Sobre mi texto en animal político

http://www.animalpolitico.com/blogueros-blog-invitado/2013/04/01/comparado-con-el-resto-del-mundo-que-tan-mal-andamos-los-mexicanos-en-acceso-a-internet/#axzz2OrLand6E

Alán Jiménez ( https://www.facebook.com/alan.jimenez.p )

Escribe:

“Señor Merino:

Su artículo es escandaloso. Pero no por las conclusiones a las que llega, sino por la manera como llega a ellas.

Basta asomarse al párrafo en que afirma que el 67% de las diferencias en la cobertura de Internet se explica con las diferencias en PIB per cápita. ¿Cómo llegó a esa conclusión? ¿Corrió una regresión simple entre porcentaje de conectados y PIB per cápita? Déjeme adivinar, le dio un R cuadrada de 0.67. Esto, señor Merino, es un abuso de la Econometría. ¿No hay graves problemas de endogeneidad? O, en caso de haber corrido la regresión simple que menciono, ¿no surgen problemas por variables omitidas?

No conforme con ello (espero que no sea a sabiendas), usted continúa su análisis. ¿Y lo hace utilizando una sola variable explicativa? ¿Con la que se “explica” apenas el 67% de la variación de la variable dependiente? ¿Y juzgará la reforma en telecomunicaciones únicamente por su efecto en el número de usuarios de Internet? ¿No son más amplios los propósitos de ella?

No encuentro ningún rigor científico en este artículo. Es, en el mejor de los casos, una opinión con numeritos. Rectifique, por favor, señor Merino, o desmiéntame. Es escandaloso”.

No uso FB y creo que él no usa twitter, entonces respondo por aquí y con suerte le llegará.

1. Claramente no pretendía hacer un análisis econométrico, que explicara causalmente una pregunta mucho más amplia sobre qué variables explican la penetración de Internet en el mundo. Mis ambiciones eran mucho más pequeñas: con base en la variable que mejor se ajusta a la varianza en penetración (PIB per cápita), cómo se compara México con el resto del mundo. Por eso grafico un solo año… por ejemplo (una omisión aterradora si mi meta fuese otra). Posiblemente usar “explica” no fue la más afortunada selección de palabra…

2. La R^2 es simplemente un ratio de dispersiones (no me atrevo ni a llamarla “coeficiente de determinación”) que mide distancia apenas distancias relativas (1- la suma de los cuadrados de la distancia entre valores observados de Y y los valores predichos / la suma de los cuadrados de la distancia entre Y y su media). Es pues sólo un indicador de cómo se mueven juntos valores estimados por un set de variables con los valores observados. Para una mejor discusión sobre qué es y qué no es R^2 -> http://andrewgelman.com/2007/08/29/rsquared_useful/ (¿hay que usar R^2 como un indicador de ajuste del modelo? ¿de ausencia de heterocedasticidad? ¿causalidad? No, evidentemente no.

3. Efectivamente, si mi meta hubiese sido explicar causalmente penetración, hubiese usado una mejor especificación de un modelo OLS (si a eso se refiere con “sencillo”), pero el tema preocupante no es el de variables omitidas, puede usted correr un modelo con controles usando mis datos https://www.dropbox.com/s/n63leoj3m4bw2ne/ITU_WB.dta y se dará cuenta que el coeficiente de hecho crece, aunque marginalmente también el error estándar.

4. Digamos que hay variables omitidas que deshacen el efecto de PIB pc… ¿cuáles? ¿computadoras? ¿líneas fijas?, eso equivale a explicar uso de bicicletas como transporte con base en propiedad de bicicletas… Para empezar, ambas, además, están a su vez explicadas por… PIB pc. En cuyo caso bastaría usar un modelo Heckman o instrumentar por líneas y/o computadoras…

5. Digamos que debí ponderar por otras variables (i.e. desigualdad) y digamos que la distancia entre Y estimada y Y observada decrece, ¿queremos explicar la baja penetración en México porque somos un país desigual? ¿queremos decir que dado nuestro PIB pc tenemos poca conectividad porque 50% de la población está excluída económicamente? Sería una bella explicación si, nuevamente, nuestra meta fuese explicar totalmente la varianza en penetración. Si nuestra meta es simplemente describir diferencias en penetración condicionadas al valor de PIB pc… entonces no veo la necesidad.

6. El problema real es de sesgo selectivo. Ni siquiere de endogeneidad como causalidad en ambas direcciones (dado el periodo de tiempo, si hubiese endogeneidad al punto de sesgar estimadores y causar heterocedasticidad estaríamos frente a un efecto rápido y dramático de penetración en Internet sobre GDP pc… éste, no sé si sepa, crece mucho más lentamente): el PIB pc no se distribuye aleatoriamente (piénselo).

7. Digamos que queremos matar cualquier efecto de variables omitidas metiendo controles y efectos fijos por año y país… ¿exactamente qué estamos explicando? (si replica el ejercicio se dará cuenta que efectos fijos de hecho incrementan el efecto de PIB pc). No mucho, concluiríamos que Alemania tiene más usuarios de Internet porque… es Alemania. Respecto a tiempo, jugué con efectos fijos por año y con una variable de conteo, junto con controles, y en efecto, en el tiempo, el efecto de PIB pc ha decrecido, lo cual, si hubiese hecho una regresión, simplemente implicaría que mi coeficiente está subestimado… pero como ya debe saber a estas alturas, eso no fue lo que hice.

Su comentario es a un modelo econométrico que ni intenté usar, lo que hice es una simple comparación gráfica en un momento del tiempo respecto a la variable que mejor baila con la varianza de penetración…

Si mi objetivo fuese explicar causalmente penetración en Internet o verificar el efecto de PIB pc sobre ello, evidentemente hubiese usado una especificación econométrica adecuada… pero entonces lo mío no sería un blog en Animal Político, sino un paper…

Me alegra que pudo usted soltar sus frustraciones econométricas, sólo que las soltó donde no aplican… puede relajarse ;-)