Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Examen - Parte 1 Pauta sugerida December 2, 2020 Curso: Econometría, Universidad de los Andes. Período: 2020-S2 Profesor: Jorge Rodríguez (jrodriguezo@uandes.cl). Ayudantes: Antonia Aguilera (anaguilera@fen.uchile.cl). Considere la siguiente frase: “En un experimento aleatorio controlado (RCT), el estimador del efecto causal que compara las medias muestras ente grupos de tratamiento y control (Y 1 − Y 0 ) es preferible al estimador de β1 que proviene de una estimación de OLS en Yi = β0 + β1Di + εi , donde Di es la variable di- cotómica que indica pertenencia al grupo de tratamiento”. ¿Usted diría que esta afirmación es Falsa, Verdadera o Incierta? Justifique su respuesta. Respuesta: Falso. El estimador de OLS de β1 es exactamene igual al estimador de diferencias en medias: β̂1 = Y 1 − Y 0. Entonces, en términos de insesgamiento y consistencia, no hay diferencias. En términos de la varianza de los estimadores, en una estimación OLS del modelo de regresión lineal simple, es posible controlar por heteroscedasticidad. En cambio, no es posible obtener errores estándares en un test de diferencia de medias. Considere la siguiente frase: “Un experimento aleatorio controlado (RCT) iguala el resultado promedio de la variable dependiente en el contrafactual de que ambos grupos — tratamiento y control — no hayan tomado el tratamiento”. ¿Usted diría que esta afirmación es Falsa, Verdadera o Incierta? Justifique su respuesta. Respuesta: Verdadero. Al aleatorizar la pertenencia a los grupos, en términos poblacionales, el valor esperado de la variable dependiente en el contrafactual de no tomar el tratamiento es igual en grupos de tratamiento y control. Ello ocurre porque la variable dicotómica que indica pertenencia al tratamiento es independiente (por diseño del RCT) de los outcomes potenciales (Yij, para j ∈ {0, 1}). En términos matemáticos, E[Yi0 | Di = 1] = E[Yi0 | Di = 0] = E[Yi0], ya que Di es independiente de Yi0. 1 Considere la siguiente frase: “Si se cumplen los supuestos de primera etapa, in- dependencia, restricción de exclusión y monotonicidad, entonces MC2E entrega estimadores insesgados”. ¿Usted diría que esta afirmación es Falsa, Verdadera o Incierta? Justifique su respuesta. Respuesta: Falso. Si se cumplen los supuestos mencionados, MC2E es un estimador consis- tente del efecto local de tratamiento (LATE). Sin embargo, no es un estimador insesgado de LATE—es decir, tiene sesgos en muestras finitas. La razón radica en que, en la segunda etapa, la variable endógena Di se reemplaza por una predicción basada en una estimación de MCO de la primera etapa D̂i = α̂0 + α̂1Zi, en lugar de la predicción “poblacional” que usa los verdaderos parámetros α0 + α1Zi. Considere la siguiente frase: “Suponga que un tratamiento corresponde a un programa de emprendimiento para micro-empresarios. Suponga además que se sortea aleatoriamente el derecho a participar del programa sin costo alguno. Entonces, el supuesto de monotonicidad implica que no pueden haber individuos que, independiente de si son elegidos en dicho sorteo, siempre eligen participar del programa”. ¿Usted diría que esta afirmación es Falsa, Verdadera o Incierta? Justifique su respuesta. Respuesta: Falso. El enunciado alude a la existencia del grupo always-takers: aquellos que toman el tratamiento independiente del valor de la variable instrumental (en este caso, la variable dicotómica que define el sorteo). El supuesto de monotonicidad, en el contexto propuesto de esta pregunta, implica que no pueden co-existir los siguientes grupos: (i) em- presarios que, sin salir sorteados no entran al programa pero si salen favorecidos por el sorteo eligen entrar; (ii) empresarios que, si no salen sorteados toman el programa pero si son elegi- dos por el sorteo salen del programa. Nota al margen: económicamente, sabemos que un comportamiento del tipo (i) es mucho más probable. Suponga que un tratamiento corresponde a un programa de emprendimiento para micro-empresarios. Suponga además que se sortea aleatoriamente el dere- cho a participar del programa sin costo alguno. Indique cómo podría usted estimar el impacto de participar en el programa. ¿Qué identifica y bajo qué supuestos? Respuesta: El impacto de participar en el programa se estima por variables instrumentales o MC2E. Supongamos una variable dependiente “ventas”. Asumiendo que el sorteo es efectiva- mente aleatorio (independencia), que salir sorteado no incide directamente sobre las ventas (exclusión), que el sorteo induce a algunos empresarios a tomar el programa (primera etapa) y monotonicidad (ver respuesta a pregunta anterior), entonces el impacto del programa sobre ventas en el grupo inducido a participar gracias al sorteo (compliers) se calcula como la di- visión entre dos elementos: Y1−Y 0 (forma reducida), donde Yj es el promedio de ventas para el grupo sorteado j (1 si sale sorteado, 0 en otro caso), y D1−D0(primera etaap), donde Dj es el promedio de participación en el programa para el grupo sorteado j. El mismo número es posible obtener mediante MC2E, en donde se predice la participación en el programa en la primera etapa D̂i = α̂0 + α̂1Zi (donde α̂k es estimado por MCO) y se usa dicha predicción 2 en una segunda regresión lineal que se estima por OLS: Yi = β0 + β1D̂i + ui. En este caso, el estimador de MCO de β1 entrega una estimación consistente de LATE. Suponga usted que un instrumento Zi no cumple con el supuesto de independen- cia. Sin embargo, usted dispone de una serie de variables de control X1i, . . . , Xki . ¿Cómo podría usted estimar el efecto causal de una variable endógena sobre Yi y bajo qué supuestos? Respuesta: Podemos implementar una estimación de MC2E, asumiendo que Zi es indepen- diente de los errores del modelo (errores de la primera y segunda etapa), condicional en X1i, . . . , Xki. La primera etapa corresponde a Di = α0Zi + k∑ j=1 αjXji + ui. Mientras que la segunda etapa toma los valores predichos para Di: Yi = β0D̂i + k∑ j=1 βjXji + vi Suponga usted que, mediante un sorteo en la cohorte que dio la prueba PSU el año 2018, se asigna gratuidad universitaria (arancel gratis) para estudiar en cualquier carrera universitaria. Entre quienes salieron sorteados, 80% asistió a una carrera en educación superior. Por otro lado, sólo un 10% de los que no fueron favorecidos por el sorteo asistió a educación superior. Diez años después, se recolecta información sobre el salario de cada individuo en dicha cohorte. La diferencia en los promedios de salarios (mensual) entre quienes salieron sorteados y no es de 10 mil pesos. Con ello, se concluye que asistir a la universidad tiene efectos bajos sobre salarios. ¿Qué opina usted? Respuesta: Para verificar si ir a la universidad tiene efectos en salarios, debemos recuperar— vía Variables Instrumentales—un estimado del efecto causal. Notar que, la diferencia de 10 mil pesos no es el estimador que andamos buscando. Este número indica el impacto causal de salir sorteado sobre los salarios. No obstante, el salir sorteado no obliga al individuo a ir a la universidad. El estimador de Variables Instrumentales es 10.000/(0.8 − 0.1) ≈ 14.000 pesos. Este resultado implica que el efecto de ir a la universidad sobre salarios en el grupo de compli- ers (aquellos que son inducidos a ir a la Universidad gracias al sorteo) es de 14.000 pesos. Entonces, este efecto es relativamente bajo, tal como lo sugiere el enunciado. Sin embargo, debemos recordar que dicha estimación recupera el efecto causal sobre los compliers, pudi- endo ocurrir que el impacto de ir a la Universidad en otros grupos (ej: never-takers) pueda ser mayor. 3 En un estudio econométrico basado en un estimador de MC2E, se estimó que el efecto de un programa educación financiera, en un grupo de empresarios PYME, es positivo sobre las ventas de la empresa. Considere la siguiente frase: “El resul- tado del estudio confirma que, aquellos que aún no participan de este programa de educación financiera, debieran inscribirse para beneficiarse con un aumento en sus ventas”.¿Usted diría que esta afirmación es Falsa, Verdadera o Incierta? Justifique su respuesta. Respuesta: Incierta. MC2E es un estimador consistente del impacto del programa sobre el grupo de empresas “compliers”: aquellas que son más proclives a cambiar su decisión de participación según sean los valores de un determinado instrumento. Aquellas empresas que aún no participan podrían considerarse como “never-takers” y el impacto del programa en estas empresas puede ser distinto al LATE. Por ejemplo, podría pasar de que las empresas never-takers no se beneficiarían del programa de educación financiera. Considere la siguiente frase: “El estimador de Variables Instrumentales tiene una alta validez interna y una baja validez externa”. ¿Usted diría que esta afirmación es Falsa, Verdadera o Incierta? Justifique su respuesta. Respuesta: Incierto. La propiedades del estimador de MC2E claramente dependerán del contexto. Por ejemplo, puede ocurrir que un instrumento no cumpla con el supuesto de independencia, en cuyo caso podríamos dudar de su validez interna. Si se cumplen los supuestos, MC2E es un estimador con buena validez interna (es consistente) respecto de los efectos causales en el grupo de compliers. Si tiene validez externa o no, nuevamente depen- derá del contexto. Puede ocurrir que el impacto sobre compliers pueda ser distinto al efecto sobre always o never takers. Por otro lado, dependerá del contexto también si la estimación de MC2E hecha sobre la base de una muestra en particular pueda ser representativa de los efectos sobre otras muestras. 4
Compartir