Muestras buenas y malas

211

Resumen elaborado por: Luis Alejandro Palacio García

Usted no puede esperar a conseguir una muestra perfecta, cuya distribución reproduce exactamente la distribución de la población. Pero con un poco de cuidado se puede minimizar el error de muestreo con los recursos finitos con que cuenta. Es decir, usted puede tomar medidas para evitar las muestras malas y obtener buenas muestras.

Hay dos maneras principales de obtener buenas muestras. La primera es hacer que la muestra sea lo más cerca posible a una muestra aleatoria clásica, en la que cada observación se selecciona independientemente de la distribución de la población. Es decir, en una muestra aleatoria, cada punto de la población tiene la misma probabilidad de ser seleccionado en cada observación. La otra forma es tratar de tomar una muestra “estratificada” o equilibrada, en la que se subdivide la población en varios segmentos y se obtienen observaciones de cada segmento con una frecuencia proporcional al peso del segmento de la distribución de la población.

Encontrar los procedimientos que le dan buenas muestras (al azar o estratificada) no siempre es fácil. El problema general es que puede ser difícil reconocer las relaciones entre las variables relevantes en el experimento, llevando a que los datos representen una porción pequeña y atípica de la población, en lugar de la población como un todo. Quizás la ventaja más importante de los datos experimentales es que pueden proporcionar mejores muestras que los datos de encuestas.

A pesar de las enormes ventajas que proporcionan las técnicas de laboratorio en la creación de buenas muestras, algunos problemas serios persisten, derivados sobre todo de los efectos aprendizaje y los efectos grupo. Los sujetos humanos suelen aprender de la experiencia. La acción que un sujeto toma en un ensayo particular de un experimento puede ser afectada por su experiencia en los ensayos anteriores. En la medida en que este tipo de efectos de aprendizaje afecten sus resultados de medición, la muestra no es aleatoria. En concreto, las pruebas en una sola sesión experimental no son independientes.

Los efectos de grupo también pueden producir muestras extraídas de manera desproporcionada de un pequeño subconjunto de la distribución de la población. En principio, la forma correcta de hacer frente a estos problemas es la caracterización de la naturaleza de la dependencia de la muestra y ajustar la estadística en consecuencia. Los estudiantes de econometría suelen aprender cómo tratar con series temporales de datos. Desafortunadamente los efectos aprendizaje y grupo aún no se han caracterizado con precisión, así que no hay disponible una corrección estadística válida actualmente.

Algunos experimentadores recientemente han abordado el problema mediante la adopción de una definición muy conservadora de ensayo. Por ejemplo, contar sólo el último período (o la anterior a la última) en una sesión de mercado. Esta puede ser la única práctica que hay cuando los efectos de aprendizaje son extremos, pero no recomendamos esta práctica en general. El enfoque pasa por alto una gran cantidad de datos potencialmente informativos y no cura completamente el problema de todas formas. Puede haber efectos de grupo, de sujetos o del protocolo que se extienden por la sesión realizada en un laboratorio dado.

Tenemos tres recomendaciones. En primer lugar, animar a sus compañeros inclinados a la econometría a trabajar en el problema. Probablemente encontraran técnicas aplicables a algunos de los datos en sus campos preferidos que podrían funcionar en la mayoría de los datos de laboratorio. En segundo lugar, incluir la advertencia adecuada en el informe de la prueba estadística formal. Le recomendamos que piense en los ruidos aleatorios no controlados en el experimento y, si considera que son importantes, dígales a sus lectores la dirección del sesgo probable en las pruebas estáticas formales.

Nuestra tercera recomendación es extender el esquema de asignación al azar a diferentes sesiones, diferentes grupos, diferentes laboratorios, y así sucesivamente, siempre que sea posible. La sabiduría popular entre los economistas experimentales es que una regularidad empírica se hace creíble cuando se replica con tres grupos diferentes de sujetos, de preferencia de diferentes grupos sociodemográficos y en diferentes laboratorios. Aunque no vemos la magia en el número 3, estamos de acuerdo con los procedimientos que amplíen la muestra de la distribución de la población.

Consejos prácticos

El análisis de datos interactúa con el diseño experimental, y usted debe pensar en estos dos factores antes de llevar a cabo sus experimentos. Específicamente:

  • Elija los protocolos de laboratorio para reducir el error de medición. Automatizar la captura de datos en lo posible, construir en redundancia, y así sucesivamente. En experimentos manuales, dos personas deben registrar los datos de forma independiente.
  • Elija los tratamientos para producir buenas muestras. Preste especial atención a los posibles efectos de aprendizaje y los efectos de grupo, ya que estos ruidos son difíciles de controlar. Recuerde que los procedimientos estadísticos de lujo son un pobre sustituto de las buenas muestras.
  • Elija diseños experimentales que le permitirán emplear estadísticas eficientes, como los diseños que se producen combinado los datos de pares, o diseños con tratamientos ortogonales variables.

Una vez que haya realizado los experimentos y se han reunido los datos, debe comenzar con un análisis de datos cualitativos. Le recomendamos que:

  • Búsqueda en la literatura publicada y utilice su imaginación para encontrar gráficas efectivas y las buenas estadísticas de resumen. Pruebe varias posibilidades antes de hacer su elección final. El software popular de hoja de cálculo es adecuado para esta tarea.
  • Busque los valores atípicos y otras irregularidades en los datos. Eliminar aquellas debidas a errores de medición, y pensar en las posibles causas de las irregularidades reportadas correctamente (y regularidades).
  • Si colegas escépticos, debe encontrar que sus conclusiones sean obvias de su análisis cualitativo, y entonces usted estará listo para seguir adelante con su redacción final. Por lo general, usted se encontrará alguna prueba estadística formal para comprender mejor lo que los datos tienen que decir.
  • Llevar a cabo la prueba de hipótesis correspondiente o procedimientos de estimación de parámetros equivalentes (regresiones). Incluir una advertencia si sospecha que su diseño no ha controlado totalmente por azar o efectos fuera del grupo o de aprendizaje.

Nota: Esta columna es un resumen de las ideas expuestas en: Friedman, D., & Sunder, S. (1994). Experimental methods: A primer for economists (p. 248). Cambridge University Press.

logo-emar-lab

¡Porque tus decisiones cuentan! ¡Inscríbete al Laboratorio de Economía Experimental del Grupo EMAR y podrás descubrir el valor que tienen tus decisiones! Contáctenos al teléfono (7) 634 4000 Ext. 1152 o al correo electrónico emarlab@uis.edu.co. Estaremos compartiendo información sobre los experimentos, juegos y talleres que organizaremos.

Formulario de inscripción

Facebook EMAR LAB

Columnas relacionadas

154. Entornos económicos controlados

176. Experimentos en el aula

178. Las instrucciones

Anuncios

3 pensamientos en “Muestras buenas y malas

  1. Pingback: Experimentación con agentes económicos | Racionalidad Ltda

  2. Pingback: Columnas sobre economía experimental | Racionalidad Ltda

  3. Pingback: Columnas Copiados | Racionalidad Ltda

Responder

Introduce tus datos o haz clic en un icono para iniciar sesión:

Logo de WordPress.com

Estás comentando usando tu cuenta de WordPress.com. Cerrar sesión / Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Cerrar sesión / Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Cerrar sesión / Cambiar )

Google+ photo

Estás comentando usando tu cuenta de Google+. Cerrar sesión / Cambiar )

Conectando a %s