Métodos Econométricos para Evaluación de Políticas - Facultad de

Maestría en Economía Internacional
Departamento de Economía (dECON)
Universidad de la República - Facultad de Ciencias Sociales
Mac
Métodos Econométricos para Evaluación de Políticas
Programa 2014
Docentes: Fernando Borraz (Fborraz@bcu.gug.uy)
Segio Firpo
Graciela Sanroman (graciela.sanroman@cienciassociales.edu.uy)
Créditos: 8
Actividades presenciales: 40 horas
Objetivos: En el curso se presentan al estudiante las herramientas básicas para poder evaluar políticas públicas. El
objetivo es desarrollar ampliamente técnicas utilizadas en el campo de la evaluación de impacto de programas sociales
y mostrar su aplicación práctica en computador mediante el programa STATA. Aquellos que superen este curso serán
capaces de plantearse correctamente la pregunta a evaluar y de diseñar alternativas para poder realizar inferencia
causal.
Requisitos: Será requisito para cursar tener conocimientos sobre el modelo de regresión lineal clásico y los modelos de
variable dependiente limitada aplicados a datos de corte transversal, los métodos de estimación por Mínimos
Cuadrados Ordinarios y Generalizados, de Máxima Verosimilitud, Método de los Momentos y Variables Instrumentales.
Contenido
Tema 1. Introducción: causalidad y contrafactual
1.1 Regresión y causalidad
1.2 El problema de evaluación de programas
Tema 2. Métodos de estimación experimentales
2.1 Diseño
2.2 Ventajas y desventajas
Tema 3. Métodos de estimación cuasi experimental matching basados en observables
3.1 Propensity score
3.2 Matching
Tema 4. Métodos de descomposición y regresiones cuantílicas
4.1 Oaxaca-Blinder
4.2 Métodos distribucionales y regresiones cuantílicas
4.3 Descomposiciones detalladas
Tema 5. Métodos de estimación cuasi experimentales no basados en observables
5.1 Diferencia en diferencia
5.2 Regresión discontinua
1
Maestría en Economía Internacional
Departamento de Economía (dECON)
Universidad de la República - Facultad de Ciencias Sociales
Mac
Referencias bibliográficas
*** Lectura obligatoria
* Lectura recomendada
Tema 1. Introducción: causalidad y contrafactual
*** Angrist, J. y Pischke, J. (2009): Mostly Harmless Econometrics: An Empiricist’s Companion; Princeton University
Press. Capítulos 1, 2 y 3.
* Blundell, R. y Costa Días, M. (2007): “Alternative Approaches to Evaluation in Empirical Microeconomics”;
http://www.ucl.ac.uk/~uctp39a/Blundell-CostaDias-Dec-2007.pdf
* Imbens, G.M. y Woldridge, J.M. (2009): “Recent Developments in the Econometrics of Program Evaluation”; en
Journal of Economic Literature, 47:1, 5-86.
Tema 2. Métodos de estimación experimentales
*** Duflo, E., Glennerster, R. y Kremer, M. (2007): Using Randomization in Development Economics Research: A
Toolkit; Discussion Paper No. 6059, Centre for Economic Policy Research.
* Angrist, Bettinger, Bloom, King y Kremer (2002): “Vouchers for Private Schooling in Colombia: Evidence from a
Randomized Natural Experiment”; en American Economic Review, Vol. 92, No. 5, pp. 1535-1558.
* Duflo, E., Dupas, P. y Kremer, M. (2012): School Governance, Teacher Incentives and Pupil-Teacher Ratios:
Experimental Evidence from Kenyan Primary Schools, NBER Working Papers No. 17939, National Bureau of
Economics Research, Inc.
* Black, D., Smith, J. Berger. M. y Noel, B. (2003): “Is the Threat of Reemployment Services More Effective than the
Services Themselves? Evidence from Random Assignment in the UI System”; en American Economic Review,
93 (4): 1313-1327.
* Schady, N. y Araujo, M. (2008): “Cash Transfer, Conditions and School Enrollment in Ecuador”; en Journal of LACEA,
Spring, Vol. 8, No. 2.
* Schultz, P. (2004): “School Subsidies for the Poor: Evaluating the Mexican Progresa Poverty Program”; en Journal of
Development Economics, No. 74, pp. 199-250.
Tema 3. Métodos de estimación cuasi experimental matching basados en observables
*** Abadie, A. y Imbens, G. (2010): Matching on the Estimated Propensity Score; NBER Working Paper, No. 15301,
National Bureau of Economic Research.
* Caliendo, M. y Kopeining, S. (2006): “Some Practical Guidance for the Implementation of Propensity Score Matching”;
en Journal of Economic Surveys, 22 (1): 31-72.
* Dehejia, R. (2005): “Practical Propensity Score Matching: A Replay to Smith and Todd; en Journal of Econometrics,
125 (1-2): 355-364.
* Gaallaso, E. y Ravallion, M. (2004): “Social Protection in a Crisis: Argentina’s Plan Jefes y Jefas”; en World Bank
Economic Review, Vol. 18, No. 3.
2
Maestría en Economía Internacional
Departamento de Economía (dECON)
Universidad de la República - Facultad de Ciencias Sociales
Mac
* Heckman, Ichimura y Todd (1998): “Matching as an Econometric Evaluation Estimator”; en Review of Economic
Studies, No. 65, pp. 261-294.
* Rosenbaum, P. y Rubin, D. (1985): “Constructing a Control Group Using Multivariate Matched Sampling Methods that
Incorporate Propensity Store”; en American Statistical Association, Vol. 39, pp. 33-38.
* Hirano, K., Imbens, G. y Rider, G. (2003): “Efficient Estimation of Average Treatment Effects Using the Estimated
Propensity Score”; en Econometrica, Vol. 71, No. 4, pp.:1161-1189.
Smith, J. y Todd, P. (2005): “Does Matching Overcome LaLonde’s Critique of Non experimental Methods?”; en Journal
of Econometrics 125 (1-2): 305-353.
Tema 4. Métodos de descomposición y regresiones cuantílicas
*** Firpo, S., Fortin, N. y Lemieux, T. (2010): Decomposition Methods in Economics; NBER Working Paper No. 16045,
Nationala Bureau of Economic Research.
* Chernozhukov, V., Fernández-Val, I. y Melly, B. (2009): Inference on Counterfactual Distributions”; CEMMAP Working
Paper, CWP09/09.
* Machado, J. y Mata, J. (2005): “Counterfactual Decomposition of Changes in Wage Distribution Using Quantile
Regression”; en Journal of Applied Econometrics, 20, 445-465.
* Firpo, S., Fortín, N. y Lemieux, T. (2009): “Unconditional Quantile Regressions”; en Econometrica, 77 (3), 953-973.
* Angrist, J. y Pischke, J. (2009): Mostly Harmless Econometrics: An Empiricist’s Companion; Princeton University Press,
Capítulo 7.
* Abadie, A., Angrist, J. y Imbens, G. (2002): “Instrumental Variables Estimation of Quantile Treatment Effects”; en
Econometrica, 70 (1), 91-117.
Tema 5. Métodos de estimación cuasi experimentales no basados en observables
Albrecht, J., Van den Berg, G. y Vroman, S. (2004): The Knowledge Lift: The Swedish Adult Education Program that
Aimed to Eliminate Low Worker Skill Levels; IFAU Working Paper 17.
Angrist, J. y Pischke, J. (2009): Mostly Harmless Econometrics: An Empiricist’s Companion; Princeton University Press,
Capítulo 5.
Angrist, J., Imbens, G. y Rubin, D. (1996): “Identification of Causal Effects Using Instrumental Variables”; en Journal of
the American Statistical Association, 91, 444-455.
Angrist, J. y Krueger, A. (1991): “Does Compulsory School Attendance Affect Schooling and Earnings?”; en Quarterly
Journal of Economics, CVI (4), 979-1014.
Angrist, J. y Lavy (1999): “Using Maimonides’ Rule to Estimate the Effect of Class Size on Scholastic Achievement”; en
Quarterly Journal of Economics, 114, 533-575.
Angrist, J. y Evans, W. (1998): “Children and their Parents’ Labor Supply: Evidence from Exogenous Variation in Family
Size”; en American Economic Review, 88, 450-477.
3
Maestría en Economía Internacional
Departamento de Economía (dECON)
Universidad de la República - Facultad de Ciencias Sociales
Mac
Bundell, Costa-Dias, Meghir y Van Reenen (2004): “Evaluating the Employment Impact of a Mandatory Job Search
Program”; en Journal of the European Economic Association, 2 (4), 569-606.
Parker, S. y Skoufias, E. (2001): “Conditional Cash Transfers and their Impact on Child Work and School Enrollment:
Evidence from the PROGRESA Program in Mexico”; en Economía, 2.
Skoufias, E. (2005): PROGRESA and Its Impacts on the Welfare of Rural Hoseholds in Mexico; Research Report 139,
IFPRI.
Van der Klaauw, W.H. (2002): “Estimating the Effect of Financial Aid Offers on College Enrollment: A RegressionDiscontinuity Approach”: en International Economic Review, 1249-1287.
Metodología de evaluación
La evaluación del curso será mediante la realización de trabajos y un examen final. La distribución de puntos para
aquellos que se presenten en la primera convocatoria del examen será el siguiente:
a. Ejercicios domiciliaros
30 puntos
b. Examen final primera convocatoria
70 puntos
Para aprobar la materia el estudiante deberá tener un mínimo del 50% en cada ítem y al menos 60% del total.
Para presentarse a cualquier convocatoria es obligatorio que el estudiante haya entregado en fecha requerida los
ejercicios domiciliarios. Sin embargo, si el estudiante no se presenta a la primera convocatoria estos no serán tenidos
en cuenta a la hora de la puntuación, es decir, la evaluación en las convocatorias 2 y 3 se realizará exclusivamente a
partir de un examen que tendrá un total de 100 puntos y para aprobarlo será necesario un mínimo de 60 puntos.
1Cronograma detallado del curso
Semana
Fecha
Semana 1:
Lunes
20/10
Miércoles 22/10
Viernes
24/10
Semana 2:
Lunes
27/10
Miércoles 29/10
Viernes
31/10
Semana 3:
Lunes
03/11
Miércoles 05/11
Viernes
07/11
Semana 4:
Lunes
10/11
Miércoles 12/11
Viernes
14/11
Semana 5
Lunes
17/11
Miércoles 19/11
Viernes
21/11
Semana 6:
Lunes
24/11
Martes
25/11
Miércoles 26/11
8 a 10
8 a 10
8 a 10
8 a 10
8 a 10
8 a 10
8 a 10
8 a 10
8 a 10
8 a 10
8 a 10
8 a 10
8 a 10
8 a 10
8 a 10
8 a 11:30
8 a 11:30
8 a 11
Tema
Introducción
Introducción
Métodos experimentales
Métodos experimentales
Métodos experimentales
Matching y propensity score
Matching y propensity score
Taller temas 2 y 3
Descomposición y cuantílicas
Descomposición y cuantílicas
Descomposición y cuantílicas
Taller cuantílicas
Descomposición y cuantílicas
Descomposición y cuantílicas
Descomposición y cuantílicas
Dif en dif, y regresión discontinua
Dif en dif, y regresión discontinua
Dif en dif, y regresión discontinua
Examen: Primera convocatoria 12/12/14
4
Profesor
FB
FB
FB
FB
FB
FB
FB
FB
GS
GS
GS
GS
GS
GS
GS
SF
SF
SF