Por Noah Smith - Bloomberg View
Muchas personas se quejan de la matemáticas en economía. Los economistas tienden a descartar en silencio quejas tales como los ácidos-uvas protestas de tipos literarios que no tienen el talento o la formación para abrirse paso a través de sistemas de ecuaciones. Pero no es sólo el matemáticamente analfabeto que Ortega. El economista de la Universidad de Nueva York Paul Romer - apenas un peso ligero cuando se trata de ecuaciones - recientemente se quejó de cómo los economistas usan las matemáticas como una herramienta de la retórica en lugar de una herramienta para entender el mundo.
Personalmente, creo que lo que es raro en econ no es que utiliza un montón de matemáticas - es la forma en que utiliza las matemáticas. En las disciplinas de matemáticas más aplicadas - biología computacional, dinámica de fluidos, finanzas cuantitativas - teorías matemáticas siempre están vinculados a la evidencia. Si una teoría no ha sido probada, es entendido como pura conjetura.
No es así en econ. Tradicionalmente, los economistas han puesto los hechos en un papel subordinado y la teoría en el asiento del conductor. Teorías plausibles-sonido se cree que son verdad salvo prueba falsa, mientras que los hechos empíricos a menudo son despedidos si no tienen sentido en el contexto de las teorías principales. Este no es un problema con las matemáticas - era tan cierto atrás cuando la economía teorías fueron escritos en volúmenes literarios largos. Econ desarrollado como una forma de filosofía y luego añadió matemáticas más tarde, convirtiéndose básicamente una forma de filosofía matemática.
En otras palabras, econ ahora es una rama de las matemáticas aplicadas pícaro. Desarrollado sin acceso a buenos datos, se desarrolló diferentes valores y convenciones científicas. Pero esto está cambiando rápidamente, como la tecnología de la información y la revolución informática han amueblado economistas con montañas de datos. Como resultado, el análisis empírico está llegando a dominar econ.
Una muestra de ello es la repentina explosión de interés en el aprendizaje de la máquina en el campo de la economía. El aprendizaje automático es un término amplio para una colección de técnicas estadísticas de análisis de datos que identifican las características clave de los datos sin comprometerse a una teoría. Para utilizar un viejo adagio, aprendizaje automático "permite que los datos hablan." En la era de los grandes datos, aprendizaje automático es un campo caliente en el negocio de la tecnología, y es una herramienta clave de la creciente campo de la ciencia de datos. Ahora, econ está alcanzando el error.
Dos economistas que han estado presionando para la adopción de técnicas de aprendizaje automático en economía son Susan Athey y Guido Imbens de la Universidad de Stanford. Los dos economistas explican técnicas de aprendizaje automático a un público interesado en una reciente reunión de la Oficina Nacional de Investigación Económica. Su visión general declaró que las técnicas de aprendizaje automático enfatizaron la causalidad menos de técnicas estadísticas económicas tradicionales, o lo que generalmente se conoce como la econometría. En otras palabras, el aprendizaje automático es más sobre la previsión de alrededor de la comprensión de los efectos de la política.
Eso haría que las técnicas menos interesante para muchos economistas, que suelen ser más preocupado por dar recomendaciones de política que en hacer pronósticos. Pero Athey y Imbens también han estudiado cómo las técnicas de aprendizaje automático se pueden utilizar para aislar los efectos causales, lo que permitiría a los economistas a dibujar implicaciones políticas.
Básicamente, Athey y Imbens miran el problema de cómo identificar los efectos del tratamiento. Un efecto del tratamiento es la diferencia entre lo que sucedería si se va a administrar un poco de "tratamiento" - por ejemplo, el aumento del salario mínimo - y lo que ocurriría sin el tratamiento. Esto puede ser muy complicado, porque hay un montón de otros factores que afectan el resultado, además de sólo el tratamiento. También se complica por el hecho de que el tratamiento puede funcionar de forma diferente en diferentes personas en diferentes momentos y lugares. Un último problema es que los economistas de datos tienen que responder a la pregunta que se suele ser muy limitado - un gran impedimento para la econometría tradicionales, que generalmente asume que la cantidad de datos es cómoda y amplia. Athey y Imbens ocupan de estas cuestiones mediante la importación de un método de la ciencia de datos, llamado árbol de regresión. Estadísticamente lectores alfabetizados pueden leer sus diapositivas aquí.
Otro economista que ha estudiado el potencial de aprendizaje de máquina es Hal Varian, un ex profesor de gran éxito, que ahora sirve como el economista jefe de Google. En un documento de 2013, Varian dio a conocer un documento que analiza cómo las nuevas técnicas de aprendizaje automático desarrollado por los científicos de datos pueden ayudar a los economistas a mejorar su comprensión de la realidad. Por ejemplo, se discute cómo el aprendizaje máquina puede ayudar a elegir entre los diferentes modelos (algo que los economistas a menudo ignoran), frente a la incertidumbre sobre qué modelo es el correcto y evitar sobreajuste (explicaciones excesivamente complejas que no pueden predecir nada). En un conjunto de diapositivas publicadas a principios de 2014, Varian atado técnicas de aprendizaje automático a la reciente subida de los métodos cuasi-experimentales en economía. Esto representa una fusión entre la econometría tradicionales y las nuevas técnicas de la ciencia de datos.
Varian, Athey y Imbens no son los únicos ejemplos de este mini-tendencia. El bloglero de ciencia de Datos Kenneth Sanford tiene algunos más.
Así está la economía va a convertirse en otra rama de la matemática aplicada? Fusionará la econometría y los datos de la ciencia? Berkeley economista Brad DeLong cree que sí. "El trabajo [de la economía] se hará", escribe, "por los científicos de datos, los modeladores de computadora, y los historiadores de diversas rayas." Eso es casi seguro demasiado extremo una predicción. Pero el interés en el aprendizaje de la máquina es sólo una señal más de que la economía puede estar empezando a arrojar su peculiar fijación en la teoría y unirse a sus primos en el futuro por datos.
