El contenido de este sitio se ha traducido mediante inteligencia artificial (IA) o tecnología de traducción automática, y puede contener errores.

Skip to content

Descomposición e interpretación de los efectos del tratamiento en entornos con resultados diferidos

View Publication

Author

Steve McBride (Roblox), Federico A. Bugni (Universidad Northwestern), Ivan A. Canay (Universidad Northwestern)

Venue

Revista de Economía Política

Abstract

Este artículo estudia los entornos en los que el analista está interesado en identificar y estimar el efecto causal medio de un tratamiento binario sobre un resultado. Consideramos un escenario en el que la materialización del resultado no se produce inmediatamente tras la asignación del tratamiento, una característica omnipresente en los entornos empíricos. El periodo entre el tratamiento y la materialización del resultado permite que se produzcan otras acciones observadas que afecten al resultado. En este contexto, estudiamos varios estimandos basados en regresiones que se utilizan habitualmente en el trabajo empírico para captar el efecto medio del tratamiento y arrojar luz sobre su interpretación en términos de efectos ceteris paribus, efectos causales indirectos y términos de selección. Obtenemos tres conclusiones principales y relacionadas. En primer lugar, los tres estimandos más populares no suelen satisfacer lo que denominamos «preservación fuerte del signo», en el sentido de que estos estimandos pueden ser negativos incluso cuando el tratamiento afecta positivamente al resultado condicional a cualquier combinación posible de otras acciones. En segundo lugar, la regresión más popular que incluye las otras acciones como controles satisface la preservación fuerte del signo si y solo si estas acciones son variables binarias mutuamente excluyentes. Por último, demostramos que una regresión lineal que estratifica completamente las otras acciones conduce a estimandos que satisfacen la preservación fuerte del signo.