Rafael Terra
Universidade de Braslia-Unb
08 de Novembro, 2015
Wi = 1{Xi c} (2)
Esse efeito pode ser interpretado como o efeito causal medio no ponto de
descontinuidade
SRD = E [Yi (1) Yi (0)|Xi = c] (4)
E [Y |X = x] =E [Y |W = 0, X = x] Pr (W = 0|X = x)
(5)
+ E [Y |W = 1, X = x] Pr (W = 1|X = x)
Na figura 2, a linha s
olida (esperanca condicional do resultado observado)
apresenta um salto em x = c = 6.
No entanto, essa hipotese nao pode ser explorada diretamente, por falta de
sobreposicao, i.e.
S
o precisamos requerer continuidade em x = c.
De forma similar
E [Y (1)|X = c] = lim E [Y (1)|X = x] = lim E [Y (1)|W = 1, X = x] =
xc xc
(11)
lim E [Y |X = x]
xc
limxc E [Y |X = x] limxc E [Y |X = x]
FRD =
limxc E [W |X = x] limxc E [W |X = x] (19)
= E [Yi (1) Yi (0)|complier, Xi = c]
limxc E [Y |X = x] limxc E [Y |X = x]
FRD =
limxc E [W |X = x] limxc E [W |X = x] (20)
= E [Yi (1) Yi (0)|complier, Xi = c]
A hip
otese de unconfoundedness assume que as diferencas em Y entre
tratados e controles com X = c podem ser interpretadas como efeitos
causais medios.
Portanto, dado
poderamos estimar
Essa hip
otese nao permite explorar o salto na probabilidade de designacao
do tratamento no ponto de descontinuidade.
Os desenhos SRD e FRD, na melhor das hip oteses, proveem uma estimativa
do efeito medio para uma subpopulacao, marcadamente aquela com
covariada igual a Xi = c.
O desenho FRD restringe ainda mais a analise, pois s
o e valido para a
subpopulacao de compliers.
Sem fortes hip
oteses para justificar a extrapolacao para outras
subpopulac
oes (e.g. homogeneidade do efeito do tratamento), os desenhos
nunca permitirao ao pesquisador estimar o efeito medio total do tratamento.
A vantagem dos desenhos do tipo RDD comparativamente `a outros metodos
nao experimentais e que aqueles tem maior validade interna. Por outro lado,
tem menor validade externa.
bk = c (K0 k + 1) h (23)
O n
umero de observac
oes em cada bin e dado por:
N
X
Nk = 1{bk < Xi bk+1 } (24)
i=1
X
min (Yi l l (Xi c))2
l ,l
i:ch<Xi <c
e (27)
X
min (Yi r r (Xi c))2
r ,r
i:cXi <c+h
bl + bl (c c) =
bl (c) = bl (28)
br + br (c c) =
br (c) = br (29)
br
SRD = bl (30)
Mas a unica vantagem em usar esses pesos mais sofisticados que o peso
retangular constante (Kh = 12 u) e quando nao sabemos qual e a melhor
largura de banda e os resultados sao muito sensveis `a escolha da largura h
da banda .
e (34)
X
2
(b
yr , byr ) = arg min (Yi yr yr (Xi c))
yr ,yr
i:cXi c+h
byr
com isso obtemos by = byl .
Em seguida estimamos:
X
(b
wl , bwl ) = arg min (Wi wl wl (Xi c))2
wl ,wl
i:chXi <c
e (35)
X
2
(b
wr , bwr ) = arg min (Wi wr wr (Xi c))
wr ,wr
i:cXi c+h
bwr
com isso obtemos bw = bwl .
O efeito do tratamento e dado por
by byr
byl
bFRD = = (36)
bw bwr
bwl
Podemos usar diferentes tamanhos de h para (34) e (36), mas vamos supor
que h e igual em ambos os casos. Esse problema pode ser escrito como um
problema de Mnimos Quadrados em Dois Estagios (Variaveis
Instrumentais). Defina:
1 yl
Vi = 1{Xi < c} (Xi c) e = yl
1{Xi c} (Xi c) yr
Podemos entao escrever
0
Yi = Vi + Wi + i (37)
Procedimento de Cross-validation
Rafael Terra (Unb) Econometria do Setor P
ublico 08 de Novembro, 2015 43 / 47
Escolha da amplitude da banda (bandwith): FRD
CV (c, hj ) = min(arg min CVY (h), arg min CVW (h)) (39)
h h
A variancia assint
otica e dada por
1 y2 y
Avar(b
) = 2
V y
+ 4
Vw 2 3 CY ,W (40)
w w w