David Card · Joshua D. Angrist · Guido W. Imbens

En una frase#

David Card, Joshua D. Angrist y Guido W. Imbens lideraron la "revolución de la credibilidad" en economía, demostrando que los experimentos naturales y los métodos cuasi-experimentales permiten responder con rigor científico si una política pública causa verdaderamente un resultado en el mundo real.

Resumen de la investigación#

Durante décadas, la economía aplicada se enfrentó a un dilema metodológico insalvable: a diferencia de las ciencias naturales o los ensayos clínicos biomédicos, los economistas no podían asignar al azar políticas monetarias, aumentos salariales o reformas educativas a gran escala entre seres humanos y empresas. Los estudios empíricos dependían de correlaciones estadísticas en modelos de regresión masivos que a menudo confundían causa con consecuencia.

Card, Angrist e Imbens cambiaron para siempre este panorama mediante el aprovechamiento sistemático de experimentos naturales (natural experiments): situaciones reales en las que el azar, las fronteras administrativas o los cambios legislativos exógenos asignan a personas o firmas en grupos de "tratamiento" y "control" de manera prácticamente aleatoria.

• David Card aplicó estos diseños a preguntas centrales de la economía laboral: demostró que aumentar moderadamente el salario mínimo no destruyó el empleo juvenil en New Jersey frente a Pennsylvania (Card & Krueger, 1994), que la llegada repentina de 125,000 inmigrantes cubanos a Miami durante el éxodo del Mariel no redujo los salarios de los trabajadores locales (Card, 1990), y que los recursos escolares sí incrementan los retornos futuros a la educación.
• Joshua D. Angrist y Guido W. Imbens resolvieron el fundamento matemático y econométrico de estos experimentos: demostraron exactamente qué miden las Variables Instrumentales cuando el cumplimiento es imperfecto (non-compliance), formulando el célebre teorema del Efecto Tratamiento Promedio Local (Local Average Treatment Effect, LATE; Imbens & Angrist, 1994).

Metodología y resultados#

1. El Diseño de Diferencias en Diferencias (DiD): Card y Krueger (1994) encuestaron 410 locales de comida rápida antes y después de que New Jersey elevara su salario mínimo de $\$4.25$ a $\$5.05$ por hora en abril de 1992, usando al este de Pennsylvania como grupo de control no afectado. Al calcular la doble diferencia:

   $$\hat{\tau}_{\text{DiD}} = (\bar{Y}_{\text{NJ, post}} - \bar{Y}_{\text{NJ, pre}}) - (\bar{Y}_{\text{PA, post}} - \bar{Y}_{\text{PA, pre}})$$

   el empleo en New Jersey aumentó en $+2.76$ a $+2.91$ trabajadores equivalentes a tiempo completo ($\text{FTE}$) por tienda relativo a Pennsylvania. El hallazgo desafió el dogma neoclásico tradicional y obligó a considerar fallas de mercado como el monopsonio laboral y las fricciones de búsqueda.

2. La Teoría del LATE y la Taxonomía de Compliers: En presencia de intervenciones donde las personas eligen si acatar o no el incentivo (como la lotería militar de Vietnam en Angrist, 1990, o el mes de nacimiento y las leyes de escolaridad obligatoria en Angrist & Krueger, 1991), la población se divide en cuatro grupos latentes: Compliers (cumplidores), Always-takers (siempre tratados), Never-takers (nunca tratados) y Defiers (desafiantes). Bajo el supuesto de monotonicidad (no-defiers) y exclusión, el estimador instrumental de Wald:

   $$\tau_{\text{IV}} = \frac{\mathbb{E}[Y \mid Z=1] - \mathbb{E}[Y \mid Z=0]}{\mathbb{E}[D \mid Z=1] - \mathbb{E}[D \mid Z=0]} = \mathbb{E}[Y(1) - Y(0) \mid \text{Compliers}]$$

   no estima el efecto en toda la población, sino con total precisión el efecto causal promedio en los Compliers, aportando una base lógica inexpugnable para la econometría de variables instrumentales.

Antes y después#

Antes#

• Econometría estructural sin diseño: Predominaban regresiones de MCO con decenas de variables de control ad hoc, altamente susceptibles a sesgos de selección, causalidad inversa y dragado de datos (p-hacking).
• Dogmatismo teórico sobre el salario mínimo: La teoría microeconómica básica dictaminaba sin discusión empírica creíble que cualquier precio suelo en los salarios destruía inexorablemente puestos de trabajo.
• Opacidad en variables instrumentales: Los economistas trataban los estimadores IV como soluciones universales mágicas sin definir con rigor a qué subpoblación aplicaba el coeficiente estimado en presencia de efectos heterogéneos.

Después (qué cambió gracias al aporte)#

• La Revolución de la Credibilidad: El estándar metodológico de la economía y las ciencias sociales viró decisivamente hacia el diseño de investigación: experimentos naturales, regresiones discontinuas (RD), diferencias en diferencias (DiD) y variables instrumentales transparentes.
• Evidencia empírica en el centro de las políticas públicas: Las decisiones sobre reformas laborales, subsidios al empleo y programas de transferencia dejaron de basarse exclusivamente en axiomas teóricos y pasaron a requerir evaluaciones causales contrafácticas.
• Claridad conceptual del LATE: El teorema de Angrist e Imbens se convirtió en el pilar estándar para interpretar evaluaciones de políticas públicas con asignación imperfecta, influyendo tanto en la econometría como en la bioestadística y el aprendizaje automático causal (causal machine learning).

Cómo se aplica hoy#

1. Decisiones de Política Salarial en la Unión Europea y el Reino Unido (2015–2024): La creación del salario mínimo interprofesional en Alemania en 2015 y las evaluaciones anuales de la Low Pay Commission del Reino Unido utilizan sistemáticamente diseños de diferencias en diferencias basados en la metodología de Card & Krueger para vigilar que los incrementos salariales no destruyan puestos de trabajo en sectores de bajos ingresos (UK Low Pay Commission Report 2023; German Minimum Wage Commission Evaluation).

2. Evaluación de Programas de Desarrollo y Políticas Públicas Multilaterales (BID / Banco Mundial / J-PAL): Organismos internacionales evalúan el impacto causal de transferencias monetarias condicionadas, programas de microcrédito y políticas de empleo juvenil aplicando la metodología LATE de Angrist e Imbens para corregir por cumplimiento imperfecto y autoselección en el acceso a beneficios (Inter-American Development Bank Impact Evaluation Guidelines; Abdul Latif Jameel Poverty Action Lab (J-PAL)).

3. Epidemiología Cuasi-Experimental y Aleatorización Mendeliana en Medicina (2020–2024): La medicina y la epidemiología moderna aplican el marco de Variables Instrumentales y LATE en la llamada "Aleatorización Mendeliana" (Mendelian Randomization), donde variantes genéticas asignadas al azar en la concepción se usan como instrumentos para determinar el efecto causal de factores biológicos (como niveles de colesterol o vitamina D) sobre enfermedades coronarias y cáncer sin los sesgos de confusión observacionales (Davey Smith & Hemani, Human Molecular Genetics, 2014; Nature Reviews Methods Primers, 2023).

Replicación en R#

• Qué se replicó: El diseño cuasi-experimental canónico de Diferencias en Diferencias de Card & Krueger (1994, AER) y la taxonomía de compliers y efecto LATE de Angrist & Imbens (1994, Econometrica).
• Con qué datos: Microdatos oficiales de 410 establecimientos de comida rápida encuestados en New Jersey y Pennsylvania antes (febrero–marzo 1992) y después (noviembre–diciembre 1992) de la reforma salarial (cardkrueger1994.csv / .dta).
• Resultados obtenidos vs. el paper:
  • MCO Básico (DiD): Coeficiente de interacción $\hat{\beta}_{\text{DiD}} = +2.914$ FTE ($e.e. = 1.611$, $p = 0.071$).
  • MCO con Controles de Franquicia: $\hat{\beta}_{\text{DiD}} = +2.935$ FTE ($e.e. = 1.460$, $p = 0.045$).
  • Efectos Fijos por Restaurante (Panel): $\hat{\beta}_{\text{DiD}} = +2.943$ FTE ($e.e. = 1.123$, $p = 0.009$).
  • El resultado reproduce fielmente las tablas originales de Card & Krueger (1994), que documentaron una variación diferencial positiva de entre $+2.76$ y $+2.91$ empleos equivalentes a tiempo completo.
• Limitaciones: En años posteriores, la literatura de DiD demostró que cuando el tratamiento se adopta en momentos escalonados (staggered timing) con efectos heterogéneos en el tiempo, los estimadores tradicionales de MCO con efectos fijos bidireccionales (TWFE) pueden sufrir ponderaciones negativas (Goodman-Bacon 2021; Callaway & Sant'Anna 2021). En el caso de Card & Krueger, el tratamiento ocurre en un solo periodo para todas las unidades tratadas, por lo que el estimador clásico es robusto a esta crítica.

Para profundizar#

• Card, D., & Krueger, A. B. (1994). Minimum Wages and Employment: A Case Study of the Fast-Food Industry in New Jersey and Pennsylvania. American Economic Review, 84(4), 772–793. card1994minimum.
• Imbens, G. W., & Angrist, J. D. (1994). Identification and Estimation of Local Average Treatment Effects. Econometrica, 62(2), 467–475. imbens1994identification.
• Angrist, J. D. (1990). Lifetime Earnings and the Vietnam Era Draft Lottery: Evidence from Social Security Administrative Records. American Economic Review, 80(3), 313–336. angrist1990lifetime.
• Card, D. (1990). The Impact of the Mariel Boatlift on the Miami Labor Market. ILR Review, 43(2), 245–257. card1990mariel.
• Angrist, J. D., & Pischke, J.-S. (2009). Mostly Harmless Econometrics: An Empiricist's Companion. Princeton University Press. angrist2009mostly.
• The Royal Swedish Academy of Sciences (2021). Scientific Background: Natural Experiments and the Causal Revolution. nobel2021scientific.
• The Royal Swedish Academy of Sciences (2021). Popular Science Background: Natural Experiments Help Answer Important Questions. nobel2021popular.

Resultados de la replicación