Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Contenido
1 Introducción
2 Efectos de Tratamiento
4 Diseños Cuasi-Experimentales
Diferencias en Diferencias (DD)
Discontinuidad en la Regresión (DR)
5 Variables Instrumentales
Introducción Efectos de Tratamiento Relación con Regresión Diseños Cuasi-Experimentales Variables Instrumentales
d
yi = resultados potenciales (contrafactuales) de Y según el
tratamiento
1
yi es el resultado para i en caso de tratamiento
0
yi es el resultado para i en caso de NO tratamiento
Yi = Di yi1 + (1 − Di ) yi0
Introducción Efectos de Tratamiento Relación con Regresión Diseños Cuasi-Experimentales Variables Instrumentales
αi = yi1 − yi0
1 0 1 0
αATE = E yi − yi =E yi −E yi
1 0 1 0
αATT = E yi − yi |Di = 1 = E yi |Di yi |Di
=1 −E =1
1
E (Yi |Di = 1) − E (Yi |Di = 0) = 1 − E yi0 |Di = 0
yi |Di
= E
1 0
E yi |Di = 1 − E yi |Di = 1
=
+ E yi0 |Di = 1 − E yi0 |Di = 0
Experimentos Aleatorios
Datos Experimentales
Por tanto,
1 1 1
yi |Di yi |Di
E =1 = E =0 =E yi
0 0 0
yi |Di = 1 yi |Di = 0 = E
E = E yi
Introducción Efectos de Tratamiento Relación con Regresión Diseños Cuasi-Experimentales Variables Instrumentales
Experimentos Aleatorios
1
yi = µ1 + ui1
0
yi = µ0 + ui0
1 0
donde E ui =E ui =0
Por tanto,
Yi = β0 + β1 Di + i
Si los supuestos de regresión lineal son válidos, el coeciente β1
coincide con el efecto medio del tratamiento
Canada UK US
Non-smokers 20.2 11.3 13.5
Cigarretes 20.5 14.1 13.5
Cigars/pipes 35.5 20.7 17.4
Canada UK US
Non-smokers 54.9 49.1 57.0
Cigarretes 50.5 49.8 53.2
Cigars/pipes 65.9 55.7 59.7
Canada UK US Canada UK US
Non-smokers 15.1 7.7 9.2 25.5 15.0 18.0
Cigarretes 23.2 9.0 12.8 34.5 18.5 23.7
Cigars/pipes 16.0 7.8 9.5 25.8 15.4 18.5
Introducción Efectos de Tratamiento Relación con Regresión Diseños Cuasi-Experimentales Variables Instrumentales
Selección en Observables
1
, yi0 ⊥ D |X
yi
1 1 1
yi |Di yi |Di
E = 1, X = E = 0, X = E yi ,X
0 0 0
yi |Di yi |Di = 0, X = E
E = 1, X = E yi ,X
Introducción Efectos de Tratamiento Relación con Regresión Diseños Cuasi-Experimentales Variables Instrumentales
Matching
y nalmente
J
X j
j j n
b ATE =
α Y1 −Y0
n
j =1
Introducción Efectos de Tratamiento Relación con Regresión Diseños Cuasi-Experimentales Variables Instrumentales
puede haber pocos individuos para hacer las comparaciones (se tiene
poca precisión)
incluso puede no haber nadie con quien comparar (los mismos
valores en todas las variables X ).
Se puede utilizar algún supuesto de forma funcionar para
extrapolar/predecir el contrafactual
Propensity Score
π (x ) = Pr (Di = 1|Xi = x )
1
, yi0 ⊥ D |X
yi
1
E (Y |D = 1, π (X ) = π)−E (Y |D = 0, π (X ) = π) = E − y 0 |π (X ) = π
y
E (Y |D , X ) = β0 + β1 D + β2 X + β3 D ∗ X
se pueden estimar fácilmente los parámetros del modelo de regresión.
El efecto del tratamiento sería el efecto ceteris paribus de la variable
D en el modelo de regresión:
E (Y |D = 1, X = x ) − E (Y |D = 0, X = x ) = β1 + β3 x
(para los individuos con las mismas características X = x)
Se puede extender trivialmente a múltiples variables observables
X1 , . . . , Xk .
Para el conjunto de la población, se puede tener además el efecto
medio del tratamiento (ATE) y el efecto medio del tratamiento sobre
los tratados (ATT)
αATE = β1 + β3 E (X )
αATT = β1 + β3 E (X |Di = 1)
Introducción Efectos de Tratamiento Relación con Regresión Diseños Cuasi-Experimentales Variables Instrumentales
Marzo de 1992:
Se tienen:
Tratamiento
Y (D=1) C
E
A
Control
B (D=0)
t=1 t=2
(pre-) (post-)
Tiempo
Introducción Efectos de Tratamiento Relación con Regresión Diseños Cuasi-Experimentales Variables Instrumentales
Formalización de DD
0
− yi01 |Di = 1 = E 0
− yi01 |Di = 0
E yi 2 yi 2
Comentarios
y
Pt = 1, en el periodo t posterior al tratamiento
Discontinuidad en la Regresión
Ejemplos:
E (Y |W , P ) = β0 + β1 W + β2 P
H0 : β2 = 0 vs H1 : β2 > 0
Introducción Efectos de Tratamiento Relación con Regresión Diseños Cuasi-Experimentales Variables Instrumentales
E(y│W) E(y|W,D=1)
E(y|W,D=0)
β2
w0 W
Introducción Efectos de Tratamiento Relación con Regresión Diseños Cuasi-Experimentales Variables Instrumentales
continuas entorno a w0 .
E(y│W)
E(y|W,D=1)
E(y|W,D=0)
w0 W
Introducción Efectos de Tratamiento Relación con Regresión Diseños Cuasi-Experimentales Variables Instrumentales
Introducción
1
, y0 ⊥ Z
y
Identicación
Caso particular:
Z dep. D |X
NO podemos suponer independencia condicional
(y 1 , y 0 ) ⊥
6 D |X
Introducción Efectos de Tratamiento Relación con Regresión Diseños Cuasi-Experimentales Variables Instrumentales
Efectos Homogéneos
1
yi − yi0 = α
Yi = yi0 + 1
− yi0 Di = yi0 + αDi
yi
Teniendo en cuenta yi
0 ⊥ Zi
0
E (Yi |Zi = 1) = E (yi ) + αE (Di |Zi = 1)
0
E (Yi |Zi = 0) = E (yi ) + αE (Di |Zi = 0)
El estimador IV calcula
Efectos Heterogéneos
Z=1
D=1 D=0
D=1 always-taker deer
Z=0
D=0 complier neve-taker
Ejemplos
Ejemplos
Ejemplos
Angrist & Evans (1998): efecto de tener hijos sobre la oferta laboral
femenina.