Page 61 - Evolución e impacto de la inflación en el sector agroalimentario de España

técnico, estas empresas cumplían el supuesto necesario de tendencias paralelas. Snow Estamos interesados en estimar efecto medio del tratamiento sobre los tratados en el
no podía comparar a partir de una diferencia simple estos distritos, puesto que partían de período 2 (por sus siglas en inglés, ATT):
orígenes distintos, pero, dado que se cumplía este supuesto, podía comparar los cambios
que habían sucedido dentro de cada distrito al cambiar la fuente de donde provenía el [ (1) (0 | = 1]
agua. De esta forma, John Snow comprobó que el cólera provenía del agua contaminada ¿Cómo podemos identificar el efecto medio del tratamiento cuando no se cumple la
y popularizó el método de Diferencias en Diferencias (Cunningham, 2021; Angrist y Pis- asignación aleatoria?
chke, 2016).
Básicamente se deben cumplir 2 supuestos importantes:
Este método ha sido ampliamente utilizado en economía desde entonces y actualmente
es una de las metodologías más utilizadas dentro de las ciencias sociales. Esto se ejem- ∞ Tendencias paralelas: en ausencia del tratamiento, la media de las realizaciones
plifica con el premio Nobel entregado a David Card en 2021, justificado por la utilización debe haber evolucionado igual, aunque partan de escenarios distintos.
de esta metodología para estudiar la causalidad entre la subida del SMI (Salario Mínimo
Interprofesional) y la evolución del empleo (Card y Krueger, 1994). [ (1) (0)| = 1] = [ (1) (0)| = 0]
En ausencia de la política, las unidades pueden tener diferentes niveles, pero los
Técnicamente, lo deseable al utilizar esta metodología es encontrar lo que hubiera
sucedido en el grupo de tratamiento si no hubiera existido la medida (el escenario co- cambios deben ser iguales.
nocido como contrafactual). En este sentido, se busca un grupo que haya sido afec- ∞ No anticipación: la política no debe de tener efectos a priori en el tratamiento.
tado por alguna medida, lo que se conoce como tratamiento o grupo de tratamiento,
mientras que, el grupo de control no ha sido afectado por la política en cuestión. La (0) = (1)
elección del grupo de tratamiento y de control debe ser aleatoria, lo que garantizaría
i
encontrar el contrafactual sin ningún sesgo. Esto último se conoce como “experi- Ya que el tratamiento (D ) no tiene la asignación aleatoria, el efecto que queremos medir
mento natural”. Todos los diseños de diferencias en diferencias se basan de alguna no está identificado sin las suposiciones tradicionales. Esto es debido a lo que hemos
comentado antes; es decir,D está correlacionado con los factores heterogéneos de cada
i
manera en un experimento natural. Si la elección no es aleatoria, las características de grupo, factores de tiempo ocurriendo entre los dos períodos. Por tanto, necesitamos re-
los individuos hacen que sean elegibles para la medida, lo que induce a un sesgo de
selección. currir a las suposiciones para poder identificar estos efectos.
54 Incluso, puede haber individuos tratados y no tratados que son diferentes en caracte- Es sencillo hacer esta evaluación con 4 datos agregados (medias). En el siguiente cuadro, 55
rísticas inobservables para el investigador. Podríamos pensar que la situación se podría se muestra un ejemplo:
solucionar en este contexto, observando a los individuos tratados antes y después del
establecimiento de la medida. De esta manera, se utilizan al grupo de tratamiento antes GRUPO NO AFECTADO GRUPO AFECTADO TRATA-
de la medida como grupo de control y al grupo de tratamiento después de la medida (CONTROL) MIENTO
como grupo de tratamiento. El problema es que se llega a otro sesgo. Determinados ANTES DE LA
acontecimientos pueden estar ocurriendo entre los dos períodos, contaminando el re- [ (0)| = 0] [ (0)| = 1]
sultado. INTERVENCIÓN
DESPUÉS DE LA
No obstante, se podría utilizar el grupo de individuos no sometidos al tratamiento INTERVENCIÓN [ (1)| = 0] [ (1)| = 1]
como grupo de control y compararlo con el grupo de individuos sometidos al tra-
tamiento y ver las diferencias antes y después. Es en esta idea en lo que se basa el Cambio en el grupo de control: = [ (1)| = 0] [ (0)| = 0].
método de Diferencias en Diferencias. Se calcula la diferencia de los valores medios Cambio en el grupo de tratamiento: = [ (1)| = 1] [ (0)| = 1].
de las variables de interés entre el “después” y “antes” para cada uno de los grupos de
tratamiento y de control. Finalmente, se obtiene la diferencia entre estas dos diferen- Segunda diferencia (entre grupos) o diferencia entre el cambio de los dos grupos:
cias de medias.
= = ( [ (1)| = 1] [ (0)| = 1] [ (1)| = 0] [ (0)| = 0])
Supongamos que tenemos n individuos, y dos períodos de tiempo, T=2.
Una simple regresión lineal identificará nuestro efecto medio del tratamiento con dos
Consideremos una variable binaria de tratamiento (D ): por ejemplo, que toma valor igual períodos de tiempo: . Suponemos que no hay variables explicativas para simplificar
it
a 1 si el individuo pertenece al grupo de tratamiento y 0 si se encuentra en el grupo de el análisis:
control. Estamos interesados en ver los efectos en los resultados de una variable depen-
diente (Y ): = + + + +
it
∞ Y (0) es el resultado potencial en el período t∈{1,2} si no tratado en los dos pe- Dónde β son los efectos fijos de individuos, D es una variable ficticia de tratamiento que
i
i
it
ríodos. puede tomar dos valores; igual 1 si los individuos pertenecen al grupo de tratamiento e
igual a 0 si no pertenecen al grupo de tratamiento. T es una variable ficticia temporal que
t
∞ Y (1) es el resultado potencial en el período t∈{1,2} si no tratado en el primer pe- puede tomar dos valores: igual a 1 si los datos se producen después del tratamiento e
it
ríodo, tratado en el segundo. igual a 0 si se producen después del tratamiento.