Actions

Enfoque metodológico en el curso introductorio de microeconomía

From Baripedia


¿Causalidad o correlación? El enfoque estadístico[edit | edit source]

Al analizar los datos hay una serie de escollos que pueden influir en el análisis de los economistas.

A partir de los años 30, se han desarrollado toda una serie de métodos para evitar caer en una serie de trampas.

Se trata de tener un poder de predicción para anticipar las reacciones (por ejemplo, la influencia de la intervención del Estado en la forma en que se pagan las prestaciones de desempleo).

El objetivo final es buscar una relación causal. Esto se llama identificación, se define un mecanismo causal.

La economía se basa en el análisis de los datos siempre según un modelo teórico (¿qué mecanismo se puede identificar?). El análisis cuantitativo (enfoque empírico) nunca se separa del modelo teórico.

El problema de la identificación[edit | edit source]

Una simple correlación puede interpretarse como un mecanismo causal.

  • covariación

Los datos se recogen en una variable X (bikini) e Y (hielo):

    • una correlación entre estas dos variables puede verse es que la variable X causa la variable Y. Sólo vemos una correlación. Admitimos que hay una correlación positiva.
    • Puede haber una covariación invisible debido a la información adicional que influye simultáneamente en las variables X e Y.

Lo único que se destaca es que una correlación no es una covariación, es una trampa bastante frecuente.

  • dirección de la causalidad

Cuanto más difícil es un país, más ayuda recibe del FMI (Fondo Monetario Internacional). El hecho de que el país esté en dificultades hace que su ayuda sea mayor. Por lo tanto, hay una correlación inversa.

El riesgo es dar una dirección equivocada a la causalidad por una mala interpretación de una variable.

Para evitar estos escollos, se han desarrollado varios mecanismos.

La economía en particular presta atención a la identificación de este mecanismo causal, así como a la identificación de análisis cuantitativos.

Cowles reunió a los economistas más importantes de su tiempo a través de una comisión a desarrollar con el fin de hacer un análisis cuantitativo que no estuviera influenciado por un juicio de valor (ideología, opinión, etc.).

La idea era desarrollar toda una serie de instrumentos para superar estos problemas de identificación de la causalidad o de una dirección de la causalidad que no fuera necesariamente la correcta.

Normalmente, si se quiere analizar el impacto en el desempleo de un aumento salarial, este fenómeno puede analizarse una vez, no se puede repetir la experiencia para ver qué habría pasado si no hubiera habido un aumento salarial.

Para poder identificar directamente un grupo causal, el análisis debe hacerse en un grupo de control, examinando el efecto en otro grupo que no hubiera sido sometido al mismo tratamiento.

Se están desarrollando técnicas empíricas que permiten realizar experimentos similares a los realizados en otras disciplinas.

Paso 1 - procesamiento y simplificación de los datos: obtenemos toda una serie de observaciones que no necesariamente sabemos hacer hablar. Es necesario simplificar es resumir las observaciones de N en un derecho de regresión.
<matemáticas>y = a + b . x</matemáticas>

Este proceso de resumir la información de N que proviene de la recolección de datos de un espacio bidimensional se llama el método de los mínimos cuadrados.

Nube... de puntos[edit | edit source]

Estamos reuniendo N informaciónces. Buscamos una derecha que pase por el medio de estos puntos. Toda esta información se resume en los parámetros a y b que definen la posición de la línea recta y la pendiente.

Es de esperar que exista una relación entre estas dos variables. Estos datos se han recopilado según los diferentes países, que se traducen gráficamente:

1er paso: resumimos las observaciones de N, tan pronto como conocemos la pendiente y la intercepción de esta línea podemos determinar las relaciones de la abscisa y la ordenada.

Queremos estimar una línea que tendrá una forma de este tipo:

A partir de estos dos parámetros podemos deducir el nivel de estrés. La dificultad radica en encontrar una línea que resuma mejor la correlación. Debemos encontrar un método que nos permita determinar una línea recta que estime correctamente la información recogida.

La línea de regresión y la técnica de los mínimos cuadrados[edit | edit source]

El análisis de los mínimos cuadrados resume toda la información disponible de manera significativa. La forma de encontrar los parámetros a y b es minimizar todas las distancias cuadradas entre los puntos de observación y el valor correspondiente leído en la línea.

Micro droite de régression et la technique des moindres carrés 1.png

Esto es tal que la suma de las distancias entre la N2 y la línea de regresión es mínima. Sin embargo, este método asegura un margen de error mínimo.

Uno puede muy bien imaginar un mecanismo que va desde el estrés hasta el desempleo. La trampa es gastar que una vez que se estima un cierto nivel de desempleo, causa un cierto nivel de estrés. La relación puede ser al revés.

Muestra una simple correlación.

Este método encontrará el correcto. Es el hecho de minimizar la suma de las observaciones lo que, por este procedimiento, permitirá encontrar los parámetros a y b y determinar la línea de regresión.

Micro droite de régression et la technique des moindres carrés 2.png

Generalización[edit | edit source]

Este método puede generalizarse para estimar un parámetro que resumirá estas tres variables en una simple ecuación lineal.

Micro méthodologie généralisation 1.png

Es una simple correlación entre las variables estudiadas. Tendríamos que ver si esta simple correlación sería un mecanismo causal.

Buscando la causalidad: varias técnicas[edit | edit source]

Dificultades: Causalidad inversa[edit | edit source]

Hay diferentes teorías en economía:

  • teoría del capital humano: Cuanto más conocimientos se adquieren, más alto es el salario - se construye el capital humano aumentando la propia productividad. La relación causal va desde las habilidades hasta los ingresos.
  • teoría de la señal: el talento de los trabajadores es una variable que el empleador no puede observar directamente. Se puede observar el resultado pero directamente el talento. Así que los trabajadores estudiarán un año extra para señalar su talento superior.

La dirección de la causalidad es la opuesta: el talento que no se puede observar directamente hace que el empleador estudie más y por lo tanto aumente el salario.

Micro causalité inverse 1.png

En este caso, el simple análisis de los datos no permite identificar el mecanismo. Es necesario desarrollar otros métodos, en particular los cualitativos, para determinar la facción que genera un aumento de sueldo.

Por ejemplo, hay un alto porcentaje de muertes que ocurren cuando una persona está acostada en la cama. Tumbarse en la cama no es un determinante único. El estado de salud del individuo también entra en juego.

El "contrafáctico"[edit | edit source]

La idea es identificar un mecanismo causal. Por ejemplo, estamos tratando de determinar el efecto de un aumento del salario mínimo en la tasa de desempleo. En otras palabras, el contrafáctico indica cuánto habría cambiado Y (la variable de independencia) si X (la variable dependiente) no hubiera cambiado.

Teóricamente, habría que hacer dos experimentos:

  • Tomar una cierta región y aumentar el salario mínimo y luego mirar el efecto en la tasa de desempleo...
  • Inversamente, nos interesa la evolución de la tasa de desempleo sin variación del salario mínimo.

La diferencia nos permitirá atribuir el impacto en la tasa de desempleo después de la introducción del salario mínimo. Sin embargo, no podemos reevaluar la situación económica por el proceso inverso para observar la variación.

Necesitamos desarrollar análisis que nos permitan acercarnos a la contrafactualidad. Estos se realizan utilizando diferentes metodologías.

La técnica de los experimentos controlados[edit | edit source]

Crean artificialmente y de forma aleatoria "grupos de tratamiento" en los que se cambia la variable y un "grupo de control" en el que no se cambia nada. Luego se comparan los resultados a lo largo del tiempo, es decir, el efecto de la variable X sobre la variable Y.

Buscamos grupos similares para aislar la única variable dada todo lo demás; así los dos grupos son teóricamente idénticos. En este caso, el grupo de control crea el contrafáctico que permite comparar el impacto de la medida de la diferencia en el grupo de tratamiento.

Por lo tanto, la idea es distinguir los dos grupos sólo por el valor modificado, mientras que se intenta que los dos grupos sean lo más similares posible.

Sin embargo, existen dificultades éticas con la experimentación. Por otro lado, si trabajamos con voluntarios, es que no constituirán una muestra representativa de la población: serán una muestra particular y sobre todo autoseleccionada. Además, los que eligen ser parte de la experimentación son sin duda los que más se benefician de ella.

Por ejemplo:

Cuando observamos el vínculo entre el salario y la tasa de empleo, observamos que cuando ofrecemos un salario bajo reducimos el incentivo para que los individuos entren en el mercado laboral. Esta persona tendrá un alto costo de oportunidad (niñera, costos de transporte, etc.).

A fin de evaluar el impacto de un estudio realizado en dos provincias del Canadá mediante la creación de un "grupo de tratamiento" y un "grupo de control", es necesario evaluar el impacto de un estudio realizado en dos provincias del Canadá mediante la creación de un "grupo de tratamiento" y un "grupo de control".

  • Grupo de tratamiento: introducción de un incentivo salarial
  • Grupo de control: sin incentivos

Se observó una tasa de incentivo mayor en el grupo de tratamiento que en el de control.

Sin embargo, otros factores pueden influir en el resultado; para identificar un mecanismo causal es necesario aislar la variable del resto o la creación del grupo de control.

Micro technique des expériences contrôlées 1.png

Se observó que estos dos grupos tenían casi el mismo comportamiento económico. Los individuos que componen estos grupos son en promedio muy similares.

Tras la introducción del incentivo, la tasa de participación del grupo de tratamiento aumenta considerablemente. Se puede decir que durante los primeros meses la política de integración salarial tuvo un impacto impresionante y se puede decir que fue el incentivo el que sólo influyó en esta expansión, aislando así el mecanismo causal.

Por otro lado, podemos ver que el comportamiento se está endureciendo finalmente. Un truco utilizado en el análisis cuantitativo es aislar el impacto de una variable sobre otra.

Estos métodos plantean problemas éticos porque se trata de experimentos hablados realizados directamente en los individuos.

La técnica de los experimentos naturales[edit | edit source]

Hay un choque externo que causará una clara separación entre dos grupos: el grupo de control y el grupo de tratamiento. La idea es hacer una comparación con la situación inicial para poder aislar el impacto del choque en el grupo de tratamiento.

Por ejemplo:

En cuanto a la tasa de desempleo hay dos teorías alternativas, las keynesianas, basadas en el incentivo a la producción para impulsar la producción e intensificar la demanda de mano de obra, y las neoclásicas, que piensan que si se aumenta el salario mínimo se provoca una mayor tasa de desempleo.

En 1992 en los Estados Unidos el salario mínimo en un estado se elevó de 4,5 a 4,95%. En un estado vecino no se observó el aumento. Así que tenemos dos grupos de controles. Comparando la tasa de desempleo, podemos aislar el impacto del aumento del salario mínimo en el desempleo. Sabemos que nos enfrentamos al mismo tipo de trabajador, sólo la introducción de un salario más alto diferencia los dos estados.

En el sector de los servicios de restauración, el aumento de los salarios tiene un impacto efectivo en los trabajadores.

Micro technique des expériences naturelles 1.png

Justo después del aumento del salario mínimo, en Nueva Jersey se produjo primero un aumento de la tasa de ocupación y luego una estabilización. Sólo 4 años más tarde la tasa de empleo aumenta en el grupo de control, es decir, en Pensilvania:

Las explicaciones:

  • En 1992, estamos en un período de crisis, lo que significa que las empresas mantienen sus salarios porque es caro entrenarlos.
  • para los establecimientos de servicios de comida, estas compañías se ubicarán donde los costos sean más bajos*
  • Después de unos años es en Pennsylvania donde la tasa de ocupación es más alta porque el salario y más bajo

La técnica del uso de las discontinuidades[edit | edit source]

Aprovechamos una discontinuidad, es decir, una diferencia entre dos grupos, que es una variable que distingue dos grupos para poder analizar las diferencias de comportamiento entre el grupo de tratamiento y el grupo de control. Gracias al valor crítico, se definen los grupos de tratamiento y los grupos de control.

Por ejemplo:

Cuanto más crítico sea el tamaño de la clase, más se beneficiará el estudiante de la enseñanza y tendrá un mejor rendimiento en los exámenes.

En este caso no se puede limitar a simples comparaciones entre clases con pocos estudiantes. Hay una distorsión aquí según el origen social del niño.

Con el fin de aislar el impacto del tamaño de la clase, dos investigadores estudiaron el caso de las escuelas israelíes. En la cultura judía, el tamaño de las clases es limitado, de modo que nunca supera los 40 estudiantes.

Tenemos un grupo de tratamiento que son los estudiantes en las escuelas con un máximo de 40 estudiantes. Estos estudiantes son comparados con otras escuelas que tienen más de 40 estudiantes.

Micro technique de l'utilisation des discontinuités 1.png

Es posible notar que el rendimiento en la prueba de lectura disminuye a medida que aumenta el tamaño de la clase.

Por lo tanto, la única diferencia entre los estudiantes es el tamaño de la clase. Se ha aislado un mecanismo causal para explicar el impacto real del tamaño de la clase en la prueba de lectura.

Métodos instrumentales[edit | edit source]

Este método consiste en aislar las llamadas variables "instrumentales". Es útil si estamos en una situación de variable perdida, si queremos saber si X tiene un impacto en Y o si una tercera variable Z puede influir simultáneamente en las dos variables anteriores.

Buscamos una tercera variable relacionada con la variable explicativa que sustituimos por la variable instrumental. Luego miramos el impacto en la variable independiente.

En otras palabras, un instrumento es una variable correlacionada sólo con la variable de interés pero no con los demás factores explicativos.

Por ejemplo:

Cuanto más estudiamos, más aumentamos la productividad del individuo. Sin embargo, no es necesariamente con un año adicional de estudio que se adquieren conocimientos, hay que tener en cuenta el talento de los individuos que influirá simultáneamente en los años de estudio y en los ingresos del individuo.

Para probar estas dos teorías, se comparan los estudiantes y luego se analizan los ingresos de los estudiantes nacidos en la primera parte del año con los nacidos en la segunda parte del año.

La entrada a la escuela depende del mes de nacimiento, y la salida es independiente del mes de entrada. Hay dos grupos que muestran que los nacidos en la segunda parte del año pasan un poco más de tiempo en la escuela.

Micro méthodes instrumentales 1.png

En el segundo gráfico vemos que las personas nacidas en la segunda mitad del año tienen un salario más alto que las nacidas en la primera mitad del año.

La única diferencia sistemática es el momento del nacimiento. Sólo la variable "tiempo pasado en la escuela" está aislada.

La causalidad en el sentido de Granger[edit | edit source]

Este método aísla un mecanismo causal específico. El procedimiento consiste en analizar el comportamiento de las series temporales de las variables. Refleja la secuencia de los acontecimientos.

Los agentes forman anticipaciones que pueden llevarlos a reaccionar no según el pasado sino según el futuro.

 : se observa los valores de la variable retrasado () :

Entonces nos interesa la existencia de una relación entre la variable Y y la variable en el tiempo . Si el parámetro b es significativo podemos decir que la variable b genera la variable .

Por ejemplo: En Francia, entre 1989 y 2006, existe una fuerte correlación positiva entre el crecimiento del PIB y el consumo.

Micro causalité au sens de Granger 1.png

La idea es que el análisis de los datos puede inferir si existe una correlación. Tal como está, no podemos admitir nada.

La teoría de Granger mediante el análisis temporal permite estimar los parámetros y ver qué factor influye en el otro. El análisis de las series cronológicas muestra una correlación, cuando se produce un pico positivo en la producción se produce un aumento del consumo. Por lo tanto, puede decirse que el cambio en el PIB tiene prioridad sobre el cambio en el consumo.

Esta técnica muestra que existe un círculo virtuoso en el sentido de que si la producción aumenta, se producirá un aumento del consumo que a su vez dará lugar a un aumento de la producción.

Límite :

Las variaciones de las variables dependen de las expectativas. Muy a menudo la variable retardada Y podría ser influenciada por las expectativas de los individuos inducidas por la variable X. Hay un papel muy común de las expectativas en la economía que no se tiene en cuenta en el análisis de causalidad en el sentido de Granger.

En otras palabras, la causalidad de Granger ya no se sostiene ya que puede predecir una causalidad opuesta a la que realmente existe. Así pues, los econometristas prefieren hablar de "previsibilidad de Granger" porque el poder de anticipación de los agentes económicos es un problema fundamental para la economía empírica.

Los agentes económicos tienen anticipaciones que dependen de ellos mismos y, más fundamentalmente, de su representación del mundo.

Una recomendación final[edit | edit source]

Muy a menudo los modelos teóricos en lugar de ser representados con ecuaciones serán representados por gráficos.

En el modelo de oferta y demanda la relación entre el precio y la cantidad es inversa. También se induce una relación con el ingreso del individuo que da la siguiente función

Hay una diferencia fundamental:

  • movimiento a lo largo de la curva: cuando hay una variación según una variable leemos la variación a lo largo de la curva, se debe a una variación endógena.
  • desplazamiento de la curva: cuando la variación depende de un factor exógeno, la variación se desplaza en el gráfico.

Anexos[edit | edit source]

Referencias[edit | edit source]