Se trata de los académicos del Departamento de Economía Carlos Yévenes y Javier Espinosa, quienes obtuvieron- cada uno- un Fondecyt de Iniciación que permitirá estudiar “El sesgo del dígito izquierdo: ¿heurística o cognición?” y “Avances en el tratamiento y análisis de variables de escala ordinal”.

El Fondo Nacional de Desarrollo Científico y Tecnológico, Fondecyt, tiene por objetivo estimular y promover el desarrollo de investigación científica y tecnológica básica, y es el principal fondo de este tipo en el país. Creado en 1981, ha financiado más de 16 mil proyectos de investigación cuyos impactos han beneficiado tanto a la comunidad científica como a la sociedad en general.

Los instrumentos de apoyo son tres: los Proyectos Regulares, los Proyectos de Iniciación en Investigación y los proyectos de Postdoctorado.

Carlos Yévenes y Javier Espinosa, director del Departamento de Economía de la FAE y el jefe de la carrera de Ingeniería Comercial en Economía, respectivamente, obtuvieron- cada uno- un Fondecyt de Iniciación.

Esta ayuda está orientada a investigadores jóvenes que hayan obtenido el grado de doctor en los últimos cinco años. El investigador responsable, junto a su institución patrocinante, obtiene financiamiento para personal técnico y tesistas. El proyecto contempla los mismos ítems financiables que en el concurso regular y pueden tener una duración de dos a tres años. Se entrega por única vez al investigador y la investigación se realiza en el país.

Los proyectos

El Dr. Carlos Yévenes, director del Departamento de Economía de la FAE, utilizará los fondos del proyecto de iniciación para estudiar “El sesgo del dígito izquierdo: ¿heurística o cognición?”.

Este proyecto pretende investigar las causas del sesgo del dígito izquierdo (LDB), un fenómeno bien establecido que afecta a diversos mercados. El LDB se caracteriza por el hecho de que los individuos se centran en el dígito situado más a la izquierda de un número e ignoran parcialmente los demás dígitos, lo que puede dar lugar a percepciones erróneas en las diferencias de precios. Mientras que algunos investigadores sugieren que el LDB puede deberse a un análisis coste-beneficio, otros sostienen que puede deberse a sesgos en la forma de procesar la información. Para comprender mejor los canales a través de los cuales opera el LDB, el proyecto propone un experimento que utiliza Eye-Trackers para monitorear en forma precisa la forma en que las personas toman decisiones.

El Eye-Tracker es una herramienta que puede utilizarse para medir con precisión el tiempo empleado por los sujetos en leer los dígitos de la derecha con respecto al dígito de la izquierda. “El experimento pretende manipular el tiempo dedicado a mirar los dígitos de más a la derecha para determinar si el LDB está explicado por la heurística o por procesos cognitivos que impiden a los individuos considerar completamente todos los dígitos de un número. De este modo, se obtendrá información importante sobre los mecanismos subyacentes al fenómeno LDB y se ayudará a los investigadores a comprender mejor su funcionamiento”, explica el Dr. Yévenes.

Además de los experimentos, el proyecto también propone un modelo que pondera los dígitos de la derecha para capturar la inatención que los individuos parecen percibir respecto de aquellos dígitos. El modelo es una extensión de los presentados por DellaVigna (2009) y Lacetera, Pope y Sydnor (2012), y asume que los individuos ponderan los dígitos de la derecha utilizando un factor de ponderación que depende de un parámetro de inatención.

“Al confirmar la existencia del LDB y distinguir sus causas, los resultados podrían informar a los responsables políticos sobre cómo mejorar el bienestar de los consumidores, especialmente en mercados relevantes como el de los préstamos hipotecarios”, añade el director del Departamento de Economía de la FAE Usach.

Por su parte, el Dr. Javier Espinosa, jefe de la carrera de Ingeniería Comercial en Economía, estudiará con el Fondecyt de Iniciación los “Avances en el tratamiento y análisis de variables de escala ordinal”.

Su estudio indica que las variables de escala ordinal son diferentes de otros tipos de variables y, por lo tanto, hay que considerar un tratamiento y un análisis adecuados. Las categorías de una variable de escala ordinal proporcionan más información que las de una variable de escala nominal, ya que el orden de las categorías de la primera no está presente en la segunda.

 “El tratamiento adecuado de las variables ordinales en el análisis de datos es una cuestión que no se ha abordado ampliamente en la bibliografía. Dado que la transformación de una variable de escala ordinal en una de tipo intervalo o razón proporciona acceso a un conjunto más amplio de estadísticos permisibles, estas transformaciones (también conocidas como sistemas de puntuación) son utilizadas habitualmente por los profesionales, de forma explícita o implícita. Sin embargo, tomar características del tipo de escala ordinal como información, a pesar de que no lo es, conduce a resultados estadísticos que son un artefacto”, indica el Dr. Espinosa.

Este proyecto también aborda la forma en que se evalúan las predicciones de variables de escala ordinal en términos de su precisión o, alternativamente, error. “Dependiendo del tipo de variable de respuesta, existen varias formas de evaluar el error de predicción. Para las variables de escala nominal, una medida clásica del error de predicción es la tasa de clasificación errónea. Para las variables de escala de intervalo o de razón, algunas de las más populares son el error de predicción medio absoluto y el error de predicción medio al cuadrado”, subraya el jefe de carrera.

El Trabajo del Dr. Espinosa pretende encontrar una definición de una nueva medida apropiada para evaluar el rendimiento de predicción de los modelos para respuestas ordinales. “También se analizarán las propiedades de la medida propuesta y se explorará cómo se comporta en diferentes entornos, para lo cual se crearán diferentes escenarios de simulación, haciendo hincapié en los posibles resultados de la medida. La nueva medida se comparará con algunas alternativas indirectas existentes y se aplicarán en el contexto de un estudio observacional para obtener más información. Se publicará una herramienta computacional, como la actualización de un paquete R, para poner la nueva medida a disposición de cualquier usuario”, agrega.

Los resultados preliminares de las simulaciones basadas en la nueva medida propuesta en este proyecto han mostrado resultados prometedores en cuanto a su capacidad de evaluación.

Este proyecto cubrirá el vacío existente entre la necesidad de una medida apropiada para evaluar el rendimiento de la predicción de modelos para respuestas ordinales y las alternativas indirectas existentes. Además, esto implica algunas otras contribuciones novedosas que surgirán también en el proceso de desarrollo del proyecto, como la revisión de otras alternativas indirectas existentes, la publicación de un paquete R que incluya la nueva medida, y la comparación entre la nueva medida y las alternativas indirectas existentes.

La nueva medida podrá funcionar en cualquier contexto en el que se prediga una respuesta ordinal y se utilice un modelo para respuestas ordinales, lo que hace que su impacto potencial sea muy valioso. Este tipo de contextos pueden encontrarse en cualquier campo científico. Por ejemplo, en las áreas de Aprendizaje Automático o Inteligencia Artificial, los algoritmos de aprendizaje deben ser evaluados para afinar sus parámetros, por lo que una nueva medida de este tipo será de gran valor cuando se trabaje con respuestas ordinales.