Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Rafael Terra
Universidade de Braslia-Unb
14 de Setembro, 2015
Se o programa e muito rapido em cada fase, nao sera possvel observar seus
efeitos. O tempo entre as fases deve ser suficientemente grande.
Um problema adicional desse desenho e que os controles podem alterar seu
comportamento pela expectativa de tratamento no futuro, e.g. em um
programa de distribuicao de material escolar do tipo Phase-in os controles
que receberao tratamento no futuro podem reduzir a compra de material
escolar para os filhos no presente.
A diferenca de media amostral entre dois grupos (nosso ATE) e dada pelo
coeficiente da regressao estimada por OLS
Yi = + T + i (1)
1 2
var()
b = (2)
P(1 P) N
min MDES
Nc ,Nt
(6)
s.a Nc cc + Nt ct B
Montando o Lagrangeano
s
1 2
L = (t + t1 ) + (B Nc cc Nt ct )
P(1 P) N
s
1 2
= (t + t1 ) Nc Nt
+ (B Nc cc Nt ct )
N N
N
s (7)
N 2
= (t + t1 ) + (B Nc cc Nt ct )
Nc Nt
s
(Nc + Nt ) 2
= (t + t1 ) + (B Nc cc Nt ct )
Nc Nt
Nc Nt
em que substitumos P = N e 1P = N
A condicao de
otimo sera obtida derivando o Lagrangeano com relacao a Nc
e Nt
L 2 Nc Nt (Nc + Nt )Nt 2
= = cc (8)
Nc (Nc Nt )2
L 2 Nc Nt (Nc + Nt )Nc 2
= = ct (9)
Nt (Nc Nt )2
Yij = + T + j + ij (11)
o MDE sera
r
1 2 1
MDE = (t/2 + t1 ) p (16)
P(1 P) N c s
Yij = + T + Xij + j +
ij (17)
Yij = + T + Mij + j +
ij (18)
A randomizacao ao nvel do grupo, pode algumas vezes ser mais facil de ser
implementada, mesmo que exija amostras maiores.
Se o custo fixo e alto, e custo-eficiente permitir que o maior n
umero possvel
de pessoas tirem proveito das intervenc oes.
Randomizacao no nvel do grupo evita ressentimentos de controles em
relacao `a instituicao realizadora da intervencao, que surge especialmente
quando tratados e controles estao pr oximos.
Indivduos de controle podem forcar a ida para o grupo de tratamento.
mais facil monitorar vilas/comunidades e verificar que o desenho aleatorio
E
inicial esteja sendo respeitado do que no caso de indivduos.
assim
E [Yi |X , T ] E [Yi |X , C ] = E [YiT |X , T ] E [YiC |X , T ]. (20)
EX E [YiT |X , T ] E [YiC |X , T ]
(22)
= E [YiT |x, T ] E [YiC |x, C ] P(X = x|T )dx
` vezes, s
As o uma fracao dos indivduos que sao designados como tratamento
realmente acabam participando pelo perodo estipulado. Alem disso, alguns
membros do grupo de controle podem acabar recebendo o tratamento.
Os pesquisadores raramente tem perfeito controle sobre o que o grupo de
comparacao escolhe fazer. Ha tambem casos em que nao e possvel garantir
que o grupo de tratamento participara do tratamento.
Em muitos casos, os experimentos nao pretendem tratar todo mundo no
grupo de tratamento.
Um exemplo e o caso em que apenas o incentivo e randomizado. Nesse
caso, o incentivo s
o afeta a probabilidade de que o indivduo seja exposto ao
tratamento, em vez de receber o tratamento propriamente dito.
Para a analise ser valida e impedir a reintroducao do vies de selecao, e
necessario comparar todos aqueles inicialmente designados como
tratamento com todos aqueles considerados como controles,
independentemente de depois terem ou nao sido tratados.
E [Yi |Z = 1] E [Yi |Z = 0]
W = (23)
E [Ti |Z = 1] E [Ti |Z = 0]
Intervec
oes podem criar spillovers ao afetar indivduos nao tratados.
A hipotese SUTVA deve ser satisfeita para estimarmos consistentemente o
Efeito do Tratamento.
Um tratamento, mesmo designado de forma randomizada, com adesao
perfeita, pode prover estimativas inconsistentes do Efeito do Tratamento.
Quando ha externalidades, Eb[Y C |T = 0], obtido na amostra, sera diferente
de E [Y C |T = 0].
Portanto, a estimativa de intencao de tratar
d = Eb[Y T |T = 1] Eb[Y C |T = 0] sera enviesada.
ITT
Se os spillovers sobre os nao tratados forem positivos, estaremos
subestimando o efeito do tratamento.
Um exemplo e o programa de desparasitacao no Quenia. Os nao tratados se
beneficiaram mesmo nao recebendo medicamento.