♪ (música) ♪
[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
la regresión discontinua,
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 VI,
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 local promedio
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.
♪ (música) ♪