Mapa de las elecciones de Estados Unidos en 2012. Imagen de Wikimedia Commons.

En el posteo anterior, con un ejemplo de la vida real, expliqué como distintos métodos de análisis de datos pueden dar resultados muy distintos. Se analizó el caso de un programa dirigido a incentivar el voto en las elecciones de Estados Unidos de 2002. El programa consistía de llamadas a casas un día antes de las elecciones para incentivar el voto.

La pregunta fundamental era: ¿tuvieron algún efecto en la participación electoral las llamadas efectuadas un día antes de las elecciones? Los resultados indican cosas muy distintas dependiendo de cada uno de los métodos mencionados.

En esta ocasión haré una breve descripción de los métodos utilizados:

1. Diferencia simple: Como su nombre lo indica este método es el más sencillo de todos. Consiste en observar cuántos de los individuos a los que se les marcó un día antes de la elección de 2002 votaron al día siguiente, y comparar cuántos de ellos habían votado en el 2000. Afortunadamente para los investigadores, se contaba con el registro de votantes.
2. Regresión múltiple: Este método consiste en ajustar la mejor línea regresora posible a la distribución de datos. En otras palabras, se trata de encontrar la relación entre variables independientes con las dependientes. Por ejemplo, el producto interno bruto -variable dependiente- es explicada por el consumo nacional, el gasto del gobierno, las exportaciones netas y la inversión -variables independientes. En nuestro caso la variable dependiente es la asistencia a votar o no y la independiente la llamada entre otras cosas.
3. Regresión múltiple con datos panel: es un método similar al anterior pero con un distinto acomodo de datos. Para comprender esto se necesita saber que existen dos tipos: los tipo panel y las series de tiempo. Las series de tiempo, como su nombre lo indica, es una recolección de datos a lo largo de un periodo. Los datos tipo panel es una observación por individuo en un momento del tiempo. Por ejemplo, una serie sería el tipo de cambio de 2000 a 2008, un corte transversal sería la población de 150 países en 2008.
4. Matching: es un método muy complicado pues consiste en buscar una especie de clon para cada una de las personas que recibieron la llamada. Por ejemplo, se tiene una base de datos que tiene información sobre la edad, estudios, ingresos, sexo, estado civil y un sin fin de características de las personas incluyendo si votaron o no en la elección anterior. Se escogen a personas idénticas (al menos en las características registradas). Una vez teniendo esos clones se aplica el programa solo a uno, y se observa si se comportaron de manera similar o distinta.
5. Experimento aleatorio: este método es el más certero. Sin embargo, a pesar de parecer sencillo, tiene el gran reto de evitar el sesgo de selección. A lo mejor hasta ahora no habías pensado que si el programa consistía en llamar a casas, muchos de los posibles votantes estaban fuera trabajando, estudiando o realizando una actividad que los mantenía fuera del alcance del programa. Esto implica que los resultado con un sesgo de selección como este no son aplicables a la población en general.

Este método, a través de herramientas estadísticas complejas, impide que esto suceda dando mayo validez general a los resultados.

Más adelante podría profundizar si así lo desean en alguno de estos métodos. No son fáciles pues el nivel técnico que requieren es un poco avanzado.

¡Hasta pronto!

Los profesionales del análisis de datos utilizan métodos muy complejos para llegar a conclusiones. Sin embargo, estos métodos pueden tener particularidades que afectan los resultados que se obtienen.

En esta ocasión haré una pequeña reseña del caso Get out the vote estudiado en el MIT OpenCourseWare, que habla del impacto que tuvieron llamadas a casas particulares un día antes de las votaciones del año 2002 de Estados Unidos, con el fin de incentivar la participación en ese proceso electoral.

La pregunta fundamental de esta investigación fue: ¿Tuvieron algún efecto en la participación electoral las llamadas efectuadas un día antes de las elecciones?

Lo sorprendente es que, dependiendo del método utilizado para medir el efecto de las llamadas, se obtienen resultados muy distintos. En concreto, se utilizó cinco metodologías distintas y todas determinaron un efecto distinto.

Estos cinco métodos son los siguientes: diferencia simple, regresión múltiple, regresión múltiple con datos panel, matching y experimento aleatorio. Muestro los resultados que se obtuvo con cada metodología en la siguiente tabla:

Al final, el experimento aleatorio, que es considerado el más completo de todos, determinó que las llamadas no tuvieron efecto alguno en la participación electoral. Antes de pensar que los demás métodos no sirven, es importante destacar que conociéndolos más a fondo se puede determinar cuándo es prudente usar un método y cuándo no.

Precisamente eso es lo que exploraremos en el siguiente posteo de una manera muy general. Hasta el miércoles… 😉

Fue en el año 1905 cuando el científico alemán Albert Einstein propuso la teoría de la relatividad, y descubrió que el tiempo es una dimensión relativa… ¿Pero qué tiene que ver eso con el uso y manejo de datos?

Pues resulta que el tiempo también puede cambiar la percepción de la estadística. Claro que esta relatividad es completamente diferente a la de Einstein (vale la pena aclararlo: sólo lo uso como símil).

Cuando se utiliza cifras para apoyar puntos de vista, es de suma importancia considerar el lapso del tiempo en el que se contemplan. Así como escribí en un posteo anterior sobre la importancia de entender cifras relativas y absolutas, considero igual de importante hablar del tiempo.

Para dejarlo de manera clara utilizaré un ejemplo que está de moda: la depreciación del peso mexicano (no se preocupen: no hablaré de economía).

Si quisiera argumentar que la reciente inestabilidad política en México, derivada del caso Ayotzinapa y el escándalo de la casa del Presidente, ha sido la causante de la pérdida de valor del peso, tomaría un lapso de tiempo desde el 26 de septiembre (fecha del caso Ayotzinapa) a la actualidad. Los resultados serían los siguientes:

De esta manera quedaría en evidencia que el peso ha perdido 8.9% de su valor desde el inicio de estos dos escándalos, ubicándose así en el lugar 10 de algunas de las 12 divisas más importantes.

En cambio, si lo que quiero es defender el peso diciendo que esos factores no han influido, tomaría el rendimiento del peso en el mes y medio posterior al inicio del caso Ayotzinapa (excluyendo noviembre). Los resultados serían los siguientes:

Fuente: Bloomberg

De esta manera, el peso sale muy pero muy bien. De hecho, mejor que el euro, el franco suizo y la libra esterlina entre otras. Lo interesante es que ambos datos son verdad.

¿Cómo es posible esto? ¿A qué se debe? En ambos ejemplos, el caso Ayotzinapa es el punto de inicio; lo que cambia es que, en el primer caso tomamos hasta el 16 de diciembre de 2014, y en el segundo, tan sólo un mes y medio después del 26 de septiembre (fecha de inicio de Ayotzinapa).

El hecho de cambiar las fechas finales genera que la mayor pérdida de valor de nuestra moneda, que se generó en noviembre, no quede contemplada en el segundo caso pues abarca hasta principios de ese mes. Es decir: la caída más fuerte del peso queda fuera del rango utilizado para el segundo caso.

Éste es un ejemplo más de la manera en que los datos, dependiendo de su uso, pueden presentar cosas muy distintas. ¿Cuál de las dos caras es más realista? Las dos; depende del juicio de cada quién. Es por esto que digo que, en la estadística, el tiempo hace que todo sea relativo.