Estadísticas buenas y malas

0

Supongamos que alguien quiera tergiversar una política pública para ti. ¿Cómo podría hacerlo de la manera más efectiva? ¿Y quién puede ayudarte a resistir?

Es ciertamente una hipótesis creíble. Con dos partidos importantes que parecen estar en desacuerdo en todo, múltiples líneas de falla internas y una gran cantidad de intereses que desean cambiar las leyes y regulaciones a su favor, reunidos por una prensa en busca de escándalos y calificaciones partidistas, es difícil ver cómo podría ser de otra manera. De hecho, para casi todos los temas, parece muy probable que algunos, si no muchos, grupos se vean tentados a promover sus intereses utilizando técnicas que van desde el «pie hacia delante» hasta las mentiras descaradas.

Hay un montón de trucos políticos comunes que quedan cortos mintiendo abiertamente. Por ejemplo, uno puede enterrar los cambios deseados en la avalancha de papel de un proyecto de ley general, como en el reciente intento de la legislatura de Minnesota de colarse en la promulgación del proyecto de Voto Popular Nacional. O se puede aprobar una legislación vaga que supera lo que significará en la práctica a las agencias ejecutivas y los tribunales. Pero tales formas de subterfugio no son mi interés aquí.

Deseo preguntar cómo las personas tergiversarían las cosas abiertamente, en lugar de detrás de ese camuflaje político. Como les advierto a mis estudiantes de política pública, el principio general es que las personas te mentirán en las áreas en las que seas más vulnerable.

Si eres estadounidense, uno de esos puntos débiles es típicamente las matemáticas, y en particular las estadísticas, por lo que gana su lugar de vergüenza junto con las mentiras y las malditas mentiras. Es por eso que los trucos sobre cómo tergiversar las estadísticas discutidas en Cómo mentir con estadísticas de Darrell Huff siguen haciendo que el libro se venda 65 años después de su publicación inicial.

Sin embargo, la ignorancia generalizada va más allá de la ciencia de las estadísticas. Muy pocas personas tienen una idea clara de lo que realmente miden los datos involucrados, bajo qué supuestos y limitaciones, lo que puede llevar a un uso descuidado e irresponsable. Por ejemplo, pocas personas pueden articular por qué tanto las tasas de empleo como las de desempleo podrían subir al mismo tiempo, y en ese caso sería un indicador económico más confiable, cuando sus nombres sugieren que no debería ser posible.

Thomas Sowell, en su libro más reciente, Discrimination and Disparities, describe el problema como «pasar por alto preguntas simples pero fundamentales en cuanto a si los números en los que se basan los análisis … en realidad miden lo que parecen estar midiendo, o dicen estar midiendo», Que, para defendernos contra la tergiversación, requiere «un escrutinio mucho más cercano a un nivel fundamental». Pero muy pocos aplican un escrutinio tan cuidadoso y fundamental.

Sin embargo, hay algunas personas que realizan un trabajo personal en esta área, brindando un «seguro» valioso contra los errores que otros nos animarían a cometer. Merecen nuestro aprecio por trabajar en esa área desatendida, y me gustaría expresar mi agradecimiento a varios de cuyos esfuerzos me he beneficiado particularmente.

Thomas Sowell es uno de esos autores que ha proporcionado una gran cantidad de aclaraciones a lo largo de décadas de publicaciones prolíficas. Por ejemplo, uno de sus temas comunes es la necesidad de distinguir entre lo que le sucede a una categoría particular de personas (por ejemplo, «los ricos» o «los pobres»), interpretado como un grupo estable, que se presta a conclusiones basadas en la clase. y las experiencias muy diferentes de personas reales que se mueven en una de esas categorías a lo largo del tiempo, lo que altera estos análisis.

Discrimination and Disparities reitera ese tema de sus libros anteriores. Pero mi ilustración favorita es su discusión del famoso estudio del salario mínimo de Card y Krueger, que pretendía anular la conclusión de que aumentar el salario mínimo aumenta el desempleo. Encuestó a los mismos empleadores, preguntando cuántos empleados tenían antes y después de un aumento de salario mínimo. El problema es que «solo se puede encuestar a los sobrevivientes». Cualquier persona que cerró su negocio, y los empleos que desaparecieron en consecuencia, no se incluirían, por lo que incluso si los sobrevivientes encuestados no redujeran el empleo, muchos puestos de trabajo invisibles a su enfoque aún podrían se han perdido. Para reforzar la imagen, señala que una encuesta similar de antes y después de aquellos que jugaron a la ruleta rusa demostraría que nadie resultó herido, y cita una broma de George Stigler de que si se hubiera utilizado en una encuesta de veteranos estadounidenses tanto en 1940 como en 1946, «probaría» que «ningún soldado fue herido de muerte» durante la guerra.

Otro perro guardián muy prolífico para la mala conducta estadística es Mark J. Perry. Señala tantas «banderas rojas» útiles en múltiples puntos de venta que espero lo que es casi un placer de un día. Un buen ejemplo es su evisceración de las discusiones sobre el «Día de igualdad de remuneración» que atribuyen las diferencias entre los ingresos anuales medios a la discriminación injustificable contra las mujeres «que hacen el mismo trabajo que los hombres». Señala que los datos no se ajustan a las diferencias en las «horas trabajadas, estado civil, número de hijos, educación, ocupación, número de años de experiencia laboral continua ininterrumpida, condiciones de trabajo, seguridad laboral, flexibilidad en el lugar de trabajo, amabilidad de la familia en el lugar de trabajo, seguridad laboral y tiempo dedicado a los desplazamientos diarios», cada uno de los cuales conduciría a los hombres Para ser pagado más, en promedio.

Andrew Biggs es otro embajador de la responsabilidad estadística, particularmente en áreas relacionadas con la seguridad de jubilación y los planes de jubilación. Por ejemplo, en Forbes, mostró que un informe reciente de la GAO que concluye que el 48% de los hogares estadounidenses mayores de 55 años en 2016 «no tenía ahorros para la jubilación» era muy diferente de la realidad, ya que el 72% de las personas tenía ese plan de ahorro, cuando esos con las pensiones de beneficios definidos tradicionales se cuentan, y el 83% de los hogares casados ​​tenían tales ahorros al incluir aquellos donde solo uno tenía un plan de jubilación. Solo esos dos cambios cambiaron masivamente las conclusiones. Y señaló otros prejuicios, también.

Cada una de estas tres personas me ha ayudado a entender los problemas de medición mucho mejor que antes, lo que me permite evitar errores que habrían socavado mis análisis de problemas de políticas. Les debo las gracias. Pero los lectores también pueden prestarles más atención, por «tutorías» similares. Muchos otros también me han sido útiles, y a medida que continúo aprendiendo, tal vez pueda dar un grito a otros en el futuro, especialmente porque este trabajo la piscina es todavía demasiado superficial. Pero, principalmente, quise emitir una advertencia seria sobre la ignorancia no solo de las aplicaciones y presentaciones estadísticas, sino también de los datos que a menudo se utilizan incorrectamente para llegar a conclusiones políticas.


El artículo original se encuentra aquí.

Print Friendly, PDF & Email