Imaginemos cualquier tema económico que quisiéramos estudiar, inmediatamente nos damos cuenta de que sobre este influyen múltiples factores, lo cual abre la posibilidad de explicaciones alternativas en función de la estrategia de análisis implementada. Este fenómeno, se repite con cualquier problema, reforzando la noción de que la realidad es compleja, por ende, intentamos simplificarla a partir de modelos, de supuestos y datos, buscando establecer causalidad. Por ejemplo, cuando el gobierno otorga una transferencia condicionada a una familia, está convencido de que esta incidirá sobre la calidad de vida de ese hogar en una magnitud determinada (causalidad). Esta causalidad está asociada a la probabilidad de que un acontecimiento suceda en respuesta a un fenómeno determinado, lo que en términos estadísticos se presentan como probabilidades condicionales, siendo la comparación de grupos equivalentes y el control de factores elementos clave de su diseño.
Sin embargo, dada la complejidad de la realidad, nos vemos obligados a considerar un gran número de factores relevantes para evitar el famoso sesgo por variable omitida, que modifica inclusive la aparente relación identificada entre las variables (Terceiro, 2015). Hay que tomar en cuenta que algunos de esos factores son de difícil medición (error de medida) y puede que no fueran considerados en el levantamiento de datos dado que los objetivos primarios de muchas fuentes de información no están obligados a coincidir con el objetivo de nuestra investigación (sesgo por variable omitida, Yule Simpson). También es posible que pueden presentar endogeneidad o simultaneidad, es decir, que aun contando con las variables relevantes de control, es necesario acceder a técnicas alternativas de estimación como la de variables instrumentales; o simplemente estos factores no son observables (residuo), por lo que, es imposible mantener un control explícito de estos en el proceso de investigación, y nos obliga a suponer que estos no afectan de forma sistemática sobre los resultados (ceteris paribus). Este supuesto, aunque ayuda a manejar los factores que no han podido ser controlados explícitamente en el modelo, dificulta el contraste empírico de los resultados tal como se exponen, pues en la realidad el ceteris paribus es solo un supuesto que nos ayuda a modelar una realidad compleja, pero no la réplica.
Adicionalmente, note que hablamos del control de factores como si estuviéramos en un contexto experimental, es decir, donde cambiamos de forma intencional las variables, controlamos el resto y observamos qué pasa con la variable resultado. Sin embargo, somos simplemente observadores pasivos de los datos, donde: i) no tenemos garantizada una equivalencia inicial entre los grupos que comparamos; ii) estamos sometidos a la regularidad de los eventos y que las condiciones se repliquen son cierta familiaridad (Lago, 2009). Con el agravante de que en los fenómenos económicos interviene la conducta humana, que es altamente situacional y está lejos de ser una repetición de procesos deterministas (Robbins, 1971), más la dinámica natural de la sociedad; iii) los datos pueden presentar problemas como errores de medición, endogeneidad, autocorrelación o multicolinealidad (Gilbert, 1986); además, iv) es imposible observar contrafactuales, solo estamos estimándolos. Todas estas cuestiones han llevado inclusive a que se cuestione la capacidad de la Economía para identificar causalidad (Aznar, 2015).
Este problema del contrafactual se ha enfrentado comparando grupos homogéneos, cuya “única” diferencia es la exposición al tratamiento (control y tratamiento). Es decir, que cada vez que comparamos promedios entre población, y consideramos que las diferencias observadas son el resultado exclusivo de las características de la población, un ejercicio común en los modelos de regresión. Aquí asumimos que los grupos son equivalentes (validez interna), tanto respecto aquellas cuestiones observables (control de factores) como en relación aquellos factores que no podemos observar o que se han omitido en el modelo (ceteris paribus), cuestiones de difícil cumplimiento en términos generales.
En econometría, se enfrentan estos problemas buscando la equivalencia a partir de incorporar variables explicativas para controlar explícitamente o balancear las características de los grupos que se comparan, además, se asume independencia del error (E[u|x]=E[u]) para establecer la condición de ceteris paribus. Sin embargo, la equivalencia entre grupos (cuando se logra) solo garantiza la validez interna, por lo que, necesitamos poder generalizar los resultados obtenidos a partir de una validez externa. En términos llanos, un plan piloto que funcione solo en el grupo donde se aplica el estudio, mantiene el reto de poder replicarse en toda la población, pues la idea debe ser poder extender las políticas. En este punto entran en juego temas como la representatividad de la muestra o el comportamiento de la población bajo el experimento realizado (efecto reactivo).
Adicionalmente, la violación del supuesto de que los errores se comporten de manera incondicional a los valores de los factores explicativos (E[u|x]=E[u]), es decir, que no se comporten de manera aleatoria, puede resultar de la endogeneidad de grupos. Esto así porque las decisiones humanas, al menos en promedio, pueden establecerse dentro de un marco de determinantes comunes. Es decir, es probable que los estudiantes de ingeniería compartan en promedio ciertas características que lo distingan de los estudiantes de filosofía. De esta forma, cuestiones como la decisión de participar o no en el mercado laboral, estudiar una carrera o escoger un sector de residencia, puede resaltar ciertas características particulares en la población, que no necesariamente son compartidas por otros grupos fuera de esta, esto dificulta su comparabilidad, en el sentido de no garantizarse la equivalencia entre grupos.
Frente a los cuestionamientos anteriores, donde intentamos dar respuestas causales en un contexto no experimental, los métodos cuantitativos, amparados en una caja de herramientas que incluye a las matemáticas, la estadística y la econometría, parecen ser la forma menos conflictiva de enfrentar estos problemas, por lo que cerca del 95% de los artículos publicados se basan en algunos de estos métodos (Paldam, 2003). Sin embargo, las investigaciones deben estar amparadas en una fuerte armadura metodológica representada en un adecuado diseño de la investigación (este debe reflejar las fortalezas y debilidades de una disciplina, Kane, sfd) y presentar los resultados asociados a las pruebas de especificación, endogeneidad, sensibilidad, significancia y quiebres estructurales, dado que la investigación no termina con la estimación de los parámetros. Este diseño debe permitir: i) maximizar la varianza de las variables de hipótesis; ii) controlar la varianza de los factores de control (aleatorización en la selección de grupos, incluir las variables en el estudio o seleccionar grupos puntuales de la población); y, iii) minimizar la varianza de los factores no observados (note que este control teórico es el mismo sugerido al estimar la eficiencia de los estimadores MCO), como requisitos mínimos al momento de presentar una investigación.
Referencias:
- Aznar, A. (2015). La metodología de la ciencia económica. Universidad de Zaragoza.
- Alonso, C. (nd). Errores de especificación. UC3M.
- Davis, D. and Holt, C. (1993). Experimental Economics, Princeton University Press.
- Friedman, M. (1976). Metodología de la economía positiva.
- Gandhi, I. (sfd). Research Methods in Economics. National Open University. School of Social Sciences.
- Gilbert, C. (1986). Professor Hendry’s Econometric Methodology. Oxcord Bulletin Of Economic and Statistics.
- Kane, Aide (sfd). The Methodology of Economic Research.
- Lago, I. (2009). Causalidad, estadística y mecanismos causales. Universitat Pompeu Fabra.
- Paldam, M. (2003). Methods Used in Economic Research: An Empirical Study of Trends and Levels.
- K. (1967). La lógica de la investigación científica.
- Terceiro, J. (2015). Causalidad en Ciencias Sociales. Real Academia de Ciencias Morales y Políticas.
Autor
