Ayudantía 10 Berni Salinas

Vista previa del material en texto

Dudas contactar a Carmen Velásquez (cvelasquezv@uc.cl) 
 
PONTIFICIA UNIVERSIDAD CATÓLICA DE CHILE 
INSTITUTO DE ECONOMÍA 
AYUDANTIA N°10 - ECONOMETRÍA 
Profesor: Juan Urquiza 
Ayudantes: Fernanda Hernández, Carmen Velásquez, Josefina Waugh 
 
Tema I: 
Usted quiere estimar el impacto de ser tratado en una clínica publica o privada. Tiene medidas 
de satisfacción de los usuarios (ݕ௜௧) en clínica ݅ en el tiempo ݐ. Para ello quiere estimar la 
siguiente regresión: 
௜௧ݕ ൌ ߙ ൅ ߚ ൈ ͳሺ݅ ൌ ሻܽ݀ܽݒ݅ݎ݌ ൅ ௜௧ǡݒ
donde ͳሺ݅ ൌ .ሻ es una dummy igual a 1 si la clínica ݅ es privada y es 0 en caso contrarioܽ݀ܽݒ݅ݎ݌
a) Empleando el modelo de resultados potenciales, explique por qué el ߚ del modelo anterior 
no refleja el impacto de cambiar a un paciente de una clínica pública a una privada. 
b) Un amigo le sugiere usar un modelo siguiente para acercarse a una estimación causal: 
௜௧ݕ ൌ ߙ ൅ ߚ ൈ ͳሺ݅ ൌ ሻܽ݀ܽݒ݅ݎ݌ ൅ ௜ߙ ൅ ௜௧ǡݑ
donde se incluyen efectos fijos por cada clínica. ¿Qué condición es necesaria para que se 
pueda estimar este modelo? Si esta condición se cumple, ¿bajo qué condición la estimación 
del parámetro ߚ admitirá una interpretación causal? 
c) Un colega quisiera saber si la clínica A es mejor que la clínica B según la evaluación de los 
pacientes. ¿Se puede comparar el efecto fijo de la clínica A con el de la clínica B para 
contestar esta pregunta? Discuta. 
d) En el Reino Unido se observa que hubo años en los cuales una clínica pasó de ser privada a 
pública, y viceversa. A continuación, se presentan las siguientes estimaciones de ߚ para 
distintas variables de resultado, donde el primer panel corresponde a un modelo con efecto 
fijo por clínica y el segundo panel corresponde a un modelo sin efecto fijo. 
 
¿Cómo se pueden interpretar los resultados? 
Dudas contactar a Carmen Velásquez (cvelasquezv@uc.cl) 
 
Tema II: 
En EE. UU. hubo mucho debate sobre el impacto de facilitar el acceso a la píldora del día después 
(llamada de manera formal anticonceptivo de emergencia, o EC según su abreviación en inglés) 
una vez que se aprobó su uso. Suponga que desea evaluar el impacto de legislaciones que 
hicieron más fácil su acceso. Para eso, dispone de un panel de datos trimestrales para cada 
estado. 
a) Varios estados implementaron cambios a su legislación en términos de la facilidad de acceso 
que se dio al EC. Explique cómo se puede usar la naturaleza de estos datos y este tipo de 
política para estimar un efecto causal de facilitar el acceso al EC. 
b) ¿Qué supuesto se tiene que hacer para que la estrategia en a) sea válida? ¿Cómo se puede 
evaluar esto formalmente? 
c) Considere ahora el siguiente modelo: 
௦௧ݕ ൌ ෍ ௭ߚ ൈ ௦ݏݏ݁ܿܿܣ ൈ ͳሺݐ ൌ ሻݖ
௭
௭ୀିସ
൅ ௦ߠ ൅ ௧ߜ ൅ ௦௧ݑ ǡ 
donde ݏݏ݁ܿܿܣ es una dummy igual a 1 si el estado aprobó una ley que facilitó el acceso al 
EC y es 0 si nunca lo hizo, ݖ mide el tiempo en trimestres respecto del cambio de ley, y ͳሺݐ ൌ
ݐ y es 0 en caso contrario. Nótese que ݖ es igual a ݐ ሻ es una dummy igual a 1 siݖ ൌ Ͳ 
corresponde al momento en que se cambió la ley, ݐ ൐ Ͳ son los trimestres posteriores al 
cambio de ley, y ݐ ൏ Ͳ son los trimestres anteriores al cambio de ley. Finalmente, ߠ௦ es un 
efecto fijo por cada estado y ߜ௧ es un efecto fijo por cada período. 
 
Se encuentran los siguientes ߚ௭෢: 
 
 
Las líneas grises representan el intervalo de confianza de 95% de cada ߚ௭. ¿Qué se concluye 
sobre la validez de la estrategia empírica? ¿Qué se concluye sobre el impacto de facilitar el 
acceso al EC sobre el número de nacimientos? 
Dudas contactar a Carmen Velásquez (cvelasquezv@uc.cl) 
 
 
d) En el estado de NJ se implementó una legislación que obligó a los hospitales a entregar EC 
si una mujer llegaba a la urgencia diciendo que había sido victima de una violación. Usted 
obtiene el número de visitas relacionadas a EC (en azul) y las otras (en rojo), donde se 
observa el siguiente patrón: 
 
 
 
¿Sugiere este grafico que se podría usar el método de las diferencias-en-diferencias aquí? 
En caso de que su respuesta sea afirmativa, indique cuál sería el resultado de aplicar dicho 
método. 
e) Debido a que en muchos estados el acceso a EC en la urgencia era solamente cuando se 
indicaba una violación, se quiere evaluar si permitir la distribución de EC en farmacias 
modifica la probabilidad de hacer una denuncia formal ante las autoridades. Considere los 
siguientes resultados: 
 
¿A qué conclusiones llegamos mirando las columnas (1) y (2)? ¿Por qué se estiman también 
las columnas (3) y (4)? Explique. 
Para que el efecto sea causal la única diferencia debe ser efectivamente si la clinica es privada o pública 
Si las clínicas privadas fueran públicas igual no
tendrían el mismo resultado que las públicas 
Para que se pueda estimar el modelo, necesitamos que haya: clínicas que pasen de ser privadas a 
públicas o viceversa.
El cambio debe ser exógeno. Si tenemos tales clínicas, Beta será causal si las clínicas que se cambian no lo hacen en un 
momento del tiempo donde justamente estén empeorando o mejorando (hecho de ser privada no correlaciones con uit.
Se puede, pero se necesita un T grande para que la estimación de los efectos fijos sea consistente. De lo contrario se 
complicaría su uso para hacer inferencia.
Esto lo que demuestra es que si el modelo con efecto fijo y sin efecto 
fijo arrojan resultados diferentes, efectivamente hay un sesgo de 
selección 
Ese p no va a capturer el Mero heCho de que sea privada , hay otros factores
se necesita que la Unica diterencia sea que es publica
ElYprivada privadat
- Elypublica publica) t Elypublica privada ) - Ely publica publica)
Efecto causal ( ATT ) sesgo de selection
etecto que queremos
estimar
atectun a Yity no cambian en el tiempo
superarelsesgo !
para que se wMpla el supuesto de media conditional nula . Clu
it / Yit 1=0
Es dear , Adentro de Cada i no hay sesgo de selection
1-grande dans de panel
necesitamos una Serie larga de datos
* todas las variables son significatives en el Modelo sin etectos tips , en Cambio
en el Con solo una lo es ly es negative/
Ios etectostijosañaden un control , que sirue para corregir el sesgo de selection
Usando el modelo de diff - and - diff
Esto podría modelarse de la siguiente modelo
donde post es una dummy que toma el valor de 1 en el período t posterior a la ley, y acces 
es una dummy que indica si la ley aprobó la ley en algún momento.
El supuesto de “tendencias paralelas”
Que los estados que la aprobaron, si no lo hubieran hecho, habrían evolucionado de igual 
manera en el tiempo que aquellos que no la aprobaron
podemos ver si se cumple en períodos anteriores a la 
aprobación a la ley
Dado que en los períodos anteriores a la ley, los Betas no son significativamente distintos de 0, supuesto de tendencias paralelas se cumple.
Por su parte, dado que ninguno de los coeficientes correspondientes a los períodos 0-4 es significativo, no se encuentra evidencia a favor de un mayor acceso 
al EC disminuya los nacimientos.
Tst = Y . Postt t 8 - Accesss 1-B - (Postt ' Accesss) t Ust
l
Se ve que antes del cambio de ley, las dos curvas se movían de manera similar hasta el período justo antes donde la curva azul es mucho 
menor a la roja. Esto sugiere que se podría usar el método de Diff-and-Diff —> cumple supuesto de tendencias paralelas.
Dado que después del cambio, la diferencia entre la azul y roja se agranda, esto implicaría que la ley aumentó las visitas para obtener EC en 
comparación a las visitas por otros motivos.
Al tener mayor acceso a EC vía farmacias, disminuyen las acusaciones de agresiones sexuales.
Columnas (3) y (4) —> sirven de placebo: ayudan a ver que no cambian las denuncias por otros tipos de crimen (asaltos) 
que no tienen nada que ver con el acceso a EC