Acompañar un texto con una buena visualización requiere una serie de skills que no suelen tener el debido lugar en nuestra formación como profesionales de las ciencias económicas.
Armo esta entrada de DCBlog! para crear un repositorio de actualización permanente con links útiles sobre data visualization.
¡Sugerencias bienvenidas!
Información general
https://rstudio.com/resources/rstudioconf-2020/the-glamour-of-graphics/
https://rstudio.com/resources/webinars/effective-visualizations-for-data-driven-decisions/
Technicalities para ggplot (#rstats)
https://cedricscherer.netlify.app/2019/08/05/a-ggplot2-tutorial-for-beautiful-plotting-in-r/
https://cran.r-project.org/web/packages/tidyquant/vignettes/TQ04-charting-with-ti dyquant.html
http://r-statistics.co/Complete-Ggplot2-Tutorial-Part1-With-R-Code.html
(Avanzado) https://www.mikelee.co/posts/2020-01-21-left-align-ggplot2-titles-subtitles-and-footnotes/
Nuestro curso hace mucho énfasis en la estructura temporal de tasas de interés.
Aquí hay presentación que realizó el 22/05/18 el Vice Presidente de la Reserva Federal de St. Louis, Christopher Waller, acerca de este concepto y su importancia para la macro (adjunto encontrarán los slides).
Walter Sosa Escudero (WSE, su pagina web es esta pero recomiendo que lo sigan en twitter) escribió una nota para La Nación sobre las diferencias de formación de los economistas entre matemática y estadística (muy intensivas en las licenciaturas) y la programación computacional (100% ausente). Ante un problema relativamente fácil, la primer opción implica razonamientos complejos, mientras que la segunda lo simplifica significativamente. Es posición del autor que los economistas deberíamos balancear mejor estos dos caminos no excluyentes.
La programación computacional requiere de software específico, el cual se puede comprar e instalar (i.e. Matlab) o bien emplear algún open-source (i.e. R, Python, Julia). En términos generales, este método implica dividir problemas complejos en pequeñas preguntas, dice WSE: "la naturaleza secuencial de un algoritmo demanda explicitar y separar supuestos, datos y procedimientos, lo cual redunda en una elegancia de razonamiento que, a su vez, facilita la detección de errores y la reformulación de problemas. La lógica de la programación va mucho más allá del uso de un lenguaje específico y remite a formas de razonar atemporales" .
Observen que la mayoría de los modelos vistos en el curso (y en general, la mayoría de los problemas que aborda un economista) implica justamente esto: la pregunta siempre es muy (muy) compleja, y para acercarnos a ella la dividimos en pequeñas sub preguntas (¿Quienes son los sectores involucrados?, ¿Cuáles son sus funciones de comportamiento?, ¿Cómo se resuelven sus decisiones inter temporales? ¿Cómo se forman expectativas? etc etc etc).
Recuerden que los modelos que vemos en clase se pueden calibrar para estudiar, por ejemplo, el comportamiento dinámico ante incidencia de shocks. Esta calibración y estimación requiere el empleo de software especializado y conocimiento de programación, por lo que la nota de WSE resulta oportuna para incentivarnos al estudio de uno de estos lenguajes.
A modo de ejemplo, en la tesis doctoral de Eduardo Ariel Corso se encuentran las rutinas que él programó para resolver su pregunta, por cierto compleja, acerca de las decisiones de cartera del sector privado argentino bajo determinado tipo de preferencias. Otro ejemplo es la pagina personal de Walsh quien tiene publicadas las rutinas de varios de los modelos vistos en clase, o a Sargent hablar de la programación en Julia.