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

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

Popular posts from this blog

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

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

¿El manejo de Base de Datos es Econometría? [MARTIN C, J.M.]