arrow checkmark code cross email facebook magnifier pdf phone plus twitter user youtube

Noticias

Boletín de Investigación 2015-4

 

 

Boletín de Investigación

No. 2015-4

BLOP matching estimator:  una contribución a la literatura de evaluación de impacto en estudios observacionales
Al momento de evaluar políticas públicas o programas sociales, muchas veces el investigador se enfrenta a situaciones donde no cuenta con un grupo de control para poder comparar y medir el impacto promedio o efecto real de dichas políticas o programas. ¿Con quién comparo a un trabajador que recibió una capacitación específica para intentar descubrir los efectos de esa capacitación?;  ¿Busco “ vecinos más cercanos” como clones estadísticos?; ¿Cuántos?  ¿Basta con 1,  con 3 ó más  o es mejor utilizar un promedio de ellos?; Si elijo esto último, ¿todos los vecinos deben tener la misma ponderación o algunos deben pesar más que otros? ¿Existe un criterio o métrica que nos ayude a contestar dicha interrogante?  Todas estas son preguntas abiertas para el investigador en estudios observacionales y las decisiones que tome en su intento por responderlas, no son inocuas.
La investigación de Tomás Rau,  A Matching Estimator Based on a Bi-level Optimization Problem (coescrita junto a Juan Díaz y Jorge Rivera y recientemente publicada en el prestigioso Review of Economics and Statistics), propone un estimador del impacto promedio de una intervención que responde las interrogantes planteadas y ha demostrado funcionar muy bien cuando existe mucha incertidumbre acerca de la relación funcional entre las variables dependiente e independientes. “Nuestro método libera al investigador de la duda acerca de cuántas unidades utilizar para obtener una mejor comparación o, dicho de otro modo, para obtener grupos de tratados y controles balanceados en términos de sus características observables. En ese sentido el estimador ha probado funcionar como un optimizador del balance entre observaciones tratadas y aquellas del grupo de control”, cuenta  el académico quien acaba de ser promovido a profesor asociado.
El estimador desarrollado por los investigadores (BLOP matching estimator) se puede  usar en un sinfín de  investigaciones aplicadas. Sirve para evaluar el impacto de cualquier tipo de intervención no aleatoria y ahí radica su enorme potencial. “Nuestra investigación es una contribución a esta rama de la econometría, la evaluación de impacto. Nuestra métrica de balance y estimador propuesto es una respuesta razonable que soluciona el dilema habitual del investigador en relación a cómo discriminar cuántas unidades se necesitan para tener un grupo de control estadísticamente idóneo”, agrega el profesor Rau, quien desarrolló una librería computacional que implementa el estimador y está disponible en su website.
Ver otras investigaciones publicadas por el profesor Rau durante el 2015:

 

 
 
Atte.,
Jeanne Lafortune
Directora de Investigación
Instituto de Economía UC