Documente Academic
Documente Profesional
Documente Cultură
MATCHING
Exogeneidad, matching y regresión múltiple:
(Y1 ,Y0 | X ) D
62
E (Y1 | D 1, X ) E (Y1 | X ) E (Y | D 1, X )
E (Y0 | D 0, X ) E (Y0 | X ) E (Y | D 0, X )
O, lo que es lo mismo:
ATE E (Y | D 1, X ) E (Y | D 0, X ) d F ( X )
63
1
10/05/2017
64
Y D X DX
ATE E (X )
Y, si lo queremos sólo sobre los tratados:
ATT E ( X | D 1)
El hecho de haber estimado los parámetros δ y β nos permite calcular αATE y
αATT para otras muestras
65
2
10/05/2017
66
67
3
10/05/2017
Y0 E (Y | D 0) Y1 E (Y | D 1)
68
69
4
10/05/2017
70
5
10/05/2017
Imputación de resultados
• Tenemos J grupos de individuos, y dentro de cada grupo hay tratados y
controles
• El efecto medio del tratamiento que estimamos usando características
es:
J
Nj
ATE (Y1 Y0 )
j j
j 1 N
Y la estimación del efecto medio sobre los tratados sería:
J
N1j
ATT (Y1 Y0 )
j j
j 1 N1
72
Imputación de resultados
En realidad, lo que queremos estimar es:
6
10/05/2017
74
Kernel
Una generalización del caso discreto anterior es:
1
j (i )
Yo (x x j )Yk
( xk x j )
k
k D 0
kD 0
1 si xk = xj
donde ( xk x j )
0 si xk ≠ xj
75
7
10/05/2017
Kernel
Un Kernel es lo mismo, pero con otra ponderación no tan extrema,
que debe ser mayor para los individuos más parecidos y menor
para los menos parecidos. Es como una función de densidad con
media xi, en vez de densidad da una ponderación
γ es el “ancho de banda”, desviación típica: cuanto menor sea, más
comprimida la distribución (cuanto mayor sea la muestra, menor
será γ)
xk x j
j (i )
Y K(
k D 0
k
)
Y
xk x j
0
K(
k D 0
)
76
77
8
10/05/2017
Propensity score
Definición: propensity score es la probabilidad de un individuo de
recibir tratamiento, dadas sus características:
( x) Pr(D 1 | X x)
78
Propensity score
Teniendo el propensity score, se utiliza como característica única para estimar
el efecto medio del tratamiento (efecto causal) para cada valor del ps:
E Y1 Y0 | ( x) E (Y | D 1, ( x) ) E (Y | D 0, ( x) )
79
9
10/05/2017
80
81
10
10/05/2017
82
83
11
10/05/2017
84
85
12