horas y energía
en tratar de determinar

00:07:19.429 --> 00:07:21.568
quién triunfará en el campus.

00:07:21.568 --> 00:07:26.803
Evalúan y seleccionan usando la habilidad
académica y el compromiso universitario.

00:07:27.262 --> 00:07:28.915
¿Y si comparamos los resultados

00:07:28.915 --> 00:07:32.448
de aquellos que tuvieron las mismas
aprobaciones o rechazos?

00:07:32.701 --> 00:07:36.185
Comparemos dos estudiantes
de secundaria: Maya y Mariana.

00:07:36.185 --> 00:07:39.720
Ambas admitidas a la UNC
y Duke, pero no en Yale,

00:07:40.201 --> 00:07:43.650
calificadas en forma similar
en cuanto a sus ambiciones y capacidad

00:07:43.650 --> 00:07:46.157
por las oficinas de admisión
de estas tres universidades.

00:07:46.157 --> 00:07:49.104
Maya opta por ir a Duke
porque su amiga va a ir allí,

00:07:49.138 --> 00:07:52.137
mientras que Mariana va
a la UNC en Chapel Hill.

00:07:52.137 --> 00:07:53.452
[Mujer] ¡Vamos!

00:07:53.452 --> 00:07:56.148
[Josh] Maya y Mariana
no son clones por supuesto

NOTE Paragraph

00:07:56.148 --> 00:07:59.781
y han escogido diferentes universidades
por razones personales,

00:07:59.790 --> 00:08:02.545
pero, por otra parte, 
tienen mucho en común.

00:08:02.545 --> 00:08:06.446
Los factores personales que conducen
a que escojan entre una u otra universidad

00:08:06.446 --> 00:08:08.808
pudieran no estar muy relacionados

00:08:08.808 --> 00:08:10.813
con sus salarios futuros.

00:08:10.813 --> 00:08:14.614
Juntar tantas comparaciones
nos acercan muchísimo más

00:08:14.614 --> 00:08:16.184
a ceteris paribus.

00:08:16.753 --> 00:08:20.932
Notablemente, un modelo de regresión
que controla los grupos de universidades

00:08:20.932 --> 00:08:23.631
a las que han aplicado
y aprobado los estudiantes

00:08:23.631 --> 00:08:26.399
muestra que casi no hay
diferencia entre los ingresos

00:08:26.399 --> 00:08:28.596
de los graduados
de universidades públicas o privadas.

00:08:28.596 --> 00:08:31.220
En otras palabras, 
al promediar muchos casos

00:08:31.220 --> 00:08:33.627
como los de Maya y Mariana,

00:08:34.067 --> 00:08:37.338
el recargo de universidades privadas
cae a cero.

00:08:38.936 --> 00:08:42.774
Maya, tal vez, disfrutó
su educación cara en Duke,

00:08:42.774 --> 00:08:46.914
pero en promedio, estudiantes
como ella no ganarán más

00:08:46.914 --> 00:08:50.170
en el mercado laboral que otros 
de universidades públicas comparables.

00:08:50.649 --> 00:08:54.390
Ese es un tremendo cambio en nuestra 
diferencia salarial de 14 %

00:08:54.390 --> 00:08:56.935
que favorece a los graduados
de las universidades élite.

00:08:57.014 --> 00:09:00.856
La regresión tiene el poder de volver
una oscura noche estadística

00:09:00.856 --> 00:09:03.083
en un claro día causal.

00:09:03.907 --> 00:09:06.782
Pero necesitarás saber un poco más
antes de poder realizar la regresión

00:09:06.782 --> 00:09:08.834
con habilidad y confianza.

00:09:10.412 --> 00:09:14.264
[Narrador] Estás en camino
de dominar la Econometría.

00:09:14.264 --> 00:09:18.411
Asegúrate de haber aprendido del video,
respondiendo a las preguntas de práctica.

00:09:18.563 --> 00:09:21.942
O, si estás listo, 
haz clic en el siguiente video.

00:09:22.272 --> 00:09:24.992
También puedes visitar el sitio web de MRU

00:09:24.992 --> 00:09:28.060
para ver más cursos, recursos
de enseñanza y mucho más.

00:09:28.476 --> 00:09:32.381
♪ [música] ♪