Econometría de Evaluación de Impacto - Pontificia universidad ...
Econometría de Evaluación de Impacto - Pontificia universidad ...
Econometría de Evaluación de Impacto - Pontificia universidad ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
este efecto, <strong>de</strong>beríamos tener alguna i<strong>de</strong>a sobre la existencia <strong>de</strong> una<br />
relación causal entre estas variables.<br />
Por mucho tiempo se pensó que la estadística tenía poco que contribuir al<br />
análisis causal. La aceptación <strong>de</strong> la frase que “la correlación no implica<br />
causalidad” ha significado el límite que la estadística se ha puesto a si<br />
misma en su contribución a este análisis. Esto se <strong>de</strong>be a que<br />
tradicionalmente la estadística inferencial ha estudiado la manera como<br />
los datos “aparecen” en el mundo real. Tal interés conlleva al estudio <strong>de</strong><br />
la distribución <strong>de</strong> probabilidad conjunta <strong>de</strong> estas variables, la cual entrega<br />
las probabilida<strong>de</strong>s <strong>de</strong> ocurrencia <strong>de</strong> ellas. Luego, contando con una<br />
muestra <strong>de</strong> observaciones <strong>de</strong> estas variables y haciendo algunos<br />
supuestos simplificadores sobre la estructura <strong>de</strong> este proceso generador<br />
<strong>de</strong> datos, la estadística inferencial obtiene estimadores <strong>de</strong> los parámetros<br />
que configuran a tal proceso. Algunos <strong>de</strong> estos parámetros —como las<br />
probabilida<strong>de</strong>s y las esperanzas condicionales— son llamados<br />
“parámetros asociativos” los cuales han sido utilizados como pieza clave<br />
en el análisis econométrico. Estos parámetros no son <strong>de</strong>terminantes para<br />
establecer relaciones causales entre las variables. La presencia <strong>de</strong><br />
variables asociadas sin mayor sentido, como en el caso <strong>de</strong> las conocidas<br />
regresiones espurias o la presencia <strong>de</strong> los llamados “confoun<strong>de</strong>rs”,<br />
presenta una limitación importante para el análisis <strong>de</strong> inferencia causal<br />
con base en parámetros asociativos<br />
Sin embargo, como veremos en las siguientes secciones, la estadística sí<br />
tiene un papel importante en el análisis causal. Este último va más allá<br />
<strong>de</strong>l mero análisis <strong>de</strong> estadística inferencial tradicional. Hay aspectos<br />
importantes <strong>de</strong>l proceso generador <strong>de</strong> datos que no se limitan a <strong>de</strong>cir que<br />
dos variables económicas están correlacionadas y/o asociadas, sino que<br />
se trata <strong>de</strong> ver si efectivamente pue<strong>de</strong> comprobarse con los datos que<br />
una variable causa a otra. Con este fin, la estadística inferencial es<br />
1 Una interesante reseña <strong>de</strong> los problemas que se pue<strong>de</strong>n encontrar en estudios<br />
observacionales —en comparación con estudios experimentales— se encuentra en el<br />
clásico documento <strong>de</strong> Cochran (1965).<br />
3<br />
1<br />
.