📈 economics

Shift-Share Designs in Political Science

Este artículo introduce y revisa los diseños de desplazamiento-compartición en la ciencia política, sintetizando avances metodológicos recientes y destacando la subutilización del marco de exogeneidad del desplazador en comparación con el de la cuota, mientras ilustra este último y desarrolla resultados teóricos auxiliares para su aplicación en este campo.

Autores originales: Peter Kyungtae Park

Publicado 2026-03-03

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Peter Kyungtae Park

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

¡Hola! Imagina que estás tratando de entender por qué ciertas ciudades o regiones de un país se vuelven más extremistas políticamente o cambian sus votos. ¿Es por algo que pasó dentro de esa ciudad? ¿O es por una tormenta económica que golpeó a todo el país, pero que afectó más a unas ciudades que a otras?

Aquí es donde entra el "Diseño de Desplazamiento y Cuota" (Shift-Share Design), una herramienta estadística que el autor, Peter Kyungtae Park, nos explica en este artículo.

Para entenderlo sin dolor de cabeza, usemos una analogía de una granja de manzanas.

1. El Problema: ¿Quién es el culpable?

Imagina que tienes 50 granjas. De repente, el precio de las manzanas cae en todo el mundo (un "choque" o shift).

La Granja A solo cultiva manzanas.
La Granja B cultiva manzanas, pero también tiene vacas y cultiva trigo.
La Granja C no cultiva manzanas en absoluto.

Cuando el precio de las manzanas cae, la Granja A sufre mucho. La Granja B sufre un poco. La Granja C no le importa.

El problema para los científicos políticos es: ¿Cómo sabemos que el sufrimiento de la Granja A se debe al precio de las manzanas y no a que el dueño de la Granja A es un mal administrador o tiene mala suerte?

Aquí es donde entra el método. En lugar de mirar solo lo que pasó en la Granja A, miramos cómo el "choque mundial" (el precio de las manzanas) se mezcló con la "cuota" de cada granja (qué porcentaje de su negocio son manzanas).

2. Las Dos Formas de Mirar el Problema

El artículo explica que hay dos formas principales de usar esta herramienta, dependiendo de qué parte de la ecuación confíes más:

A. La "Cuota Exógena" (Confía en la mezcla)

Imagina que la Granja A siempre tuvo un 90% de manzanas y la Granja B un 10%. Esa mezcla (la cuota) se decidió hace 20 años, antes de que bajara el precio.

La lógica: "Como la mezcla de cultivos de la Granja A era fija y no cambió por el precio, cualquier daño que sufra ahora es culpa del precio mundial, no de la granja".
En la vida real: Se usa mucho en estudios de inmigración. Si una ciudad tenía muchos mexicanos en 1960 (cuota fija) y luego llegan muchos inmigrantes a EE. UU. (choque), asumimos que la ciudad "recibió" inmigrantes proporcionalmente a su historia, no porque eligiera recibirlos.

B. El "Desplazamiento Exógeno" (Confía en la tormenta)

Aquí asumimos que la tormenta (el choque) es aleatoria y no tiene nada que ver con las granjas.

La lógica: "El precio de las manzanas bajó por razones globales (oferta china, clima, etc.) que no tienen nada que ver con si la Granja A es buena o mala. Si hay muchas tormentas diferentes y muchas granjas, los errores se cancelan entre sí".
En la vida real: Se usa mucho con el "Choque de China". Si China exporta mucho a EE. UU., eso es un choque externo. Si miramos cómo afecta a diferentes regiones según su industria, asumimos que el choque viene de China, no de las regiones.

3. El Hallazgo Sorprendente del Artículo

Peter Park descubre algo importante sobre los científicos políticos:

Están usando la herramienta, pero a veces mal: Muchos estudios en política usan estas fórmulas (llamadas "Bartik" o "Choque de China"), pero a menudo no explican por qué son válidas. Es como usar un martillo para clavar un tornillo: funciona, pero podrías romper la pared.
El desequilibrio: La mayoría de los estudios políticos confían en la "Cuota Exógena" (la historia de la granja). Pero en economía, a menudo es mejor confiar en el "Desplazamiento Exógeno" (la tormenta global), especialmente cuando se estudia comercio internacional.
El peligro de los datos: En su ejemplo de replicación (revisando un estudio famoso sobre China y Europa), Park muestra que si no limpias bien los datos (como quitar los casos donde la fórmula da números ridículos o divisiones por cero), puedes encontrar resultados falsos.

4. La Lección Principal: "¡Cuidado con tus Desplazamientos!"

La conclusión del artículo es un consejo de oro para los investigadores:

"No asumas que tu fórmula es mágica. Tienes que probar que la 'tormenta' (el choque) es realmente aleatoria y que no está conectada secretamente con la 'granja' (la región)."

Si no haces esto, podrías estar culpando a la lluvia de la sequía, o viceversa.

Resumen en una frase

Este artículo es un manual de instrucciones actualizado para usar una herramienta estadística muy potente (como un telescopio) en ciencias políticas, advirtiéndonos que si no ajustamos bien las lentes (los supuestos), lo que vemos en el cielo (los resultados) podría ser solo un reflejo de nuestros propios errores.

¿Por qué es importante? Porque nos ayuda a entender mejor por qué la gente vota como vota, separando lo que es culpa de la economía global de lo que es culpa de las decisiones locales, sin confundirnos con datos engañosos.

Resumen Técnico: Diseños de Desplazamiento-Compartición (Shift-Share) en Ciencia Política

1. El Problema y el Contexto

Los diseños de desplazamiento-compartición (shift-share), también conocidos como instrumentos de tipo Bartik, están ganando popularidad en la ciencia política, especialmente en áreas cercanas a la economía como los choques comerciales, la inmigración y la ayuda extranjera. Sin embargo, existe una brecha crítica en la literatura:

Falta de comprensión metodológica: Aunque los artículos en ciencia política son conscientes de los desarrollos recientes en economía, a menudo no discuten ni prueban exhaustivamente las suposiciones de identificación.
Aplicación incorrecta: La mayoría de los estudios dependen del marco de exogeneidad de las participaciones (share exogeneity), ignorando o malinterpretando el marco de exogeneidad de los desplazamientos (shift exogeneity), que es comparativamente más prevalente en la economía moderna.
Riesgo de inferencia errónea: El uso inadecuado de estos métodos puede llevar a estimaciones sesgadas y errores estándar incorrectos, comprometiendo la validez causal de los hallazgos.

2. Metodología y Marco Teórico

El artículo sintetiza la literatura económica reciente (Goldsmith-Pinkham et al., 2020; Adão et al., 2019; Borusyak et al., 2022; Borusyak & Hull, 2023) y propone un marco unificado para la ciencia política.

Definición Formal:
Un diseño shift-share mide la exposición de una unidad $i$ a $m$ tratamientos comunes ( $D_j$ , "desplazamientos" o shifts) ponderados por pesos no negativos ( $w_{ij}$ , "participaciones" o shares):
$X_i = \sum_{j=1}^{m} w_{ij} D_j$

El artículo distingue dos marcos de identificación principales:

A. Exogeneidad de las Participaciones (Share Exogeneity)

Suposición: Las participaciones ( $w_{ij}$ ) son exógenas (ortogonales al término de error), mientras que los desplazamientos ( $D_j$ ) pueden ser endógenos.
Analogía: Equivale a un diseño de Diferencias en Diferencias donde las unidades son comparables y la variación en la exposición es determinada exógenamente por las participaciones iniciales.
Requisitos: Se requiere que las participaciones no estén correlacionadas con el resultado no observado. Se utiliza la descomposición de Rotemberg para ponderar qué participaciones son críticas para la identificación.
Limitación: No funciona bien si las participaciones son resultados de equilibrio endógenos (común en estudios de comercio) y no maneja bien la correlación espacial en los errores.

B. Exogeneidad de los Desplazamientos (Shift Exogeneity)

Suposición: Los desplazamientos ( $D_j$ ) son exógenos (independientes e idénticamente distribuidos o intercambiables), mientras que las participaciones pueden ser endógenas.
Mecanismo: Se basa en la Ley de los Grandes Números. Si hay muchos desplazamientos pequeños y no correlacionados, los sesgos derivados de la endogeneidad de las participaciones se cancelan mutuamente.
Requisitos:
1. Los desplazamientos deben estar centrados (media cero) o modelarse sus medias.
2. Ninguna participación puede dominar asintóticamente (las participaciones deben ser "despreciables" o negligible).
3. Se requiere un gran número de desplazamientos.
Inferencia: Los errores estándar robustos convencionales suelen subestimar la varianza. Se requiere un procedimiento de inferencia específico (como regresiones invertidas o estimadores de conglomerados a nivel de desplazamiento).

C. Inferencia por Aleatorización (Randomization Inference)

Propuesto por Borusyak & Hull (2023), asume que los desplazamientos son intercambiables dentro de grupos. Permite realizar pruebas exactas sin depender de grandes muestras asintóticas, eliminando la necesidad de centrar los desplazamientos.

3. Contribuciones Clave del Artículo

Síntesis para Científicos Políticos: El artículo cierra la brecha entre la economía y la ciencia política, explicando cómo aplicar estos métodos complejos en contextos políticos (elecciones, redes de donantes, etc.).
Propuesta de Tres Dimensiones de Diseño:
- Tipo: Medición (ej. choque chino) vs. Instrumento (Bartik) vs. Propensión.
- Definición de Variables: Creatividad en la selección de unidades, desplazamientos y participaciones.
- Fuente de Exogeneidad: Elección estratégica entre el marco de exogeneidad de participaciones o de desplazamientos.
Nuevas Técnicas Metodológicas:
- Transformación de Desplazamientos: Técnicas para manejar desplazamientos con denominadores pequeños o ruido (ej. dividir por cero en economías pequeñas).
- Residualización: Un esquema para residualizar los desplazamientos sobre efectos fijos (país-industria-año) para cumplir con la suposición de media idéntica y manejar datos faltantes.
Replicación Crítica (Estudio de Caso):
- El autor replica el estudio de Colantone y Stanig (2018b) sobre el impacto de las importaciones chinas en el nacionalismo en Europa.
- Hallazgo: El diseño original de Colantone y Stanig, al aplicarse a Europa (donde los países son pequeños y las industrias variables), viola las suposiciones de exogeneidad de desplazamientos si no se aplican transformaciones y residualización adecuadas.
- Resultado de la réplica: Al aplicar los procedimientos correctos (regresión invertida, control de efectos fijos a nivel de desplazamiento y errores estándar correctos), la significancia estadística de los hallazgos originales desaparece o se debilita drásticamente.

4. Resultados Principales

Fragilidad de los Resultados: En la réplica del choque chino en Europa, los estimadores estándar (agrupados por región-año) producen efectos significativos, pero los estimadores bajo el marco de exogeneidad de desplazamientos (Borusyak, Hull y Jaravel, 2022) muestran errores estándar mucho más grandes y coeficientes no significativos.
Importancia de la Estructura de Datos: La correlación entre las participaciones y los resultados (debido a características demográficas o económicas compartidas entre regiones con estructuras industriales similares) invalida la inferencia estándar si no se utiliza el marco de exogeneidad de desplazamientos.
Necesidad de Transformación: En contextos donde los desplazamientos tienen alta varianza o denominadores pequeños (como importaciones divididas por empleo en países pequeños), es crucial reemplazar o transformar estos valores para evitar sesgos y violaciones de la suposición de media idéntica.

5. Significado e Implicaciones para la Ciencia Política

Reevaluación de la Literatura Existente: El artículo sugiere que muchos estudios recientes en ciencia política que utilizan diseños shift-share podrían estar reportando resultados espurios debido a una inferencia incorrecta (errores estándar subestimados o identificación débil).
Potencial Subutilizado: A pesar de la complejidad, estos métodos tienen un gran potencial en la política estadounidense, un área con datos granulares (redes de donantes, lobbistas, composición demográfica) que podrían generar los muchos desplazamientos independientes necesarios para el marco de exogeneidad de desplazamientos.
Guía Práctica: El artículo ofrece una hoja de ruta para que los investigadores:
1. Definan claramente si su identificación proviene de la exogeneidad de las participaciones o de los desplazamientos.
2. Realicen pruebas de placebo (balance) a nivel de unidad y de desplazamiento.
3. Utilicen estimadores de errores estándar específicos (como los paquetes ssaggregate o ShiftShareSE).
4. Consideren la heterogeneidad de efectos, que puede distorsionar los promedios ponderados en diseños shift-share.

Conclusión:
El artículo es un llamado a la rigorización metodológica. Demuestra que la aplicación mecánica de fórmulas "Bartik" sin entender las suposiciones subyacentes (especialmente la exogeneidad de los desplazamientos en contextos de datos complejos) puede llevar a conclusiones políticas erróneas. La correcta especificación del diseño, incluyendo la transformación de datos y la inferencia adecuada, es esencial para la validez causal en la ciencia política moderna.