Documentos de Académico
Documentos de Profesional
Documentos de Cultura
a. ¿En qué consiste el problema de instrumentos débiles y qué implicancias tiene para la
estimación de efectos causales mediante la metodología de variables instrumentales?
(1.5 puntos)
c. Explique el test de Andreson Rubin (1939), y explique además cómo el mismo se puede
emplear para estimar los impactos causales de interés en presencia de instrumentos
débiles. (1.5 puntos)
Consider a regression model with only one endogenous regression. For simplicity we will
obviate the intercept (so we can interpret this model as one in which variables are
expressed in terms of deviations from the mean).
𝑦 = 𝛽𝑥 + 𝜀
Suppose also that we have a vector of m instrumental variables given by 𝑧 =
[𝑧1 𝑧2 . . . 𝑧𝑚 ]. By assumption the instruments satisfy the exclusion condition, that
is 𝑐𝑜𝑣(𝑧𝑗 , 𝜀) = 0, for all j.
𝐻0 𝛽 = 𝛽0 (1)
If it is actually the case that 𝛽 = 𝛽0 , then the error term can be defined as
1/4
𝜀0 = 𝑦 − 𝛽0 𝑥 (2)
2. Now, if this are the true errors, then by assumption they must be uncorrelated
with the instruments. So, let’s define the following regression equation
𝜀0 = 𝜑1 𝑍1 + 𝜑2 𝑍2 + ⋯ + 𝜑𝑚 𝑍𝑚 + 𝜔 (3)
𝐻0 𝜑1 = 𝜑2 =. . . = 𝜑𝑚 = 0 (4)
Therefore, we can obtain the set of all possible values of 𝛽0 for which we fail to reject
the null hypothesis in (4), this set will give us a 95 confidence interval for the true
value of 𝛽.
Pregunta 2 (5 ptos).
Defina de manera breve y clara los siguientes conceptos relacionados al diseño de regresión
discontinua.
b. Bins. (1 punto)
Son espacios definidos en función del rango de la running variable que contienen un
número determinado de observaciones para las cuales se obtiene la media de la variable
dependiente. Estos se pueden definir en base a diferentes criterios, por ejemplo bins
de igual tamaño o distancia o bins que contengan el mismo número de datos. También
se pueden definir de manera óptima balanceando sesgo y varianza.
2/4
asignado disminuye. Un kernel uniforme por ejemplo asigna el mismo peso a todas las
observaciones incluidas en la estimación.
Pregunta 4 (8 puntos).
Tome en cuenta la Figura 1 en la siguiente página. Considere además que aquellas personas cuyo
score es igual o mayor que el valor c reciben el tratamiento con probabilidad 1 mientras que
aquellas con un score por debajo de c reciben el tratamiento con probabilidad 0.
El efecto causal de interés está dado por 𝐸(𝑌(1)/𝑋) - 𝐸(𝑌(0)/𝑋), pero esto no es
observable. Sin embargo podemos aproximarlo en el punto de corte de la siguiente
manera
𝜇+ − 𝜇− = 𝐸(𝑌(1)/𝑋 = 𝑐 + 𝜀) - 𝐸(𝑌(0)/𝑋 = 𝑐 − 𝜀)
c. Explique en detalle cómo estimaría el efecto causal de interés en este caso y los
supuestos necesarios para la validez de su estimación. Usted debe explicar en detalle la
estrategia empírica de estimación (incluyendo la muestra de estimación, las regresiones
a ser estimadas y los estimadores a utilizar) así como establecer con claridad los
supuestos de identificación (esto es, bajo qué supuestos su estrategia empírica le
permite estimar de manera consistente los efectos causales de interés). (4 puntos)
3/4
Alternativamente podemos estimar la siguiente regresión.
𝑦 =∝ +𝜌𝑇 + 𝛽𝑥 + 𝛾𝑥𝑇 + 𝜔
𝜌̂ = 𝜇̂ + − 𝜇̂ −
El supuesto clave para que esta estimación nos permita estimar el efecto de interés es
que las funciones de resultados potenciales descritas en el apartado “a” deben ser
continuas en el punto de corte.
Sólo para aquellos en el punto de corte, en ese sentido se trata de un Local Average
Treatment Effect.
Figura 1
4/4