inferencia causal y diseños experimentales · con el modelo anterior se computar una probabilidad...
TRANSCRIPT
TRADUCIENDO LA INVESTIGACIÓN EN ACCIÓN
Inferencia Causal y Diseños Experimentales
Ryan Cooper
J-PAL Latinoamérica y el Caribe
povertyactionlab.org
1. Problema de Atribución Causal
2. Qué es una Evaluación Experimental
3. ¿Ética? Ejemplo Evaluación UTPMP
4. Cómo realizar una evaluación experimental
2
Inferencia Causal y Eval Experimental
2
• Ciencias Sociales buscan medir: CAUSA-EFECTO.
• Ej: Cura de enfermedad / aumentar productividad laboral
• Preguntas de política pública => RELACIONES CAUSALES.
4
Relaciones Causales
4
• Ejemplos de preguntas causales en Ciencias Sociales:
¿Cuál es el Efecto de(l):
1. Transferencias condicionadas en educación
2. La provisión de agua potable en reducción mort infantil
3. tamaño de la clase (n° alumnos) en la rendimineto niños
4. encarcelamiento en la reincidencia criminal
5
Preguntas causales
5
• Ejemplo 1: Alumno con bajas calificaciones. Causa: pocas horas de estudio?
-Otros factores? Circunstancias particulares que llevaron a mala performance; desmotivación por bajas notas anteriores a pesar de haber estudiado mucho…
• Ejemplo 2: Paciente con enfermedades respiratorias. Causa: fumar?
- Otros factores? Vida sedentaria; antecedentes familiares…
En general podemos asociar un presunto efecto a múltiples causas. ¿Cómo Atribuir Causalidad?
6
Problema de Atribuir Causalidad
6
Complejidad de medición causal
Tipo Colegio Simce
Aporte Padres
Educación Padres Ingresos
Repitencia
Pre-Básica
NO OBSERVABLES
-0.2
6.8
7.4
13.4
8.1
16.6
18.2
• Condiciones Atribuir Causalidad (John Stuart Mill):
• A es la presunta causa del efecto B si:
1. A sucede antes que B.
2. Variación en A => consecuente variaciones en B.
3. No hay otra explicación a efecto B, que la causa A.
En esta clase ¿qué método nos asegura las 3 condiciones?
8
Problema de Atribuir Causalidad
8
• Analizar CAUSALIDAD es contestar la pregunta:
¿qué hubiera pasado si las unidades bajo “Tratamiento” no lo hubieran recibido?
Se requiere estimar el contrafactual.
10
Problema de Atribuir Causalidad
10
• El Problema Fundamental de la Inferencia Causal es que el contrafactual no es observable.
– Ej. ¿resultado niño de clase pequeña SI HUBIESE ido a una
clase con más alumnos? – Notar: es “el mismo niño” el que debemos observar.
Problema de Atribuir Causalidad
iii YY 01
El problema es que es imposible observar y simultáneamente.
10 días de enfermedad 30 días de enfermedad
Impacto de 20 días de enfermedad.
iii YY 01
Problema de Atribución
10 días de enfermedad 30 días de enfermedad
¿Impacto de 20 días de enfermedad?
¿Qué ocurre en la realidad?
ESTE RESULTADO NO SERÍA CONFIABLE!!!!!
Problema de Atribución
BUENA NOTICIA!? • Es posible estimar EFECTO PROMEDIO.
• Resultado promedio: GRUPOS T y C.
• El GRUPO de CONTROL busca recrear • El RESULTADO O ESCENARIO CONTRAFACTUAL.
14
Problema de Atribuir Causalidad
14
10 días de enfermedad - 30 días de enfermedad
Impacto Promedio de 20 días de salud.
G1
G2
(promedio) (promedio)
)1/( 1 ii TYE - )0/( 0 ii TYE
Solución
• Un buen contrafactual:
• Grupo de C igual en promedio a grupo de T:
• Esto incluye: – Características observables y medibles. – Características NO observables y NO medibles.
• Única diferencia entre T y C debería ser la intervención.
16
Importancia del Grupo Control
16
• Individuos toman decisiones y eligen bs y servicios. • Gobiernos y ONGs seleccionan a personas. • Quienes deciden por A o B, generalmente diferentes. • Seleccionados vs. No seleccionados no son iguales.
• Ej. : ¿Por qué una empresa solicita un crédito?
– Problemas económicos… – Buenas expectativas…
• Ej2: comparar encarcelados y no encarcelados • ¿que nos llevaría a concluir?
Problema de Selección
22
Todos los métodos buscan lo mismo:
1. Estimar qué hubiera pasado sin programa
2. Creación de Grupo de comparación o de control.
3. Estimar diferencia entre grupo control y tratamiento.
Principal diferencia: cómo recrean el contrafactual.
25
Métodos de Evaluación de Impacto
25
1. Evaluaciones Experimentales: • Se asignan unidades al programa aleatoriamente (al azar).
• En probabilidad las unidades de ambos grupos son iguales.
• Estudios Prospectivos.
2. Estudios Observacionales o Cuasi-Experimentales: • Asignación del programa NO es por sorteo. • Diferentes métodos para elegir grupo comparación.
• Generalmente Estudios Retrospectivos.
26
Métodos de Evaluación de impacto
Diferentes Definiciones
Evaluación Aleatoria
Evaluación Aleatorizada
Evaluación Experimental
Estudio Controlado Aleatorio
RCT
Experimento Aleatorio
28
¿Qué es una evaluación aleatoria?
Evaluación donde el programa se asignan aleatoriamente.
Grupo de tratamiento – se le ofrece programa
Grupo de control – no recibe progrma
29
Método experimental
El ÚNICO MÉTODO que garantiza tener grupos comparables y estimada contrafactual es la asignación aleatoria (Estudios Experimentales).
30
Ejemplo Cuasi Experimental
Cuando la asignación de un tratamiento no es aleatoria el
problema de identificación se hace realmente relevante.
)0()0/()1()1/(
)0()0/()1()1/(
00
11
iiiiii
iiiiii
TpTYETpTYE
TpTYETpTYE
No conozco
No conozco Conozco
Conozco
Tratados No Tratados
Ejemplo Cuasi Experimental
Cuando la asignación de un tratamiento no es aleatoria el
problema de identificación se hace realmente relevante.
)0()0/()1()1/(
)0()0/()1()1/(
00
11
iiiiii
iiiiii
TpTYETpTYE
TpTYETpTYE
No conozco
No conozco Conozco
Conozco
Tratados No Tratados
Ejemplo Cuasi Experimental
¿Cómo estimo ?
Lo puedo estimar mediante la técnica de Matching o Pareamiento
Grupo Tratado Población No Tratada
1/0 DYE i
Ejemplo Cuasi Experimental
)/()/1(Pr)( iiiii XDEXDobXp
iiiii XXXXp 3423121)(
Con el modelo anterior se computar una
probabilidad para cada individuo del
grupo de tratamiento y de control. Luego
se hace el matching:
0.75
0.8
0.82
0.53
0.61
0.54
0.53
0.22
0.4
0.1
0.54
0.8
0.73
0.24
0.31
0.14 0.09
0.61 0.80
- - - - -
-
= = = = = =
10
20
15
29
16
27
IMPACTO PROMEDIO = 19,5
Pasos claves para realizar un experimento
37
1. Lin
ea de
base
2. DIVISION ALEATORIA
2. INTERVENCIÓN 4
. Med
ición
final
POBLACIÓN META
3. STATUS QUO
The Model
www.untechoparamipais.org
Construcción masiva de
viviendas mínimas Habilitación social Vivienda
definitiva
Costa Rica
El Salvador
Guatemala
Ecuador
Nicaragua
Rep. Dominicana
Argentina
Uruguay
Colombia
Paraguay
Perú
Brasil
México
Chile
474
1437
84
201
39
9
928
1283
1141
82
2897
185
753
32618
5
Total Houses Built: 42.136
La Casa
o 18 m2
o Madera o aluminio
o Piso levantado del suelo
o Protección del clima
o Mejor ventilación
o Se construye en 1-2 días / 6-12 voluntarios
o Cost o de materiales: US$ 1000
o Beneficiarios contribuyen el 10%
www.untechoparamipais.org
Focalización: “Llegar a Pobres de los Pobres”
Evaluación: “Entregar casas
por sorteo”
Desafío Inicial
Selección de Beneficiarios
www.untechoparamipais.org
Peras con Manzanas Focalización relativamente débil
Manzanas con Manzanas Mejor focalización
Asignar aleatoriamente a tratamiento y control es para evitar sezgos de selección
Muestreo aleatorio vs. Asignación aleatoria
52
Muestreo aleatorio vs. Asignación aleatoria
Población Muestra
Grupo Control
Grupo Tratamiento
Aleatorización Aleatorización
1 ra Etapa:
Asegura que el resultado de
la muestra va a representar el
resultado de la población,
dado un nivel de error de
muestreo
Validez Externa
2 da Etapa:
Asegura que el efecto
observado en la variable de
resultado se debe a algún
aspecto del Tratamiento y
no a otros factores
Validez Interna
53
Población
Elegible
Unidad de aleatorización: ¿unidades agrupadas?
“Grupos de personas”: Estudio aleatorio en unidades agrupadas 56
1. Método de exceso de demanda (lotería)
2. Método de Introducción Progresiva:
3. Aleatorización en punto de corte (o en la burbuja)
4. Aleatorización por sub-grupos
Estrategias de aleatorización
61
• Si no es posible tener una lista podemos usar otros métodos menos rigurosos como: – Sacar papeles de una urna – Usar la primera letra del nombre
• Siempre verifique que el resultado final parezca
aleatorio (e.g. pruebas de medias o de distribuciones entre los grupos). – Estratificación
Asignación aleatoria en la práctica
63
• A veces la pregunta central es decidir entre diferentes intervenciones posibles.
65
Tratamientos múltiples
• ¿Cuáles son los mecanismos relevantes?
• ¿Cuál es la combinación más económica?
• Puede ser clave para la definición de políticas.
• Una forma de definir los distintos tratamientos es separando los componentes de un programa, y estableciendo diferentes combinaciones.
• ¿Cuál es la combinación más económica?
• Ventaja: situación gana-gana para operaciones, pueden ser útiles para responder preguntas más allá del simple “impacto”.
Tratamientos múltiples
67
• En un programa de capacitación laboral, un grupo recibo el “tratamiento” completo: capacitación en aulas y pasantías.
• A otro grupo sólo se les da la capacitación en las
aulas.
• Otro grupo sólo recibe la pasantía.
• Además de medir impacto, nos ayuda a identificar mecanismos.
Tratamientos Múltiples
68
• Realizar aleatorización por sub grupos.
• Notas:
• Estratificar en variables que podrían tener un impacto.
• Estratificar en subgrupos que le interesan
70
Estratificación
1. Problema de Atribución Causal
2. Qué es una evaluación Experimental
3. ¿Ética? Ejemplo Evaluación UTPMP
4. Cómo realizar una evaluación experimental
72
Inferencia Causal y Eval Experimental
72