Saltar navegación. Ir directamente al contenido principal

Sección de idiomas

ES

Fin de la sección de idiomas

Acceso / Registro

Sección de utilidades

Fin de la sección de utilidades

MENÚ

Proyectos de investigación

Comienza el contenido principal

Modelos de panel causales con exogeneidad secuencial: un enfoque de contrapesos

XIX Concurso Nacional para la Adjudicación de Ayudas a la Investigación en Ciencias Sociales (Convocatoria 2020)

Análisis Económico

Investigador Principal: Dmitry Arkhangelskiy

Centro de investigación o Institución: Fundación Centro de Estudios Monetarios y Financieros (CEMFI)

Sinopsis

Este proyecto se centra en la estimación de efectos causales con datos de panel, bajo el supuesto de exogeneidad secuencial. La noción de exogeneidad secuencial, en general, se ignora en los artículos aplicados que estiman efectos de tratamientos, a pesar de ser un concepto econométrico bien conocido y ampliamente reconocido. Por el contrario, la mayor parte del trabajo empírico se lleva a cabo bajo un supuesto más restrictivo (y a menudo implícito) de exogeneidad estricta. Por ejemplo, esto es así siempre que los efectos de las políticas se estiman por mínimos cuadrados ordinarios (MCO) con efectos fijos.

El objetivo principal de este proyecto es proporcionar una alternativa flexible a MCO y mostrar que la exogeneidad secuencial es un concepto natural y útil para el trabajo empírico. Para lograr este objetivo, seguimos tres pasos. En primer lugar, utilizando ideas recientes de la literatura causal, construimos un estimador flexible que se puede utilizar en lugar de MCO y ofrecemos su interpretación en un modelo causal flexible. En segundo lugar, analizamos las propiedades estadísticas de este estimador en diferentes regímenes (paneles largos y cortos) e ilustramos las principales ventajas e inconvenientes a las que se debe hacer frente. Finalmente, aplicamos el nuevo estimador a artículos empíricos publicados recientemente que utilizan un enfoque estándar de MCO para averiguar si la exogeneidad secuencial cambia los resultados de manera significativa.

  • Actividades relacionadas
  • Proyectos relacionados
  • Noticias relacionadas
  • Publicaciones relacionadas

ver todos

Fin del contenido principal