Proyectos de investigación

Durante el primer año, he estado trabajando en dos proyectos en curso que desarrollan las ideas apuntadas en la propuesta inicial. El primero se titula “Estimadores lineales para modelos causales de panel con exogeneidad secuencial”. Este artículo se centra en el modelo lineal de efectos fijos bidireccionales con un diseño de adopción escalonada. Este escenario ha sido ampliamente analizado en los últimos cinco años; sin embargo, los estudios anteriores se han centrado en el caso de exogeneidad estricta. Comienzo mostrando resultados de identificación tanto negativos como positivos. Primero, demuestro que los estimadores lineales que se han utilizado ampliamente en la literatura reciente sobre modelos causales de panel no logran identificar un efecto con sentido en un modelo sin restricciones en la heterogeneidad de los efectos del tratamiento. Este resultado contrasta fuertemente con lo que ocurre en los modelos lineales estrictamente exógenos. En segundo lugar, muestro que este resultado negativo se puede mitigar utilizando un supuesto de diseño adicional: la presencia de un grupo de control que no recibe tratamiento por razones conocidas ex-ante. Cuando ese grupo está disponible, se puede utilizar cierto tipo de estimador lineal para identificar los efectos del tratamiento. Presentaré este trabajo en el seminario de inferencia causal de la Universidad de Stanford en el trimestre de primavera, y actualmente estoy trabajando en el primer borrador, que debería estar disponible en los próximos dos meses.

En el segundo proyecto, en colaboración con David Hirshberg y denominado “Inferencia basada en la aleatorización para estimadores de control sintético”, analizamos las propiedades del estimador de diferencias en diferencias sintéticas (SDID) en modelos con exogeneidad secuencial. Proporcionamos dos conjuntos de resultados. Primero, utilizando la conexión entre los métodos de control sintético y los estimadores de equilibrio, demostramos que en los modelos sin heterogeneidad inobservable, SDID es consistente y asintóticamente normal bajo supuestos de diseño débiles. En segundo lugar, mostramos que en presencia de heterogeneidad inobservable, el estimador es en general inconsistente, incluso cuando el número de períodos es grande. Proporcionamos un remedio simple que garantiza buenas propiedades estadísticas. Este trabajo ya ha sido presentado dos veces: en la 43 Reunión de la Sociedad Brasileña de Econometría (9 de diciembre de 2021) y en el seminario conjunto PSE-CREST (31 de enero de 2022). He sido invitado a presentar este trabajo en la conferencia de control sintético en la Universidad de Princeton el próximo mes de junio. Esperamos tener un primer borrador disponible para fines del trimestre de primavera.