Clase 12: Experimentos y Cuasi – Experimentos

Victoria Brusco
victoriabrusco96@gmail.com
 5. Pregunta
5. En el Ministerio de Producción contratan a una consultora para que evalúe el impacto de una política que
otorgó créditos subsidiados a PyMEs textiles a principios de 2010. La variable sobre la cual se quiere medir el
impacto son las ventas de las empresas en 2010.
i. Los consultores tienen una base de datos en panel con información para PyMEs que recibieron el crédito y
que no lo recibieron en 2009 y 2010. 𝑌𝑖𝑡 son las ventas (en miles de pesos) de la empresa 𝑖 en el año 𝑡, y 𝐷𝑖 es
una dummy que toma valor igual a 1 si la empresa 𝑖 recibió el crédito subsidiado en 2010. ¿Qué regresión
deberían correr para estimar el impacto de los créditos usando el método de diferencias en diferencias?
Muestre por qué esta regresión estimaría el impacto por diferencias en diferencias.
¿Cuál es el tratamiento?
Recibir el crédito
Entonces tenemos:
1. Grupo de tratamiento: los que reciben el crédito
2. Grupo de control: los que no reciben el crédito.
¿Por qué tenemos que usar diff-in-diff?
Porque el tratamiento NO se asigna de manera aleatoria; por lo tanto el grupo de tratamiento y de control difieren en sus
características (observables y no observables) 1
 5. Pregunta
1 𝑠𝑖 𝑖 𝑒𝑠 𝑔𝑟𝑢𝑝𝑜 𝑑𝑒 𝑡𝑟𝑎𝑡𝑎𝑚𝑖𝑒𝑛𝑡𝑜
Regresión Diff-in-Diff: 𝐷𝑖 = ൜
0 𝑠𝑖 𝑖 𝑒𝑠 𝑔𝑟𝑢𝑝𝑜 𝑑𝑒 𝑐𝑜𝑛𝑡𝑟𝑜𝑙

𝑌𝑖𝑡 = 𝛽0 + 𝛽1 𝐷𝑖 + 𝛽2 𝑃𝑜𝑠𝑡𝑡 + 𝛽3 𝐷𝑖 ∗ 𝑃𝑜𝑠𝑡𝑡 + 𝑢𝑖𝑡 1 𝑠𝑖 𝑡 = 1 (𝑝𝑜𝑠𝑡)

𝑃𝑜𝑠𝑡𝑡 = ቊ
0 𝑠𝑖 𝑡 = 0 𝑝𝑟𝑒
Impacto del tratamiento:
𝛽መ 𝑑𝑖𝑓𝑓−𝑖𝑛−𝑑𝑖𝑓 = 𝑌ത 𝑇,𝑝𝑜𝑠𝑡 − 𝑌ത 𝑇,𝑝𝑟𝑒 − 𝑌ത 𝐶,𝑝𝑜𝑠𝑡 − 𝑌ത 𝐶,𝑝𝑟𝑒

Entonces,
𝑌ത 𝐶,𝑝𝑟𝑒 = 𝛽0 + 𝛽1 ∗ 0 + 𝛽2 ∗ 0 + 𝛽3 ∗ 0 = 𝛽መ0
𝑌ത 𝐶,𝑝𝑜𝑠𝑡 = 𝛽0 + 𝛽1 ∗ 0 + 𝛽2 ∗ 1 + 𝛽3 ∗ 0 ∗ 1 = 𝛽መ0 + 𝛽መ2
𝑌ത 𝑇,𝑝𝑟𝑒 = 𝛽0 + 𝛽1 ∗ 1 + 𝛽2 ∗ 0 + 𝛽3 ∗ 1 ∗ 0 = 𝛽መ0 + 𝛽መ1
𝑌ത 𝑇,𝑝𝑜𝑠𝑡 = 𝛽0 + 𝛽1 ∗ 1 + 𝛽2 ∗ 1 + 𝛽3 ∗ 1 = 𝛽መ0 + 𝛽መ1 + 𝛽መ2 + 𝛽መ3

Por lo tanto,
𝛽መ 𝑑𝑖𝑓𝑓−𝑖𝑛−𝑑𝑖𝑓 = 𝑌ത 𝑇,𝑝𝑜𝑠𝑡 − 𝑌ത 𝑇,𝑝𝑟𝑒 − 𝑌ത 𝐶,𝑝𝑜𝑠𝑡 − 𝑌ത 𝐶,𝑝𝑟𝑒
𝛽መ 𝑑𝑖𝑓𝑓−𝑖𝑛−𝑑𝑖𝑓 = [(𝛽መ0 + 𝛽መ1 + 𝛽መ2 + 𝛽መ3 ) − (𝛽መ0 + 𝛽መ1 )] − 𝛽መ0 + 𝛽መ2 − 𝛽መ0
𝛽መ 𝑑𝑖𝑓𝑓−𝑖𝑛−𝑑𝑖𝑓 = 𝛽መ2 + 𝛽መ3 − 𝛽መ2
𝛽መ 𝑑𝑖𝑓𝑓−𝑖𝑛−𝑑𝑖𝑓 = 𝛽መ3
2
 5. Pregunta
ii. El gráfico a continuación muestra la evolución de las ventas anuales promedio (en miles de $) para las
empresas que recibieron y no recibieron estos créditos. Usando los datos del gráfico, calcule el valor de todos
los coeficientes estimados en la regresión anterior e interprételos. ¿Cuál es el impacto promedio de recibir un
crédito subsidiado sobre las ventas?

𝑌𝑖𝑡 = 𝛽0 + 𝛽1 𝐷𝑖 + 𝛽2 𝑃𝑜𝑠𝑡𝑡 + 𝛽3 𝐷𝑖 ∗ 𝑃𝑜𝑠𝑡𝑡 + 𝑢𝑖𝑡

𝑌ത 𝐶,𝑝𝑟𝑒 = 𝛽መ0

→ 𝛽መ0 : ventas promedio del grupo de control en 2009, $600 mil

𝑌ത 𝑇,𝑝𝑟𝑒 = 𝛽መ0 + 𝛽መ1

→ 𝛽መ1 : diferencia en las ventas promedio del grupo de tratamiento

y el grupo de control en 2009 (𝑌ത 𝑇,𝑝𝑟𝑒 − 𝑌ത 𝐶,𝑝𝑟𝑒 = 𝛽መ0 + 𝛽መ1 − 𝛽መ0 ).

𝛽መ1 = 450 – 600 = - $150 mil

3
5. Pregunta

𝑌𝑖𝑡 = 𝛽0 + 𝛽1 𝐷𝑖 + 𝛽2 𝑃𝑜𝑠𝑡𝑡 + 𝛽3 𝐷𝑖 ∗ 𝑃𝑜𝑠𝑡𝑡 + 𝑢𝑖𝑡

𝑌ത 𝑐𝑜𝑛𝑡𝑟𝑜𝑙,𝑎𝑓𝑡𝑒𝑟 = 𝛽መ0 + 𝛽መ2
𝛽መ2 : diferencia entre las ventas promedio del grupo de control en
2010 y las ventas promedio del grupo de control en 2009
𝑌ത 𝐶,𝑝𝑜𝑠𝑡 − 𝑌ത 𝐶,𝑝𝑟𝑒 = 𝛽መ0 + 𝛽መ2 − 𝛽መ0
𝛽መ2 = 650 – 600 = $50 mil pesos

𝛽መ3 : captura la diferencia en las diferencias → el impacto del tratamiento

𝛽መ3 = 𝑌ത 𝑇,𝑝𝑜𝑠𝑡 − 𝑌ത 𝑇,𝑝𝑟𝑒 − 𝑌ത 𝐶,𝑝𝑜𝑠𝑡 − 𝑌ത 𝐶,𝑝𝑟𝑒 = (540 - 450) - (650 - 600) = 90 – 50 = $40 mil
El impacto promedio de recibir un crédito subsidiado es que aumentan las ventas en $40 mil
Entonces: 𝑌𝑖𝑡 = 600 − 150𝐷𝑖 + 50 𝑃𝑜𝑠𝑡𝑡 + 40 𝐷𝑖 ∗ 𝑃𝑜𝑠𝑡𝑡 + 𝑢𝑖𝑡
4
5. Pregunta
iii. Aprovechando el hecho de que la base de datos tiene información de 2007 y 2008, los
consultores grafican la evolución de las ventas promedio para los dos grupos de empresas, y
presentan sus resultados en el siguiente gráfico:

5
5. Pregunta
iii. ¿Cuál de las siguientes afirmaciones es correcta?

a. Dado que las ventas de los dos grupos de empresas seguían tendencias paralelas en 2007-2009,
podemos estar seguros que el estimador de diferencias en diferencias será insesgado y consistente.

b. Para estar seguros de que se cumple el supuesto de tendencias paralelas, hay que chequear que los dos
grupos de empresas tengan tendencias paralelas antes de 2007

c. El estimador de diferencias en diferencias será sesgado e inconsistente ya que las empresas que
recibieron el crédito tenían menores ventas que las que lo recibieron en 2007-2009

d. Ninguna de las anteriores

6
5. Pregunta
• El supuesto de tendencias paralelas de diff-in-diff es que en ausencia del crédito, las empresas que lo
recibieron hubieran evolucionado de la misma manera que las que no lo recibieron.

• Pero esto aplica al período posterior a la intervención (es decir, a lo que sucedió en 2010); como no sabemos
qué hubiese pasado, este supuesto es incomprobable.

• Generalmente miramos si los 2 grupos tienen tendencias paralelas antes, dado que si no tienen tendencias
paralelas antes, es poco probable que las hubiesen tenido después.

• Sin embargo, aún si observamos que había tendencias paralelas antes, no podemos “estar seguros” que los 2
grupos hubieran tenido tendencias paralelas en ausencia de la intervención → Descartamos a) y b)

• c) es incorrecta porque este método no requiere que los 2 grupos sean iguales, sólo requiere que sigan
tendencias paralelas

• d) correcta

7
5. Pregunta
iii. ¿Cuál de las siguientes afirmaciones es correcta?

a. Dado que las ventas de los dos grupos de empresas seguían tendencias paralelas en 2007-2009,
podemos estar seguros que el estimador de diferencias en diferencias será insesgado y consistente.

b. Para estar seguros de que se cumple el supuesto de tendencias paralelas, hay que chequear que los dos
grupos de empresas tengan tendencias paralelas antes de 2007

c. El estimador de diferencias en diferencias será sesgado e inconsistente ya que las empresas que
recibieron el crédito tenían menores ventas que las que lo recibieron en 2007-2009

d. Ninguna de las anteriores

8
5. Pregunta
iv. ¿Cuáles de estos eventos llevarían a que no se cumpla el supuesto de tendencias paralelas?

a. Se disparó la inflación a mediados de 2010

b. El crédito sólo se otorgó a empresas que en 2009 tuviesen ventas menores a 550 mil pesos anuales

c. Las empresas que recibieron el crédito tienen menos empleados que las que no lo recibieron

d. b yc

e. El crédito se otorgó a las empresas que tenían mayores expectativas de crecimiento en 2010

f. Ninguno de los anteriores

9
5. Pregunta
• El supuesto no estaría invalidado si:

• hay cosas que cambiaron en el período posterior (2010) que afectan a ambos grupos por igual → a)

• hay diferencias previas en ambos grupos (en 2009), dado que sabemos que el grupo de tratamiento y de
control son en promedio diferentes, por esta razón usamos el método de dif-in-dif → b) y c)

• El supuesto de tendencias paralelas no se cumple si en ausencia de la intervención, las empresas tratadas no

hubiesen seguido la misma tendencia que las empresas no tratadas.

• e) correcta → dado que el crédito se otorgó a las empresas con mayores expectativas de crecimiento; aún si
no hubiesen recibido el crédito, sus ventas hubieran crecido a un mayor ritmo que las empresas que no
recibieron el crédito (hubiesen tenido una distinta tendencia).

• También estaría invalidado el supuesto si hubieron factores que cambiaron entre 2009 y 2010 que afectan de
manera distinta a las empresas que recibieron el crédito y a las que no.

10
5. Pregunta
iv. ¿Cuáles de estos eventos llevarían a que no se cumpla el supuesto de tendencias paralelas?

a. Se disparó la inflación a mediados de 2010

b. El crédito sólo se otorgó a empresas que en 2009 tuviesen ventas menores a 550 mil pesos anuales

c. Las empresas que recibieron el crédito tienen menos empleados que las que no lo recibieron

d. b yc

e. El crédito se otorgó a las empresas que tenían mayores expectativas de crecimiento en 2010

f. Ninguno de los anteriores

11
 5. Pregunta
v. Hablando con los administradores del programa, los consultores descubren que dado que los recursos
del programa eran limitados, sólo recibieron créditos aquellas empresas que en 2009 facturaron menos
de 550 mil pesos. Aprovechando esta característica del programa, deciden hacer una estimación de
regresión discontinua. ¿Qué regresión deberían correr? Interprete los coeficientes de esta regresión.
𝑌𝑖 = 𝛽0 + 𝛽1 𝐷𝑖 + 𝛽2 𝑊𝑖 + 𝑢𝑖
• 𝑌𝑖 son las ventas de la empresa 𝑖 en 2010 (la variable de resultado)
• 𝑊𝑖 son las ventas de la empresa 𝑖 en 2009 (la variable de corte)
• 𝐷𝑖 es una dummy = 1 si las ventas en 2009 fueron menores a 550 mil pesos (reciben tratamiento) y = 0 en caso
contrario (Notar que en este caso la variable de tratamiento es =1 para empresas a la izquierda del umbral)
Interprete los coeficientes de esta regresión:
• 𝛽2 es la pendiente de la regresión, e indica cómo cambian las ventas esperadas en 2010 cuando aumentan las
ventas del 2009 en 1 unidad.
• 𝛽1 es el estimador del impacto por regresión discontinua → indica cuál es el salto en las ventas cerca del umbral a
raíz del tratamiento (los créditos) 12
 5. Pregunta
vi. Luego de hacer el análisis, los consultores descubren que alrededor del 30% de las PyMEs que fueron
asignadas para recibir el crédito (i.e., aquellas que facturaron menos de 550 mil pesos) no recibieron los
fondos por un problema bancario. Para estimar el impacto de recibir el crédito sobre las ventas de las
empresas, ¿qué estimación habría que realizar?
Es un caso de cumplimiento parcial (no todas las empresas a la izquierda del umbral recibieron el crédito) → “fuzzy
regression discontinuity” (cruzar el umbral aumenta la prob. de ser tratado, pero no lo determina completamente)
Para realizar esta estimación, hay que usar un modelo de variables instrumentales combinado con uno de regresión
discontinua (muy similar al caso de cumplimiento parcial en experimentos aleatorios):
Primera etapa: 𝐷𝑖 = 𝜋0 + 𝜋1 𝑍𝑖 + 𝜋2 𝑊𝑖 + 𝑣𝑖
• 𝐷𝑖 es una dummy =1 si la empresa i recibió el crédito & =0 si no lo recibió
• 𝑍𝑖 :la variable instrumental , dummy =1 si las ventas en 2009 fueron <$550 mil & =0 si fueron >=$550 → indica si a la
empresa le correspondía o no recibir el crédito, es decir, si está a la derecha o izquierda del umbral

• 𝑊𝑖: las ventas de la empresa i en 2009 (la variable de corte)

• 𝜋1 : mide el cambio en la probabilidad de recibir el crédito justo en el umbral.

13
5. Pregunta
Segunda etapa:
෡𝑖 + 𝛽2 𝑊𝑖 + 𝑢𝑖
𝑌𝑖 = 𝛽0 + 𝛽1 𝐷
• 𝑌𝑖 : ventas de la empresa 𝑖 en 2010
෡𝑖 : dummy =1 si la empresa i recibió el crédito & =0 si no lo recibió
• 𝐷
• 𝑊𝑖: las ventas de la empresa i en 2009 (la variable de corte)

Validez del instrumento:

• Dado que el 70% de las empresas que deberían haber recibido el crédito (i.e., las que están a la izquierda del
umbral) lo recibieron, el instrumento debería ser fuerte.
• Y como estamos comparando empresas que están justo a la derecha y justo a la izquierda del umbral, el
instrumento también debería ser exógeno (estas empresas no van a diferir en términos de características que
expliquen a sus ventas)

14
6. Pregunta
6. En marzo de 2018, Cabify otorgó un descuento del 15% a sus clientas mujeres. Usando datos
mensuales de los viajes realizados durante febrero y marzo de 2018 por todos los usuarios de
la plataforma, se estimó la siguiente regresión:

𝑁𝑢𝑚𝑉𝑖𝑎𝑗𝑒𝑠𝑖𝑡 = 𝛽0 + 𝛽1 𝑀𝑢𝑗𝑒𝑟𝑖 + 𝛽2 𝑀𝑎𝑟𝑧𝑜𝑡 + 𝛽3 𝑀𝑢𝑗𝑒𝑟𝑖 ∗ 𝑀𝑎𝑟𝑧𝑜𝑡 + 𝑢𝑖𝑡

• 𝑁𝑢𝑚𝑉𝑖𝑎𝑗𝑒𝑠𝑖𝑡 : número de viajes realizados por el cliente 𝑖 en el mes 𝑡

• 𝑀𝑎𝑟𝑧𝑜𝑡 : dummy = 1 en el mes de marzo (0 en febrero)
• 𝑀𝑢𝑗𝑒𝑟𝑖 : dummy =1 si el cliente i es mujer (0 si es hombre)

15
6. Pregunta
i. Indique cuál es el supuesto que debe cumplirse para que el estimador de 𝛽3 de la ecuación
anterior capture de manera insesgada el impacto de los descuentos sobre el número de viajes
realizados:

a) Que si los hombres hubieran recibido el descuento, realizarían el mismo número de viajes en
marzo que las mujeres.
b) Que si las mujeres no hubieran recibido el descuento, realizarían el mismo número de viajes
en marzo que en febrero.
c) Ninguna de las opciones es correcta.
d) Todas las opciones son correctas.

16
 6. Pregunta
a) Que si los hombres hubieran recibido el descuento, realizarían el mismo número de viajes en marzo que las
mujeres.
• Opc a) habla de que si ambos hubiesen recibido el descuento, el grupo de tratamiento tendría el mismo resultado que el
grupo de control en el período posterior. Esto no es necesario para que se cumpla el supuesto de tendencias paralelas →
el supuesto exige que en ausencia del descuento (tratamiento), las mujeres (grupo de tratamiento) hubieran
evolucionado de la misma manera que los hombres (control)
b) Que si las mujeres no hubieran recibido el descuento, realizarían el mismo número de viajes en marzo que en
febrero.
• Opc b) habla de que en ausencia del descuento, las mujeres no deberían cambiar sus resultados entre el período previo y
posterior. Eso tampoco es necesario para que se cumpla el supuesto de tendencias paralelas → el supuesto requiere que,
en ausencia del descuento, el cambio en el número de viajes promedio de las mujeres entre febrero y marzo sea el mismo
que el cambio en el número promedio de viajes de los hombres. Para que esto se cumpla, no debería haber otras factores
que afecten de manera diferencial a los hombres y mujeres en marzo, y que podrían afectar al número de viajes.
c) Ninguna de las opciones es correcta.
• c) es correcta

17
6. Pregunta
i. Indique cuál es el supuesto que debe cumplirse para que el estimador de 𝛽3 de la ecuación
anterior capture de manera insesgada el impacto de los descuentos sobre el número de viajes
realizados:

a) Que si los hombres hubieran recibido el descuento, realizarían el mismo número de viajes en
marzo que las mujeres.
b) Que si las mujeres no hubieran recibido el descuento, realizarían el mismo número de viajes
en marzo que en febrero.
c) Ninguna de las opciones es correcta.
d) Todas las opciones son correctas.

18
6. Pregunta
ii. ¿En cuál(es) de estos casos se violaría el supuesto de tendencias paralelas?

a) A comienzos de marzo de 2018, hubo un aumento reportado en los crímenes contra las
mujeres, y aumentó la demanda de viajes por parte de las mujeres en ese mes.
b) En marzo de 2018 llovió mucho, y aumentó la demanda de viajes.
c) En marzo de 2018 aumentó la tarifa en trenes y colectivos.
d) Las mujeres generalmente realizan más viajes en Cabify que los hombres.
e) En febrero de 2018 Cabify puso un descuento al pago en efectivo.
f) Ninguna de las opciones es correcta.
g) Todas las opciones son correctas.

19
 6. Pregunta
b) En marzo de 2018 llovió mucho, y aumentó la demanda de viajes.
c) En marzo de 2018 aumentó la tarifa en trenes y colectivos.
• Opc b) y c) son incorrectas porque si bien ocurren al mismo tiempo que el descuento y podrían afectar a la variable de
resultado, afectan a los 2 grupos por igual.
d) Las mujeres generalmente realizan más viajes en Cabify que los hombres.
• Opc d) incorrecta porque para que se cumpla el supuesto de tendencias paralelas no requiere que los 2 grupos sean iguales.
e) En febrero de 2018 Cabify puso un descuento al pago en efectivo.
• Opc e) es incorrecta porque el descuento por pagos en efectivo es previo a la estrategia que se está analizando, y además
afecta de igual manera a hombres y mujeres.
a) A comienzos de marzo de 2018, hubo un aumento reportado en los crímenes contra las mujeres, y aumentó la demanda
de viajes por parte de las mujeres en ese mes.
• a) es correcta → se violaría el supuesto de tendencias paralelas, ya que el aumento en los crímenes (que aumenta la
demanda) afecta sólo al grupo de tratamiento (mujeres) en el mismo período que se ofreció el descuento. En ese caso, la
estimación por diferencias no sólo captura el impacto del descuento sobre el número de viajes, sino también el impacto de
este cambio en la tasa de criminalidad (estamos sobreestimando el impacto del descuento).
20
6. Pregunta
ii. ¿En cuál(es) de estos casos se violaría el supuesto de tendencias paralelas?

a) A comienzos de marzo de 2018, hubo un aumento reportado en los crímenes contra las
mujeres, y aumentó la demanda de viajes por parte de las mujeres en ese mes.
b) En marzo de 2018 llovió mucho, y aumentó la demanda de viajes.
c) En marzo de 2018 aumentó la tarifa en trenes y colectivos.
d) Las mujeres generalmente realizan más viajes en Cabify que los hombres.
e) En febrero de 2018 Cabify puso un descuento al pago en efectivo.
f) Ninguna de las opciones es correcta.
g) Todas las opciones son correctas.

21
7. Pregunta
7. En el año 1984, el Congreso de los Estados Unidos promulgó la ley “National Minimum Drinking Age”
estableciendo en 21 años la edad mínima legal para comprar y consumir bebidas alcohólicas. La idea de este
ejercicio es analizar el impacto que tuvo esta ley en las muertes generadas por accidentes de tránsito.
Para ello se cuenta con una base de datos de panel con información anual de 47 estados entre 1982 y 1984. Se
tiene información de las siguientes variables:
• Allmort: Número de muertes por accidentes vehiculares.
• Law: en algunos de estos estados la edad mínima para beber ya era de 21 años antes de la ley, mientras que en
otros empezó a serlo a partir de ese año. Esta dummy es =1 si la ley hizo que cambie la edad mínima para beber,
y 0 en caso contrario.
• Pop: población del estado.
• Jailid: una dummy =1 si manejar alcoholizado conlleva una pena de cárcel.
• Comserd: una dummy =1 si manejar alcoholizado se castiga con servicio comunitario.
• Vmile: la cantidad de millas promedio por conductor.

22
7. Pregunta
i. ¿Sería correcto utilizar el estimador de diferencias para estimar el impacto causal de la ley?
No, porque la asignación no fue aleatoria.

ii. ¿Cuál sería el método de estimación correcto? ¿Cuál es el grupo de tratamiento? ¿y de control?
El método de estimación correcto sería el de diferencias en diferencias (diff-in-diff).
El grupo de tratamiento son aquellos estados donde se aplicó la ley, es decir, que antes del 1984 tenían una edad
mínima menor a 21. Y el grupo de control son aquellos estados donde no se aplicó.

23
7. Pregunta
iii. Con los datos se calculan los siguientes promedios de muertes vehiculares:
• En 1983 en estados donde la ley cambió la edad mínima: 1050.771
• En 1983 en estados donde la ley no cambió la edad mínima: 975.6111
• En 1984 en estados donde la ley cambió la edad mínima: 877.8043
• En 1984 en estados donde la ley no cambió la edad mínima: 855.3623

Calcule la estimación diff-in-diff. Y concluya, ¿hay una reducción en las muertes vehiculares?

෣ 𝑑𝑖𝑓𝑓−𝑖𝑛−𝑑𝑖𝑓 = 𝑌ത 𝑇,𝑝𝑜𝑠𝑡 − 𝑌ത 𝑇,𝑝𝑟𝑒 − 𝑌ത 𝐶,𝑝𝑜𝑠𝑡 − 𝑌ത 𝐶,𝑝𝑟𝑒

𝐼𝑚𝑝𝑎𝑐𝑡𝑜
(877.8043 − 1050.771) − (855.3623 − 975.6111) = −52.71
Hay una reducción de 53 muertes aproximadamente.

24
7. Pregunta
iv. A continuación, se reporta la salida de R (solo se reporta el coeficiente de interés):

¿Hay evidencia estadística de que la ley reduzca la cantidad de muertes vehiculares?

El estimador es igual al que calculamos manualmente, pero ahora podemos evaluar la hipótesis de que el
estimador sea igual a 0 (la significatividad individual) → con un nivel de significatividad del 5% rechazamos la
hipótesis nula de que el coeficiente no es significativo estadísticamente

25
 7. Pregunta
v. A partir de los datos desde 1980 y 1984, se realiza el siguiente gráfico del promedio de muertes por
accidentes vehiculares:
¿Le parece correcto aplicar diff-in-diff? ¿Puede estar seguro de que la estimación será insesgada y
consistente?
Es correcto usar diff-in-diff porque observamos que en los años
previos a la implementación de la ley, ambos grupos tenían
tendencias paralelas.
De todas formas, no se puede asegurar con certeza que el
estimador diff-in-diff será insesgado y consistente porque
depende de un supuesto que no se puede comprobar
formalmente → “si los estados del grupo de tratamiento no
hubiesen tenido el cambio en la edad mínima para beber,
DESPUÉS de la implementación de la ley hubiesen tenido la
misma evolución de la tasa de mortalidad que los estados del
grupo de control”
Por lo tanto, nos conformamos con mirar periodos anteriores (es
una condición necesaria, pero no suficiente).
26
 7. Pregunta
vi. Se realizan varios test de diferencia de media para el año 1983 (periodo previo a la ley) de las
variables de control para comparar la composición de los grupos, y en todos se encuentran que las
diferencias son estadísticamente significativas. ¿Debería cambiar el método de estimación?

Test de diferencia de media: analiza si el grupo de tratamiento y el grupo de control tienen en promedio las mismas
características previo al tratamiento (1983)
No se debería cambiar el método, ya que justamente se utiliza el estimador diff-in-diff ya que el tratamiento NO se
asigna de forma aleatoria, y por lo tanto el grupo de tratamiento y de control difieren en características (observables y
no observables) -> Si el experimento hubiera sido aleatorio, podríamos usar el estimador de diferencias.
El método de estimación que estamos usando (dif-in-dif), controla por esas diferencias entre los 2 grupos (siempre
que sean constantes en el tiempo).

27
¿Consultas?
victoriabrusco96@gmail.com