Propensity Score

Matching
Basado en:
Handbook on Impact Evaluation: Quantitative
methods and Practices (2010)
Resumen y Objetivos
Esta técnica construye un grupo de comparación estadístico basado en un
modelo de la probabilidad de participar en el tratamiento, usando
características observadas.
La validez de esta técnica consiste en:
1. La independencia condicional.
2. Superposición en las puntuaciones de propensión a través de las
muestras.

Calcular el PSM y conocer los supuestos subyacentes necesarios para su

aplicación.

Diferenciar métodos para emparejar tratados y no tratados.

El PSM y sus usos prácticos
Cuando un tratamiento no puede ser asignado al azar, lo mejor que hay
que hacer es intentar imitar la aleatorización; es decir, tratar de tener un
análogo observacional de un experimento aleatorizado.
La idea es encontrar, de un gran grupo de no participantes, individuos que
son observacionalmente similares a los participantes en términos de
características no afectadas por el programa.
Cada participante es emparejado con un individuo similar no participante,
y luego la diferencia promedio en los resultados entre los dos grupos se
compara para obtener el efecto del tratamiento del programa.
El problema es identificar de manera creíble grupos que se parecen.
En PSM, cada participante es emparejado a un no participante en base de
un solo puntaje de propensión, reflejando la probabilidad de la
participación condicional en sus diversas características observadas X.
¿Cómo nos ayuda el PSM?
El PSM en teoría
El enfoque de PSM intenta capturar los efectos de diferentes covariables
observados (X) en la participación, mediante un único puntaje o índice de
propensión. A continuación, se comparan los resultados de los hogares
participantes y no participantes con puntuaciones de propensión similares
para obtener el efecto del programa.

Independencia condicional: La independencia condicional indica que dado

un conjunto de covariables observables (X) que no están afectadas por el
tratamiento, los resultados potenciales (Y) son independientes de la
asignación del tratamiento (T).
El PSM en teoría
Soporte común o condición de sobreposición: Esta condición asegura que
las observaciones del tratamiento tengan observaciones comparativas
"cercanas" a la distribución de la puntuación de la propensión (Heckman,
LaLonde y Smith, 1999).
0 < P(Ti=1|Xi) < 1
Para estimar el TOT, esta suposición se puede relajar a
El TOT usando PSM
El estimador PSM para el TOT puede especificarse como la diferencia de
medias en (Y) sobre el soporte común, ponderando las unidades de
comparación por la distribución del puntaje de propensión de los
participantes. Un estimador típico de sección transversal se puede
especificar como sigue:
Aplicación del método
Paso 1: Estimando un modelo de participación en el programa

Las muestras de participantes y no participantes deben ser agrupadas, y

luego la participación (T) debe estimarse en todas las covariables
observadas (X) en los datos que puedan determinar la participación.
Después de estimar la ecuación de participación, se pueden derivar los
valores predichos de T de la ecuación de participación.

Se obtiene el valor predicho de Ti → 𝑇෠𝑖

𝑇෠𝑖 =𝑃෠ 𝑋𝑖 𝑇𝑖 = 𝑃(𝑋
෠ 𝑖)
Aplicación del método
Paso 2: Definición de la Región de Soporte Común y realizar test de
balances

A continuación, debe definirse la región de soporte común donde se

superponen las distribuciones de la puntuación de propensión para el
tratamiento y el grupo de comparación.

Para que el PSM funcione, los grupos de tratamiento y comparación deben

estar equilibrados; es decir, puntajes de propensión similares se basan en
(X) observadas similares.
Aplicación del método
Paso 3: Emparejar participantes y no participantes.

Vecinos más
cercanos
Radio.
(con o sin
remplazo).

Matching
Kernel
por
Matching.
intervalos.
PRÁCTICA EN
STATA …