Sparse-grids and statical-learning methods in Economics

Resumen

INTRODUCCIÓN O MOTIVACIÓN DE LA TESIS Vivimos en un entorno complejo: muchas son las variables que explican los fenómenos sociales de nuestras sociedades. El científico debe modelizar y simplificar la realidad para obtener un mejor entendimiento de la misma, pero conforme más entendimiento queremos alcanzar más complejidad debemos ir introduciendo. Simultáneamente el incremento del poder computacional de los ordenadores, así como la capacidad de almacenar y tratar datos crece de una manera inimaginable hace unos años. La conjunción de la necesidad de incrementar la complejidad de los modelos y la capacidad computacional para resolverlos hace que las resoluciones numéricas sean cada vez más solventes y por lo tanto más demandadas. En modelos macroeconómicos solemos encontrar que solamente se tiene en cuenta dos economías: la interior y la exterior. Pensando detenidamente esto equivaldría por ejemplo a pensar en los Estados Unidos, como economía interior y la economía exterior, sería el resto del mundo, esta simplificación puede tener mucho sentido según en qué aplicación, sin embargo con los modernos avances tanto tecnológicos y algorítmicos podemos pensar en realizar simulaciones con mas de dos economías interactuando. Este es un ejemplo que es tratado el la primera parte de esta tesis, haciendo hincapié en la mejora y simplificación de los algoritmos. Por otro lado, cada dia nuevas políticas se ponen en funcionamiento bajo la premisa de que va a haber un cambio deseado, pero ¿este cambio realmente se produce?. Para poder estudiar este punto necesitamos tener en cuenta todos los detalles de su implementación, de hecho esta es una diferencia clave entre la ciencias sociales y las naturales. En las naturales nuestras hipótesis pueden ser evaluadas mediante experimentos. Aunque bajo ciertos supuestos también se pueden realizar experimentos en las ciencias sociales esto no responde ni mucho menos a la realidad cotidiana ni la mayoría de los casos. De manera que en muchos casos debemos utilizar la estadística para abrirnos paso y poder decir algo sobre los resultados tras la implementación de la reforma y el cumplido tiempo para recolectar los apropiados datos. Aquí se inserta el segundo y tercer capítulo. En ellos discuto sobre algunas de las metodologías que tratan de medir los efectos de cambios y en concreto de la implementación de políticas. Propongo sencillas alternativas basadas en “Statistical Learning” y las aplico a distintos casos en algunos de los cuales las previas metodologías simplemente no podrian decir nada. La aplicación de estas técnicas es sencilla, ya que vienen implementadas en la mayoría de paquetes de software estadísticos tales como Stata, Python, R y Matlab, además las técnicas han sido utilizadas en otras ramas de la ciencia, ver Hastie et al 2003. Estas técnicas las aplicó a relevantes cuestiones empíricas: desempleo y muertes por accidente de tráfico. En el segundo capítulo se habla de desempleo, en particular el efecto de la introducción de dos tipos de leyes: a) reducción del máximo de horas que se puede trabajar por semana, como ejemplo tenemos Portugal en 1996 y b) reducción del coste del despido, como ejemplo tenemos España en 2010. En el tercer capítulo se estudia los efectos de la implementación del tercer Programa de Acción de Seguridad Vial (Third European Road Safety Action Program, 3TERSAP) concluyendo que ayudó a salvar entre 13900 y 19400 vidas en el año 2010. Ademas comparo con otra metodología conocida como Interactive Effects como se puede encontrar en Gobillon and Magnac 2016.