Ruhm (2022). Algunas ideas sobre el estado actual de la microeconomía aplicada (microeconometría)

By -
Algunas ideas sobre el estado actual de la microeconomía aplicada (microeconometría)

Christopher Ruhm
  1. La inferencia causal se ha convertido en el paradigma dominante en el que se centran muchos microeconomistas aplicados y, creo, lo que muchos piensan que es la microeconomía aplicada (al menos en el trabajo, el sector público, la salud, el crimen, la educación, etc.).
  2. La inferencia causal es enormemente importante para comprender los efectos de muchas políticas u otros “tratamientos”, después del hecho, pero a menudo es mucho menos útil para entender cómo hacer una buena política, por adelantado.
  3. Por ejemplo, la inferencia causal puede tener un valor limitado para diseñar un buen programa de capacitación o una nueva política de apoyo a los ingresos, particularmente cuando la política es diferente a lo que hemos visto antes. Esta es una crítica común de aquellos que hacen modelos estructurales, pero creo que estos modelos a menudo tampoco son tan útiles.
  4. Lo que se necesita son enfoques diseñados para lidiar con el mundo desordenado en el que vivimos, donde las elasticidades, las preferencias, etc., no se conocen, pero donde a menudo podemos ponerles límites razonables.
  5. Desafortunadamente, los programas de posgrado en economía actuales ponen poco énfasis en esto y es aún menos probable que las revistas publiquen este tipo de trabajo. Como mínimo, sería deseable que los microeconomistas aplicados reconocieran que la inferencia causal es solo uno, aunque sea un aspecto importante de lo que hacemos, o deberíamos estar haciendo.
  6. Esto es relevante en formas que podrían no ser del todo obvias. Por ejemplo, mi sensación (y corríjame si me equivoco) es que muchos programas de economía (y política) están enseñando las herramientas "divertidas" (ECA, IV, etc.) que son muy relevantes pero a menudo menos importantes para la formulación de políticas.
  7. Los estudiantes también necesitan aprender cosas "mundanas", como cómo estimar los efectos marginales en modelos no lineales y cuándo usar estos modelos. Mantengamos las cosas nuevas importantes por las que se otorgaron premios Nobel, justificadamente, recientemente, pero también las herramientas "antiguas" realmente importantes pero menos divertidas.

Comments

Post a Comment

Popular posts from this blog

Endogeneidad y Exogeneidad en los Modelos Econométricos [MARTIN, JM.]

By -
+José-Manuel Martin Coronado   Econometrista +EMECEP Consultoría   www.emecep-consultoria.com En las clases de estadística, en el tema de regresión lineal, los alumnos aprenden que hay variables dependientes (regresadas) y variables independientes (regresoras), básicamente la "Y" y la "X", como un recordatorio de las clases de geometría analítica. No obstante, cuando los alumnos llegan al curso de econometría, ese lenguaje tiende a cambiar, para confundir, y a veces, para estresar a los alumnos. Aunque en el fondo podrían llegar a ser sinónimos, lo cierto es que la denominación más usual es la de variable endógena y variable exógena, respectivamente. La primera no es otra que aquella variable económica cuya evolución y/o comportamiento depende de otras, mientras que la segunda es lo contrario. (no dependencia). No obstante, este enfoque parece ser más un supuesto que una propiedad. En otras palabras, mientras se tienen experimentos plenamente con
<<<< Leer más / Read more >>>>

"De los modelos ARDL - Primera Parte" (Traducción)

By -
La siguiente es una traducción al español del post originalmente publicado por D.Giles en su blog "Econometric Beats" ; la cual se publica sólo con fines académicos: "Modelos ARDL [Rezagos Distribuidos]- Parte I He prometido, durante demasiado tiempo, proveer una entrada sobre los modelos ARDL y pruebas de campo. Bueno, por fin llegó la hora de hacerlo! "ARDL" significa modelo "Autoregresivo de Rezagos Distribuidos". Los modelos de regresión de este tipo han estado en uso durante décadas, pero en tiempos más recientes han demostrado  proporcionar un vehículo muy valioso para probar la presencia de relaciones de largo plazo entre series de tiempo económicas.
<<<< Leer más / Read more >>>>

¿Qué es un Proceso Generador de Datos ARIMA(1,1)? [J.M. MARTIN]

By -
José-Manuel Martin Coronado Instituto de Econometría de Lima www.institutoeconometria.com Existe un concepto muy utilizado en el análisis de series de tiempo y es el de Proceso Generador de Datos (PGD ó DGP en inglés). Si bien el nombre parece complejo, en principio es bastante sencillo: Es una fórmula matemática que representa una secuencia de datos. Y por definición, esa fórmula de una secuencia permite crear datos en serie, es decir, sucesivos en función a algún indicador, en este caso, el tiempo. No obstante, muchos estudiosos de la materia buscan confundir y asustar al lector novel en estos temas, afirmando que es algo muy complejo. Si bien algunas fórmulas de series de tiempo puede ser excesivamente complejas, esto a veces es arbitrario y no necesariamente representativo, particularmente si se tiene en cuenta que los modelos Naïve puede llegar a ser tan precisos como los modelos con PGD de alta complejidad.  Por ejemplo, un proceso generador de datos muy simple se
<<<< Leer más / Read more >>>>