0:00:03.185,0:00:05.288
♪ [música] ♪

0:00:09.240,0:00:10.912
- [Josh] Bienvenidos nuevamente.

0:00:10.912,0:00:14.405
Hoy continuamos la búsqueda[br]del conocimiento causal.

0:00:14.405,0:00:18.486
Recordemos que el alumno de universidad[br]privada gana 14% más

0:00:18.486,0:00:22.396
en promedio que los graduados[br]de universidades públicas.

0:00:22.924,0:00:25.894
¿Acaso eso significa [br]que la educación privada

0:00:25.894,0:00:27.761
causa que los salarios suban?

0:00:28.223,0:00:30.763
Como con la mayoría [br]de las preguntas que proponemos

0:00:30.763,0:00:33.060
los hechos no son cuestionables

0:00:33.060,0:00:35.923
pero sí la interpretación de ellos.

0:00:36.778,0:00:39.365
- [Narrador] Comparemos a los graduados[br]de escuelas privadas

0:00:39.365,0:00:41.856
con los de escuelas públicas.

0:00:42.724,0:00:46.119
Los graduados de universidades privadas[br]difieren de distintas maneras.

0:00:46.323,0:00:49.656
Por ejemplo, tienen mejores puntajes SAT.

0:00:50.270,0:00:55.226
En promedio, estudiantes de universidades [br]privadas tienen 120 puntos más.

0:00:55.702,0:00:59.844
Estas estrellas de SAT[br]usan sudaderas naranjas.

0:01:00.568,0:01:04.346
Los graduados de universidades privadas[br]provienen de familias más ricas --

0:01:04.346,0:01:07.875
13% más ricas que las familias[br]de estudiantes de universidades públicas.

0:01:08.231,0:01:10.801
Los ricos tienen pantalones verdes.

0:01:11.232,0:01:14.102
Pareciera que las comparaciones[br]públicas/privadas

0:01:14.102,0:01:16.243
no son comparables.

0:01:16.243,0:01:19.385
Talvez el aumento de 14% salarial[br]es causado

0:01:19.385,0:01:22.376
por diferencias pre-existentes[br]en el potencial salarial

0:01:22.594,0:01:25.525
y no en la asistencia a una universidad[br]privada.

0:01:26.091,0:01:27.989
- Como muchos [br]que han caminado con nosotros

0:01:27.989,0:01:29.753
en búsqueda del conocimiento causal

0:01:29.753,0:01:32.454
estamos varados en el sesgo de selección.

0:01:33.112,0:01:35.549
-[Narrador] El sesgo de selección ocasiona

0:01:35.549,0:01:40.130
que interpretemos las comparaciones[br]ingenuas como efectos causales.

0:01:40.130,0:01:41.333
- [susurro] Ven conmigo.

0:01:41.333,0:01:44.447
-[Narrador] Aquí vemos [br]el sesgo de selección

0:01:44.447,0:01:46.275
al dirigir el tráfico.

0:01:46.275,0:01:49.012
Los que tienen mejores puntajes[br]van a la derecha

0:01:49.012,0:01:51.314
a las universidades privadas.

0:01:51.314,0:01:54.865
Aquellos con salarios menores[br]van a la derecha

0:01:55.351,0:01:57.631
a las universidades públicas.

0:01:58.128,0:02:00.840
Las comparaciones públicas/privadas[br]tienen fuerza causal

0:02:00.840,0:02:05.910
solo cuando los grupos comparados[br]son idénticos en promedio.

0:02:06.356,0:02:10.176
Entonces, podemos felizmente[br]afirmar: "ceteris paribus".

0:02:10.813,0:02:14.543
Pero las escuelas privadas son típicamente[br]más selectivas y más caras

0:02:14.574,0:02:16.980
que sus contrapartes públicas.

0:02:17.165,0:02:21.784
Los que van a la izquierda[br]no se comparan con los de la derecha.

0:02:22.256,0:02:25.376
Así es como nos embruja[br]el sesgo selectivo.

0:02:26.419,0:02:29.944
- Aunque los colegios realmente[br]seleccionan a los que aplican

0:02:29.944,0:02:34.110
el término "sesgo de selección"[br]se refiere a cualquier comparación

0:02:34.110,0:02:36.779
que tenga diferencias sistemáticas[br]entre grupos

0:02:36.779,0:02:39.410
y no se refieran a las diferencias[br]que discutimos.

0:02:40.100,0:02:42.947
Cuando los grupos comparados[br]difieren de distintas formas

0:02:42.947,0:02:44.995
hemos perdido ceteris paribus.

0:02:45.659,0:02:48.947
El sesgo de selección es el mayor enemigo[br]de las métricas estudiantiles

0:02:48.947,0:02:51.490
y métricas maestras.

0:02:51.490,0:02:54.435
Nuestras cinco armas más importantes[br]para luchar contra él

0:02:54.435,0:02:57.194
son las Cinco Furiosas de la Econometría.

0:02:57.194,0:02:58.663
-[susurro] Las Cinco Furiosas

0:02:58.665,0:03:01.750
-[Josh] El sesgo selectivo es malo[br]y penetrante

0:03:01.750,0:03:03.965
pero nuestras armas son poderosas

0:03:03.965,0:03:06.553
y no tenemos que asegurarnos[br]que los individuos

0:03:06.553,0:03:08.405
comparados sean idénticos.

0:03:08.499,0:03:11.583
No necesitamos clones virtuales.

0:03:11.930,0:03:14.606
Solo necesitamos asegurarnos[br]que los grupos comparados

0:03:14.606,0:03:16.918
sean los mismos en promedio.

0:03:17.728,0:03:21.262
Nuestra arma más poderosa,[br]fuerte y confiable

0:03:21.262,0:03:23.928
es la asignación aleatoria[br]de la memebresía de grupo.

0:03:24.620,0:03:27.454
Imagine un experimento secreto[br]en el que los aplicantes

0:03:27.454,0:03:27.704
tanto a colegios privados[br]como públicos

0:03:27.704,0:03:32.190
son asignados aleatoriamente[br]en uno o en otro.

0:03:32.480,0:03:33.813
Parece justo.

0:03:34.203,0:03:36.588
Y talvez aprendamos sobre esto también.

0:03:37.012,0:03:40.398
En pro del interés científico[br]he propuesto un experimento

0:03:40.398,0:03:43.115
en el MIT, [br]donde enseño econometría.

0:03:43.348,0:03:46.913
Me gustaría reemplazar nuestros [br]empleados más hábiles, bien remunerados

0:03:46.913,0:03:48.358
mediante un lanzamiento de moneda.

0:03:48.785,0:03:51.214
La asignación aleatoria en la admisión[br]colegial asegura

0:03:51.214,0:03:53.614
que cuando hayan comparaciones[br]inter escuelas

0:03:53.614,0:03:56.114
ceteris paribus, el promedio seguirá [br]siendo el mismo.

0:03:56.916,0:04:01.336
Desafortunadamente para la ciencia,[br]no he convencido al MIT

0:04:01.336,0:04:03.967
para reemplazar de esta manera[br]a los empleados.

0:04:04.399,0:04:08.391
- Como discutiremos más tarde,[br]la asignación aleatoria es casi imposible

0:04:08.417,0:04:11.707
o impráctica, por lo que debemos buscar

0:04:11.707,0:04:14.837
estrategias baratas y prácticas[br]que tengan el mismo

0:04:14.837,0:04:18.827
poder de inducción ceteris paribus[br]que la asignación aleatoria.

0:04:19.216,0:04:21.316
¿Kamal, en dónde debemos buscar?

0:04:21.316,0:04:22.382
-[Kamal] No lo sé.

0:04:22.382,0:04:24.169
Si tan solo pudiéramos controlar...

0:04:24.169,0:04:25.235
- Correcto.

0:04:25.235,0:04:26.252
-[susurro] ¿Qué?

0:04:26.252,0:04:28.517
- Las métricas maestras son controladoras.

0:04:28.793,0:04:31.089
Implementamos estrategias estadísticas

0:04:31.089,0:04:34.855
que hacen que los grupos que escogen[br]distintos caminos sean similares.

0:04:35.409,0:04:38.738
En vez de solo comparar salarios[br]de alumnos públicos y privados

0:04:38.738,0:04:40.966
vemos dentro de los grupos de alumnos

0:04:40.966,0:04:43.229
que tienen habilidades [br]y entornos similares.

0:04:43.554,0:04:46.773
Dentro de estos conjuntos,[br]hacemos comparaciones públicas/privadas

0:04:46.773,0:04:48.496
pero no entre ellas.

0:04:48.807,0:04:53.200
Esta estrategia nos mueve en gran medida[br]hacia ceteris paribus

0:04:53.200,0:04:55.881
y hacia comparaciones que hacen sentido.

0:04:55.881,0:04:57.656
Veamos de nuevo a las Cinco Furiosas.

0:04:57.656,0:04:58.748
-[susurro] Las Cinco Furiosas.

0:04:58.748,0:05:00.493
-[Josh] Nuestra herramienta principal[br]en la pelea

0:05:00.493,0:05:02.431
por el control es la regresión.

0:05:03.097,0:05:06.100
La regresión es una forma limpia[br]de comparar dos grupos

0:05:06.100,0:05:08.389
mientras que se incluyen[br]muchas diferencias

0:05:08.389,0:05:10.527
entre esos grupos fijos.

0:05:11.015,0:05:13.797
- ¿Los estimados de la regresión muestran[br]que vale la pena pagar

0:05:13.797,0:05:15.155
por la educación universitaria privada?

0:05:15.155,0:05:16.169
-[Hombre] Buena pregunta.

0:05:16.169,0:05:18.605
-[Narrador] Usando la regresión [br]para ajustar por habilidad de aplicante

0:05:18.605,0:05:22.044
y ambiente familiar [br]y características demográficas

0:05:22.044,0:05:25.728
como raza y sexo, reduce la prima [br]de colegio privado

0:05:25.728,0:05:28.288
de un 14% a un 9%.

0:05:28.628,0:05:30.905
- 9% aún es bastante.

0:05:30.905,0:05:31.927
-[Hombre] Nueve es legítimo.

0:05:31.927,0:05:34.458
-[Narrador] ¿Pero, aún permanece[br]ceteris paribus?

0:05:34.458,0:05:35.788
¿Camila?

0:05:35.788,0:05:38.642
-[Camila] No estoy seguro[br]que controlemos todo.

0:05:38.642,0:05:42.199
Talvez los estudiantes de escuelas [br]privadas son más ambiciosos o más listos

0:05:42.199,0:05:44.721
de formas que las calificaciones[br]no capturan.

0:05:44.721,0:05:47.573
Si es así, las comparaciones no son [br]de manzanas con manzanas

0:05:47.573,0:05:49.710
aún después de hacer los ajustes[br]que mencionas.

0:05:49.710,0:05:51.440
- Sí, es preocupante.

0:05:52.190,0:05:55.322
La posibilidad de que las variables[br]que hemos ajustado

0:05:55.322,0:05:58.399
para usar la regresión no tomen en cuenta[br]las diferencias de grupos

0:05:58.399,0:06:02.471
se le llama sesgo[br]de variables omitidas o SVO.

0:06:02.471,0:06:03.479
-[Hombre] Qué mal.

0:06:03.479,0:06:06.886
-[Narrador] SVO es sesgo selectivo[br]en una regresión.

0:06:07.495,0:06:11.216
- Sufrimos de estos efectos[br]cuando la regresión

0:06:11.216,0:06:12.800
no es la que queremos.

0:06:12.879,0:06:16.715
La regresión que queremos,[br]la de nuestros sueños

0:06:16.715,0:06:19.848
tiene más y mejores controles[br]que los que tenemos.

0:06:19.848,0:06:22.809
¿Cómo podemos controlar algo [br]como la ambición?

0:06:23.150,0:06:25.998
¿Hay algún índice de ambición?

0:06:26.254,0:06:30.199
No es fácil hacer comparaciones[br]ceteris paribus.

0:06:30.199,0:06:31.904
La regresión es una herramienta.

0:06:31.904,0:06:33.347
No es magia.

0:06:33.557,0:06:37.247
Y aún así algunas veces los resultados[br]de esta herramienta son sorprendentes.

0:06:37.458,0:06:40.520
Los profesores en Maestría en Econometría[br]Stacy Dale

0:06:40.520,0:06:44.953
y Alan Krueger se han enfrentado al reto[br]del sesgo selectivo y SVO.

0:06:45.106,0:06:48.331
En un famoso estudio académico[br]Dale y Krueger controlaron

0:06:48.331,0:06:51.701
diversas diferencias posibles[br]entre estudiantes que fueron

0:06:51.701,0:06:53.562
a distintos tipos de escuelas.

0:06:53.562,0:06:57.339
Tenían la noción de que el sesgo selectivo[br]en este contexto origina

0:06:57.339,0:07:01.799
dos fuerzas: ambición estudiantil[br]y oportunidad de colegios.

0:07:02.578,0:07:05.732
La mayoría de los estudiantes[br]sabe sus propias aptitudes

0:07:05.732,0:07:08.366
inclinaciones y motivación[br]para el trabajo escolar.

0:07:08.736,0:07:12.778
Estas fueras se resumen [br]por el tipo de escuelas a las que aplican.

0:07:13.345,0:07:16.995
Al mismo tiempo, las oficinas[br]de admisión escolares invierten

0:07:16.995,0:07:19.429
cientos de horas y energía en tratar[br]de acertar

0:07:19.429,0:07:21.568
quién triunfará en el campus.

0:07:21.568,0:07:26.633
Evalúan y seleccionan la habilidad[br]académica y el compromiso con la escuela.

0:07:27.384,0:07:28.915
¿Y si comparamos los resultados

0:07:28.915,0:07:32.448
de aquellos que tuvieron las mismas[br]aprobaciones o rechazos?

0:07:32.701,0:07:36.185
Comparemos dos estudiantes de preparatoria[br]Maya y Mariana.

0:07:36.185,0:07:39.720
Ambas admitidas a la UNC, [br]Duke pero no en Yale.

0:07:40.201,0:07:43.650
Ambas ambiciosas[br]y similarmente capaces

0:07:43.650,0:07:46.157
por las oficinas de admisión[br]de estas 3 escuelas

0:07:46.157,0:07:49.104
Maya opta por ir a Duke[br]porque su amiga va a ir allí.

0:07:49.138,0:07:52.137
Mientras que Mariana va hacia UNC[br]en Chapel Hill.

0:07:52.137,0:07:53.452
-[Mujer] ¡Vamos, tacones!

0:07:53.452,0:07:56.148
-[Josh] Maya y Mariana no son clones,[br]por supuesto

0:07:56.148,0:07:59.781
y toman decisiones distintas[br]por razones personales.

0:07:59.790,0:08:02.545
Pero de otra manera, [br]tienen mucho en común.

0:08:02.545,0:08:05.906
Los factores personales que conducen[br]a que escojan entre una u otra escuela

0:08:05.906,0:08:08.808
podrían no estar relacionados

0:08:08.808,0:08:10.813
con sus salarios futuros.

0:08:10.813,0:08:14.614
Tantas comparaciones nos llevan[br]un poco más cerca

0:08:14.614,0:08:16.184
de ceteris paribus.

0:08:16.753,0:08:20.932
Notablemente, un modelo de regresión[br]que controla conjuntos de escuelas

0:08:20.932,0:08:23.631
a los que han aplicado y aprobado[br]los estudiantes

0:08:23.631,0:08:26.399
muestra que casi no hay diferencia[br]entre las ganancias

0:08:26.399,0:08:28.336
de los graduados públicos o privados.

0:08:28.336,0:08:31.220
En otras palabras, [br]al promediar muchos casos

0:08:31.220,0:08:34.047
como los de Maya y Mariana

0:08:34.047,0:08:36.898
la prima de escuelas privadas cae[br]casi a cero.

0:08:38.936,0:08:42.774
Maya talvez disfrutó su educación[br]cara en Duke

0:08:42.774,0:08:46.914
pero en promedio, estudiantes como ella[br]no ganarán más

0:08:46.914,0:08:50.170
en el mercado laboral que otros [br]de escuelas públicas comparables.

0:08:50.649,0:08:54.390
Ese es un gran cambio de nuestro [br]diferencial de 14% en salarios

0:08:54.390,0:08:56.325
que favorece a las escuelas de elite.

0:08:57.014,0:09:00.856
La regresión tiene el poder de volver[br]una oscura noche estadística

0:09:00.856,0:09:03.083
en un claro día causal.

0:09:03.907,0:09:06.782
Pero necesitarás saber un poco más[br]antes de poder realizar la regresión

0:09:06.782,0:09:08.834
con habilidad y confianza.

0:09:10.412,0:09:14.264
-[Narrador] Está en camino[br]de dominar la econometría.

0:09:14.264,0:09:18.411
Asegúrese de haber aprendido del video[br]respondiendo a las preguntas de práctica.

0:09:18.563,0:09:21.942
O, si está listo, [br]haga clic en el siguiente video.

0:09:22.272,0:09:24.992
También puede visitar el sitio[br]de MRU

0:09:24.992,0:09:28.060
para más cursos, recursos de enseñanza[br]y más.

0:09:28.496,0:09:30.482
♪ [música] ♪