Documente Academic
Documente Profesional
Documente Cultură
Histograma pscore
0 1
6
4
Density
2
0
0 .2 .4 .6 0 .2 .4 .6
Pr(D)
Graphs by D
0 .2 .4 .6
Pr(d)
Density
kdensity pscore
4
3
Density
2 1
0
0 .2 .4 .6
Pr(d)
kernel = epanechnikov, bandwidth = 0.0379
0 .2 .4 .6
Pr(d)
Density
kdensity pscore
0 .2 .4 .6
Pr(d)
kernel = epanechnikov, bandwidth = 0.0373
Propensity Score
4
3
Densidad
2 1
0
0 .2 .4 .6
Probabilidad de ser tratado
Participante=1 No participante=0
En definitiva lo que hemos hecho en este apartado ha sido estimar una serie de
probabilidades para cada individuo tanto tratado como de control, con las cuales, luego de
un proceso de inspección visual procederemos a fijar un las condiciones de
emparejamiento.
2. SOPORTE COMUN
Esto quiere decir que, no serán tenidas en cuenta probabilidades del grupo de tratamiento
que superen la máxima probabilidad del grupo de control 0,5730.
Ni probabilidades del grupo de control inferiores a la mínima probabilidad del grupo de
tratamiento 0,066.
Dando como resultado que se excluirán 12 observaciones para el emparejamiento.
GRAFICAMENTE:
0 1
4
3
Density
2
1
0
0 .2 .4 .6 0 .2 .4 .6
pscore_sc
Graphs by D
0 .2 .4 .6
pscore_sc
Density
kdensity pscore_sc
0 .2 .4 .6
pscore_sc
kernel = epanechnikov, bandwidth = 0.0383
.1 .2 .3 .4 .5 .6
pscore_sc
Density
kdensity pscore_sc
0 .2 .4 .6
pscore_sc
kernel = epanechnikov, bandwidth = 0.0358
Distribución de probabilidades del soporte común para control usando estimación de kernel
epanechikov.
Propensity Score con Soporte Com
4
3
Densidad
2
1
0
0 .2 .4 .6
Probabilidad de ser tratado
Participante=1 No participante=0
Esta estimación consiste en tomar del grupo de control la probabilidad más cercana a cada
individuo que se encuentre en el grupo de tratamiento, los resultados obtenidos con cada
individuo de tratamiento y su vecino de control se computa la diferencia entre la variable de
resultado de los individuos de tratamiento y la variable de resultado de los individuos de
control y obtenemos el impacto, en este caso con 1 vecino, tenemos un impacto de 0,105
con unos errores estándar de 0,086
Estimación 3 vecinos:
Esta estimación consiste en tomar del grupo de control 3 de la probabilidades más cercana a
cada individuo que se encuentre en el grupo de tratamiento, los resultados obtenidos con
cada individuo de tratamiento y su vecino de control se computa la diferencia entre la
variable de resultado de los individuos de tratamiento y la variable de resultado de los
individuos de control y obtenemos el impacto, en este caso con 3 vecino, tenemos un
impacto de 0,128 con unos errores estándar de 0,069
Soporte común con trimming 10 para 1 vecino:
Buscando calcular los errores estándar y el intervalo de confianza de nuestro método con
kernel, hemos obtenido unos errores estándar de 0,064 y un intervalo de confianza de
-0,324 a 0.220
Emparejamiento por kernel soporte común y trimming
Tenemos por último que, mediante el bootstrapping que lo que haces es hacer repeticiones
en base a unas submuestras de nuestras observaciones, resultando en que, luego de 50
repeticiones, nuestro método de emparejamiento ha obtenido unos errores estándar de 0,060
y unos intervalos de confianza de 0.104756 a 0.2464561.
Como conclusión tenemos:
El psm es un modelo de oportunismo que, trabaja bajo el supuesto de que todo lo que
influye en la participación o no de un programa depende de variables observadas que
pueden medirse y por ende estimarse, en base a ello, contamos con una serie de métodos de
emparejamiento que, nos permiten contar con la consistencia deseada dada las variables
trabajadas.
Es un modelo que en sus estimaciones se basa en un trade-off entre varianza y sesgo para
estimar, está a consideración de investigador cuanto sesgo y varianza está dispuesto a
tolerar en su modelo.
En nuestros modelos estimados observamos unos impactos de: 0,105-0,128-0,106-0,132-
0,147-0,939-0,128, teniendo que, bajo alta exigencia podríamos tratar de ajustar nuestras
variables para obtener unos estimativos más convergentes, pero, bajo una exigencia
moderada o académica, se considera que las diferencias entre los impactos estimado
permite ser indiferente respecto a que método de emparejamiento escoger, mientras que,
respecto al impacto del servicio publico de empleo en la posibilidad de obtener uno, este
aumenta la posibilidad entre un 9,3% y un 14,7%
Evaluacion de impactos: