Propuesta de investigación · 10 de mayo de 2026
Machine learning y análisis microeconómico
Una nota sobre el lugar de los modelos predictivos junto a la inferencia causal en la investigación económica.
Pregunta
¿En qué momentos un modelo predictivo puede complementar, sin sustituir, el razonamiento de una investigación microeconómica?
Más allá de la inferencia causal
La economía tradicional ha dependido en gran medida de modelos paramétricos. El machine learning introduce flexibilidad para descubrir relaciones, pero no reemplaza el trabajo conceptual que exige una buena pregunta causal.
Los modelos de árboles y los métodos de regularización pueden complementar la econometría cuando el objetivo es predecir, seleccionar variables o estudiar efectos heterogéneos. La elección del modelo debería responder a la decisión que se quiere apoyar y no solo a una métrica de ajuste.
Límites
Una predicción precisa no identifica por sí misma un efecto causal. La propuesta también exige separar el conjunto de entrenamiento y evaluación, explicar la variable objetivo y revisar si el modelo amplifica sesgos presentes en los datos.
El futuro del economista de datos no es abandonar la econometría, sino ampliarla con herramientas que respeten el contexto de cada decisión.