Está en la página 1de 29

Auxiliar 6: ITT y

CACE
Auxiliares: Catalina Chamy, Gonzalo Díaz, Diego Kauer y
Angelo Muñoz.

IN4402 Aplicaciones de Probabilidades y Estadística en


Gestión
Resumen

ATE
Para obtener el Average Treatment Effect (ATE) lo que hacemos es asignar aleatoriamente individuos tanto al grupo
de control como al de tratamiento, para que estos dos grupos queden idénticos estadísticamente si es que tenemos
suficientes observaciones. De esta manera tendremos que:

𝐴𝑇𝐸 = 𝐸 𝑌𝑖 1 − 𝑌𝑖 0 = 𝐸 𝑌𝑖 1 𝐷𝑖 = 1 − 𝐸[𝑌𝑗 (0) ∣ 𝐷𝑗 = 0]

Estamos obteniendo una especie de contra-parte j en el grupo de control, idéntica estadísticamente, para cada
observación i en el grupo de tratamiento, gracias a la asignación aleatoria.

2
Resumen

One-sided Non Compliance


Separamos ahora el concepto de asignación a un tratamiento de haber efectivamente sido tratado. Definimos
entonces una variable que nos ayude en cada caso:

1, 𝑠𝑖 𝑖 𝑓𝑢𝑒 𝑎𝑠𝑖𝑔𝑛𝑎𝑑𝑜 𝑎𝑙 𝑔𝑟𝑢𝑝𝑜 𝑑𝑒 𝑡𝑟𝑎𝑡𝑎𝑚𝑖𝑒𝑛𝑡𝑜


𝑧𝑖 = ቊ
0, 𝑠𝑖 𝑖 𝑓𝑢𝑒 𝑎𝑠𝑖𝑔𝑛𝑎𝑑𝑜 𝑎𝑙 𝑔𝑟𝑢𝑝𝑜 𝑑𝑒 𝑐𝑜𝑛𝑡𝑟𝑜𝑙

Y redefinimos la variable de tratamiento Di en función de la asignación de la siguiente manera también:

1, 𝑠𝑖 𝑖 𝑒𝑓𝑒𝑐𝑡𝑖𝑣𝑎𝑚𝑒𝑛𝑡𝑒 𝑒𝑠 𝑡𝑟𝑎𝑡𝑎𝑑𝑜 𝑑𝑎𝑑𝑜 𝑧𝑖


𝑑𝑖 𝑧 = ቊ
0, 𝑠𝑖 𝑖 𝑛𝑜 𝑒𝑠 𝑡𝑟𝑎𝑡𝑎𝑑𝑜 𝑟𝑒𝑎𝑙𝑚𝑒𝑛𝑡𝑒 𝑑𝑎𝑑𝑜 𝑧𝑖

3
Resumen

One-sided Non Compliance

• Compliers: Los que son tratados si es que son asignados al grupo de tratamiento, y, si son asignados al grupo de
control, no son tratados. Es decir, los que siempre cumplen según su asignación: 𝑑𝑖 1 = 1 y 𝑑𝑖 0 = 0 para este
subgrupo.
• Never-Takers: Los que nunca son tratados, independientemente de a qué grupo se les asigna: 𝑑𝑖 1 = 0 y
𝑑𝑖 0 = 0.

Los dos grupos descritos son los único que tendremos en cuenta por ahora en One-sided Non Compliance, por lo que
nos basta con estos.

4
Resumen

Intend To Treat (ITT)


• 𝑰𝑻𝑻: Efecto promedio de la asignación del tratamiento, sin importar la fracción de Compliers que hay en el grupo
de tratamiento.
𝐼𝑇𝑇 = 𝐸 𝑌𝑖 𝑧𝑖 = 1, 𝑑𝑖 1 − 𝐸[𝑌𝑖 (𝑧𝑖 = 0, 𝑑𝑖 (0))]

Como estamos obteniendo este resultado sobre el grupo de tratamiento completo, pero este ocurre sólo gracias a los
Compliers, se hace necesaria una ponderación que tome en cuenta la fracción de Compliers que efectivamente hay
para hablar de un verdadero efecto en One-sided Non Compliance, con lo que tendremos:

• 𝑰𝑻𝑻𝑫 : Proporción de Compliers en el grupo de tratamiento, menos la proporción de personas que son tratadas en
el grupo de control (0 en One-sided).

𝐼𝑇𝑇𝐷 = 𝐸 𝑑𝑖 1 − 𝐸 𝑑𝑖 0 = 𝐸 𝑑𝑖 1 − 0 = 𝑓𝑟𝑎𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝑐𝑜𝑚𝑝𝑙𝑖𝑒𝑟𝑠 𝑒𝑛 𝑔𝑟𝑢𝑝𝑜 𝑡𝑟𝑎𝑡𝑎𝑚𝑖𝑒𝑛𝑡𝑜


5
Resumen

LATE/CACE

• LATE/CACE: Local Average Treatment Effect o Compliers Average Causal Effect. Es el efecto del tratamiento para el
subgrupo de Compliers en el grupo de tratamiento.

𝐼𝑇𝑇
𝐿𝐴𝑇𝐸 =
𝐼𝑇𝑇𝐷

Notemos que si todo el grupo de tratamiento es cumplidor (100% de Compliers), entonces 𝐼𝑇𝑇𝐷 = 1, y tendremos
que 𝐿𝐴𝑇𝐸 = 𝐼𝑇𝑇 = 𝐴𝑇𝐸.

6
Pregunta 1

i 𝒀𝒊 𝒅 = 𝟎 𝒀𝒊 𝒅 = 𝟏 𝒅𝒊 𝒛 = 𝟎 𝒅𝒊 (𝒛 = 𝟏) Type
¿Cuál es el valor del
1 4 6 0 1 Complier ෢ 𝐼𝑇𝑇
𝐴𝑇𝐸, 𝐼𝑇𝑇, ෣
෢ 𝐷 y 𝐶𝐴𝐶𝐸?
2 2 8 0 0 NeverTaker
3 1 5 0 1 Complier
4 5 7 0 1 Complier
5 6 10 0 1 Complier
6 2 10 0 0 NeverTaker
7 6 9 0 1 Complier
8 2 5 0 1 Complier

7 9 5 9 0 0 NeverTaker
Pregunta 1

i Type
𝒀𝒊 𝒅 = 𝟎 𝒀𝒊 𝒅 = 𝟏 𝒅𝒊 𝒛 = 𝟎 𝒅𝒊 (𝒛 = 𝟏)
𝐴𝑇𝐸:
1 4 6 0 1 Complier
2 2 8 0 0 NeverTaker
3 1 5 0 1 Complier
4 5 7 0 1 Complier
5 6 10 0 1 Complier
6 2 10 0 0 NeverTaker
7 6 9 0 1 Complier
8 2 5 0 1 Complier

8 9 5 9 0 0 NeverTaker
Pregunta 1

i Type
𝒀𝒊 𝒅 = 𝟎 𝒀𝒊 𝒅 = 𝟏 𝒅𝒊 𝒛 = 𝟎 𝒅𝒊 (𝒛 = 𝟏)
𝐴𝑇𝐸:
1 4 6 0 1 Complier
2 2 8 0 0 NeverTaker 2+6+4+2+4+8+3+3+4
=
9
3 1 5 0 1 Complier =4
4 5 7 0 1 Complier
5 6 10 0 1 Complier
6 2 10 0 0 NeverTaker
7 6 9 0 1 Complier
8 2 5 0 1 Complier

9 9 5 9 0 0 NeverTaker
Pregunta 1

i Type
𝒀𝒊 𝒅 = 𝟎 𝒀𝒊 𝒅 = 𝟏 𝒅𝒊 𝒛 = 𝟎 𝒅𝒊 (𝒛 = 𝟏)
𝐼𝑇𝑇:
1 4 6 0 1 Complier
2 2 8 0 0 NeverTaker
3 1 5 0 1 Complier
4 5 7 0 1 Complier
5 6 10 0 1 Complier
6 2 10 0 0 NeverTaker
7 6 9 0 1 Complier
8 2 5 0 1 Complier

9
10 5 9 0 0 NeverTaker
Pregunta 1

i Type
𝒀𝒊 𝒅 = 𝟎 𝒀𝒊 𝒅 = 𝟏 𝒅𝒊 𝒛 = 𝟎 𝒅𝒊 (𝒛 = 𝟏)
𝐼𝑇𝑇:
1 4 6 0 1 Complier
2 2 8 0 0 NeverTaker 2+0+4+2+4+0+3+3+0
=
9
3 1 5 0 1 Complier =2
4 5 7 0 1 Complier
5 6 10 0 1 Complier
6 2 10 0 0 NeverTaker
7 6 9 0 1 Complier
8 2 5 0 1 Complier

9
11 5 9 0 0 NeverTaker
Pregunta 1

i Type
𝒀𝒊 𝒅 = 𝟎 𝒀𝒊 𝒅 = 𝟏 𝒅𝒊 𝒛 = 𝟎 𝒅𝒊 (𝒛 = 𝟏)
𝐼𝑇𝑇𝑑 :
1 4 6 0 1 Complier
2 2 8 0 0 NeverTaker
3 1 5 0 1 Complier
4 5 7 0 1 Complier
5 6 10 0 1 Complier
6 2 10 0 0 NeverTaker
7 6 9 0 1 Complier
8 2 5 0 1 Complier

9
12 5 9 0 0 NeverTaker
Pregunta 1

i Type
𝒀𝒊 𝒅 = 𝟎 𝒀𝒊 𝒅 = 𝟏 𝒅𝒊 𝒛 = 𝟎 𝒅𝒊 (𝒛 = 𝟏)
𝐼𝑇𝑇𝑑 :
1 4 6 0 1 Complier
2 2 8 0 0 NeverTaker 6
= = 0,667
9
3 1 5 0 1 Complier
4 5 7 0 1 Complier
5 6 10 0 1 Complier
6 2 10 0 0 NeverTaker
7 6 9 0 1 Complier
8 2 5 0 1 Complier

9
13 5 9 0 0 NeverTaker
Pregunta 1

i Type
𝒀𝒊 𝒅 = 𝟎 𝒀𝒊 𝒅 = 𝟏 𝒅𝒊 𝒛 = 𝟎 𝒅𝒊 (𝒛 = 𝟏)
𝐶𝐴𝐶𝐸:
1 4 6 0 1 Complier
2 2 8 0 0 NeverTaker
3 1 5 0 1 Complier
4 5 7 0 1 Complier
5 6 10 0 1 Complier
6 2 10 0 0 NeverTaker
7 6 9 0 1 Complier
8 2 5 0 1 Complier

9
14 5 9 0 0 NeverTaker
Pregunta 1

i Type
𝒀𝒊 𝒅 = 𝟎 𝒀𝒊 𝒅 = 𝟏 𝒅𝒊 𝒛 = 𝟎 𝒅𝒊 (𝒛 = 𝟏)
𝐶𝐴𝐶𝐸:
1 4 6 0 1 Complier
2 2 8 0 0 NeverTaker 2
= =3
6
3 1 5 0 1 Complier 9
4 5 7 0 1 Complier
5 6 10 0 1 Complier O se puede calcular como ATE para
compliers:
6 2 10 0 0 NeverTaker
7 6 9 0 1 Complier 2+4+2+4+3+3
=3
8 2 5 0 1 Complier 6

9
15 5 9 0 0 NeverTaker
Pregunta 2 - Computacional

La base de datos a utilizar contiene los resultados de un test de memoria aplicado


antes y después de un tratamiento con una nueva droga. La columna treat tiene el
valor 1 para las personas asignadas al grupo de tratamiento (0 para el grupo de
control), mientras que la columna real treated tiene el valor 1 para las personas del
grupo de tratamiento que efectivamente cumplieron con este (0 para todos los
demás). La variable de interés en este caso es la columna Diff, que contiene la
diferencia entre los resultados antes y después del tratamiento en el test de
memoria para todos los individuos de la base.

16
Pregunta 2 - Computacional

1. ¿Cuál es el porcentaje de Compliers y Non-Compliers en cada grupo (tratamiento


y control?

17
Pregunta 2 - Computacional

1. ¿Cuál es el porcentaje de Compliers y Non-Compliers en cada grupo (tratamiento


y control?

𝒛𝒊 = 𝟏 𝒛𝒊 = 𝟎
𝑑𝑖 = 0 23% 100%
𝑑𝑖 = 1 77% 0%

18
Pregunta 2 - Computacional

2. ¿Cuál de estos porcentajes corresponde al 𝐼𝑇𝑇𝑑 ?

𝒛𝒊 = 𝟏 𝒛𝒊 = 𝟎
𝑑𝑖 = 0 23% 100%
𝑑𝑖 = 1 77% 0%

19
Pregunta 2 - Computacional

2. ¿Cuál de estos porcentajes corresponde al 𝐼𝑇𝑇𝑑 ?

𝒛𝒊 = 𝟏 𝒛𝒊 = 𝟎
𝑑𝑖 = 0 23% 100%
𝑑𝑖 = 1 77% 0%

20
Pregunta 2 - Computacional

Corra 2 regresiones lineales: (1) sólo con la variable dependiente y la asignación al


tratamiento como variable explicativa (la que definíamos como 𝑧𝑖 ), y (2) con la
variable dependiente y si se tomó o no el tratamiento como variable explicativa (la
que definíamos como 𝑑𝑖 (𝑧)).

3.) Interprete los coeficientes estimados en cada una de las regresiones.

21
Pregunta 2 - Computacional

3.) Interprete los coeficientes estimados en cada una de las regresiones.

La recepción efectiva del tratamiento aumenta en promedio 2,83 puntos en el test


de memoria según lo resultados; mientras que, la asignación al tratamiento,
aumenta en promedio 2,1 puntos en el test de memoria.

22
Pregunta 2 - Computacional

4.) ¿Se puede hablar de efecto causal con alguno de estos coeficientes?

23
Pregunta 2 - Computacional

4.) ¿Se puede hablar de efecto causal con alguno de estos coeficientes?

Sólo en el primer caso (regresión) estamos comparando resultados entre dos


grupos con asignación aleatoria (control v/s tratamiento), por lo que podríamos
hablar de causalidad en este caso. En el segundo caso (regresión) tenemos
Compliers y N-T, los que no sabemos por qué se dan, así que no podemos hablar de
efecto causal en este caso. Sólo en el primer caso tenemos grupos
estadísticamente idénticos.

24
Pregunta 2 - Computacional

5.) Identifique en las regresiones el 𝐼𝑇𝑇, el 𝐿𝐴𝑇𝐸/𝐶𝐴𝐶𝐸 y el 𝐴𝑇𝐸, en caso de que


sea posible.

25
Pregunta 2 - Computacional

5.) Identifique en las regresiones el 𝐼𝑇𝑇, el 𝐿𝐴𝑇𝐸/𝐶𝐴𝐶𝐸 y el 𝐴𝑇𝐸, en caso de que


sea posible.

𝐼𝑇𝑇 = 𝑐𝑜𝑒𝑓. 𝑑𝑒 𝑟𝑒𝑔𝑟𝑒𝑠𝑖ó𝑛 1 = 2,1


𝐼𝑇𝑇
𝐿𝐴𝑇𝐸 Τ𝐶𝐴𝐶𝐸 = = 2,72
𝐼𝑇𝑇𝑑
𝐴𝑇𝐸 no se puede calcular, ya que no tenemos 100% de compliers.

26
Pregunta 2 - Computacional

6.) Ahora considere la posibilidad de agregar nuevas covariables en las regresiones


(1) y (2). ¿Deberían cambiar sus respuestas en las preguntas anteriores?

27
Pregunta 2 - Computacional

6.) Ahora considere la posibilidad de agregar nuevas covariables en las regresiones


(1) y (2). ¿Deberían cambiar sus respuestas en las preguntas anteriores?

No deberían cambiar las respuestas, ya que la asignación aleatoria hace que 𝑧𝑖 sea
perpendicular/independiente a cualquier covariable.

28
Auxiliar 6: ITT y
CACE
Auxiliares: Catalina Chamy, Gonzalo Díaz, Diego Kauer y
Angelo Muñoz.

IN4402 Aplicaciones de Probabilidades y Estadística en


Gestión

También podría gustarte