WEBVTT

00:00:00.000 --> 00:00:02.550
♪ [música] ♪

00:00:03.800 --> 00:00:05.800
- [Narrador] Bienvenidos 
a Conversaciones Nobel.

00:00:07.040 --> 00:00:08.100
En este episodio,

00:00:08.100 --> 00:00:11.570
Josh Angrist y Guido Imbens
se sientan con Isaiah Andrews

00:00:11.570 --> 00:00:14.600
para hablar de cómo está evolucionando 
el campo de la econometría.

00:00:16.100 --> 00:00:18.750
- [Isaiah] Guido y Josh, 
ambos son pioneros

00:00:18.750 --> 00:00:21.500
en el desarrollo de herramientas para
investigación empírica en economía.

00:00:21.500 --> 00:00:23.174
Y por eso me gustaría explorar

00:00:23.174 --> 00:00:25.300
hacia dónde creen que se dirige 
el campo de la...

00:00:25.709 --> 00:00:28.079
la economía, la econometría,
y todo este ámbito.

00:00:28.510 --> 00:00:31.302
Para empezar, me interesaría escuchar

00:00:32.171 --> 00:00:35.200
sobre si consideran que,
la forma en que

00:00:35.200 --> 00:00:38.510
el marco de los efectos
marco de los efectos del tratamiento local

00:00:38.800 --> 00:00:42.187
tienen alguna lección sobre cómo 
nuevos métodos empíricos en economía

00:00:42.187 --> 00:00:44.300
se desarrollan y difunden,
o cómo deberían hacerlo.

00:00:44.560 --> 00:00:45.960
- [Josh] Esa es una buena pregunta.

00:00:46.610 --> 00:00:47.790
Tú vas primero.

00:00:47.790 --> 00:00:49.240
[risas]

00:00:49.700 --> 00:00:52.940
- [Guido] Sí, creo que 
que lo importante es

00:00:52.940 --> 00:00:58.550
desarrollar buenos casos convincentes

00:00:58.550 --> 00:01:02.207
donde las preguntas sean claras

00:01:02.400 --> 00:01:05.720
y donde los métodos
se apliquen en general.

00:01:06.253 --> 00:01:07.560
Una cosa que...

00:01:08.192 --> 00:01:12.000
Mirando hacia atrás
a la literatura subsecuente.

00:01:12.200 --> 00:01:16.700
Me gusta mucho la literatura de
discontinuidad de regresión

00:01:16.700 --> 00:01:19.670
donde había claramente un montón
de ejemplos realmente convincentes

00:01:19.670 --> 00:01:23.378
y eso permitió a la gente
pensar con más claridad,

00:01:23.378 --> 00:01:27.200
mirar con más detenimiento 
las cuestiones metodológicas.

00:01:27.400 --> 00:01:28.800
Hacer aplicaciones claras

00:01:28.800 --> 00:01:30.600
que luego te permiten 
pensar en ello,

00:01:30.600 --> 00:01:33.600
"Vaya, ¿este tipo de suposiciones
son realmente razonables?

00:01:33.600 --> 00:01:38.000
¿Qué tipo de cosas no nos gustan
en los primeros documentos?

00:01:38.500 --> 00:01:39.802
¿Cómo podemos mejorar las cosas?"

00:01:39.802 --> 00:01:44.210
Por lo tanto, tener claras las aplicaciones 
que motiven estas literaturas,

00:01:44.210 --> 00:01:46.400
creo que es muy útil.

00:01:46.800 --> 00:01:48.050
- Me alegro de que hayas mencionado

00:01:48.050 --> 00:01:49.382
la discontinuidad de regresión,
Guido.

00:01:49.382 --> 00:01:53.300
Creo que hay mucha 
complementariedad entre la IV y la RD,

00:01:54.700 --> 00:01:57.060
las variables instrumentales
y la discontinuidad de la regresión.

00:02:00.506 --> 00:02:03.260
Muchas de las aplicaciones econométricas

00:02:03.260 --> 00:02:04.520
de la discontinuidad de la regresión

00:02:04.520 --> 00:02:07.230
son lo que antes
se llamaba RD "difusa",

00:02:07.230 --> 00:02:11.620
donde no es discreto 
o determinista en el corte

00:02:11.620 --> 00:02:14.900
sino solo en el cambio
en las tasas o la intensidad.

00:02:14.900 --> 00:02:17.737
Y el marco LATE
nos ayuda a entender

00:02:17.737 --> 00:02:18.740
esas aplicaciones

00:02:18.740 --> 00:02:21.140
y nos da una clara interpretación

00:02:21.140 --> 00:02:25.000
para algo como
en mi trabajo con Victor Lavy,

00:02:25.000 --> 00:02:28.100
donde usamos la regla de Maimónides,
los límites del tamaño de la clase,

00:02:28.430 --> 00:02:30.030
¿y qué obtienes ahí?

00:02:30.290 --> 00:02:31.820
Por supuesto, puedes
responder a esa pregunta

00:02:31.820 --> 00:02:33.900
con un modelo de efectos constantes,

00:02:34.200 --> 00:02:36.310
pero resulta que 
no estamos limitados a eso,

00:02:36.310 --> 00:02:39.889
y la RD sigue siendo muy poderosa 
y esclarecedora,

00:02:40.630 --> 00:02:43.092
incluso cuando la correlación

00:02:43.092 --> 00:02:45.866
entre el punto de corte
y la variable de interés,

00:02:45.866 --> 00:02:49.133
en este caso, el tamaño de la clase, 
es parcial,

00:02:49.133 --> 00:02:51.000
tal vez incluso no tan fuerte.

00:02:52.000 --> 00:02:54.999
Así que definitivamente hubo
un desarrollo paralelo.

00:02:54.999 --> 00:02:56.400
También es interesante...

00:02:57.253 --> 00:02:59.780
Nadie ha hablado de
diseños de regresión discontinua

00:02:59.780 --> 00:03:01.220
cuando estábamos en la escuela de posgrado --

00:03:01.220 --> 00:03:02.843
era algo

00:03:02.843 --> 00:03:05.300
en lo que otros científicos sociales
estaban interesados,

00:03:05.800 --> 00:03:09.507
y que creció 
junto con el marco de LATE,

00:03:09.507 --> 00:03:11.927
y ambos hemos trabajado

00:03:11.927 --> 00:03:14.565
tanto en aplicaciones
como en los métodos,

00:03:14.565 --> 00:03:18.377
y ha sido muy emocionante 
ver cómo se desarrolló

00:03:18.377 --> 00:03:19.800
y se convirtió en algo tan importante.

00:03:20.000 --> 00:03:21.767
Es parte de una evolución general,

00:03:21.767 --> 00:03:26.086
Creo que, vamos hacia
estrategias de identificación creíbles,

00:03:26.086 --> 00:03:27.441
efectos causales,

00:03:29.393 --> 00:03:30.642
haciendo econometría

00:03:30.642 --> 00:03:33.300
más sobre cuestiones causales
que sobre modelos.

00:03:33.640 --> 00:03:34.650
En términos de futuro,

00:03:34.650 --> 00:03:37.660
Creo que una cosa que LATE 
ha ayudado a facilitar

00:03:37.660 --> 00:03:42.008
es un movimiento hacia
ensayos más creativos y aleatorios

00:03:42.008 --> 00:03:44.400
donde hay
algo de interés.

00:03:45.500 --> 00:03:48.460
No es posible 
ni sencillo

00:03:48.460 --> 00:03:50.700
simplemente apagarlo o encenderlo,

00:03:51.000 --> 00:03:54.584
pero puede fomentarla 
o desalentarla.

00:03:54.584 --> 00:03:58.200
Así que se subvenciona la escolarización 
con ayudas económicas, por ejemplo.

00:03:59.000 --> 00:04:02.080
Así que ahora tenemos todo un 
marco para interpretarlo,

00:04:03.600 --> 00:04:07.113
y abre las puertas
a los ensayos aleatorios

00:04:07.113 --> 00:04:09.265
de cosas que tal vez

00:04:10.300 --> 00:04:12.471
no hubieran parecido posibles antes.

00:04:14.500 --> 00:04:17.864
Lo hemos utilizado mucho en el trabajo
que hacemos en las escuelas en nuestro --

00:04:17.864 --> 00:04:21.160
en el Blueprint Lab en el MIT.

00:04:22.360 --> 00:04:26.600
Estamos explotando la asignación aleatoria
de forma muy creativa, creo.

00:04:28.100 --> 00:04:31.395
- [Isaiah] En relación con eso,
¿ves factores particulares

00:04:31.395 --> 00:04:34.445
que hacen una investigación útil
en la econometría?

00:04:34.445 --> 00:04:38.443
Has aludido a que tiene
una clara conexión

00:04:38.443 --> 00:04:40.300
con los problemas 
que están surgiendo en la actualidad,

00:04:40.300 --> 00:04:42.862
y la práctica empírica 
suele ser una buena idea.

00:04:43.290 --> 00:04:45.000
- ¿No es siempre una buena idea?

00:04:45.700 --> 00:04:50.112
A menudo me encuentro sentado
en un seminario de teoría econométrica,

00:04:50.700 --> 00:04:52.500
digamos el seminario del MIT de Harvard,

00:04:53.400 --> 00:04:56.350
y pienso: "¿Qué problema
está resolviendo este tipo?

00:04:56.350 --> 00:04:57.960
¿Quién tiene este problema?"

00:04:57.960 --> 00:04:59.800
Y, ya sabes...

00:05:01.600 --> 00:05:04.700
a veces hay un silencio incómodo
si pregunto

00:05:04.900 --> 00:05:08.300
o puede haber
un escenario bastante complicado.

00:05:08.800 --> 00:05:11.600
Quiero ver 
dónde es útil la herramienta.

00:05:12.500 --> 00:05:14.765
Hay algunas 
herramientas puramente fundacionales --

00:05:14.765 --> 00:05:16.250
Entiendo el punto.

00:05:16.250 --> 00:05:21.735
Hay gente que está trabajando
en los fundamentos conceptuales de...

00:05:22.600 --> 00:05:25.300
y se convierte en algo más parecido a
la estadística matemática.

00:05:25.800 --> 00:05:27.653
Quiero decir, recuerdo 
un primer ejemplo de eso

00:05:27.653 --> 00:05:29.920
que me costó entender,

00:05:29.920 --> 00:05:32.500
era la idea
de la equicontinuidad estocástica,

00:05:32.500 --> 00:05:35.070
que uno de mis asesores de tesis,
Whitney Newey,

00:05:35.070 --> 00:05:36.479
estaba utilizando con gran efecto,

00:05:36.479 --> 00:05:38.821
y yo intentaba entenderlo.

00:05:40.600 --> 00:05:42.034
Es realmente fundamental.

00:05:42.034 --> 00:05:45.200
no hay una aplicación
que lo esté promoviendo,

00:05:45.890 --> 00:05:47.300
al menos no inmediatamente.

00:05:48.600 --> 00:05:53.200
Pero la mayoría de las cosas no son así,
y por eso debería haber un problema.

00:05:53.800 --> 00:05:59.247
Y creo que depende del vendedor 
de ese tipo de cosas,

00:06:00.480 --> 00:06:02.250
porque hay un coste de oportunidad,

00:06:02.250 --> 00:06:05.295
el tiempo y la atención
y el esfuerzo para entender las cosas.

00:06:05.980 --> 00:06:07.200
Es el vendedor quien debe decirlo,

00:06:07.400 --> 00:06:08.900
"Oye, estoy resolviendo este problema,

00:06:09.400 --> 00:06:12.900
y aquí hay un conjunto de resultados
que muestran que es útil,

00:06:12.900 --> 00:06:15.200
y aquí hay una visión
que obtengo".

00:06:16.097 --> 00:06:18.280
- [Isaiah] Como dijiste, Josh,
ha habido un movimiento

00:06:18.280 --> 00:06:20.700
en la dirección de pensar 
más sobre la causalidad

00:06:20.700 --> 00:06:22.900
en economía 
y el trabajo empírico en economía.

00:06:22.900 --> 00:06:26.570
¿Hay alguna consecuencia de la difusión
de ese punto de vista que te haya sorprendido

00:06:26.570 --> 00:06:28.347
o algo que veas
como desventajas

00:06:28.705 --> 00:06:31.500
de la forma que ha tomado
la economía empírica?

00:06:31.500 --> 00:06:34.322
- A veces veo 
que alguien hace IV,

00:06:34.322 --> 00:06:38.304
y obtienen un resultado 
que parece inverosímilmente grande--

00:06:38.800 --> 00:06:40.200
es el caso habitual.

00:06:42.500 --> 00:06:45.220
Así que podría un efecto casual
extraordinariamente grande

00:06:45.220 --> 00:06:48.600
de alguna 
intervención relativamente menor,

00:06:49.100 --> 00:06:52.260
que fue aleatoria
o para la que se podría hacer un caso

00:06:52.260 --> 00:06:54.490
de que hay un buen diseño.

00:06:54.900 --> 00:06:57.205
Y entonces, cuando veo eso,

00:06:57.944 --> 00:07:00.101
creo que es muy difícil 
para mí creer

00:07:00.101 --> 00:07:02.030
que esta relativamente 
intervención menor

00:07:02.030 --> 00:07:03.720
tenga un efecto tan grande.

00:07:04.100 --> 00:07:06.277
El autor recurrirá a veces

00:07:06.277 --> 00:07:08.690
al teorema de los efectos del tratamiento
a media local 

00:07:08.690 --> 00:07:11.066
y dirá, "Bueno, estos proveedores--

00:07:11.066 --> 00:07:12.700
son especiales de alguna manera,

00:07:13.300 --> 00:07:15.800
y se benefician
extraordinariamente

00:07:15.800 --> 00:07:17.600
de esta intervención".

00:07:18.100 --> 00:07:21.175
Soy reacio a tomar eso
al pie de la letra.

00:07:21.175 --> 00:07:23.750
Creo que a menudo, cuando los efectos
son demasiado grandes,

00:07:24.300 --> 00:07:26.780
es porque la restricción
de exclusión está fallando,

00:07:26.780 --> 00:07:29.456
por lo que no tienes la variable endógena

00:07:29.456 --> 00:07:31.380
para escalar ese resultado.

00:07:32.000 --> 00:07:35.700
Y por lo tanto, no me alegra ver

00:07:36.937 --> 00:07:39.692
un argumento de heterogeneidad genérica

00:07:40.022 --> 00:07:41.760
que se utiliza para excusar algo

00:07:41.760 --> 00:07:43.800
que creo que puede ser 
un problema más profundo.

00:07:45.190 --> 00:07:47.358
- [Guido] Creo que desempeñó 
un papel desafortunado

00:07:47.358 --> 00:07:50.083
en las discusiones
entre la forma reducida

00:07:50.083 --> 00:07:51.700
y los enfoques estructurales,

00:07:51.700 --> 00:07:55.510
donde siento que 
no era del todo correcto.

00:07:56.090 --> 00:07:58.810
Las suposiciones de las de variables instrumentales 

00:07:58.810 --> 00:08:01.510
están en el centro,

00:08:01.510 --> 00:08:03.483
suposiciones estructurales
sobre el comportamiento --

00:08:03.483 --> 00:08:05.200
venían de la economía...

00:08:07.100 --> 00:08:09.900
pensando en el comportamiento
comportamiento de los agentes,

00:08:10.300 --> 00:08:15.100
y de alguna manera fue empujado
en una dirección

00:08:15.100 --> 00:08:17.600
que creo que no era 
realmente útil.

00:08:20.426 --> 00:08:21.663
Creo que, inicialmente,

00:08:22.800 --> 00:08:24.067
escribimos las cosas,

00:08:24.067 --> 00:08:26.480
se describía
lo que estaba ocurriendo.

00:08:26.480 --> 00:08:29.783
Había un conjunto de métodos 
que la gente utilizaba.

00:08:29.783 --> 00:08:32.111
Aclaramos lo que 
esos métodos estaban haciendo

00:08:32.811 --> 00:08:38.361
de una manera que creo que contiene
una buena cantidad de información.

00:08:39.100 --> 00:08:42.050
Pero de alguna manera 
fue arrinconado

00:08:42.050 --> 00:08:45.379
que no creo que 
haya sido necesariamente muy útil.

00:08:45.379 --> 00:08:48.604
- Sólo en el lenguaje
de la forma reducida frente a la estructural,

00:08:48.604 --> 00:08:50.306
me parece divertido en el sentido 

00:08:50.306 --> 00:08:52.985
de que el promedio local
modelo de efecto del tratamiento,

00:08:52.985 --> 00:08:54.154
el modelo de resultados potenciales

00:08:54.154 --> 00:08:56.110
es un modelo estructural
estructural no paramétrico,

00:08:56.110 --> 00:08:58.600
si quieres pensar en ello, 
como sugeriste, Guido.

00:08:58.600 --> 00:09:01.129
Es algo divertido

00:09:01.129 --> 00:09:03.505
poner estas 
dos cosas en oposición cuando --

00:09:03.505 --> 00:09:05.116
- [Guido] Sí.
- [Josh] Ese lenguaje, por supuesto,

00:09:05.116 --> 00:09:08.371
viene del marco de las ecuaciones
simultáneas

00:09:08.371 --> 00:09:09.641
que hemos heredado.

00:09:10.400 --> 00:09:11.440
Tiene la ventaja

00:09:11.440 --> 00:09:14.085
de que la gente parece saber 
lo que quieres decir cuando lo usas,

00:09:14.085 --> 00:09:15.164
pero podría ser

00:09:16.559 --> 00:09:18.300
que diferentes personas
están escuchando cosas diferentes.

00:09:18.300 --> 00:09:20.480
- [Guido] Sí. Creo que
la forma reducida se ha venido usando

00:09:20.480 --> 00:09:22.200
de forma peyorativa...

00:09:22.200 --> 00:09:23.540
- [Josh] A veces.

00:09:25.104 --> 00:09:28.250
...y eso no es realmente para lo que 
para lo que fue originalmente concebida.

00:09:30.100 --> 00:09:33.090
- [Isaiah] Supongo que algo más
que me llama la atención al pensar

00:09:33.090 --> 00:09:35.645
en los efectos de la media local
marco del efecto del tratamiento

00:09:35.645 --> 00:09:37.676
es que a menudo la gente apelará

00:09:37.676 --> 00:09:40.000
a la intuición de los efectos del tratamiento
de tratamiento local

00:09:40.000 --> 00:09:42.358
para entornos más allá de aquellos

00:09:42.358 --> 00:09:44.963
donde cualquier tipo de resultado formal
se ha establecido realmente.

00:09:45.440 --> 00:09:49.180
Y tengo curiosidad, dado todo el trabajo
que ustedes hicieron

00:09:49.180 --> 00:09:52.390
para establecer resultados tardíos 
en diferentes escenarios,

00:09:52.390 --> 00:09:54.415
Tengo curiosidad, ¿alguna opinión al respecto?

00:09:55.360 --> 00:09:57.306
- Creo que va a haber
un montón de casos

00:09:57.306 --> 00:10:02.200
donde la intuición 
te puede llevar hasta cierto punto,

00:10:02.800 --> 00:10:04.989
pero va a ser 
algo limitado,

00:10:04.989 --> 00:10:07.600
y establecer 
resultados formales allí

00:10:08.400 --> 00:10:09.490
puede ser un poco complicado

00:10:09.490 --> 00:10:12.700
y tal vez sólo funcione 
en circunstancias especiales,

00:10:14.600 --> 00:10:16.540
y terminas
con mucha formalidad

00:10:16.540 --> 00:10:19.500
que la intuición
podría no captar del todo.

00:10:19.900 --> 00:10:21.550
A veces me siento algo 
incómodo con ellos,

00:10:21.550 --> 00:10:24.438
y no son necesariamente
los trabajos que yo querría escribir,

00:10:25.148 --> 00:10:27.819
pero creo que la intuición

00:10:27.819 --> 00:10:30.912
a menudo capta 
parte del problema.

00:10:33.100 --> 00:10:36.300
Creo que, en cierto sentido,
fuimos muy afortunados allí

00:10:36.900 --> 00:10:39.250
en la forma en que el documento LATE 
se manejó en la revista,

00:10:39.250 --> 00:10:41.766
por lo que, en realidad, el editor
lo hizo mucho más corto

00:10:42.100 --> 00:10:46.300
y eso nos permitió centrarnos
en resultados muy claros y nítidos.

00:10:49.924 --> 00:10:51.770
Hay una tendencia
desafortunada tendencia

00:10:51.770 --> 00:10:53.118
en la literatura econométrica

00:10:53.118 --> 00:10:54.870
de hacer que los artículos 
sean cada vez más largos.

00:10:54.870 --> 00:10:56.550
- Bueno, deberías arreglar eso.

00:10:56.550 --> 00:10:58.915
- Estoy tratando de arreglar eso.
[risas]

00:10:58.915 --> 00:11:01.510
Pero creo que este es un ejemplo 
donde está muy claro

00:11:01.510 --> 00:11:03.097
que el hecho de que sea corto
es en realidad --

00:11:03.097 --> 00:11:04.750
- Deberías haber impuesto
que ningún artículo

00:11:04.750 --> 00:11:06.802
sea más largo que el artículo de LATE.

00:11:07.269 --> 00:11:09.617
- Eso... ¡vaya! Eso puede ser genial.

00:11:09.617 --> 00:11:11.685
- Al menos no hay teoría, 
no hay un artículo de la teoría.

00:11:11.892 --> 00:11:13.339
- Sí, y creo que...

00:11:14.500 --> 00:11:16.800
Estoy intentando con todas mis fuerzas
que los artículos sean más cortos,

00:11:16.800 --> 00:11:19.514
y creo que hay mucho
de valor hoy en día

00:11:19.514 --> 00:11:21.573
porque a menudo es
la segunda parte del artículo

00:11:21.573 --> 00:11:25.049
la que en realidad
te lleva mucho más lejos

00:11:25.049 --> 00:11:26.395
en la comprensión de las cosas,

00:11:27.000 --> 00:11:29.870
y hace que las cosas 
sean mucho más difíciles de leer.

00:11:32.426 --> 00:11:36.179
Todo vuelve al punto de cómo creo
que la econometría debería hacerse.

00:11:36.179 --> 00:11:38.070
Deberías centrarte en...

00:11:38.700 --> 00:11:41.300
Debería estar razonablemente
cerca de los problemas empíricos.

00:11:41.500 --> 00:11:43.900
Deberían ser problemas muy claros.

00:11:44.800 --> 00:11:48.900
Pero a menudo la teoría
no necesita ser tan larga.

00:11:48.900 --> 00:11:50.010
- [Josh] Sí.

00:11:51.100 --> 00:11:54.670
- Creo que las cosas se han desviado
un poco.

00:11:56.260 --> 00:11:57.750
- [Isaiah] Un cambio relativamente 
reciente

00:11:57.750 --> 00:12:00.230
ha sido un aparente
gran aumento de la demanda

00:12:00.230 --> 00:12:03.765
de personas con conocimientos y habilidades
de econometría en la estimación de efectos causales

00:12:03.765 --> 00:12:04.994
en el sector tecnológico.

00:12:04.994 --> 00:12:07.563
Estoy interesado, 
¿alguno de ustedes tiene alguna idea

00:12:07.563 --> 00:12:09.840
de cómo va a interactuar eso

00:12:09.840 --> 00:12:11.600
con el desarrollo 
de los métodos empíricos

00:12:11.600 --> 00:12:13.950
o la investigación empírica
en la economía en el futuro?

00:12:14.600 --> 00:12:16.770
- [Josh] Bueno, hay
una especie de meta-punto,

00:12:16.770 --> 00:12:21.000
que es que hay este nuevo 
tipo de empleador,

00:12:21.800 --> 00:12:27.530
como Amazon y Uber,
y el mundo de TripAdvisor,

00:12:28.000 --> 00:12:29.300
y creo que eso es genial.

00:12:29.300 --> 00:12:32.030
Me gusta contarle a mis estudiantes
sobre eso.

00:12:32.600 --> 00:12:35.500
En el MIT, tenemos un montón
de estudiantes de ciencias de la computación...

00:12:35.500 --> 00:12:37.000
esa es nuestra mayor carrera.

00:12:37.400 --> 00:12:42.362
Intento seducir a algunas de esas personas
a la economía diciendo

00:12:43.228 --> 00:12:46.700
que pueden ir a trabajar a estas empresas

00:12:46.700 --> 00:12:49.250
para las cuales la gente
está muy dispuesta a trabajar,

00:12:49.250 --> 00:12:50.800
porque el trabajo parece emocionante,

00:12:52.000 --> 00:12:54.250
que las habilidades 
que se obtienen en la econometría

00:12:54.250 --> 00:12:56.100
son tan buenas o mejores

00:12:56.100 --> 00:12:59.736
que cualquier otra disciplina 
de la competencia.

00:12:59.736 --> 00:13:02.143
Así que al menos deberías
tomar algo de economía --

00:13:02.143 --> 00:13:04.290
tomar algo de econometría
y algo de economía.

00:13:04.800 --> 00:13:07.000
Hice un proyecto divertido con Uber

00:13:07.600 --> 00:13:09.501
sobre la oferta laboral de los conductores de Uber,

00:13:09.920 --> 00:13:12.805
y fue muy emocionante
ser parte de eso.

00:13:13.100 --> 00:13:15.400
Además, tuve que conducir 
para Uber durante un tiempo,

00:13:15.900 --> 00:13:17.730
y también me pareció divertido.

00:13:17.730 --> 00:13:19.231
No hice lo suficiente

00:13:19.231 --> 00:13:22.616
y estuve tentado
a dejar mi trabajo en el MIT,

00:13:22.616 --> 00:13:25.100
pero disfruté de la experiencia.

00:13:25.230 --> 00:13:27.534
Veo un desafío potencial

00:13:27.534 --> 00:13:30.900
a nuestro modelo
de educación de postgrado aquí,

00:13:31.700 --> 00:13:36.068
que es, si estamos entrenando a la gente
para ir a trabajar a Amazon,

00:13:37.900 --> 00:13:41.190
no está claro por qué
deberíamos pagar

00:13:41.190 --> 00:13:42.900
subsidios a los graduados por eso.

00:13:43.200 --> 00:13:47.280
¿Por qué debería el contribuyente
estar subvencionando eso?

00:13:47.280 --> 00:13:51.180
Nuestra educación de postgrado
en los Estados Unidos está generosamente subvencionada,

00:13:51.180 --> 00:13:53.272
incluso en las universidades privadas--

00:13:54.906 --> 00:13:56.477
hay mucho dinero público.

00:13:56.477 --> 00:13:59.300
Y creo que la razón tradicional
de esto es...

00:13:59.643 --> 00:14:01.992
que estábamos formando 
educadores y académicos,

00:14:01.992 --> 00:14:05.657
y hay una gran externalidad
del trabajo que hacemos,

00:14:05.657 --> 00:14:07.910
es o bien 
la externalidad de la investigación,

00:14:07.910 --> 00:14:09.557
o la externalidad de la enseñanza.

00:14:10.100 --> 00:14:13.389
Pero si muchos de nuestros estudiantes
van a trabajar

00:14:13.389 --> 00:14:14.688
en el sector privado --

00:14:16.300 --> 00:14:17.414
está bien,

00:14:19.000 --> 00:14:21.700
pero tal vez sus empleadores
deberían pagar por ellos.

00:14:22.120 --> 00:14:23.370
- Para mí, es tan diferente

00:14:23.370 --> 00:14:26.780
de la gente que trabaja 
para empresas de consultoría.

00:14:27.200 --> 00:14:28.780
No me queda claro

00:14:28.780 --> 00:14:32.836
que el número de puestos de trabajo
en el mundo académico haya cambiado.

00:14:33.370 --> 00:14:36.325
- Siento que este es
un sector en crecimiento,

00:14:36.325 --> 00:14:37.807
mientras que la consultoría...

00:14:37.807 --> 00:14:39.289
Tienes razón al plantear eso.

00:14:39.289 --> 00:14:42.100
Podría ser lo mismo 
para la consultoría.

00:14:44.846 --> 00:14:47.500
Estoy colocando cada vez más 
estudiantes en estas empresas,

00:14:47.500 --> 00:14:49.467
así que está en mi mente, en cierto modo,

00:14:49.467 --> 00:14:54.212
que no he estado atento 
a los trabajos de consultoría.

00:14:54.212 --> 00:14:56.920
La consultoría siempre fue importante,

00:14:56.920 --> 00:14:58.950
y creo que también 
hay algún movimiento

00:14:58.950 --> 00:15:01.140
de la consultoría de vuelta
a la investigación...

00:15:01.140 --> 00:15:02.723
es un poco más fluido.

00:15:03.900 --> 00:15:07.630
Gran parte del trabajo en ambos dominios,

00:15:07.630 --> 00:15:09.430
Tengo que decir
que no es realmente diferente,

00:15:09.430 --> 00:15:12.730
pero la gente que trabaja
en el sector tecnológico

00:15:12.730 --> 00:15:15.480
están haciendo cosas que son 
potencialmente de interés científico,

00:15:15.480 --> 00:15:16.800
pero la mayor parte está oculta.

00:15:17.100 --> 00:15:18.550
Entonces sí que debemos preguntarnos,

00:15:18.550 --> 00:15:20.900
¿por qué el gobierno
pagando por esto?

00:15:22.104 --> 00:15:23.732
- Aunque, a propósito de Guido,

00:15:23.732 --> 00:15:26.783
Supongo que esto se trata
de un asunto de datos,

00:15:26.783 --> 00:15:32.772
¿tiene el total [no CE]
el empleo del sector lucrativo

00:15:32.772 --> 00:15:35.595
del programa de doctorado en economía
graduados de programas de doctorado en economía

00:15:35.595 --> 00:15:38.290
o ha sido simplemente
una sustitución de las finanzas

00:15:38.290 --> 00:15:40.300
y la consultoría hacia la tecnología?

00:15:40.300 --> 00:15:42.300
- Puede que esté reaccionando a algo

00:15:42.300 --> 00:15:44.400
que no está sucediendo realmente.

00:15:44.400 --> 00:15:45.890
- En realidad he hecho algo de trabajo

00:15:45.890 --> 00:15:48.200
con algunas de estas empresas tecnológicas.

00:15:49.100 --> 00:15:52.200
No estoy en desacuerdo con el punto de Josh 
de que tenemos que pensar

00:15:52.200 --> 00:15:53.675
un poco sobre 
el modelo de financiación

00:15:53.675 --> 00:15:56.390
quién es, al final, el que paga 
por la educación de postgrado.

00:15:56.913 --> 00:15:59.400
Pero desde una perspectiva científica,

00:15:59.980 --> 00:16:02.840
no sólo estos lugares
tienen grandes datos,

00:16:02.840 --> 00:16:05.112
y hoy en día tienden a ser
muy cuidadosos con eso

00:16:05.112 --> 00:16:07.100
por razones de privacidad,

00:16:07.380 --> 00:16:08.900
pero también tienen grandes preguntas.

00:16:10.200 --> 00:16:13.929
Me parece muy inspirador escuchar
a la gente de allí

00:16:13.929 --> 00:16:15.950
y ver qué tipo de preguntas tienen,

00:16:15.950 --> 00:16:17.330
y a menudo son preguntas

00:16:18.200 --> 00:16:21.241
que también surgen
fuera de estas empresas.

00:16:21.241 --> 00:16:27.430
Tengo un par de documentos 
con Raj Chetty y Susan Athey

00:16:27.430 --> 00:16:31.600
donde buscamos formas
de combinar datos experimentales

00:16:31.600 --> 00:16:33.274
y datos observacionales.

00:16:35.500 --> 00:16:38.600
Raj Chetty estaba interesado
en cuál es el efecto

00:16:38.600 --> 00:16:42.893
de los programas de la primera infancia 
sobre los resultados más adelante en la vida,

00:16:42.893 --> 00:16:46.330
no sólo en los resultados de las pruebas
sino en los ingresos y otras cosas,

00:16:46.330 --> 00:16:48.300
y hemos desarrollado métodos

00:16:48.600 --> 00:16:51.500
que ayudarían a arrojar luz
en eso bajo algunos...

00:16:52.718 --> 00:16:53.868
en algunos escenarios,

00:16:53.868 --> 00:16:56.920
y surgieron los mismos problemas

00:16:56.920 --> 00:17:00.533
en estos entornos de empresas tecnológicas.

00:17:00.800 --> 00:17:03.240
Y por lo tanto, desde mi perspectiva,

00:17:03.240 --> 00:17:05.420
es el mismo tipo de --

00:17:05.420 --> 00:17:07.600
Estaba hablando con gente 
haciendo un trabajo empírico.

00:17:07.600 --> 00:17:09.700
Traté de analizar
estos problemas específicos

00:17:09.700 --> 00:17:13.370
y luego tratar de investigar
problemas más generales,

00:17:15.110 --> 00:17:18.230
reformulando los problemas
a un nivel superior

00:17:18.500 --> 00:17:22.900
para poder pensar en soluciones
que funcionen en una serie de escenarios.

00:17:23.400 --> 00:17:24.933
Y desde esa perspectiva,

00:17:24.933 --> 00:17:27.570
las interacciones 
con las empresas tecnológicas

00:17:27.570 --> 00:17:30.300
son muy valiosas
y muy útiles.

00:17:31.700 --> 00:17:35.204
Ahora tenemos estudiantes
haciendo prácticas allí

00:17:35.204 --> 00:17:38.516
y luego regresan 
y escriben tesis más interesantes

00:17:38.516 --> 00:17:43.400
como resultado
de sus experiencias allí.

00:17:44.600 --> 00:17:47.020
- [Narrador] Si desea ver
más Conversaciones Nobel,

00:17:47.020 --> 00:17:48.200
haga clic aquí.

00:17:48.200 --> 00:17:50.500
O si desea aprender
más sobre econometría,

00:17:50.500 --> 00:17:53.100
vea la serie "Mastering Econometrics" de Josh.

00:17:53.700 --> 00:17:56.720
Si desea saber más 
sobre Guido, Josh e Isaiah,

00:17:56.720 --> 00:17:58.300
consulte los enlaces 
en la descripción.

00:17:59.036 --> 00:18:01.495
* [música] *