Métodos económicos

2 y cuestiones
de economía

¿Merece la
pena ir a la
universidad?
Si tienes este libro en las manos, es muy probable
que estés en la universidad o pensando
en dar el paso. Ya sabrás que ir a la universidad
es una inversión grande. En Estados Unidos,
la matrícula anual puede costar desde unos
2.500 dólares en escuelas profesionales
hasta 25.000 dólares en universidades privadas.
Y ése no es el único coste. Como ya hemos visto,
una hora de tu tiempo vale 10 dólares o más,
lo cual suma al menos 20.000 dólares por año al coste
de oportunidad de una educación universitaria.
Como con cualquier inversión, querrás saber si la
formación universitaria te resultará rentable. ¿Cuál es
la «rentabilidad de la educación» y cómo la medirías?
En este capítulo, verás que puedes responder a estas
preguntas mediante modelos y datos.

ESQUEMA DEL CAPÍTULO

2.1 EBE 2.2 EBE 2.3
El método ¿Merece Causalidad ¿En cuánto Preguntas
científico la pena ir a la y correlación aumenta el y respuestas
universidad? sueldo medio si de economía
la ley obliga a
un año más de
educación?

20
 IDEAS CLAVE

Un modelo es una descripción simplificada de la realidad.

Los economistas usan datos para evaluar la exactitud de los modelos

y comprender cómo funciona el mundo.

Correlación no implica causalidad.

Los experimentos ayudan a los economistas a cuantificar causas y efectos.

La investigación económica se centra en cuestiones que son importantes

para la sociedad y pueden responderse con modelos y datos.

2.1 El método científico

El método científico es el nombre
del proceso continuo que se usa en
economía y otras ciencias para (1)
desarrollar modelos del mundo y (2)
ponerlos a prueba con datos.
En el capítulo anterior exploramos los dos primeros principios clave de la economía: opti-
mización y equilibrio. En éste nos centraremos en el tercero, el empirismo, o uso de datos
para analizar el mundo.
El empirismo se encuentra en el núcleo de todo el análisis científico. El método
científico es el proceso continuo que se usa en economía y otras ciencias para:
1. desarrollar modelos del mundo;
2. poner a prueba esos modelos con datos, comprobando si se corresponden.
Los economistas no pretendemos que este proceso saque a la luz el modelo «real» del
mundo, puesto que éste es inmensamente complejo, pero sí esperamos identificar modelos
que resulten útiles para comprender el mundo. Las pruebas con datos nos permiten separar
los buenos modelos (los que encajan aproximadamente con los datos) de los malos. Si los
datos contradicen un modelo de forma abrumadora, tratamos de corregirlo o lo desecha-
mos. Creemos que este proceso nos permite encontrar modelos útiles que contribuyan a
explicar el pasado y predecir el futuro con cierta fiabilidad. En esta sección explicamos qué
es un modelo y cómo ponerlo a prueba con datos.

Modelos y datos
Hubo un tiempo en que todo el mundo creía que la Tierra era plana. Ahora sabemos que se
parece más a una pelota que a un frisbee. Sin embargo, el modelo de la Tierra plana sigue
Un modelo es una descripción o
representación simplificada del mundo.
utilizándose. En las gasolineras sólo venden mapas de carreteras planos. Los receptores de
En ocasiones se le da el nombre de
GPS también muestran mapas planos. Nadie lleva un globo en la guantera.
teoría. Estos dos términos suelen
utilizarse de forma indistinta. Tanto los mapas planos como los globos esféricos son modelos de la superficie terrestre.
Los modelos son descripciones o representaciones simplificadas del
mundo. Debido a esa simplificación, no son réplicas perfectas de la
realidad. Resulta evidente que no son modelos fieles de la superficie de
Todos los modelos científicos
la Tierra pues distorsionan su curvatura. En un vuelo de Nueva York a
hacen predicciones que pueden Tokio la curvatura sí importa, pero si te paseas por Manhattan, no tienes
comprobarse con datos. que preocuparte por la forma esférica de la Tierra.
Los científicos, o los turistas, utilizan el modelo que les resulta más
útil para analizar el problema que tienen delante. Aunque un modelo o
mapa se base en supuestos que sabemos que son falsos, como que la Tierra es plana, puede
servirnos para hacer buenas previsiones o planes para el futuro. Nos importa más la senci-
llez y utilidad del modelo que su exactitud.

Sección 2.1 | El método científico 21

2.1 Figura 2.1 Para un vuelo
de Nueva York a Tokio
no sirve un mapa plano

2.2 Este mapa es un modelo

en el que se representa el
mundo como si fuera plano,
lo que produce que se exa-
2.3 geren las distancias en las
latitudes más septentriona-
les. Resulta útil para ciertos Canadá
usos, por ejemplo, aprender
geografía, pero no sirve
para buscar la mejor ruta Estados Unidos
Océano
aérea que cruce el océano Pacífico norte
Pacífico. Así, el trayecto Japón
más corto para un vuelo
México
de Nueva York a Tokio no
es una línea recta, sino que
atraviesa el norte de Alaska.
El modelo plano de la Tierra
está bien adaptado para
algunas tareas, pero resulta
inadecuado para otras.

Figura 2.2 Plano del

metro de Nueva York
Este modelo corresponde
al sistema del metro de
Nueva York. Está muy
simplificado porque,
entre otras cosas, repre-
senta la ciudad como si
fuera plana y distorsiona
su forma, pero resulta
muy útil para los viajeros
y los turistas.

Los datos son hechos, medidas
o estadísticas que describen el
mundo.
Todos los modelos científicos hacen predicciones que se pueden comprobar con datos
(hechos, medidas o estadísticas que describen el mundo). Como decíamos en el capítulo
1, los economistas solemos describirnos como empiristas, porque utilizamos datos para
crear pruebas empíricas. Todos estos términos se reducen a la misma idea básica: el uso
de datos para responder preguntas sobre el mundo y para poner a prueba nuestros modelos.

22 Capítulo 2 | Métodos económicos y cuestiones de economía

Las pruebas empíricas son el
conjunto de hechos determinados
mediante observación o medición.
Las hipótesis son predicciones
(normalmente generadas por un
modelo) que pueden ponerse a
prueba con datos.
Por ejemplo, podríamos poner a prueba el plano del metro de Nueva York subiéndonos a
sus trenes y verificando su exactitud.
2.1
Al realizar un análisis empírico, los economistas llamamos hipótesis a las predicciones
de un modelo. Si los datos disponibles contradicen dichas hipótesis, volvemos atrás e in-
tentamos elaborar un modelo mejor que dé lugar a nuevas hipótesis.
2.2
Un modelo económico
Pensemos en un ejemplo de modelo económico. Para empezar, vamos a estudiar un modelo
2.3
muy simple. Pero incluso modelos económicos mucho más complejos que el de este ejem-
plo no son más que descripciones muy simplificadas de la realidad.
Todos los modelos económicos parten de supuestos. Tomemos el siguiente supuesto
sobre la rentabilidad de la educación: invertir en un año adicional de educación aumenta
tu sueldo futuro un 10%. Ahora pongamos en práctica el supuesto para generar un modelo
que relacione el nivel educativo de una persona con el salarial.
Subir el sueldo un 10% equivale a multiplicarlo por 1 + 0,10 = 1,10. El supuesto de la
rentabilidad de la educación implica que alguien con un año adicional de estudios gana
1,10 veces lo que habría ganado sin ese año extra. Por ejemplo, si alguien gana 15 dólares
por hora con trece años de estudios, un decimocuarto año hará que su sueldo por hora au-
mente a 1,10 × 15 dólares, o sea, 16,50 dólares.
En economía utilizamos supuestos para derivar otras consecuencias. Por ejemplo, el
supuesto de la rentabilidad de la educación implica que dos años adicionales de educación
aumentarán el sueldo un 10% dos veces (una por cada año extra), lo que da como resultado
un aumento total del 21%.
1,10 × 1,10 = 1,21
Abundando en este ejemplo, supongamos que cuatro años adicionales de educación
aumenten el sueldo un 10% cuatro veces, lo que implica un aumento total del 46%.
1,10 × 1,10 × 1,10 × 1,10 = (1,10)4 = 1,46
Según esto, terminar un grado universitario de cuatro años aumentaría el sueldo de un gra-
duado un 46% con respecto a lo que cobraría si hubiera terminado su educación al finalizar
el bachillerato. En otras palabras, el modelo se traduce en la predicción (o hipótesis) de que
los graduados universitarios ganarán un 46% más que quienes simplemente terminaron la
enseñanza secundaria.
En principio, podemos aplicar este análisis a un número cualquiera de años de educa-
ción. Contamos, por lo tanto, con un modelo general que relaciona el nivel de estudios de
una persona con sus ingresos y que se denomina modelo de rentabilidad de la educación.
Describe el rendimiento económico de una mayor educación, es decir, la rentabilidad de
invertir en formación. La mayoría de los modelos económicos son muchísimo más comple-
jos que éste, pues normalmente se necesitan páginas de análisis matemáticos para deducir
las implicaciones de los supuestos. No obstante, este sencillo modelo constituye un buen
punto de partida para nuestra explicación, ya que ilustra dos importantes propiedades de
todos los modelos.
En primer lugar, un modelo es una aproximación. El modelo no predice que el sueldo
futuro de todos aumentaría exactamente un 10% si alargaran un año su educación. La
relación predicha entre educación y sueldo futuro señala un promedio, es una aproxima-
ción de lo que se predice que le sucederá a la mayor parte de la gente en la mayoría de las
circunstancias. El modelo pasa por alto muchas consideraciones especiales. Por ejemplo,
es probable que el último año de universidad influya mucho más que el penúltimo en la
obtención de un sueldo más alto, puesto que implica la obtención del título oficial, que es
un elemento clave del currículum. De igual forma, la carrera o especialidad cursada tiene
una influencia enorme en lo que se ganará después de terminarla. Quienes se gradúan en
Economía, por ejemplo, suelen ganar más que quienes lo hacen en muchas otras carreras.
Nuestro modelo no tiene en cuenta multitud de sutilezas de ese tipo. Igual que un plano del
metro sólo es una aproximación a ciertos rasgos de una ciudad, el modelo de rentabilidad
de la educación lo es a la correspondencia entre los años de formación y el sueldo.
Sección 2.1 | El método científico 23
2.1 Economía basada en la evidencia
2.2 P: ¿Merece la pena ir a la universidad?

P
ara poner a prueba el modelo necesitamos datos, que tomamos de la encuesta so-
2.3 bre la población actual elaborada por el Gobierno de Estados Unidos (y parecida
a la encuesta de población activa española). En ella se recogen datos a los que
puede acceder cualquiera sobre sueldos, educación y otras muchas características de la
población.
En la figura 2.3 se resumen los sueldos anuales medios que utilizamos en nuestra
prueba. El modelo de rentabilidad de la educación no se corresponde con los datos exac-
tamente. Como muestra el gráfico, los trabajadores estadounidenses de treinta años de
edad con doce años de educación, lo que corresponde a terminar la enseñanza secunda-
ria (bachillerato), ganan 32.941 dólares al año de media. Los de esa edad que estudiaron
dieciséis años, equivalente a un grado universitario de cuatro años, tienen un sueldo
anual medio de 51.780 dólares.
Si dividimos estos dos sueldos medios, de graduados universitarios y de bachilleres,
la relación es 1,57.

sueldo medio con 30 años de edad y 16 de educación 51.780 dólares

. = = 1, 57
sueldo medio con 30 años de edad y 12 de educación 32.941 dólares

Recordemos que el modelo de rentabilidad de la educación dice que cada año adicional
de formación sube el sueldo un 10%, por lo que cuatro años más de estudios deberían
subirlo un factor de (1,10)4 = 1,46.
Comprobamos que el modelo no se corresponde exactamente con los datos. Pasar de
doce a dieciséis años de educación se asocia con un incremento de ingresos del 57%. Sin
embargo, el modelo no anda muy desviado, pues predijo un aumento del 46%.

Figura 2.3 Ingresos anuales medios de los

estadounidenses de treinta años según el nivel 60.000
51.780 dólares
de educación (datos de 2013) 50.000

Los ingresos anuales medios de los estadouniden- 40.000

32.941 dólares
ses de treinta años muestran que quienes dejan 30.000
los estudios al terminar la enseñanza secundaria 20.000
ganan por término medio 32.941 dólares al año,
10.000
mientras que los que van a la universidad ganan
51.780 dólares al año.
Graduados Graduados
Fuente: Encuesta sobre la población actual de Estados Unidos. de secundaria universitarios

Pregunta Respuesta Datos Observaciones

¿En qué medida ganan
más los trabajadores
que tienen formación
universitaria?
El sueldo medio de un gra-
duado universitario es
1,57 veces más alto que el de
alguien que termina la educa-
ción secundaria.
Los sueldos se han tomado de Se trata de medias de una
la encuesta sobre la población población amplia. La ex-
de Estados Unidos en 2013. periencia de cada persona
Se han comparado los sueldos será distinta.
medios de trabajadores de
treinta años con niveles edu-
cativos distintos.

24 Capítulo 2 | Métodos económicos y cuestiones de economía


La media, o el promedio, es la suma
de todos los valores de un conjunto
dividida por el número de valores.
En segundo lugar, un modelo hace predicciones que se pueden poner a prueba con datos,
en este caso, con las estadísticas sobre educación y sueldos. Ya estamos en condiciones de
2.1
evaluar las predicciones del modelo de rentabilidad de la educación con algunos datos reales.
Medias 2.2
Tal vez te preguntes cómo pueden servir los datos de la encuesta sobre la población actual
para calcular los sueldos que hemos mencionado. Hemos utilizado el concepto de media
o promedio. La media, o el promedio, es la suma de todos los valores de un conjunto 2.3
divididos por el número de valores y se utiliza con frecuencia para resumir datos. Los es-
pecialistas en estadística y en otras disciplinas científicas utilizan los términos media (más
propiamente, media aritmética) y promedio de manera indistinta.
Podemos mostrar cómo se calcula la media con un pequeño ejemplo. Digamos que hay
cinco personas (Carlos, Laura, Leo, Reyes y Santi), cada una con un salario por hora:
Carlos = 26 dólares por hora,
Laura = 24 dólares por hora,
Leo = 8 dólares por hora,
Reyes = 35 dólares por hora,
Santi = 57 dólares por hora.
Si sumamos las cinco cifras y las dividimos por cinco, hallamos el salario medio de 30 dó-
lares por hora.
26 + 24 + 8 + 35 + 57
. = 30
5
Este análisis de una muestra pequeña ilustra el cálculo de las medias, pero en economía se
necesitan muestras grandes para que los análisis de datos sean convincentes. Por ejemplo,
un artículo típico de investigación económica utiliza datos recogidos de miles de indivi-
duos. Por lo tanto, un factor clave de la solidez de un análisis económico es la cantidad de
datos usados. Antes no nos hemos basado en un puñado de observaciones para argumentar
que más formación conlleva más sueldo, sino que usamos datos de una encuesta realizada
a miles de personas de treinta años. El uso de muchos datos (en economía se habla de
observaciones) refuerza los argumentos empíricos porque el investigador puede hacer afir-
maciones más precisas.
Para mostrar cómo construir argumentos empíricos convincentes, en este libro usamos
datos reales de grupos grandes de personas. Un elemento esencial del método científico son
los argumentos empíricos creíbles, basados en muchas observaciones.
Argumentos anecdóticos
La educación no marca el destino. Hay personas con mucha educación que ganan muy
poco, y también con poca educación que ganan mucho. En el momento de escribir este
libro, Bill Gates, que fundó Microsoft después de dejar los estudios en Harvard, era el
hombre más rico del mundo. Mark Zuckerberg, el creador de Facebook, también había
dejado Harvard.
Con estos dos ejemplos, resulta tentador concluir que abandonar los estudios universi-
tarios es el camino del éxito. Sin embargo, es un error usar dos anécdotas, o una muestra
pequeña de personas, para intentar establecer una relación estadística.
Este es otro ejemplo de la gran importancia que tiene la cantidad de datos. En la figu-
ra 2.4 se representan gráficamente los datos de dos personas, ambas de treinta años de
edad. Como se aprecia, el gráfico no reproduce la relación positiva entre estudios y sueldo
que se ilustra en la figura 2.3. Al contrario, parece que estudiar más se asocia con sueldos
decrecientes. Pero el patrón de la figura 2.4 no sorprende habida cuenta de que sólo incluye
a dos personas. Efectivamente, si tomamos a dos treintañeros elegidos al azar, existe una
probabilidad del 25% de que quien sólo tiene secundaria gane más que el graduado uni-
versitario. Este hecho pone de manifiesto que no es sólo la educación lo que determina tu
sueldo, aunque un título universitario suele ayudar a ganar más.
Sección 2.1 | El método científico 25
2.1 Figura 2.4 Ingresos anuales de
dos estadounidenses de treinta $50.000
45.000 dólares
años según el nivel de educación 45.000

Aunque la figura 2.3 nos enseñó 40.000

2.2 35.000 dólares
que el sueldo anual medio de 35.000
los graduados universitarios es 30.000
un 57% mayor que el de los gra- 25.000
2.3 duados de secundaria, no cuesta
20.000
encontrar ejemplos concretos en
sentido contrario. Aquí mostra- 15.000

mos un ejemplo así: el bachiller 10.000

gana 45.000 dólares al año, 5.000
mientras que el universitario gana
35.000 dólares. Graduado Graduado
de secundaria universitario

Hay una excepción a esta regla. El argumento basado en un ejemplo es adecuado cuando
sirve para rebatir una generalización. Por ejemplo, si alguien afirma que todos los juga-
dores de la NBA tienen que ser altos, basta con un ejemplo contrario para desmontar esa
afirmación. En este caso, la prueba podría ser Tyrone Bogues, un ágil base de 1,60 m que
jugó en la NBA durante catorce años.

2.2 Causalidad y correlación

Usando nuestro conjunto de datos sobre sueldos y años de educación, hemos visto que, de
media, los sueldos suben aproximadamente un 10% por cada año adicional de estudios.
¿Significa eso que permanecer un año más en la universidad causa un aumento del 10% en
el sueldo futuro de una persona? No necesariamente. Veamos por qué no siempre sucede
así con un ejemplo.

Las campañas publicitarias en rojo

¿Correr hace que la gente esté
sana? ¿O la causa de que la
gente corra es su buena salud?
De hecho, las dos cosas pueden
ser ciertas al mismo tiempo.
Supongamos que la cadena de supermercados Walmart te contrata como asesor. Has desa-
rrollado la hipótesis de que las campañas publicitarias que utilizan el color rojo llaman la
atención de la gente. Para poner a prueba esta hipótesis, recopilas pruebas empíricas acerca
de campañas anteriores, tales como el color de la campaña y la variación de la facturación
de Walmart durante su vigencia.
¡La investigación empírica confirma tu hipótesis! Las ventas suben un 25% durante las
campañas en que predominan las imágenes de color rojo, pero sólo suben un 5% cuando
abundan los tonos de azul. Corres al despacho del presidente para comunicarle este impor-
tante resultado. ¡Eres un genio! Por desgracia, el presidente te despide de inmediato.
¿Qué observó el presidente que tú pasaste por alto?
Las campañas con predominio del rojo estaban concentradas principalmente en la tem-
porada de Navidad. Por el contrario, las que se basaban en el azul estaban repartidas a lo
largo del resto del año. En palabras del presidente:
Los colores rojos de la publicidad no son la causa del aumento de las ventas. La causa
son las Navidades, que también hacen que utilicemos más el rojo en la publicidad. Aun-
que utilizáramos anuncios con predominio del azul en diciembre, las ventas seguirían
aumentando un 25%.
Lamentablemente esta historia es verídica, aunque hemos cambiado los datos, incluso el
nombre de la empresa, para proteger a unos amigos. En el apéndice veremos una historia
relacionada en la que el presidente no fue tan perspicaz como éste.

26 Capítulo 2 | Métodos económicos y cuestiones de economía


Imagínate la causalidad como el tra-
yecto que va de la causa al efecto.
La causalidad se produce cuando
una cosa afecta directamente a otra
mediante una relación causa-efecto.
La correlación implica que existe
una relación mutua entre dos cosas. cursos o asignaturas de música. Hay otra cosa (ser un buen estudiante) que hace que saques
Una variable es un factor que es
probable que cambie o varíe.
Una correlación positiva significa
que dos variables tienden a moverse están correlacionadas positivamente. La correlación negativa implica que las dos variables
en la misma dirección.
Una correlación negativa significa de enseñanza y desempleo están correlacionadas negativamente. Cuando dos variables no
que dos variables tienden a moverse están relacionadas, decimos que tienen una correlación cero o ausencia de correlación. El
en direcciones opuestas. Cuando
presentan movimientos que no
están relacionados, decimos que
tienen correlación cero.
Una variable omitida es la que se
ha excluido de un estudio y que,
de haberse incluido, explicaría por
qué se correlacionan dos variables
presentes en el estudio.
Causalidad frente a correlación
Con frecuencia se confunde causalidad con correlación. La causalidad se produce 2.1
cuando una cosa afecta directamente a otra. Podemos entenderla como el trayecto que va de
la causa al efecto: introducir una bola de nieve en un horno caliente causará que se derrita.
La correlación implica que existe una relación mutua entre dos cosas: al cambiar una, la 2.2
otra cambia también. Existe algún tipo de conexión: podría ser causa y efecto, pero la co-
rrelación también puede producirse sin que haya causalidad. Por
ejemplo, resulta que los estudiantes que han estudiado música en
2.3
el bachillerato obtienen calificaciones más altas en los exámenes
SAT estadounidenses (que evalúan la preparación de los alumnos
para la universidad) que los que no han estudiado música. Entre
los educadores y los especialistas en pedagogía hay quien opina
que esta relación es causal: seguir cursos o asignaturas de música
eleva la puntuación en los SAT.
Sin embargo, antes de que corras a comprarle un clarinete a tu hermano pequeño, debe-
rías saber que ciertas investigaciones han demostrado que los alumnos que habrían obte-
nido calificaciones altas en los SAT tienen una mayor probabilidad de haberse apuntado a
notas altas y te apuntes a música. Entre las calificaciones en los SAT y estudiar música sólo
existe una correlación; si una violinista se rompiera un brazo y tuviera que dejar la clase de
música, esto no causaría que empeorase en sus futuras calificaciones en los SAT. Cuando
dos cosas están correlacionadas, es posible que exista causalidad y que merezca la pena
seguir investigando, pues sólo es el principio de la historia, no el final.
Las correlaciones se dividen en tres categorías: correlación positiva, correlación nega-
tiva y correlación cero. En economía algunos factores, como los ingresos de una familia,
se denominan variables. Una correlación positiva significa que dos variables tienden a
moverse en la misma dirección; por ejemplo, según algunas encuestas, es más probable
que estén casados quienes tienen ingresos relativamente altos que quienes los tienen rela-
tivamente bajos. En una situación así, decimos que las variables de ingresos y estado civil
tienden a moverse en direcciones contrarias; por ejemplo, quienes tienen un nivel educa-
tivo alto es menos probable que estén en paro. En esta situación decimos que las variables
número de amigos que tienes no guarda relación alguna con que vivas en la acera de los
pares o los impares de tu calle.
Cuando correlación no implica causalidad existen dos motivos por los que no debe-
ríamos sacar la conclusión precipitada de que una correlación entre dos variables implica
una relación causal concreta:
1. Variables omitidas
2. Causalidad inversa
Una variable omitida es la que se ha excluido de un estudio y que, de haberse incluido,
explicaría por qué se correlacionan dos variables. Recuerda que la proporción de contenido
rojo de la publicidad de Walmart está correlacionada positivamente con el aumento de las
ventas. Sin embargo, el color rojo no provoca dicho aumento. La llegada de la Navidad,
(variable omitida), es la causa de que el rojo predomine en los anuncios de Walmart y tam-
bién de que sus ventas aumenten (véase la figura 2.5).
¿Existe también una variable omitida que explique la correlación positiva entre el nivel
educativo y los ingresos? Un factor podría ser la tendencia de una persona a trabajar más.
¿Y si a las personas adictas al trabajo les va mejor que a otras en la universidad? Tal vez
pasar la noche en vela redactando trabajos les permita llevar bien los estudios. Las personas
adictas al trabajo también tienden a ganar más que otras porque tienden a trabajar horas
extras o los fines de semana. ¿La adicción al trabajo hace que se gane más y, dicho sea de
paso, hace que aumente la probabilidad de terminar los estudios? ¿O terminar los estudios
universitarios causa que se ganen sueldos más altos? ¿Cuál es la causa y cuál el efecto?
Sección 2.2 | Causalidad y correlación 27
2.1 Figura 2.5 Ejemplo de una variable
Efecto: rojo en anuncios
omitida
La proporción de rojo en la publicidad de
2.2 Walmart está correlacionada positivamente
Causa: Navidades
con el aumento de las ventas. Dicho de
otro modo, cuando el rojo predomina en
los anuncios, las ventas aumentan más con
2.3 respecto al mes anterior. Sin embargo, no
es el predominio del rojo lo que causa el Efecto: más ventas
aumento de las ventas de Walmart. Es la
temporada navideña lo que hace que los
anuncios contengan más rojo y también (Variable omitida)
que aumenten las ventas. La proximidad de
la Navidad es la variable omitida que ex-
plica la correlación positiva entre la publici-
dad roja y el incremento de las ventas.

La causalidad inversa se produce
cuando confundimos la dirección de
la causa y el efecto.
La causalidad inversa es otro problema que dificulta nuestros esfuerzos por distinguir
correlación y causalidad. Se trata de la situación que se produce cuando confundimos la
dirección de la causa y el efecto. Por ejemplo, analicemos el hecho de que la gente re-
lativamente rica tienda a estar relativamente sana. Algunos estudiosos han llegado a la
conclusión de que una mayor riqueza es causa de mejor salud; así, las personas con mayor
poder adquisitivo pueden permitirse una mejor atención sanitaria. Por otra parte, tal vez
haya causalidad inversa: una mejor salud puede causar una mejor situación económica. Por
ejemplo, las personas sanas pueden trabajar más y tener un menor gasto en sanidad que las
personas con problemas de salud. Resulta que parecen coexistir los dos canales causales:
¡una mejor situación económica causa un mejor estado de salud y viceversa!
La causalidad inversa se produce cuando confundimos la dirección de la causa y el
efecto. En nuestro análisis de la rentabilidad de la educación, ¿podría haberse dado cau-
salidad inversa: los mayores ingresos a la edad de treinta años causan que tengas más
educación a los veinte? Lógicamente podemos descartar esto. Suponiendo que no existen
las máquinas del tiempo, es improbable que tu sueldo a los treinta años te permita obtener
más educación a los veinte. Por lo tanto, en el ejemplo de la rentabilidad de la educación,
no parece que la causalidad inversa sea un problema. Pero en otros muchos análisis, por
ejemplo, en la relación entre salud y riqueza, hay que tenerla muy en cuenta.
En economía se han desarrollado muchas y variadas herramientas para determinar qué es
causalidad y qué es sólo correlación. A continuación nos ocuparemos de algunas de ellas.

Economía experimental y experimentos naturales

Un experimento es un método
controlado de investigar relaciones
causales entre variables.
La aleatorización es la asignación
al azar, y no por elección,
de los individuos a un grupo de
tratamiento o al grupo de control.
Un método de determinar la causa y el efecto es llevar a cabo un experimento, que es una
forma controlada de investigar relaciones causales entre variables. Aunque no se hable
mucho de experimentos económicos en la prensa, sí abundan los titulares sobre expe-
rimentos en el campo de la medicina. Por ejemplo, antes de autorizar el uso público de
nuevos medicamentos, el organismo estadounidense de Administración de Alimentos y
Fármacos (Food and Drug Administration, FDA) exige que las empresas farmacéuticas
realicen experimentos diseñados concienzudamente para obtener pruebas de que esos me-
dicamentos funcionan.
Al llevar a cabo un experimento, los investigadores suelen crear un grupo llamado de
tratamiento (al que se le aplica el tratamiento) y un grupo de control y dividen al azar a los
participantes en el experimento entre un grupo y otro, proceso que se denomina aleatori-
zación. La aleatorización es la asignación al azar, y no por elección, de los individuos al
grupo de tratamiento o al de control. Ambos grupos son tratados de forma idéntica, excepto
por una única dimensión que, intencionadamente, varía de un grupo a otro. Medir el efecto
de esta variación es lo que motiva el experimento.
Si deseamos saber si un nuevo fármaco ayuda a los diabéticos, podríamos tomar a mil pa-
cientes con diabetes y asignar aleatoriamente a quinientos de ellos a un grupo de tratamiento
(los que reciben el nuevo fármaco). Los otros quinientos pacientes estarían en el grupo de

28 Capítulo 2 | Métodos económicos y cuestiones de economía

 control y recibirían los tratamientos estándar contra la diabetes que ya son de uso habitual.
A continuación, haríamos un seguimiento de la evolución de todos los pacientes durante
2.1
los años siguientes. Este experimento pondría a prueba la hipótesis causal de que el nuevo
medicamento es mejor que el antiguo.
Pensemos ahora en un experimento económico. Supongamos que queremos saber la 2.2
diferencia que representa tener un título universitario. Podríamos tomar a mil alumnos de
secundaria que desean estudiar en la universidad, pero no se lo pueden pagar, y asignar al
azar a quinientos de ellos a un grupo en el que tendrían todos los gastos de la universidad
2.3
pagados. Los otros quinientos alumnos estarían en el grupo de control. Entonces, haría-
mos un seguimiento de todos ellos: los mil alumnos originales, incluidos los quinientos
del grupo de control que no fueron a la universidad porque no podían pagarla. Mediante
encuestas periódicas durante su vida adulta podríamos saber cómo son los sueldos del
grupo que tuvo educación universitaria en comparación con los del grupo que no la tuvo.
Este experimento pondría a prueba la hipótesis de que la educación universitaria causa el
aumento de los ingresos.
La experimentación presenta el problema de que en ocasiones los experimentos pueden
resultar muy costosos. En el ejemplo del experimento de cursar estudios universitarios que
acabamos de describir costaría mucho dinero porque los investigadores tendrían que pagar
las tasas universitarias de quinientos estudiantes. Otro problema es que los experimentos
no proporcionan respuestas inmediatas a algunas cuestiones importantes. Por ejemplo, co-
nocer el efecto que tiene un año más de estudios en el sueldo a lo largo de toda la vida
laboral requeriría varias décadas si comenzásemos el experimento con los estudiantes de
secundaria actuales.
Otro problema es que los experimentos no siempre se llevan a cabo correctamente. Por
ejemplo, si los investigadores médicos no llevan a cabo una asignación realmente aleatoria
de los pacientes a los tratamientos, el experimento podría no enseñar nada. Así, si quienes
acuden a los hospitales más punteros tienden a ser los que reciben el tratamiento más avan-
zado para la diabetes, no sabemos si mejoraron por la nueva medicación o por algún otro
factor relacionado con estos centros. En un experimento bien diseñado, solo la aleatoriza-
ción determinaría quién recibe la nueva medicina y quién la antigua.Cuando una investiga-
ción está mal diseñada, los debemos considerar sus conclusiones con mucho escepticismo,
puesto que unos métodos de investigación inadecuados las invalidan.
Si no disponemos del presupuesto o del tiempo para realizar un experimento, ¿de
qué otra forma podemos identificar causa y efecto? Un planteamiento es estudiar datos

Economía basada en la evidencia

P: ¿Cuánto aumenta el sueldo medio si la ley obliga a un año más de
educación?

H
ace muchas décadas, las leyes de escolarización obligatoria eran mucho más per-
misivas y podían dejarse los estudios bastante antes de haber finalizado la ense-
ñanza secundaria.1 Philip Oreopoulos estudió un experimento natural a partir de
la modificación de estas leyes de escolarización obligatoria. Oreopoulos analizó una
reforma educativa que se llevó a cabo en el Reino Unido en 1947 y que aumentó la edad
mínima de escolarización de los catorce a los quince años. Como consecuencia de este
cambio, la proporción de niños que dejaban los estudios a los catorce años descendió 50
puntos porcentuales entre 1946 y 1948.
De este modo, los niños que cumplieron catorce años antes de 1947 fueron un «grupo
de control» de los que cumplieron esa edad en años posteriores. Oreopoulos descubrió
que quienes cumplieron catorce en 1948, y por lo tanto tuvieron que seguir sus estudios
un año más, ganaron, de media, un 10% más que quienes los cumplieron en 1946.
Los experimentos naturales son una fuente de datos muy útil en la economía empí-
rica. En muchos casos, nos ayudan a separar la correlación de la causalidad. Aplicados
a la rentabilidad de la educación, indican que la correlación entre los años de enseñanza

Sección 2.2 | Causalidad y correlación 29

2.1
Economía basada en la evidencia (continuación)
2.2 y un mayor nivel de ingresos no se debe a alguna variable omitida, sino que refleja la in-
fluencia causal de la educación. El modelo de rentabilidad de la educación consigue, por
tanto, una confirmación sólida del dato. ¿Aumenta tu deseo de alargar los estudios por la
2.3 rentabilidad del 10% de cada año adicional de educación?

Pregunta Respuesta Datos Observaciones

¿Cuánto aumenta el sueldo si
la ley obliga a un año más de
educación?
De media, los sueldos aumen-
tan un 10% si los niños tienen
que seguir escolarizados un
año más.
Encuesta general sobre las
familias del Reino Unido. Se
ha comparado a los niños
que pudieron dejar el colegio
a los catorce años con los
que tuvieron que seguir en
el colegio un año más por la
modificación de las leyes de
escolarización obligatoria.
Aparte de la modificación de
las leyes de escolarización
obligatoria, otros factores
podrían explicar por qué los
niños que tuvieron que se-
guir en el colegio terminaron
ganando más en el mercado
laboral (este sería un ejemplo
de una variable omitida).

Un experimento natural es un
estudio empírico en el que algún
proceso (fuera del control del
experimentador) ha asignado
individuos al grupo de control y
al de tratamiento de una forma
aleatoria o casi aleatoria.
históricos generados por un experimento natural, que es el nombre que se da a un estu-
dio empírico en el que algún proceso (fuera del control del experimentador) ha asignado
individuos al grupo de control y al de tratamiento de una forma aleatoria o casi aleatoria.
Los economistas han encontrado y aprovechado experimentos naturales para con-
testar numerosas cuestiones de primer orden. Esta metodología puede resultar muy útil
para obtener una respuesta más concluyente a nuestra duda: ¿cuál es el beneficio de la
educación?

2.3 Preguntas y respuestas

de economía
En economía nos gusta pensar que nuestras investigaciones son procesos en los que plan-
teamos y respondemos preguntas. Ya hemos visto un par de ellas. Por ejemplo, en este
capítulo hemos preguntado «¿En cuánto aumenta el sueldo medio si la ley obliga a un
año más de educación?», mientras que en el capítulo 1 preguntamos «¿Cuál es el coste de
oportunidad de tu tiempo?».
Hay preguntas adecuadas de muchos tipos posibles, pero las más interesantes en econo-
mía comparten dos propiedades:
1. Plantean cuestiones que son importantes para los agentes económicos indivi-
duales o para la sociedad. En economía tendemos a pensar que la investigación
económica contribuye al bienestar de la sociedad. Intentamos realizar investigacio-
nes que tengan consecuencias generales sobre la conducta humana o el compor-
tamiento económico. Por ejemplo, comprender la rentabilidad de la educación es
importante porque las personas invierten muchos recursos en formarse. En Estados
Unidos se dedica casi una décima parte del producto económico a la educación: 1,5
billones de dólares al año. Resulta útil cuantificar el provecho que se obtiene de
toda esta inversión. Si la rentabilidad de la educación es muy alta, la sociedad puede
pensar en fomentar aún más la inversión en educación. Por el contrario, si es baja,

30 Capítulo 2 | Métodos económicos y cuestiones de economía

 deberíamos difundir este importante dato entre quienes se están planteando seguir
estudiando. Conocer la rentabilidad de la educación ayudará a los individuos y a los
2.1
gobiernos a decidir cuántos de sus escasos recursos asignan a la formación.
2. Las preguntas adecuadas pueden responderse. En otras disciplinas, basta con
plantear preguntas adecuadas. Por ejemplo, los filósofos creen que algunas de las 2.2
cuestiones más importantes no tienen respuesta. Sin embargo, a los economistas
nos interesan principalmente las preguntas que pueden contestarse poniendo el su-
ficiente esfuerzo y aplicando un razonamiento cuidadoso.
2.3
Éstas son algunas de las preguntas económicas que abordamos en este libro. Cuando exa-
mines el conjunto, verás que son grandes cuestiones con implicaciones significativas para
ti y para la sociedad. El resto del libro se propone descubrir respuestas a ellas. Creemos que
el viaje será interesante así que, ¡empecemos!

Capítulo Preguntas
1 ¿Facebook es gratis?
2 ¿Merece la pena ir a la universidad?
3 ¿Cómo afecta la ubicación de una vivienda al precio del alquiler?
4 ¿Cuánto aumentaría el consumo de gasolina si fuera más barata?
5 ¿Dejaría alguien el hábito de fumar por 100 dólares al mes?
6 ¿Cómo afectaría la subvención del etanol a los productores de etanol?
7 ¿Es posible que los mercados regidos por el interés particular maximicen el
bienestar general?
8 ¿Te haría perder el trabajo el libre comercio?
9 ¿Cómo haría la reina de Inglaterra para tardar menos en llegar al estadio de
Wembley?
10 ¿Cuál es la dimensión óptima del Estado?
11 ¿Existe discriminación en el mercado laboral?
12 ¿Hay algún caso en que un monopolio sea bueno para la sociedad?
13 ¿Vale la pena ponerse en el lugar de los demás?
14 ¿Cuántas empresas se necesitan para que un mercado sea competitivo?
15 ¿Preferimos las gratificaciones inmediatas?
16 ¿Por qué los coches se devalúan en cuanto salen del concesionario?
17 ¿Cómo hay que pujar en una subasta de eBay?
18 ¿Le importa a la gente la equidad?
19 ¿Cuál es el valor de mercado total de la producción económica anual de un
país?
20 ¿Por qué es mucho más rico el estadounidense medio que el indio medio?
21 ¿Por qué somos más prósperos que nuestros tatarabuelos?
22 ¿Están condenadas a la pobreza las regiones tropicales y subtropicales por
su ubicación geográfica?
23 ¿Qué sucede con el empleo y el desempleo si cierran los negocios locales?
24 ¿Con qué frecuencia quiebran los bancos?
25 ¿Qué causó la hiperinflación de 1922-1923 en Alemania?
26 ¿Qué causó la recesión de 2007-2009?
27 ¿En qué medida sirve el gasto público para estimular el PIB?
28 ¿Los trabajadores vietnamitas se ven perjudicados por empresas como
Nike?
29 ¿Cómo ganó 1.000 millones de dólares Georges Soros?

Sección 2.3 | Preguntas y respuestas de economía 31

 Resumen

El método científico es el nombre del proceso continuo que se usa en

economía y otras ciencias para (a) desarrollar modelos matemáticos del mundo
y (b) ponerlos a prueba con datos.

Las pruebas empíricas son el conjunto de hechos determinados mediante

observación o medición que sirven para evaluar un modelo.

Los economistas tratamos de encontrar relaciones causales entre variables.

Un método de determinar la causalidad es llevar a cabo un experimento,

que es una forma controlada de investigar relaciones causales entre variables.
En la actualidad los economistas realizamos experimentos de forma activa
tanto en el laboratorio como fuera de él. También estudiamos datos históricos
que se han generado mediante un experimento natural para deducir
la causalidad.

Términos clave
método científico p. 21 causalidad p. 27 variable omitida p. 27
modelo p. 21 correlación p. 27 causalidad inversa p. 28
datos p. 22 variable p. 27 experimento p. 28
pruebas empíricas p. 23 correlación positiva p. 27 aleatorización p. 28
hipótesis p. 23 correlación negativa p. 27 experimento natural p. 30
media (promedio) p. 25 correlación cero p. 27

Preguntas
1. ¿Qué significa que los economistas utilizan el método
científico? ¿Cómo diferencian entre los modelos que fun-
cionan y los que no?
2. ¿Qué significa empirismo? ¿Cómo usan hipótesis los
empiristas?
3. Cita dos propiedades importantes de los modelos econó-
micos. Los modelos suelen ser descripciones simplifica-
das de un fenómeno del mundo real. ¿Significa esto que
no son realistas?
4. ¿Cómo se calcula la media de una serie de observacio-
nes? Supón que 5.000 personas han comprado helados en
un caluroso día de verano. Si el número medio de hela-
dos comprados por persona es 2, ¿cuántos helados se han
vendido ese día?
5. ¿Cómo afecta el tamaño de la muestra a la validez de un
argumento empírico? ¿Cuándo es aceptable utilizar un
solo ejemplo para rebatir una afirmación?
6. Explica por qué correlación no siempre significa causa-
lidad. ¿La causalidad siempre implica correlación posi-
tiva? Justifica la respuesta.
7. Da un ejemplo de un par de variables que tengan correla-
ción positiva, otro par de variables que la tengan negativa
y otro par con correlación cero.
8. ¿Qué significa aleatorización? ¿Cómo afecta la aleatori-
zación a los resultados de un experimento?
9. En este capítulo se han tratado experimentos naturales y
aleatorizados. ¿En qué se diferencia un experimento na-
tural de uno aleatorizado? ¿Cuál es más probable que dé
resultados precisos?
10. Supón que debes averiguar el efecto que las normas de
uso del cinturón de seguridad tienen en la mortalidad
de los accidentes de tráfico. ¿Optarías por realizar un ex-
perimento aleatorizado o en este caso tendría sentido uti-
lizar experimentos naturales? Justifica tu respuesta.

32 Capítulo 2 | Métodos económicos y cuestiones de economía

Problemas
1. En este capítulo se ha hablado de medias. La mediana,
un concepto muy relacionado, es el valor numérico que
separa la mitad superior de los datos de la mitad infe-
rior. Para hallar la mediana, hay que disponer todas las
observaciones ordenadas de menor a mayor y escoger el
valor situado en el medio (suponiendo que el número de
observaciones sea impar). Aunque la media y la mediana
están muy relacionadas, en ocasiones la diferencia entre
ellas puede resultar interesante.
a. Imagina que el país A tiene cinco familias, con in-
gresos de 10.000, 20.000, 30.000, 40.000 y 50.000
dólares, respectivamente. ¿Cuál es la mediana de
los ingresos familiares en A? ¿Y cuál es el ingreso
medio?
b. El país B también tiene cinco familias, con ingresos
de 10.000, 20.000, 30.000, 40.000 y 150.000 dólares,
respectivamente. ¿Cuál es la mediana de los ingresos
familiares en B? ¿Y cuál es el ingreso medio?
c. ¿En qué país hay mayor desigualdad de ingresos, A
o B?
d. Supón que creías que la desigualdad de ingresos en
Estados Unidos había aumentado con el tiempo. En
función de tus respuestas a esta pregunta, ¿sería de
esperar que hubiese aumentado o disminuido la rela-
ción entre los ingresos medios en Estados Unidos y la
mediana de esos ingresos? Justifica tu respuesta.
2. Piensa en la siguiente situación: el profesor de matemá-
ticas le ha dicho a tu clase que la calificación media del
examen final es de 43 sobre 100. ¿Significa esto que tú
también has obtenido una calificación baja en el examen?
Explica la respuesta.
3. En este capítulo se ha destacado la importancia de utilizar
muestras adecuadas en los estudios empíricos. Teniendo
eso en cuenta, piensa en los dos problemas siguientes:
a. Para un trabajo de clase debes averiguar si las incli-
naciones políticas de la gente afectan al periódico que
prefieren leer. Haces una encuesta entre dos estudian-
tes de la clase de ciencias políticas y cinco personas
que encuentras en una cafetería. Casi todos los entre-
vistados dicen que sus afinidades políticas no influyen
en lo que leen. Según los resultados de tu estudio, lle-
gas a la conclusión de que no existe relación entre las
ideas políticas y la preferencia por un periódico. ¿Es
una conclusión válida? ¿Por qué o por qué no?
b. Tu tío te dice que el periódico que cada uno com-
pra dependerá de su edad. Él lo cree así porque, en
su familia, su esposa y sus hijos adolescentes leen
periódicos distintos. ¿Crees que su conclusión está
justificada?
4. Algunos estudios han demostrado que quienes poseen
armas de fuego tienen una mayor probabilidad de morir
por armas de fuego. ¿Crees que esos estudios son pruebas
sólidas a favor de que se apliquen leyes más estrictas de
control de armas? Explica la respuesta.
5. Como se explica en el texto, a veces puede ser difícil ave-
riguar la dirección de la causalidad.
a. ¿Por qué podrías pensar que si hubiera más policías,
bajarían los índices de delincuencia? ¿Por qué pen-
sarías que con unos índices más altos aumentaría el
número de policías?
b. En 2012, la revista New England Journal of Medicine
publicó una investigación que demostraba una fuerte
correlación entre el consumo de chocolate de un país
y el número de ganadores de premios Nobel de ese
país. ¿Crees que los países que desean fomentar que
sus ciudadanos consigan premios Nobel deberían au-
mentar el consumo de chocolate?
6. El capítulo muestra que en general la gente con un nivel
educativo más alto tiene sueldos más altos. Los econo-
mistas han ofrecido dos explicaciones de esta relación.
El argumento del capital humano dice que la enseñanza
secundaria y universitaria prepara a las personas con ha-
bilidades valiosas y que los empleadores están dispuestos
a pagar sueldos más altos para atraer a quienes tienen esas
habilidades. El argumento de la señalización explica que
el título universitario es una señal para los empleadores
de que el solicitante de empleo que lo posee es diligente,
inteligente y perseverante. ¿Cómo podrías utilizar datos
sobre personas con dos, tres o cuatro años de educación
universitaria para arrojar luz sobre esta controversia?
7. Maimónides, judío sefardí nacido en Córdoba en el si-
glo xii, afirmó: «Hasta veinticinco niños pueden estudiar
con un solo maestro. Si son más, hasta cuarenta, hay que
designar un ayudante que secunde al primero en la en-
señanza; si son más de cuarenta, hay que designar dos
maestros». En Israel se sigue esta regla para determinar el
número de maestros en cada aula. ¿Cómo podrías utilizar
la regla de Maimónides como experimento natural para
estudiar el efecto de la proporción maestro/alumnos sobre
el rendimiento de los alumnos?
8. Oregón amplió la cobertura de la asistencia sanitaria Me-
dicaid en 2008. La solicitaron aproximadamente 90.000
personas, pero el estado disponía de fondos para dar
cobertura sólo a 30.000 personas más (las cuales se eli-
gieron al azar de entre los 90.000 solicitantes). ¿Cómo
podríamos usar la experiencia de Oregón para calcular
las consecuencias para la salud de mejorar el acceso a la
asistencia sanitaria?
9. Un modelo económico sencillo predice que más gente
tomará el autobús si baja el precio de los billetes. Sin em-
bargo, observas que alguna gente sigue sin usar el auto-
bús a pesar de la bajada.
a. ¿Es incorrecto el modelo?
b. ¿Cómo pondrías a prueba este modelo?
Problemas 33
 Apéndice
Elaboración e interpretación de gráficos
Un gráfico bien diseñado resume
información con una presentación
visual simple; el viejo dicho de
que «una imagen vale más que mil
palabras» puede ayudar a explicar
la popularidad de las imágenes.
Al empezar a estudiar economía, es importante comprender bien
cómo interpretar los datos y cómo presentarlos claramente de
manera visual. Los gráficos están por doquier: en televisión, en
Internet, en periódicos y revistas, en manuales de economía. ¿A
qué se debe tanta popularidad?
Un gráfico bien diseñado resume información con una presen-
tación visual simple; el viejo dicho de que «una imagen vale más
que mil palabras» puede ayudar a explicar la popularidad de las
imágenes. En este libro, encontrarás muchos gráficos que com-
plementan la descripción verbal de los conceptos económicos.
Para ilustrar la manera en que elaboramos e interpretamos los
gráficos, vamos a presentarte un reciente estudio que hemos rea-
lizado en el que se incluyen algunos resúmenes de datos.

Estudio sobre incentivos

¿Prepararías con más esfuerzo la clase de economía si te pagáramos 50 dólares por conse-
guir un sobresaliente? ¿Y si eleváramos el premio a 500 dólares? Tu primer impulso podría
ser pensar: «Bueno, claro... ¿por qué no? Con ese dinero podría comprar un nuevo Kindle
y tal vez una entrada para un concierto de Beyoncé».
Pero como hemos aprendido en el capítulo 1, estudiar más tiene varios costes de oportu-
nidad, como asistir a menos conciertos de rock o pasar menos tiempo en la cafetería char-
lando con los amigos. Tendrías que sopesar esos costes de oportunidad con el beneficio de
obtener un sobresaliente en el curso y podrías llegar a la conclusión de que, como después
de todo esta pregunta es hipotética, no tienes necesidad de pensar más en cómo actuarías
en este caso.
Sin embargo, tal vez no sea tan imaginaria como crees.
En los últimos años, miles de estudiantes de Estados Unidos se han enfrentado a esa
oferta en el marco de un experimento que Sally Sadoff, Steven Levitt y John List llevaron
a cabo en dos institutos de las afueras de Chicago en el que utilizaron incentivos para ver
si cambiaba el comportamiento de los estudiantes. Este experimento nos permite analizar
la relación entre dos variables: cómo afecta a las calificaciones el aumento de una recom-
pensa financiera. Y, por supuesto, da pie a una discusión sobre la causa y el efecto, que
hemos estudiado en este capítulo: vamos a comparar relaciones causales entre variables
y a estudiar si hay correlaciones entre ellas. Tanto la causalidad como la correlación son
conceptos muy útiles para comprender el mundo que nos rodea.

Diseño del experimento

En Chicago Heights hay dos institutos, y ambos tienen problemas de abandono escolar.
A este respecto, no es infrecuente que más del 50% de los alumnos que empiezan el noveno
curso dejen los estudios antes de recibir el diploma de secundaria (al final del duodécimo
año). Resulta obvio que hay problemas en este distrito escolar, pero no son exclusivos de
Chicago Heights, pues otras muchas zonas afrontan situaciones parecidas.
¿Qué podemos aportar los economistas aquí? Algunos, incluido uno de los coautores
de este libro, han diseñado incentivos para disminuir los índices de abandono escolar y
aumentar el rendimiento académico. En este caso, se pagó a los estudiantes que mejoraron
sus resultados académicos.2
Empecemos por examinar el experimento para bajar el índice de abandono escolar.
Cada alumno se asignó aleatoriamente a uno de los tres grupos siguientes:

34 Apéndice | Elaboración e interpretación de gráficos

 Grupo de control: los alumnos no recibieron compensación en dinero por alcanzar ni-
veles especiales definidos por los experimentadores (que se explican a continuación).
Grupo de tratamiento con incentivos a los alumnos: éstos recibirían 50 dólares por
cada mes en que alcanzaran los niveles.
Grupo de tratamiento con incentivos a los padres: éstos recibirían 50 dólares por
cada mes en que sus hijos alcanzaran los niveles.
Se consideraba que un alumno había alcanzado los niveles mensuales si:
1. no tenía suspensos en ninguna asignatura durante ese mes;
2. no tenía más de una ausencia sin justificar durante ese mes;
3. no había sido expulsado durante ese mes.

Descripción de las variables

Antes de que descubramos cuánto dinero ganaron los estudiantes, dediquemos algo más
de atención a las variables que podría interesarnos conocer. Como indica su nombre, una
variable es un factor que es probable que varíe o cambie; es decir, puede tomar valores
distintos en situaciones diferentes. En esta sección, te mostramos cómo usar tres técnicas
diferentes para describir las variables gráficamente:
1. Gráficos de sectores
2. Gráficos de barras
3. Gráficos de series temporales

Un gráfico de sectores es un gráfico
circular dividido en segmentos,
cada uno de los cuales muestra
la proporción de las partes con
respecto al todo.
Gráficos de sectores
Un gráfico de sectores (o de tarta) es un gráfico circular dividido en segmentos (o
quesitos), cada uno de los cuales muestra la proporción de las partes con respecto al todo.
Dicho de otro modo, estos gráficos permiten describir cómo una sola variable se descom-
pone en diferentes categorías o «sectores». Se utilizan a menudo en economía para mostrar
variables económicas importantes, como los diferentes orígenes de los ingresos fiscales del
Estado o los objetivos del gasto público, que trataremos en el capítulo 10.
Por ejemplo, analicemos la raza de los estudiantes de nuestro experimento. En la figura
2A.1, observamos que el 59% de los alumnos de noveno curso que participaron en el expe-
rimento son afroamericanos. Entonces, coloreamos de azul un segmento que corresponde
al 59% del gráfico a fin de representar la proporción de estudiantes de esa raza con respecto al
total de estudiantes del experimento. Observamos también que el 15% son blancos no his-
panos y los representamos con el sector rojo. Así continuamos el desglose por razas hasta
que llenamos el 100% del círculo. El gráfico completo describe la composición racial de
los participantes en el experimento.

Figura 2A.1 Participantes en

el experimento de Chicago
Heights divididos por razas 7%

Los sectores del gráfico son

una forma visual de represen- 19%
Afroamericanos
tar qué fracción de todos los Blancos no hispanos
estudiantes de los institutos
Hispanos
de Chicago Heights pertene- 59%
15% Otros
cen a las cuatro categorías ra-
ciales. Del mismo modo que
los números suman 100, los
sectores llenan el gráfico.

Apéndice | Elaboración e interpretación de gráficos 35


Un gráfico de barras emplea barras
de diferentes alturas o longitudes
para indicar las características de
grupos diferentes.
Una variable independiente es
aquélla cuyo valor no depende de
otra variable; en un experimento la
manipula el investigador.
Una variable dependiente es
aquélla cuyo valor depende de otra
variable.
Gráficos de barras
Otro tipo de gráfico que permite resumir y mostrar una variable es el de barras. Un grá-
fico de barras emplea barras (¡sorpresa!) de diferentes alturas o longitudes para indicar las
características de grupos diferentes. Simplifican la comparación de una sola variable entre
muchos grupos. Para construir uno, basta con dibujar rectángulos, uno junto a otro, dando
a cada uno la altura (o la longitud, si las barras son horizontales) que corresponda al valor
de la variable que describe.
Por ejemplo, en la figura 2A.2 se reflejan los índices de éxito general de los alumnos
de los distintos grupos del experimento. Así, tenemos la variable independiente (la ele-
gida por el investigador, en este caso los grupos asignados a los estudiantes) en el eje de
abscisas, el horizontal. En el eje de ordenadas, el vertical, está la variable dependiente:
la que es posible que resulte afectada por el tratamiento experimental. En el gráfico, la
variable dependiente es la proporción de estudiantes que cumplen los criterios académicos
establecidos. Recordemos que el 100% corresponde a una proporción de 1 y que el 30%
equivale a 0,30.
En la figura 2A.2 observamos algunos resultados interesantes del experimento. Por
ejemplo, en el gráfico de barras vemos que el 28% de los estudiantes del grupo de control
(los que no recibieron incentivos) alcanzaron los niveles. En comparación, los alcanzaron
el 34,8% de los alumnos del grupo de incentivos a los padres. Esta diferencia representa un
aumento considerable del número de alumnos que cumplen los criterios, lo cual indica que
los incentivos pueden funcionar.

Gráficos de series temporales

Un gráfico de series temporales
muestra datos en diferentes
momentos.
Con gráficos de sectores o de barras, podemos resumir el modo en que una variable se
descompone en diferentes grupos, pero ¿y si queremos comprender la evolución de una
variable en el tiempo? Por ejemplo, ¿cómo cambió la proporción de estudiantes que alcan-
zaron los niveles a lo largo del curso? Un gráfico de series temporales nos ayudará, pues
representa datos en diferentes momentos.
Por ejemplo, la figura 2A.3 muestra la proporción de alumnos de los grupos de control
y de incentivos a los padres que alcanzan los niveles cada mes. Aunque haya varios meses y
grupos, seguimos cuantificando una sola variable; en este caso, la proporción de alum-
nos que alcanzan los niveles académicos. Como deja claro la figura 2A.3, el número
de estudiantes que los cumplen es mayor en el grupo de incentivos a los padres que en el
de control. Pero fíjate que la diferencia dentro de los dos grupos cambia mes a mes. Sin una
serie temporal, no apreciaríamos esas diferencias entre los meses y no podríamos entender
la evolución de la eficacia del incentivo a lo largo del curso. Conforme avances en este
libro, verás que una importante propiedad de los datos que debes reconocer es la evolución

Figura 2A.2 Proporción

de estudiantes que alcanzan
los niveles académicos en cada
grupo experimental Proporción 0,40
de estudiantes
El gráfico de barras facilita la com- que alcanzan 0,35
los niveles
paración de cifras entre los grupos 0,30
del experimento. En este caso po-
0,25
demos apreciar el comportamiento
académico de diferentes grupos 0,20
comparando la altura de cada barra.
0,15
Por ejemplo, la barra del grupo de
incentivos a los padres es mayor que 0,10
la del grupo de control, es decir, la
0,05
proporción de los estudiantes que
alcanzaron los niveles académicos es 0
Grupo Grupo con incentivos Grupo con incentivos
mayor en el grupo de incentivos a los de control a estudiantes a padres
padres que en el grupo de control.

36 Apéndice | Elaboración e interpretación de gráficos

 Figura 2A.3 Estudiantes que
alcanzan los niveles académicos
cada mes
El gráfico de series temporales toma Proporción 0,6
la misma información que había en el de estudiantes
que cumplen 0,5
de barras, pero, en lugar de una «foto
los criterios
fija», muestra la evolución del expe-
rimento durante los meses del curso 0,4
escolar. Los puntos se conectan con
líneas para ilustrar con mayor claridad 0,3
las tendencias mensuales. Además,
utilizando diferentes colores o formas 0,2
en las líneas, podemos representar
Grupo de control
dos grupos (el de control y el de 0,1
Incentivos a padres
incentivos a los padres) en el mismo
gráfico, lo cual nos permite comparar 0
Ago Sep Oct Nov Dic Ene Feb Mar Abr May
grupos, igual que en el gráfico de (Base) Mes
barras de antes.

de las variables en el tiempo; los gráficos de series temporales tienen un valor incalculable
para ayudarnos a entender cómo cambia una variable en el tiempo.

Un diagrama de dispersión muestra
la relación entre dos variables por
medio de la representación de los
datos mediante puntos.
Diagramas de dispersión
Tal vez te preguntes si merece la pena estudiar sin esos incentivos monetarios. En este ca-
pítulo hemos mostrado la relación entre el sueldo y los años de educación. Otra forma de
mostrar esa relación es con un diagrama de dispersión, también llamado nube de puntos.
Un diagrama de dispersión muestra la relación entre dos variables por medio de la repre-
sentación de los datos mediante puntos. En la figura 2A.4 se ilustra la relación entre los
años de educación y el sueldo semanal medio en los distintos estados de Estados Unidos
en septiembre de 2013. Por ejemplo, el punto correspondiente a 10,4 años de educación
y 800 dólares de ingresos semanales es Nueva Jersey, lo cual significa que los adultos
de ese estado han estudiado una media de 10,4 años y ganan una media de 800 dólares
a la semana.

Figura 2A.4 Relación entre

educación y sueldo
Cada punto de este diagrama Sueldo 850
representa la media de años semanal
800 Nueva Jersey
en $
de educación y de ingresos
semanales en un estado de 750
Estados Unidos. Los datos se 700
han tomado de la encuesta
sobre población actual de 650
septiembre de 2013. El grá- 600
fico pone de manifiesto la
relación positiva entre años de 550
educación y sueldo semanal. 500

450
9,4 9,6 9,8 10,0 10,2 10,4 10,6 10,8
Años de educación

Apéndice | Elaboración e interpretación de gráficos 37

 Causa y efecto
En este capítulo hemos escrito bastante sobre causalidad y correlación, pero a los econo-
mistas nos interesa mucho más la primera, pues la causalidad relaciona dos variables de
una forma activa: a es la causa de b si, debido a a, se ha producido b.
En nuestro estudio experimental podríamos llegar a la conclusión, por ejemplo, de que
pagar dinero por el rendimiento académico causa que mejoren sus resultados. Pero esto no
tendría que ser así por fuerza si el experimento no se hubiera diseñado correctamente, por
ejemplo, si los estudiantes no se hubieran asignado al azar a los grupos de tratamiento y de
control. Supongamos que los investigadores hubieran situado en el grupo de control a todos
los estudiantes que en el pasado habían obtenido malas notas. En ese caso, los resultados
relativamente pobres del grupo de control podrían deberse a su composición, y no a la falta
de recompensa económica. Cualquier relación entre los logros académicos y los pagos
generados por ese experimento podrían haberse interpretado como una correlación, pero
no habría habido igualdad de condiciones al comenzar el experimento: el grupo de control
tendría una proporción mayor de estudiantes con malas notas que los otros grupos.
Por suerte, el experimento de Chicago Heights se aplicó siguiendo el principio de la
aleatorización ya tratado en este capítulo. Los autores del experimento dividieron al azar a
los estudiantes en grupos, por lo que cada grupo tenía una representación igual de estudian-
tes y de sus características (variables como la inteligencia media eran similares en todos
los grupos). Como la única razón posible de que un alumno fuera asignado a un grupo y
no otro era la casualidad, podemos deducir que cualquier diferencia entre el rendimiento
académico de los grupos al final del experimento se debió a la diferencia que planteaba el
tratamiento experimental (los distintos incentivos económicos).
Por eso, podemos afirmar que la causa de la diferencia entre el rendimiento, por ejem-
plo, del grupo de incentivos a los alumnos y el grupo de control es que los estudiantes del
primero recibieron un incentivo de 50 dólares, mientras que los del grupo de control no
recibieron incentivos para mejorar.

Correlación no implica causalidad

A menudo la correlación se confunde con la causalidad. La correlación entre dos variables
debería entenderse como una razón suficiente para buscar una posible relación causal, pero
nada más. Sirva de ejemplo que, no hace mucho, un alto ejecutivo de marketing nos mostró
la figura 2A.5 (las cifras se han modificado para respetar la confidencialidad). Intentaba
demostrar que la publicidad en tiendas de Internet era eficaz para aumentar las ventas:
«Muestra una clara relación positiva entre los anuncios y las ventas. Cuando pusimos 1.000
anuncios, las ventas fueron de unos 35 millones de dólares. ¡Pero bajaron hasta 20 millo-
nes cuando sólo hubo 100 anuncios! Esto demuestra que a mayor número de anuncios, se
consiguen más ventas».

Figura 2A.5
Anuncios y ventas Ventas 40
(millones
Con sólo mirar el gráfico que de $) 35
muestra la relación entre ven- 30
tas y anuncios, resulta tentador Variación
25 = (35 – 20)
afirmar que a más anuncios, más
= 15 millones
ventas. No obstante, sin aleato- 20
de dólares
rización nos arriesgamos a que
15 Variación = (1.000 – 100) = 900 anuncios
una tercera variable omitida en
el gráfico explique el aumento 10
de las ventas aunque no ten-
5
gan nada que ver los anuncios.
¿Echas en falta alguna variable 0
0 100 200 400 600 800 1,000
aquí?
Número de anuncios

38 Apéndice | Elaboración e interpretación de gráficos


La pendiente es la variación en el
valor de la variable representada
en el eje de ordenadas dividida
por la variación en el de la variable
representada en el eje de abscisas.
Antes de comentar si este gráfico demuestra la causalidad, vamos a pararnos a pensar en
las características básicas de la figura 2A.5, que contiene lo siguiente:
1. La variable representada en el eje de abscisas, horizontal o X; en nuestro gráfico, es
el número de anuncios.
2. La variable representada en el eje de ordenadas, vertical o Y; en nuestro gráfico, es
la cifra de ventas en millones de dólares.
3. El origen, que es el punto en el que se cruzan los dos ejes; tanto las ventas como el
número de anuncios son igual a cero en el origen.
En la figura, el número de anuncios es la variable independiente, mientras que la cifra
de ventas es la dependiente. Cuando los valores de ambas variables aumentan en la misma
dirección, tienen una correlación positiva; si una aumenta y la otra disminuye, se mueven
en direcciones opuestas y su correlación es negativa.
Por lo tanto, en la figura 2A.5 encontramos una correlación positiva entre las dos va-
riables. ¿Cuál es la fuerza de esa correlación positiva? Es lo que llamamos la pendiente,
o variación en el valor de la variable representada en el eje de ordenadas dividida por la
variación en el de la representada en el eje de abscisas:
Variación en ordenadas
Pendiente =
. en abscisas
Variación
En este ejemplo, el aumento del número de anuncios de 100 a 1000 se ha asociado con
el incremento de las ventas de 20 millones de dólares a 35 millones. De esta forma, la
variación de las ventas (ordenada) es de 15 millones de dólares, mientras que la de los
anuncios (abscisa) es de 900. Como ambas aumentan (se mueven en la misma dirección),
la pendiente es positiva:
35.000.000 – 20.000.000 dólares
. 15.000.000 dólares 16.667 dólares
Pendiente = = =
1.000 – 100 anuncios 900 anuncios por anuncio
De este modo, nuestra figura implica que un anuncio más se asocia con 16.667 dólares
más de ventas. Pero ¿significa eso necesariamente que el que la tienda haga un anuncio más
causará un aumento de 16.667 dólares en las ventas?
Por desgracia, no. Si bien resulta tentador interpretar el aumento de las ventas con los
anuncios como relación causal entre las dos variables, no podemos estar seguros porque
el número de anuncios no se determinó aleatoriamente mediante un experimento. En este
caso, para empezar, el ejecutivo de marketing debería haberse preguntado por qué había
aumentado tanto el volumen de anuncios. Y lo había hecho por la temporada navideña,
cuando era de esperar que las ventas hubiesen aumentado en cualquier caso.
Por lo tanto, después de profundizar en los datos (te ahorraremos los detalles), lo que
indicaban en realidad es que la tienda ponía más anuncios en los momentos en que había
más compras (en los meses de noviembre y diciembre), pero esa es precisamente la época
en que las ventas son más altas, por el Día de Acción de Gracias y la Navidad. En una si-
tuación parecida a lo que sucedió con la publicidad con rojo/azul de Walmart que tratamos
en este capítulo, una vez que reconocimos los efectos estacionales y los tuvimos en cuenta,
¡desapareció la relación causal entre anuncios y ventas!
Este ejemplo demuestra que hay que tener cuidado al conectar unos pocos puntos en un
gráfico. Solamente porque dos variables se muevan juntas (correlación), no significa por
fuerza que la relación sea de tipo causal. Es posible que su vínculo sea otra variable que
hace que ambas aumenten; en este caso, la campaña de noviembre y diciembre.
Para ver con mayor claridad el concepto de lo que ha sucedido, construyamos un gráfico
con la cantidad de helado producido frente al número de ahogamientos mensuales en Esta-
dos Unidos. Utilizando datos mensuales de 2011, hemos elaborado la figura 2A.6. En ella
se aprecia que en los meses en que la producción de helado es relativamente alta, hay mu-
chos ahogamientos. De igual forma, en los meses en que apenas se fabrica helado, hay mu-
chos menos ahogamientos. ¿Significa eso que no debes bañarte después de comer helado?
Apéndice | Elaboración e interpretación de gráficos 39
 Figura 2A.6 Producción
de helados y ahogados
en Estados Unidos
Este gráfico representa la relación Ahogados 900
entre la producción mensual de por mes
800
helados y el número mensual de
ahogados. Cada uno de los 700
12 puntos corresponde a un mes 600
de 2011. ¿Es causal esta relación 500
o se ha omitido una variable que
400
hace que estas dos variables se
muevan juntas? Pista: el punto 300
situado en el ángulo superior 200
derecho es julio, mientras que el
100
del ángulo inferior izquierdo es
diciembre.
40 50 60 70 80 90 100
Fuentes: Centros de control y prevención Millones de galones
de enfermedades, y Brian W. Gould, del de helado producidos por mes
programa de marketing de lácteos y gestión
de riesgos de la Universidad de Wisconsin.

Sin duda, un gráfico así puede llevar a muchos padres a creer que hay una relación cau-
sal y a no dejar que sus hijos coman helado cerca de la piscina o de la playa. Por suerte para
los enamorados del helado, se ha omitido una variable de gran importancia. En verano,
cuando hace calor, la gente come más helado y también se baña más. El aumento de los
baños produce más ahogados. Aunque la gente coma más helado en verano, eso no causa
los ahogamientos.
Del mismo modo que una temporada alta de compras fue la variable omitida en el
ejemplo de la publicidad en tiendas de Internet, aquí se había prescindido del calor, que
causa que nos bañemos más y que comamos más helado. Aunque lo primero causa más
ahogamientos (como sería de esperar), lo segundo no tiene nada que ver con los ahoga-
mientos aun cuando existe una correlación positiva entre las dos cosas, como se muestra
en la figura 2A.6.
Más allá de comprender cómo elaborar cifras, esperamos que este apéndice te haya dado
una idea de cómo interpretar las representaciones visuales de datos. Una lección impor-
tante es que sólo porque dos variables estén correlacionadas, y se hayan movido juntas en
un gráfico, no significa que la relación sea causal. La causalidad es el criterio de referencia
en las ciencias sociales. Sin comprender la relación causal entre dos variables, no podemos
predecir con fiabilidad cómo cambiará el mundo cuando el gobierno intervenga para cam-
biar una de las variables. Para revelar relaciones causales, nos servimos de experimentos.
Así, aprendimos del experimento de Chicago Heights que los incentivos pueden afectar el
rendimiento de los alumnos.

Términos clave del apéndice

gráfico de sectores p. 35 variable dependiente p. 36 diagrama de dispersión p. 37
gráfico de barras p. 36 gráfico de series temporales p. 36 pendiente p. 39
variable independiente p. 36

40 Apéndice | Elaboración e interpretación de gráficos

Problemas del apéndice
A1. ¿Cómo representarías gráficamente lo siguiente? A3. Supón que la siguiente tabla muestra la relación entre los
a. La desigualdad de ingresos ha aumentado en Estados ingresos que se generan para el viaje de fin de curso y el
Unidos durante los diez últimos años. número de cajas de galletas que venden los estudiantes.
b. Todos los trabajadores del sector manufacturero de un Número de cajas Ingresos (en
país en concreto se pueden clasificar en una (y sólo vendidas dólares)
una) de las siguientes tres categorías: el 31,5% deja-
50 200
ron los estudios sin terminar el bachillerato, el 63,5%
tienen un diploma de haber terminado secundaria, y el 150 600
resto tienen un certificado de formación profesional. 250 1000
c. En 2012, los ingresos familiares medios en Alabama 350 1400
fueron de 43.464 dólares, mientras que en Connecti- 450 1800
cut fueron de 64.247 dólares.
550 2200
A2. Considera los siguientes datos que corresponden a la can-
tidad de café producido en Brasil entre 2004 y 2012. a. Representa los datos en un diagrama de dispersión.
b. ¿Tienen una correlación positiva o negativa las dos
Año Producción (en toneladas) variables? Explica la respuesta.
2004 2.465,710 c. ¿Cuál es la pendiente de la línea que se obtiene en
2005 2.140,169 el diagrama de dispersión? ¿Qué implica la pendiente
2006 2.573,368 con respecto al precio de una caja de galletas?
2007 2.249,011
2008 2.796,927
2009 2.440,056
2010 2.907,265
2011 2.700,440
2012 3.037,534

a. Representa los datos en un gráfico de series

temporales.
b. ¿Cuál es la cantidad media de café que Brasil produjo
entre 2009 y 2011?
c. Expresado en porcentaje, ¿cuál fue el aumento de la
cosecha de 2012 con respecto a la media de 2009 a
2011?

Apéndice | Elaboración e interpretación de gráficos 41