Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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.
20
IDEAS CLAVE
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.
Los datos son hechos, medidas Todos los modelos científicos hacen predicciones que se pueden comprobar con datos
o estadísticas que describen el (hechos, medidas o estadísticas que describen el mundo). Como decíamos en el capítulo
mundo.
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.
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.
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.
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%.
Medias 2.2
La media, o el promedio, es la suma Tal vez te preguntes cómo pueden servir los datos de la encuesta sobre la población actual
de todos los valores de un conjunto para calcular los sueldos que hemos mencionado. Hemos utilizado el concepto de media
dividida por el número de valores. 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:
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.
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.
La causalidad inversa se produce La causalidad inversa es otro problema que dificulta nuestros esfuerzos por distinguir
cuando confundimos la dirección de correlación y causalidad. Se trata de la situación que se produce cuando confundimos la
la causa y el efecto.
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.
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
Un experimento natural es un históricos generados por un experimento natural, que es el nombre que se da a un estu-
estudio empírico en el que algún dio empírico en el que algún proceso (fuera del control del experimentador) ha asignado
proceso (fuera del control del individuos al grupo de control y al de tratamiento de una forma aleatoria o casi aleatoria.
experimentador) ha asignado
individuos al grupo de control y
Los economistas han encontrado y aprovechado experimentos naturales para con-
al de tratamiento de una forma testar numerosas cuestiones de primer orden. Esta metodología puede resultar muy útil
aleatoria o casi aleatoria. para obtener una respuesta más concluyente a nuestra duda: ¿cuál es el beneficio de la
educación?
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?
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 6. Explica por qué correlación no siempre significa causa-
científico? ¿Cómo diferencian entre los modelos que fun- lidad. ¿La causalidad siempre implica correlación posi-
cionan y los que no? tiva? Justifica la respuesta.
2. ¿Qué significa empirismo? ¿Cómo usan hipótesis los 7. Da un ejemplo de un par de variables que tengan correla-
empiristas? ción positiva, otro par de variables que la tengan negativa
3. Cita dos propiedades importantes de los modelos econó- y otro par con correlación cero.
micos. Los modelos suelen ser descripciones simplifica- 8. ¿Qué significa aleatorización? ¿Cómo afecta la aleatori-
das de un fenómeno del mundo real. ¿Significa esto que zación a los resultados de un experimento?
no son realistas? 9. En este capítulo se han tratado experimentos naturales y
4. ¿Cómo se calcula la media de una serie de observacio- aleatorizados. ¿En qué se diferencia un experimento na-
nes? Supón que 5.000 personas han comprado helados en tural de uno aleatorizado? ¿Cuál es más probable que dé
un caluroso día de verano. Si el número medio de hela- resultados precisos?
dos comprados por persona es 2, ¿cuántos helados se han 10. Supón que debes averiguar el efecto que las normas de
vendido ese día? uso del cinturón de seguridad tienen en la mortalidad
5. ¿Cómo afecta el tamaño de la muestra a la validez de un de los accidentes de tráfico. ¿Optarías por realizar un ex-
argumento empírico? ¿Cuándo es aceptable utilizar un perimento aleatorizado o en este caso tendría sentido uti-
solo ejemplo para rebatir una afirmación? lizar experimentos naturales? Justifica tu respuesta.
Problemas 33
Apéndice
Elaboración e interpretación de gráficos
Al empezar a estudiar economía, es importante comprender bien
cómo interpretar los datos y cómo presentarlos claramente de
Un gráfico bien diseñado resume manera visual. Los gráficos están por doquier: en televisión, en
información con una presentación Internet, en periódicos y revistas, en manuales de economía. ¿A
qué se debe tanta popularidad?
visual simple; el viejo dicho de Un gráfico bien diseñado resume información con una presen-
que «una imagen vale más que mil tación visual simple; el viejo dicho de que «una imagen vale más
palabras» puede ayudar a explicar que mil palabras» puede ayudar a explicar la popularidad de las
imágenes. En este libro, encontrarás muchos gráficos que com-
la popularidad de las imágenes. 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.
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-
Un gráfico de sectores es un gráfico pone en diferentes categorías o «sectores». Se utilizan a menudo en economía para mostrar
circular dividido en segmentos, variables económicas importantes, como los diferentes orígenes de los ingresos fiscales del
cada uno de los cuales muestra Estado o los objetivos del gasto público, que trataremos en el capítulo 10.
la proporción de las partes con
Por ejemplo, analicemos la raza de los estudiantes de nuestro experimento. En la figura
respecto al todo.
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.
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.
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
Un diagrama de dispersión muestra mostrar esa relación es con un diagrama de dispersión, también llamado nube de puntos.
la relación entre dos variables por Un diagrama de dispersión muestra la relación entre dos variables por medio de la repre-
medio de la representación de los
sentación de los datos mediante puntos. En la figura 2A.4 se ilustra la relación entre los
datos mediante puntos.
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.
450
9,4 9,6 9,8 10,0 10,2 10,4 10,6 10,8
Años de educación
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
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:
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?
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.