Clase 3 Diferencias en Diferenciasb

Mtodo de Diferencias en Diferencias (Dif in Dif) Econometra 2
Econometra 2
Ricardo Pasquini
IAE B.S. y MEU-UTDT
August 2013
Ricardo Pasquini (IAE B.S. y MEU-UTDT)
Econometra 2 - Dif in Dif
08/13
1 / 30
Diferencias en Diferencias
Diferencias en Diferencias (Dif in Dif)

Introduccin
A diferencia de Matching y el PSM, el mtodo de Dif en Dif no

supone la inexistencia de factores no observados, no usa la CIA.
08/13
2 / 30

Introduccin

Dif en Dif propone: comparar grupos de tratamiento y de control
antes y despus del programa o de la intervencin que se desea
evaluar. Se necesitan datos de ambos grupos de tratamiento y
control, antes y despus.
08/13
2 / 30

Introduccin

Pero NO es estrictamente necesario un panel balanceado. Con un
panel no-balanceado alcanza.
08/13
2 / 30

Introduccin

Supuesto clave: Las caractersticas no observables son invariantes en
el tiempo.
08/13
2 / 30

Introduccin

Supuesto clave: Las caractersticas no observables son invariantes en
el tiempo.
Idea del mtodo: Un enfoque de doble diferencia cancelar efectos
invariables en el tiempo y permitir a la identicacion del efecto.
08/13
2 / 30

El efecto del salario mnimo sobre el empleo
Tomamos como ejemplo Card y Krueger (1994)
08/13
3 / 30


El 1 de abril de 1992, New Jersey (NJ) elev el mnimo estatal de $
4.25 a $ 5.05.
08/13
3 / 30


4.25 a $ 5.05.
Recopilacin de datos sobre empleo en los restaurantes de comida
rpida (grandes empleadores a salario mnimo) en febrero y de nuevo
en noviembre.
08/13
3 / 30


4.25 a $ 5.05.
Recopilacin de datos sobre empleo en los restaurantes de comida
rpida (grandes empleadores a salario mnimo) en febrero y de nuevo
en noviembre.
Tambin recopilacin data en mismas fechas para Pennsylvania
utilizado como control.
08/13
3 / 30

El efecto del salario mnimo sobre el empleo - El modelo
Usando la notacin de resultado potencial:
08/13
4 / 30


y1,i ,s ,t = empleo de comida rpida en el restaurante i , en el estado s,
en el perodo t, si hubo una suba del salario mnimo (si pertenece al
tratamiento!)
08/13
4 / 30


en el perodo t, si hubo una suba del salario mnimo (si pertenece al
tratamiento!)
en el perodo t, en un perodo estndar (ausencia de tratamiento)
08/13
4 / 30

El supuesto clave: En ausencia del tratamiento el resultado esperado

es slo una funcin aditiva de dos efectos: el efecto de grupo (del
estado) y el efecto temporal.
E [Y0ist js, t ] = s + t
08/13
5 / 30


Ntese que con slo observar el resultado de Y0ist no somos capaces
de distinguir el efecto del estado del temporal.
08/13
5 / 30


Ntese que con slo observar el resultado de Y0ist no somos capaces
de distinguir el efecto del estado del temporal.
Lo importante: No hay diferencias entre tratados y no-tratados que
no estn ya incorporadas en s o t .
08/13
5 / 30

Especicacin del modelo economtrico bsico
La idea es estimar un modelo como el siguiente:
= 1 d (estado == NJ ) + 2 d (periodo == Nov

d (estado = = NJ & periodo == Nov ) + ist
Yist
+ 3
donde d () se reere a una variable dummy, y el efecto de inters es 3
08/13
6 / 30

La idea es estimar un modelo como el siguiente:
= 1 d (estado == NJ ) + 2 d (periodo == Nov

d (estado = = NJ & periodo == Nov ) + ist
Yist
+ 3
donde d () se reere a una variable dummy, y el efecto de inters es 3

En notacin de econometra de panel:
Yist = s + t + Dist + ist
donde el efecto de inters es
08/13
6 / 30

Notar que, tomando la diferencia esperada en Nueva Jersey antes y

despus del tratamiento
E [Yist js = NJ, t = Nov ]
E [Yist js = NJ, t = Feb ] = Nov + Feb +
08/13
7 / 30


Tomando la diferencia esperada en el PA antes y despus del

tratamiento
E [Yist js = PA, t = Nov ]
E [Yist js = PA, t = Feb ] = Nov + Feb
08/13
7 / 30


Tomando la diferencia esperada en el PA antes y despus del

tratamiento
E [Yist js = PA, t = Nov ]
E [Yist js = PA, t = Feb ] = Nov + Feb
Tomando la diferencia de la diferencia
08/13
7 / 30

Card y Krueger Resultados
El coeciente estimado de la diferencia en diferencia en positivo, lo

contrario de lo que podramos esperar si un salario mnimo ms alto
empuja a las empresas a contratar menos trabajadores. El efecto
oferta parece prevalecer.
08/13
8 / 30

Resumen Modelo Terico
Supuesto clave para la identicacin es que las tendencias del empleo,

en ausencia del tratamiento, se mantienen con una diferencia
constante en ambos estados.
08/13
9 / 30


El tratamiento induce una desviacin de esta tendencia comn.
08/13
9 / 30


El tratamiento induce una desviacin de esta tendencia comn.
El nivel del tratamiento y el control pueden diferir, y esta diferencia
ser capturada por el efecto jo (dummy) de cada estado.
08/13
9 / 30

Identicacin de forma grca
08/13
10 / 30

Chequeando la Validez del Supuesto de Tendencia Comn
El supuesto de las tendencias comunes puede ser investigado a partir

de datos en mltiples perodos.
08/13
11 / 30

El supuesto de las tendencias comunes puede ser investigado a partir

de datos en mltiples perodos.
Card y Krueger (2000) obtienen datos de las nminas administrativas
de restaurantes en NJ y PA para un nmero de aos.
08/13
11 / 30

Los datos muestran variaciones sustanciales del empleo en otros aos.

El supuesto de tendencia comn no parece cumplirse.
08/13
12 / 30
Diferencia en Diferencia (DIF DIF)

Enfoque Pischke (2007) Ejemplo
Un ejemplo ms alentador: Pischke (2007) analiza el efecto de la

longitud del perodo escolar en el rendimiento estudiantil.
08/13
13 / 30


Utiliza un experimento natural: la variacin generada por un cambio
de poltica ocurrido en Alemania.
08/13
13 / 30


Hasta la dcada de 1960, los nios de todos los estados alemanes
excepto Baviera comenzaban la escuela en primavera. Comenzando el
ao escolar 1966-67, todos los que comenzaban en primavera
trasladan el comienzo de clases a otoo.
08/13
13 / 30


Hasta la dcada de 1960, los nios de todos los estados alemanes
excepto Baviera comenzaban la escuela en primavera. Comenzando el
ao escolar 1966-67, todos los que comenzaban en primavera
trasladan el comienzo de clases a otoo.
La transicin requiri dos aos escolares cortos para las cohortes
afectadas, 24 semanas de duracin en lugar de 37.
08/13
13 / 30

Pischke (2007) - Resultados
08/13
14 / 30

Estimacin Economtrica
Otra notacin para el mismo modelo:

Yist = + NJs + dt + (NJs
dt ) + ist
08/13
15 / 30


dt ) + ist
Donde ahora explicitamos que hay un trmino de interaccin (va a

ser =1 solo en el caso de NJ en el perodo del tratamiento)
08/13
15 / 30


dt ) + ist
Donde ahora explicitamos que hay un trmino de interaccin (va a

ser =1 solo en el caso de NJ en el perodo del tratamiento)
Ntese que ser fcil generalizar la ecuacin para agregar estados o
perodos adicionales.
08/13
15 / 30

Estimacin Economtrica - Variaciones y Extensiones
Otra ventaja de este modelo es que nos permite extender el mismo

mediante la inclusin de variables que no son necesariamente dummys.
08/13
16 / 30

Otra ventaja de este modelo es que nos permite extender el mismo

mediante la inclusin de variables que no son necesariamente dummys.
Card (1992), utiliza un modelo ms general donde ahora ncluye
informacin de todos los estados para indagar sobre el efecto del
salario mnimo federal. Para ello utiliza una variable que captura la
"intensidad del tratamiento":
Yist = s + t + (FAs dt ) + ist
donde FAs es la fraccin de los adolescentes que podran verse
afectados por un aumento del salario mnimo en cada estado y dt es
una dummy para las observaciones a partir de 1990, cuando el
mnimo federal aument de $ 3.35 a $ 3.80.
08/13
16 / 30

Otra opcin que utiliza la misma estrategia de identicacin es

estimar un modelo en diferencias.
08/13
17 / 30


Tambin en Card (1992):
Y s = + FAs + ist
Donde es el signo estndar que es usado para la diferencia
Ys ,post Ys ,pre
08/13
17 / 30


Tambin en Card (1992):
Y s = + FAs + ist
Donde es el signo estndar que es usado para la diferencia
Ys ,post Ys ,pre
Notar que aqu s necesitamos un panel balanceado.
08/13
17 / 30

Card (1992) Resultados Especicaciones en Diferencias
08/13
18 / 30

Los resultados muestran que la suba en el salario mnimo tuvo un

mayor impacto en los estados en donde es ms probable que tenga un
mayor efecto.
08/13
19 / 30

Otra ventaja es que nos permite adicionar controles: las tendencias

podran depender de factores observables.
08/13
20 / 30


El supuesto aqu es:
E [Y0ist js, t, Xst ] = s + t + Xst0
08/13
20 / 30


El supuesto aqu es:
E [Y0ist js, t, Xst ] = s + t + Xst0
Y el modelo nos queda:
Yist = s + t + (FAs dt ) + Xst0 + ist
08/13
20 / 30

Estimacin Economtrica - Ms extensiones
La combinacin con PSM

Opcin 1: Hacer el matching y despus el dif-in-dif
DDi = (YiT,t =2
YiT,t =1 )
(i, j )(YiT,t =2
YiT,t =1 )
j eC
08/13
21 / 30

Estimacin Economtrica - Ms extensiones
La combinacin con PSM

Opcin 1: Hacer el matching y despus el dif-in-dif
DDi = (YiT,t =2
YiT,t =1 )
(i, j )(YiT,t =2
YiT,t =1 )
j eC
Opcin 2: Aadir a las probabilidades del propensity score como

pesos en la estimacin del Dif in Dif. (Similar al mtodo alternativo a
matching que se mencion antes)
08/13
21 / 30

Estimacin Economtrica - Problema de Autocorrelacin Serial
Cuidado: Al estar incorporando la dimensin temporal, estaremos

propensos a caer en un problema de correlacin serial.
08/13
22 / 30


=> errores estndares articialmente bajos=>alta propensin a
rechazar H0
08/13
22 / 30


=> errores estndares articialmente bajos=>alta propensin a
rechazar H0
Bertrand, Duo y Mullainathan (2004) muestran la gravedad del

problema en estudios que incorporan varios aos.
08/13
22 / 30

Soluciones ms simples (aunque imperfectas):
08/13
23 / 30


Clusterizar los errores al nivel de estado (esto permite una correlacin
arbitraria entre las observaciones de cada cluster). Funcionar mal si
tenemos pocos estados.
08/13
23 / 30


En Stata usamos la opcion vce(cluster groupname).
08/13
23 / 30


El mtodo anterior en ppio es equivalente a usar una correccin por

autocorrelacin tipo Newey-West.
08/13
23 / 30



Ver comando newey similar a regress pero especicando lags.
08/13
23 / 30



Estimar previamente la matriz de correlaciones de los grupos.
08/13
23 / 30



Estimar previamente la matriz de correlaciones de los grupos.

Si el tratamiento se da en un solo momento del tiempo: Promediar
todos los aos anteriores y posteriores en 2 grandes grupos.
08/13
23 / 30
Casos: AUH sobre Informalidad Laboral

Garganta y Gasparini (2012)
Evaluar el impacto de la AUH sobre la propensin a incorporarse al

sistema formal de trabajo.
08/13
24 / 30


Racional de la AUH: Otorgar proteccin social y laboral al segmento
ms pobre de la poblacin. No dejar afuera de los benecios a
quienes estn el sistema informal.
08/13
24 / 30


De acuerdo a estimaciones existentes, ha tenido impacto signicativo
en reducir pobreza y desigualdad y positivo en asistencia escolar.
(Gasparini y Cruces 2010, Agis et al 2010, D Elia y Navarro 2011...
entre otros)
08/13
24 / 30


entre otros)
El potencial problema: Desincentivos a la formalidad (i.e., a un
trabajo en el sector formal que cubra benecios sociales).
08/13
24 / 30


entre otros)
El potencial problema: Desincentivos a la formalidad (i.e., a un
trabajo en el sector formal que cubra benecios sociales).
Tanto para los casos de trabajadores por cuenta propia (no reciben
benecios), asalariados no registrados, y desempleados o inactivos,
tenemos que un aumento en el benecio implicara un desincentivo a la
formalizacin.
08/13
24 / 30

Difcil la identicacin de la causalidad:
08/13
25 / 30


1
Universal en su poblacin objetivo. No hay diseo aleatorio.
08/13
25 / 30


1
2

No hay forma de identicar directamente a los beneciarios.
Informacin no disponible en encuestas del INDEC.
08/13
25 / 30


1
2

La estrategia de identicacin consiste en un Dif in Dif, donde se

comparan grupos de acuerdo a una variable que determina la
elegibilidad: tener o no hijos.
08/13
25 / 30


1
2


Esto es un intention-to-treat eect. Igualmente la probabilidad
condicional de participar es alta.
08/13
25 / 30


1
2


Esto es un intention-to-treat eect. Igualmente la probabilidad
condicional de participar es alta.
Se usan 6 paneles de la EPH y los paneles pre-2009 son considerados

previos y los que cubren 2009 y posteriormente son considerados en el
control.
08/13
25 / 30

La especicacin economtrica
P (formalt j inf odesoct
1)
= Conhijos + Post
+ (Conhijos Post09) + Xst0 + ist
donde formalt signica que es formal para el panel en cuestin,

inf odesoct 1 se reere a que es informal en la primera observacin
del mismo panel. X es un conjunto de controles incluyendo edad,
gnero, estado civil, ... entre otras.
08/13
26 / 30

08/13
27 / 30

08/13
28 / 30

08/13
29 / 30

08/13
30 / 30

Clase 3 Diferencias en Diferenciasb

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Clase 3 Diferencias en Diferenciasb

Caricato da

Copyright:

Formati disponibili

Mtodo de Diferencias en Diferencias (Dif in Dif) Econometra 2

Ricardo Pasquini (IAE B.S. y MEU-UTDT)

Econometra 2 - Dif in Dif

Diferencias en Diferencias (Dif in Dif)

A diferencia de Matching y el PSM, el mtodo de Dif en Dif no

Ricardo Pasquini (IAE B.S. y MEU-UTDT)

Econometra 2 - Dif in Dif

Diferencias en Diferencias (Dif in Dif)

A diferencia de Matching y el PSM, el mtodo de Dif en Dif no

Ricardo Pasquini (IAE B.S. y MEU-UTDT)

Econometra 2 - Dif in Dif

Diferencias en Diferencias (Dif in Dif)

A diferencia de Matching y el PSM, el mtodo de Dif en Dif no

Ricardo Pasquini (IAE B.S. y MEU-UTDT)

Econometra 2 - Dif in Dif

Diferencias en Diferencias (Dif in Dif)

A diferencia de Matching y el PSM, el mtodo de Dif en Dif no

Ricardo Pasquini (IAE B.S. y MEU-UTDT)

Econometra 2 - Dif in Dif

Diferencias en Diferencias (Dif in Dif)

A diferencia de Matching y el PSM, el mtodo de Dif en Dif no

Econometra 2 - Dif in Dif

Diferencias en Diferencias (Dif in Dif)

Tomamos como ejemplo Card y Krueger (1994)

Ricardo Pasquini (IAE B.S. y MEU-UTDT)

Econometra 2 - Dif in Dif

Diferencias en Diferencias (Dif in Dif)

Tomamos como ejemplo Card y Krueger (1994)

Ricardo Pasquini (IAE B.S. y MEU-UTDT)

Econometra 2 - Dif in Dif

Diferencias en Diferencias (Dif in Dif)

Tomamos como ejemplo Card y Krueger (1994)

Ricardo Pasquini (IAE B.S. y MEU-UTDT)

Econometra 2 - Dif in Dif

Diferencias en Diferencias (Dif in Dif)

Tomamos como ejemplo Card y Krueger (1994)

Ricardo Pasquini (IAE B.S. y MEU-UTDT)

Econometra 2 - Dif in Dif

Diferencias en Diferencias (Dif in Dif)

Usando la notacin de resultado potencial:

Ricardo Pasquini (IAE B.S. y MEU-UTDT)

Econometra 2 - Dif in Dif

Diferencias en Diferencias (Dif in Dif)

Usando la notacin de resultado potencial:

Ricardo Pasquini (IAE B.S. y MEU-UTDT)

Econometra 2 - Dif in Dif

Diferencias en Diferencias (Dif in Dif)

Usando la notacin de resultado potencial:

Ricardo Pasquini (IAE B.S. y MEU-UTDT)

Econometra 2 - Dif in Dif

Diferencias en Diferencias (Dif in Dif)

El supuesto clave: En ausencia del tratamiento el resultado esperado

Ricardo Pasquini (IAE B.S. y MEU-UTDT)

Econometra 2 - Dif in Dif

Diferencias en Diferencias (Dif in Dif)

El supuesto clave: En ausencia del tratamiento el resultado esperado

Ricardo Pasquini (IAE B.S. y MEU-UTDT)

Econometra 2 - Dif in Dif

Diferencias en Diferencias (Dif in Dif)

El supuesto clave: En ausencia del tratamiento el resultado esperado

Ricardo Pasquini (IAE B.S. y MEU-UTDT)

Econometra 2 - Dif in Dif

Diferencias en Diferencias (Dif in Dif)

La idea es estimar un modelo como el siguiente: