Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Power analysis ▶ El power es la probabilidad de rechazar correctamente H0 ▶ Test de significatividad: H0 : βj = 0 ▶ ¿Por qué podemos encontrar que nuestro tratamiento no es significativo? ▶ No tuvo un efecto real ▶ No tenemos suficientes datos para encontrar ese efecto 2 4 / 3 5 1 ¿Es real que no es significativo o mi estimación es muy imprecisa? Si lo estimo con un IC mas preciso -2- (mas angosto), puede ser significativa. La idea del power es tener en cuenta estos problemas. Si decimos que algo no es significativo debemos procurar que el IC sea el menor posible para que el efecto nulo sea más creíble. + observaciones --> estimación + precisa --> achicar IC Power analysis Figure 3: Miller et al (2021) 25 / 35 Power analysis Figure 4: White y Raitzer (2017) 26 / 35 Power analysis ▶ Un nivel de significatividad del 5% protege del Error de Tipo 1 ▶ 5% probabilidad de rechazar incorrectamente H0 ▶ ¿Qué hacemos con Error de Tipo II? ▶ Trade off entre ETI y ETII ▶ Aumentar el tamaño de la muestra ▶ Una probabilidad de 20% de cometer un ETII se considera aceptable. Equivalente a un power de 80% 27 / 35 Cálculo del power ▶ Minimum effect size (MES): cuál es el tamaño de un efecto que nuestro estudio es capaz de encontrar ▶ Mientras más chico sea un efecto (cierto), más observaciones necesitamos para detectar que es significativamente distinto de 0 ▶ ¿Cómo determinamos el MES? ▶ Literatura y conocimiento previo ▶ ¿Qué tamaño de efecto nos interesa? 28 / 35 Cálculo del power ▶ MES = ( tα/2 + t1−β ) σy √ 1 P(1−P)n ▶ n = (tα/2+t1−β) 2 σ2y MES2P(1−P) ▶ donde: t estad́ısticos para un nivel de significatividad (α), el nivel del power (1− β), error estándar del outcome (σ2y ), la proporción de la muestra en el grupo tratado (P), y el tamaño de la muestra (n) 29 / 35 Cálculo del power ▶ Algunas conclusiones: ▶ A medida que aumenta n, disminuye MES ▶ Un MES muy alto sin muestra suficiente, underpowered ▶ El MES es ḿınimo cuando tenemos el mismo número de observaciones en el tratamiento y en el control ▶ Estimar σ2y con información disponible ▶ Los estudios con tratamientos clustereados requieren más observaciones para el mismo nivel de power (White y Raitzer, 2017) 30 / 35 Power analysis Figure 5: White y Raitzer (2017) 31 / 35 Cálculo del power ▶ En śıntesis: el power es la probabilidad de concluir que un efecto es significativo cuando realmente lo es. Convención del 80% ▶ ¿Cómo calcularlo para mi experimento? ▶ Rule of thumb: tamaño de cada grupo es n = 16/MES2. Un MES de 0.1, n=1,600 para cada grupo ▶ Optimal Design, paquetes en Stata y R, Excel Power Calculator ▶ ¿Es un problema en ciencias sociales? ▶ Ioannidis et al (2017): El power mediano en publicaciones en econoḿıa es 18% ▶ Arel-Bundock et al (2022): El power mediano en publicaciones de ciencia poĺıtica es 10% 32 / 35 Distintos efectos causales ▶ Average treatment effect (ATE): efecto del tratamiento para todos los individuos ▶ Dupas (2011). ▶ SUTVA, randomización, perfect compliance, no attrition ▶ Intetion to treat (ITT): efecto de la asignación al tratamiento para todos los individuos ▶ Cruces et al (2020), no sabemos quiénes recibieron los mensajes y quiénes no ▶ Perfect compliance: ATE = ITT ▶ Local average treatment effect (LATE): efecto del tratamiento para los compliers ▶ Galiani et al (2011), efecto para quienes hicieron el servicio militar si sorteados y no lo hicieron si no sorteados ▶ Perfect compliance: ATE = LATE 33 / 35 Power analysis Efectos causales
Compartir