[Narradora] Bienvenidos a Conversaciones Nobel. En este episodio, Josh Angrist y Guido Imbens se sientan con Isaiah Andrews para hablar de cómo está evolucionando el campo de la econometría. [Isaiah] Guido y Josh, ambos son pioneros en el desarrollo de herramientas para investigación empírica en economía. Y por eso me gustaría explorar hacia dónde creen que se dirige el campo de la... la economía, la econometría, y todo este ámbito. Para empezar, me interesaría escuchar sobre si consideran que, la forma en que el marco de los efectos del tratamiento local tuvo lugar, si tienen alguna lección sobre cómo nuevos métodos empíricos en economía se desarrollan y difunden, o cómo deben hacerlo. [Josh] Esa es una buena pregunta. Tú vas primero. [risas] [Guido] Sí, creo que lo importante es desarrollar casos convincentes donde las preguntas sean claras y donde los métodos se apliquen en general. Una cosa que mirando hacia atrás a la literatura subsecuente. Me gusta mucho la literatura de discontinuidad de regresión donde había claramente un montón de ejemplos realmente convincentes y eso permitió a la gente pensar con más claridad, mirar con más detenimiento las cuestiones metodológicas. Hacer aplicaciones claras que luego te permiten pensar en ello, "Vaya, ¿este tipo de suposiciones son realmente razonables? ¿Qué tipo de cosas no nos gustan en los primeros documentos? ¿Cómo podemos mejorar las cosas?". Por lo tanto, tener claras las aplicaciones que motiven estas literaturas, creo que es muy útil. [Josh] Me alegro de que hayas mencionado la regresión discontinua, Guido. Creo que hay mucha complementariedad entre la VI y la RD, las variables instrumentales y la regresión discontinua. Muchas de las aplicaciones econométricas de la regresión discontinua son lo que antes se llamaba RD "difusa", donde no es discreto o determinista en el corte, sino solo en el cambio en las tasas o la intensidad. Y el marco LATE nos ayuda a entender esas aplicaciones y nos da una clara interpretación para algo como en mi trabajo con Victor Lavy, donde usamos la regla de Maimónides, los límites del tamaño de la clase, ¿y qué obtienes de eso? Por supuesto, puedes responder a esa pregunta con un modelo de efectos constantes, pero resulta que no estamos limitados a eso, y la RD sigue siendo muy poderosa y esclarecedora, incluso cuando la correlación entre el punto de corte y la variable de interés, en este caso, el tamaño de la clase, es parcial, tal vez, incluso, no tan fuerte. Así que definitivamente hubo un desarrollo paralelo. También es interesante... Nadie hablaba de diseños de regresión discontinua cuando estábamos en la escuela de postgrado; era algo en lo que otros científicos sociales estaban interesados, y que creció junto con el marco de LATE, y ambos hemos trabajado tanto en aplicaciones como en los métodos, y ha sido muy emocionante ver cómo se desarrolló y se convirtió en algo tan importante. Es parte de una evolución general. Creo que, vamos hacia estrategias de identificación creíbles, efectos causales, haciendo econometría más sobre cuestiones causales que sobre modelos. En términos de futuro, creo que una cosa que LATE ha ayudado a facilitar es un movimiento hacia ensayos más creativos y aleatorios donde hay algo de interés. No es posible ni sencillo simplemente apagarlo o encenderlo, pero puede fomentarla o desalentarla. Se subvenciona la escolarización con ayudas económicas, por ejemplo. Así que ahora tenemos todo un marco para interpretarlo, y abre las puertas a los ensayos aleatorios de cosas que tal vez no hubieran sido posibles antes. Lo hemos utilizado mucho en el trabajo que hacemos, en las escuelas, en nuestro... en el Blueprint Lab en el MIT. Estamos explotando la asignación aleatoria de forma muy creativa, creo. [Isaiah] En relación con eso, ¿ves factores particulares que conducen hacia una investigación útil en la econometría? Has aludido a que tiene una clara conexión con los problemas que surgen en la actualidad, y la práctica empírica suele ser una buena idea. [Josh] ¿No es siempre una buena idea? A menudo me encuentro en un seminario de teoría econométrica, digamos el seminario del MIT de Harvard, y pienso: "¿Qué problema está resolviendo este tipo?". "¿Quién tiene este problema?". Y, ya sabes... A veces hay un silencio incómodo si pregunto o puede haber un escenario bastante complicado. Quiero ver dónde es útil la herramienta. Hay algunas herramientas puramente fundacionales. Entiendo el punto. Hay gente que está trabajando en los fundamentos conceptuales de... y se convierte en algo parecido a la estadística matemática. Quiero decir, recuerdo un primer ejemplo de eso que me costó entender, era la idea de la equicontinuidad estocástica, que uno de mis asesores de tesis, Whitney Newey, estaba utilizando con gran efecto, y yo intentaba entenderlo. Es realmente fundamental. No hay una aplicación que lo esté promoviendo, al menos no inmediatamente. Pero la mayoría de las cosas no son así, y por eso debería haber un problema. Y creo que depende del vendedor de ese tipo de cosas, porque hay un coste de oportunidad, el tiempo y la atención y el esfuerzo para entender las cosas. Es el vendedor quien debe decirlo: "Oye, estoy resolviendo este problema, y aquí hay un conjunto de resultados que muestran que es útil, y aquí hay una visión que obtengo". [Isaiah] Como dijiste, Josh, ha habido un movimiento en la dirección de pensar más sobre la causalidad en economía y el trabajo empírico en economía. ¿Hay alguna consecuencia de la difusión de ese punto de vista que te haya sorprendido o algo que veas como desventajas de la forma que ha tomado la economía empírica? [Josh] A veces veo que alguien hace IV, y obtienen un resultado que parece inverosímilmente grande, es el caso habitual. Así que podría ser un efecto casual extraordinariamente grande de alguna intervención relativamente menor, que fue aleatoria o para la que se podría hacer un caso de que hay un buen diseño. Y entonces, cuando veo eso, creo que es muy difícil para mí creer que esta intervención relativamente menor tenga un efecto tan grande. El autor recurrirá a veces al teorema de los efectos del tratamiento local promedio y dirá: "Bueno, estos proveedores son especiales de alguna manera, y se benefician extraordinariamente de esta intervención". Soy reacio a tomar eso al pie de la letra. Creo que, a menudo, cuando los efectos son demasiado grandes, es porque la restricción de exclusión está fallando, por lo que no tienes la variable endógena para escalar ese resultado. Y, por lo tanto, no me alegra ver un argumento de heterogeneidad genérica que se utiliza para justificar algo que creo que puede ser un problema más profundo. [Guido] Creo que desempeñó un papel desafortunado en las discusiones entre la forma reducida y los enfoques estructurales, donde siento que no era del todo correcto. Las suposiciones de las de variables instrumentales están en el centro, suposiciones estructurales sobre el comportamiento, ellas vinieron de la economía... pensando en el comportamiento de los agentes, y de alguna manera fue empujado en una dirección que creo que no era realmente útil. Creo que, inicialmente, escribimos las cosas, se describía lo que estaba ocurriendo. Había un conjunto de métodos que la gente utilizaba. Aclaramos lo que esos métodos estaban haciendo de una manera que creo que contiene una buena cantidad de información. Pero de alguna manera fue arrinconado, y no creo que haya sido necesariamente útil. [Isaiah] Solo en el lenguaje de la forma reducida frente a la estructural, me parece divertido en el sentido de que el modelo de efecto del tratamiento del promedio local el modelo de resultados potenciales es un modelo estructural no paramétrico, si quieres pensar en ello, como sugeriste, Guido. Es algo divertido poner estas dos cosas en oposición cuando... - [Guido] Sí. - [Joshua] Ese lenguaje, por supuesto, viene del marco de las ecuaciones simultáneas que hemos heredado. Tiene la ventaja de que la gente parece saber lo que dices cuando lo usas, pero podría ser que diferentes personas están escuchando cosas diferentes. [Guido] Sí, creo que la forma reducida se ha venido usando de forma peyorativa... [Josh] A veces... [Guido]...y eso no es realmente para lo que fue concebida. [Isaiah] Supongo que algo más que me llama la atención al pensar en los efectos del marco del efecto del tratamiento local promedio es que a menudo la gente apelará a la intuición de los efectos del tratamiento local promedio para entornos más allá de aquellos donde cualquier tipo de resultado formal se ha establecido realmente. Y tengo curiosidad, dado todo el trabajo que ustedes hicieron para establecer resultados tardíos en diferentes escenarios, tengo curiosidad, ¿alguna opinión al respecto? [Guido] Creo que va a haber un montón de casos donde la intuición te puede llevar hasta cierto punto, pero va a ser algo limitado, y establecer resultados formales allí puede ser un poco complicado y tal vez solo funcione en circunstancias especiales, y terminas con mucha formalidad que la intuición podría no captar del todo. A veces me siento algo incómodo con ellos, y no son necesariamente los trabajos que yo querría escribir, pero creo que la intuición a menudo capta parte del problema. Creo que, en cierto sentido, fuimos muy afortunados allí en la forma en que el documento LATE se manejó en la revista, por lo que, en realidad, el editor lo hizo mucho más corto y eso nos permitió centrarnos en resultados muy claros y nítidos. Hay una tendencia desafortunada en la literatura econométrica de hacer que los artículos sean cada vez más largos. [Josh] Bueno, deberías arreglar eso. [Guido] Estoy tratando de arreglar eso. Pero creo que este es un ejemplo donde está muy claro que el hecho de que sea corto es en realidad... [Josh] Deberías haber impuesto que ningún artículo sea más largo que el artículo de LATE. [Guido] Eso... ¡vaya! Eso puede ser genial. [Josh] Al menos no hay teoría, no hay un artículo de la teoría. [Guido] Sí, y creo que... Me estoy esforzando para que los artículos sean más cortos, y creo que hay mucho de valor hoy en día porque a menudo es la segunda parte del artículo la que en realidad te lleva mucho más lejos en la comprensión de las cosas, y hace que las cosas sean mucho más difíciles de leer. Todo vuelve al punto de cómo creo que la econometría debería hacerse. Deberías centrarte en... Debería estar razonablemente cerca de los problemas empíricos. Deberían ser problemas muy claros. Pero a menudo la teoría no necesita ser tan larga. [Josh] Sí. [Guido] Creo que las cosas se han desviado un poco. [Isaiah] Un cambio relativamente reciente ha sido un aparente gran aumento de la demanda de personas con conocimientos y habilidades de econometría en la estimación de efectos causales en el sector tecnológico. Estoy interesado, ¿alguno de ustedes tiene idea de cómo va a interactuar eso con el desarrollo de los métodos empíricos o la investigación empírica en la economía en el futuro? [Josh] Bueno, hay una especie de meta-punto, que es que hay este nuevo tipo de empleador, como Amazon y Uber, y el mundo de TripAdvisor, y creo que eso es genial. Me gusta contarles a mis estudiantes sobre eso. En el MIT tenemos muchos estudiantes de ciencias de la computación... esa es nuestra mayor carrera. Intento seducir a algunas de esas personas a la economía diciendo que pueden ir a trabajar a estas empresas para las cuales la gente está muy dispuesta a trabajar, porque el trabajo parece emocionante, que las habilidades que se obtienen en la econometría son tan buenas o mejores que cualquier otra disciplina de la competencia. Así que al menos deberías tomar algo de economía, tomar algo de econometría y algo de economía. Hice un proyecto divertido con Uber sobre la oferta laboral de los conductores de Uber, y fue muy emocionante ser parte de eso. Además, tuve que conducir para Uber durante un tiempo, y también me pareció divertido. No gané lo suficiente como para dejar mi trabajo en el MIT, pero disfruté de la experiencia. Veo un desafío potencial a nuestro modelo de educación de postgrado aquí, que es, si estamos entrenando a la gente para trabajar en Amazon, no está claro por qué deberíamos pagar subvenciones a los graduados por eso. ¿Por qué debería el contribuyente estar subvencionando eso? Nuestra educación de postgrado en los Estados Unidos está generosamente subvencionada, incluso en las universidades privadas, hay mucho dinero público. Y creo que la razón tradicional de esto es... que estábamos formando educadores y académicos, y hay una gran externalidad del trabajo que hacemos, es o bien la externalidad de la investigación, o la externalidad de la enseñanza. Pero si muchos de nuestros estudiantes van a trabajar en el sector privado, está bien, pero tal vez sus empleadores deberían pagar por ellos. [Guido] Para mí, es tan diferente de la gente que trabaja para empresas de consultoría. No me queda claro que el número de puestos de trabajo en el mundo académico haya cambiado. [Josh] Siento que este es un sector en crecimiento, mientras que la consultoría... Tienes razón al plantear eso. Podría ser lo mismo para la consultoría. Estoy colocando cada vez más estudiantes en estas empresas, así que está en mi mente, en cierto modo, que no he estado atento a los trabajos de consultoría. La consultoría siempre fue importante, y creo que también hay algún movimiento de la consultoría de vuelta a la investigación... es un poco más fluido. Gran parte del trabajo en ambos dominios, tengo que decir que no es realmente diferente, pero la gente que trabaja en el sector tecnológico están haciendo cosas que son potencialmente de interés científico, pero la mayor parte está oculta. Entonces, sí que debemos preguntarnos, ¿por qué el gobierno pagando por esto? [Isaiah] Aunque, a propósito de Guido, supongo que esto se trata de un asunto de datos, ¿el total [no CE] para el empleo del sector lucrativo del programa de graduados del doctorado de economía ha incrementado o ha sido simplemente una sustitución de las finanzas y la consultoría hacia la tecnología? [Josh] Puede que esté reaccionando a algo que no está sucediendo realmente. [Guido] En realidad, he hecho algo de trabajo con algunas de estas empresas tecnológicas. No estoy en desacuerdo con el punto de Josh de que tenemos que pensar un poco sobre el modelo de financiación, quién es, al final, el que paga por la educación de postgrado. Pero desde una perspectiva científica, no solo estos lugares tienen grandes datos, y hoy en día tienden a ser muy cuidadosos con eso por razones de privacidad, pero también tienen grandes preguntas. Me parece muy inspirador escuchar a la gente de allí y ver qué tipo de preguntas tienen, y a menudo son preguntas que también surgen fuera de estas empresas. Tengo un par de documentos con Raj Chetty y Susan Athey donde buscamos formas de combinar datos experimentales y datos observacionales. Raj Chetty estaba interesado en cuál es el efecto de los programas de la primera infancia sobre los resultados más adelante en la vida, no solo en los resultados de las pruebas sino en los ingresos y otras cosas, y hemos desarrollado métodos que ayudarían a arrojar luz en eso bajo algunos... en algunos escenarios, y surgieron los mismos problemas en estos entornos de empresas tecnológicas. Y, por lo tanto, desde mi perspectiva, es el mismo tipo de... Estaba hablando con gente haciendo un trabajo empírico. Traté de analizar estos problemas específicos y luego tratar de investigar problemas más generales, reformulando los problemas a un nivel superior para poder pensar en soluciones que funcionen en una serie de escenarios. Y desde esa perspectiva, las interacciones con las empresas tecnológicas son muy valiosas y muy útiles. Ahora tenemos estudiantes haciendo prácticas allí y luego regresan y escriben tesis más interesantes como resultado de sus experiencias allí. [Narradora] Si desea ver más Conversaciones Nobel, haga clic aquí. O si desea aprender más sobre econometría, vea la serie "Mastering Econometrics" de Josh. Si desea saber más sobre Guido, Josh e Isaiah, consulte los enlaces en la descripción.