microeconometria: identificacion y causalidad en modelos empiricos - unmsm

1

Microeconometría: Identificación y Causalidad en Modelos Empíricos

1. Profesor:

Stanislao Maldonado, PhD(c)

Universidad de California, Berkeley.

E‐mail: [email protected] 2. Asistente de docencia

Tania Lozano

Metis Gaia E‐mail: [email protected]

3. Objetivo general y descripción básica del curso.

El objetivo general del curso es contribuir a la formación de investigadores mediante el entrenamiento

en el uso intensivo de métodos estadísticos y econométricos modernos. En ese sentido, este curso es

esencialmente metodológico y pondrá especial énfasis en el diseño de investigación y el uso de la

econometría como herramienta para testear hipótesis económicas de interés más que en la discusión de

las propiedades teóricas de estimadores. En esa dirección, los participantes del curso serán entrenados

en el uso de métodos econométricos avanzados para la identificación de efectos causales, aprenderán

como implementarlos mediante el uso de software especializado como STATA y R, y aprenderán como

relacionarlos con el diseño de una investigación especifica.

4. Duración y horario.

El curso se dictará los días sábados. El horario de clases será de 3:00 am a 6:00 pm. Las sesiones

prácticas se dictaran de 6:00 a 7:00 pm.

5. Ubicación.

La que determine la FCE‐UNMSM.

6. Público objetivo.

El curso está dirigido prioritariamente a estudiantes de último año que hayan completado los cursos de

la secuencia de econometría y se encuentren trabajando en sus proyectos de tesis.

7. Libros de texto.

Los libros de texto sugeridos son los siguientes:

Textos introductorios:

Stock, James y Mark Watson (2007). Introduction to Econometrics. Pearson/Addison Wesley. (SW)

Scott Long, J. (1997). Regression Models for Categorical and Limited Dependent Variables. Sage

Publications. (SL)

Wooldridge, Jeffrey (2009). Introductory Econometrics: A Modern Approach. Cengage Learning. (JWI)

2

Textos avanzados:

Cameron, A. Colin y Pravin Trivedi (2005). Microeconometrics. Cambridge University Press. (CT)

Wooldridge, Jeffrey (2010). Econometric Analysis of Cross‐section and Panel Data. 2nd Edition. MIT

Press. (JWII)

Lee, Myoung‐Jae (2005). Micro‐Econometrics for Policy, Program, and Treatment Effects. Oxford

University Press. (ML)

Rosenbaum, Paul (2010). The Design of Observational Studies. Springer. (PR)

Pagan, Adrian and Aman Ullah (1999). Nonparametric Econometrics. Cambridge University Press.

(PU)

Otros textos relevantes:

Angrist, Joshua and Jorn‐Steffen Pischke (2009). Mostly Harmless Econometrics: An Empiricist’s

Companion. Princeton University Press. (AP)

Morgan, Stephen and Christopher Winship (2007). Counterfactuals and Causal Inference: Methods

and Principles for Social Research. Cambridge University Press. (MW)

Shadish, William; Thomas Cook and Donald Campbell (2002). Experimental and Quasi‐Experimental

Designs for Generalized Causal Inference. Houghton Mifflin Company. (SCC)

Pearl, Judea (2000). Causality: Models, Reasoning, and Inference. Cambridge University Press. (JP)

Otras lecturas relevantes:

Angrist, Joshua and Alan Krueger (1999). “Empirical Strategies in Labor Economics”. Handbook of

Labor Economics, Vol. 3. Elsevier Science.

Reiss, Peter and Frank Wolak (2007). “Structural Econometric Modelling: Rationales and Examples

from Industrial Organization”. Handbook of Econometrics, Volume 6A. Elservier Science.

Ravallion, Martin (2008). “Evaluating Anti‐poverty Programs”. Handbook of Development Economics,

Volume 4. Elservier Science.

Heckman, James and Edward Vytlacil (2007). “Econometric Evaluation of Social Programs, Part I:

Causal Models, Structural Models and Econometric Policy Evaluation”. Handbook of Econometrics,

Vol 6B. Elservier Science.

Imbens, Guido and Jeffrey Wooldridge (2009). “Recent Developments in the Econometrics of

Program Evaluation”. Journal of Economic Literature, March 2009.

Textos para sesiones empíricas:

Baum, Cristopher (2006). An Introduction to Modern Econometrics using STATA. STATA Press.

Baum, Cristopher (2009). An Introduction to Programing in STATA. STATA Press.

Cameron, A. Colin and Pravin Trivedi (2009). Microeconometrics using STATA. STATA Press.

Kleiber, Christian and Achim Zeileis (2010). Applied Econometrics with R. Springer.

Sheater, Simon (2009). A Modern Approach to Regression with R. Springer.

Muenchen, Robert (2010). R for STATA users. Springer.

3

8. Programa

Sesión 1: Introducción a la causalidad en econometría

Sumilla:

Introducción al curso. Introducción al diseño de investigación. Enfoques causales en economía. Modelos

estructurales versus modelos de enfoques potenciales. Epistemología. Ejemplos.

Bibliografía básica:

Holland, P. W. (1986). “Statistics and Causal Inference”, Journal of the American Statistical

Association, 81, 945‐970.

Heckman, James (2000). “Causal Parameters and Policy Analysis in Economics: A Twentieth Century

Perspective”, Quarterly Journal of Economics, 115, 45‐97.

Hoover, Kevin (2006). “Causality in Economics and Econometrics”. Paper prepared for the New

Palgrave Dictionary of Economics.

CT, Chapter 2.

Bibliografia suplementaria:

Heckman, James (2005). “A Scientific Model of Causality”, Sociological Methodology, 35, 1‐150.

JP, Chapter 5.

Holmes, Thomas (2009). “Structural, Experimentalist and Descriptive Approaches to Empirical Work

in Regional Economics”. Mimeo.

Sesión 2: Diseños experimentales

Sumilla:

Experimentos y el enfoque de resultados potenciales. Problemas con experimentos. Experimentos y

regresión. Introducción a modelos de selección sobre observables.


Deaton, Angus (1997). The Analysis of Household Surveys: A Microeconomic Approach to

Development Policy. The World Bank Publications.

Duflo, Esther; Rachel Glannester and Micheal Kremer (2008). “Using Randomization in Economic

Development Research: A Toolkit”. Handbook of Development Economics, Vol. 4, Elservier Science.

Banerjee, Abhijit and Esther Duflo. “The Experimental Approach to Development Economics”. NBER

Working Paper 14467.

Freedman, David (2008). “On Regression Adjustment to Experimental Data”. Advances in Applied

Mathematics, 40, 180‐193.

Freedman, David (2006). “Statistical Models for Causation. What inferential leverage do they

provide?”. Evaluation Review, 30, 691‐713.

4

Cartwright, Nancy (2010). “What are randomized controlled trial good for?”. Philosophical Studies,

147, 59‐70.

SW, Chapter 13.

AP, Chapter 2 y 3.1‐3.2.

MW, Chapter 5.


LaLonde, Robert (1986). “Evaluating the Econometric Evaluations of Training Programs with

Experimental Data”, American Economic Review, 76, 604‐620.

Heckman, James (1995). “Assessing the Case for Social Experiments”, Journal of Economic

Perspectives, 9, 85‐110.

SSC, Chapter 1.

Bruhn, Miriam and David McKenzie (2009). “In Pursuit of Balance: Randomization in Practice in

Development Field Experiments." American Economic Journal: Applied Economics, 1, 200‐232.

Sesión 3 y 4: Revisión de econometría básica, selección sobre observables y métodos de regresión

Sumilla:

Revisión de MCO. Propiedades de estimadores MCO. Propiedades de muestra pequeña. Introducción a

la teoría de muestras grandes. Consistencia y eficiencia asintótica. Problemas con MCO. Función de

expectativas condicionadas y regresión como herramienta estadística.


JWI, chapter 4.

SW, chapters 4 y 5.

CT, Sections 4.1‐4.4.

Sesión 5 y 6: Econometría no paramétrica y métodos de emparejamiento (matching)

Sumilla:

Introducción a la econometría no paramétrica. Estimación de densidades. Sesgo y varianza. Introducción

a los métodos de emparejamiento. Métodos basados en el propensity score. Matching genético.

Coarsened exact matching. Otros métodos de emparejamiento.


AP, Chapter 3.1‐3.2.

MW, Chapter 4.

PU, Chapter 2 and 3.

Imbens, Guido (2004). “Nonparametric Estimation of Average Treatment Effects Under Exogeneity:

A Review”, Review of Economics and Statistics, 86, 4‐29.

5

Stuart, Elizabeth (2010). “Matching Methods for Causal Inference: A Review and a Look Forward”.

Statistical Science, 25, 1‐21.

Abadie, Alberto and Guido Imbens (2010). “Bias‐Corrected Matching Estimators for Average

Treatment Effects”. Journal of Business and Economic Statistics, Forthcoming.

Dehejia, Rajeev and Sadek Whaba (2002). “Propensity Score‐Matching Methods for

NonExperimental Causal Studies”. The Review of Economics and Statistics, 84, 151‐161.

Diamond, Alexis and Jasjeet Sekhon (2010). “Genetic Matching for Estimating Causal Effects: A

General Multivariate Matching Method for Achieving Balance in Observational Studies”. Mimeo,

Department of Political Science, UC Berkeley.

Iacus, Stefano; Gary King and Giuseppe Porro (2009). “Causal Inference Without Balance Checking:

Coarsened Exact Matching”. Mimeo. Harvard University.


Dehejia, Rajeev and Sadek Wahba (1999). “Causal Effects in Non‐Experimental Studies: Reevaluating

the Evaluation of Training Programs”, Journal of the American Statistical Association, 94, 1053‐1062.

Smith, Jeffrey and Petra Todd (2005). “Does Matching Overcome LaLonde’s Critique of Non‐

experimental Methods?”, Journal of Econometrics, 125, 305‐353.

Arceneaux, Kevin; A. S. Gerber and D. P. Green (2006). “Comparing Experimental and Matching

Methods Using a Large‐Scale Voter Mobilization Experiment”, Political Analysis, 14, 37 ‐ 62.

Sesión 7 y 8: Variables instrumentales y métodos de regresión discontinua

Sumilla:

Introducción a las variables instrumentales. Problemas con instrumentos débiles. Efectos heterogéneos

de tratamiento. Estimador local de efectos promedios del tratamiento (LATE). Introducción a los

métodos de regresión discontinua. Regresiones discontinuas paramétricas y no paramétricas.


JW, Chapter 5.

AP, Chapter 4.

MW, Chapter 7.

Angrist, Joshua; Guido Imbens and Donald Rubin (1996). “Identification of Causal Effects Using

Instrumental Variables”, Journal of the American Statistical Association, 91, 444‐455.

Heckman, James (1997). “Instrumental Variables: A Study of Implicit Behavioral Assumptions in One

Widely Used Estimator”. Journal of Human Resources, 32, 441‐462.

CT, Section 25.6

AP, Chapter 6.

Hahn, J., P. Todd, and W. van der Klaauw (2001). “Estimation of Treatment Effects with a Regression‐

Discontinuity Design”, Econometrica, 69, 201‐209.

Imbens, Guido and Thomas Lemieux (2008). “Regression Discontinuity Designs: A Guide to Practice”,

Journal of Econometrics, 142, 615‐635.

6

Bibliografía suplementaria:

Imbens, Guido W. and Joshua Angrist (1994). “Identification and Estimation of Local Average

Treatment Effects”, Econometrica, 62, 467‐475.

Angrist, Joshua (2004). “Treatment Effect Heterogeneity in Theory and Practice”, Economic Journal,

114, C52‐C83.

Bound, J., D. Jaeger, and R. Baker (1995). “Problems with Instrumental Variables Estimation when

the Correlation between the Instruments and the Endogenous Explanatory Variables is Weak”,

Journal of the American Statistical Association, 90, 443–450.

Lee, David and Thomas Lemieux (2009). “Regression Discontinuity Design in Economics”. NBER

Working Paper 14723.

Card, David (1993). “Using geographic variation in college proximity to estimate the return to

schooling”. Working Paper 4483, National Bureau of Economic Research.

Sesión 9: Regresiones cuantilicas y efectos causales

Sumilla:

Introducción a las regresiones cuantilicas. Efectos de tratamiento por cuantiles bajo exogeneidad.

Regresores endógenos y soluciones de variables instrumentales.


Abadie, A., J. Angrist, and G. Imbens (2002). “Instrumental Variables Estimates of the Effect of

Subsidized Training on the Quantiles of Trainee Earnings’’, Econometrica, 70, 91‐117.

Koenker, Roger, and G. Bassett (1978). “Regression Quantiles’’, Econometrica, 46, 33‐50.

Koenker, Roger and Hallock, Kevin F (2001). “Quantile regression.” The Journal of Economic

Perspectives, 15, 143–156.

Firpo, Sergio (2007). “Efficient Semiparametric Estimation of Quantile Treatment Effects”,

Econometrica, 75, 259‐276.

Chernozhukov, Victor and Christian Hansen (2005). “An IV model of quantile treatment effects”,

Econometrica, 73, 245–261.

Sesión 10 y 11: Métodos de diferencias en diferencias, modelos de efectos fijos y controles sintéticos

Sumilla:

Introducción a los métodos de selección sobre no observables. Experimentos “naturales”. Introducción a

los datos de panel. Efectos fijos y efectos aleatorios. Introducción a paneles dinámicos. Métodos de

diferencias en diferencias. Controles sintéticos. Extensiones: matching y diferencias en diferencias.


AP, Chapter 5.

CT, Chapter 21.

JW, Chapter 10.

7

Meyer, Bruce (1995). “Natural and Quasi‐Natural Experiments in Economics”, Journal of Business

and Economic Statistics, 13, 151‐161.

Abadie, Alberto (2005). “Semiparametric difference in difference estimators”, Review of Economic

Studies, 72, 1‐19.

Abadie, Alberto; Alexis Diamond and Jens Hainmueller (2011). “Synthetic Control Methods for

Comparative Case Studies: Estimating the Effect of California's Tobacco Control Program”. Journal of

American Statistical Association, 105, 493‐505.


ML, Sections 4.5‐4.6.

Rosenzweig, Mark and Kenneth Wolpin (2000). “Natural "Natural Experiments" in Economics”.

Journal of Economic Literature, 38, 827‐874.

Sesión 12 y 13: Modelos de variable dependiente limitada

Sumilla:

Revisión de aproximaciones estándar a los modelos de variable dependiente limitada. Implicaciones

causales. Probit, logits. Censura y truncamiento.


Angrist, Joshua (2001). “Estimation of Limited Dependent Variable Models with Dummy Endogenous

Regressors: Simple Strategies for Empirical Practice”, Journal of Business and Economics Statistics,

19, 2‐16.

Horowitz, Joel and N.E. Savin (2001). “Binary Response Models: Probit, Logits and Semiparametrics”,

Journal of Economic Perspectives, 15, 43‐56.

AP, Section 3.4.2.

JWII, Chapter 15.

SL, Chapters 3, 7 and 8.

Sesión 14: Errores estándar, clustering y bootstrap

Sumilla:

Corrección de los errores estándar. Cluster. Métodos de bootstrap.


AP, Chapter 8.

CT, Chapter 24.

Wooldridge, Jeffrey (2003), “Cluster‐Sample Methods in Applied Econometrics”, American Economic

Review, 93, 133‐139.

Moulton, B.R. (1990). “An Illustration of a Pitfall in Estimating the Effects of Aggregate Variables on

Micro Units”, Review of Economics and Statistics, 72, 334‐38.

8

Cameron, Colin and Douglass Miller (2010). “Robust Inference with Clustered Data”, forthcoming in

the Handbook of Empirical Economics and Finance.

Cameron, Colin; Jonah B. Gelbach, and Douglas L. Miller (2008). “Bootstrap‐based improvements for

inference with clustered errors”. Review of Economics and Statistics, 90, 414–427.

Bertrand, Marianne; Esther Duflo and Sendhil Mullainathan (2004). “How Much Should We Trust

Differences‐in‐Differences Estimates?” Quarterly Journal of Economics, 119, 249‐275.

Deaton, Angus (1997). The Analysis of Household Surveys: A Microeconomic Approach to

Development Policy. World Bank Publications. Chapter 1 and 2.

Sesión 15: Controversias recientes

Sumilla:

Resultados potenciales versus modelos estructurales. Criticas estructuralistas a aproximaciones de

forma reducida.


Keane, Micheal (2010). “Structural vs atheoretic Approaches to Econometrics”. Journal of

Econometrics, 156, 3‐20.

Deaton, Angus (2009). “Instruments of Development: Randomization in the Tropics, and the Search

for the Elusive Keys to Economic Development”. NBER Working Paper 14690.

Heckman, James and Sergio Urzua (2010). “Comparing IV With Structural Models: What Simple IV

Can and Cannot Identify”. Journal of Econometrics, 156, 27‐37.

Imbens, Guido (2010). “Better LATE Than Nothing: Some Comments on Deaton (2009) and Heckman

and Urzua (2009)”. Journal of Economic Literature, 48, 399‐423.

9. Sesiones prácticas.

Las sesiones prácticas incluirán la discusión de aspectos teóricos complementarios y el trabajo con datos

empíricos en STATA y R. Los contenidos se definirán en función al progreso mostrado por los

participantes en clase.

Adicionalmente, cada estudiante deberá presentar un artículo durante las sesiones prácticas. Dichos

artículos contienen aplicaciones de los métodos cubiertos en clase. Estos podrán ser elegidos del

siguiente listado.

Diseños experimentales

Schultz, T. Paul (2004). “School Subsidies for the Poor: Evaluating the Mexican Progresa Poverty

Program”. Journal of Development Economics. June, 199‐250.

Olken, Ben (2007). “Monitoring Corruption: Evidence from a Field Experiment in Indonesia.” Journal

of Political Economy, 115, 200‐249.

Chattopadhyay, Raghabendra and Esther Duflo (2004). “Women as Policy Makers: Evidence from a

Randomized Policy Experiment in India.”Econometrica, 72, 1409‐1443.

9

Gerber, Alan S., and Donald P. Green (2000). “The Effects of Canvassing, Direct Mail, and Telephone

Contact on Voter Turnout: A Field Experiment”. American Political Science Review, 94, 653‐63.

Miguel, Edward and Micheal Kremer (2004). “Worms: Identifying Impacts on Education and Health

in the Presence of Treatment Externalities”, Econometrica, 72, 159‐217.

Selección sobre observables, regresión y matching

Krueger, Alan (1993). “How Computers Have Changed the Wage Structure: Evidence from

Microdata, 1984‐1989” Quarterly Journal of Economics, 108, 33‐60.

DiNardo, John E and Pischke, Jorn‐Steffen (1997). "The Returns to Computer Use Revisited: Have

Pencils Changed the Wage Structure Too?" The Quarterly Journal of Economics, 112, 291‐303.

Jalan, Jyotsna and Martin Ravallion (2003). “Does Piped Water Reduce Diarrhea for Children in Rural

India?”. Journal of Econometrics. January, 153‐173.

Gilligan, Michael J. and Ernest J. Sergenti (2008) "Do UN Interventions Cause Peace? Using Matching

to Improve Causal Inference", Quarterly Journal of Political Science, 3, 89‐122.

Persson, Torsten and Tabellini, Guido (2007). “The Growth Effect of Democracy: Is It Heterogenous

and How Can it Be Estimated?”. NBER Working Paper 14723.

Almond, Douglass; Kenneth Chay and David Lee (2005). “The Cost of Low Birth Weight”, Quaterly

Journal of Economics, 120, 1031‐1083.

Variables instrumentales y regresiones discontinuas

Angrist, Joshua (1990). "Lifetime Earnings and the Vietnam Era Draft Lottery: Evidence from Social

Security Administrative Records," American Economic Review, 80, 313‐336.

Miguel, Edward; S. Satyanath and E. Sergenti (2004). “Economic Shocks and Civil Conflict: An

Instrumental Variables Approach”, Journal of Political Economy, 112, 725‐753.

Acemoglu, Daron, Simon Johnson and James Robinson (2001). “The Colonial Origins of Comparative

Development: An Empirical Investigation”, American Economic Review, 91, 1369‐1401.

Chay, Kenneth and Michael Greenstone (2005). “Does Air Quality Matter? Evidence from the

Housing Market”, Journal of Political Economy, 133, 376‐424.

Manacorda, Marco, Edward Miguel, and Andrea Vigorito (2011). "Government Transfers and

Political Support." American Economic Journal: Applied Economics, 3(3): 1–28.

Angrist, Joshua and Victor Lavy (1999). “Using Maimonides' Rule to Estimate the Effect of Class Size

on Scholastic Achievement”, Quarterly Journal of Economics, 114, 533‐575.

Lee, David; Enrico Moretti and Matthew Butler (2004). "Do Voters Affect or Elect Policies? Evidence

from the U.S. House", Quarterly Journal of Economics, 119, 807–859.

Dell, Melissa (2010). “The Persistent Effects of Peru's Mining Mita”, Econometrica, 78 (6), 1863‐

1903.

Pettersson‐Lidbom, Per and Björn Tyrefors (2008). “The Policy Consequences of Direct versus

Representative Democracy: A Regression Discontinuity Approach”, Mimeo.

Angrist, Joshua D. and Alan B. Krueger (1991). “Does compulsory school attendance affects

schooling and earnings?” Quarterly Journal of Economics, 106, 979–1014.

Duflo, Esther and Rohini Pande (2007). “Dams”. Quarterly Journal of Economics, May, 601–646.

10

Diferencias en diferencias y experimentos naturales

Card, D. and A. Krueger (1994). “Minimum Wages and Employment: A Case Study of the Fast Food

Industry”, American Economic Review, 84, 772‐793.

Galiani, Sebastian, Gertler, Paul J. and Schargrodsky, Ernesto (2005). “Water for Life: The Impact of

the Privatization of Water Services on Child Mortality”. Journal of Political Economy, 113, pp. 83‐

120.

Levitt, Steven (1994). "Using Repeat Challengers to Estimate the Effect of Campaign Spending on

Election Outcomes in the U.S. House." Journal of Political Economy, 102, 777‐98.

Di Tella, Rafael, and Ernesto Schargrodsky (2004). "Do Police Reduce Crime? Estimates Using the

Allocation of Police Forces after a Terrorist Attack." American Economic Review, 94, 115–133.

Di Tella, Rafael, Sebastian Galliani, and Ernesto Schargrodsky (2007). “The Formation of Beliefs:

Evidence from the Allocation of Land Titles to Squatters”. Quarterly Journal of Economics, 122, 209–

41.

10. Materiales.

Los materiales del curso serán distribuidos a través de correo electrónico a los alumnos matriculados y

en una página web diseñada para tal fin.

11. Evaluación.

El énfasis del curso es en el diseño de investigación empírica. Por tal razón, 50% de la nota final del curso

consistirá en una propuesta de investigación. El 50% restante será dividido en trabajos prácticos con uso

de datos (40%) y la presentación de un artículo académico con aplicaciones de las técnicas discutidas en

clase durante las sesiones prácticas.

Estudiantes libres son bienvenidos en clase. El único requisito para ello será la presentación de un

artículo en las sesiones prácticas.

microeconometria: identificacion y causalidad en modelos empiricos - unmsm

Documents