Curso de Econometría Aplicada y Evaluación de Políticas

Lección 1 • Repaso de probabilidad y estadística

Cubre variables aleatorias, distribuciones y teoría del muestreo esenciales para la modelación econométrica. Establece el lenguaje estadístico utilizado a lo largo del curso.

Lección 2 • Marco de inferencia causal

Presenta el marco de resultados potenciales y el problema fundamental de la inferencia causal. Fundamenta todas las estrategias de identificación subsecuentes en un modelo conceptual unificado.

Lección 3 • Modelos económicos y datos

Presenta los modelos estructurales vs. de forma reducida y los tipos de datos utilizados en el análisis de políticas. Conecta la teoría económica con las elecciones de especificación empírica.

Lección 1 • Regresión lineal simple

Deriva el estimador de MCO y su interpretación geométrica. Proporciona la base algebraica para todos los métodos basados en regresión en capítulos posteriores.

Lección 2 • Inferencia y prueba de hipótesis

Cubre errores estándar, pruebas t, pruebas F e intervalos de confianza para coeficientes de regresión. Conecta la significancia estadística con los tamaños del efecto relevantes para las políticas.

Lección 3 • Regresión múltiple y controles

Extiende MCO a múltiples regresores y explica el papel de las variables de control en la reducción del sesgo por variable omitida. Apoya directamente la interpretación causal de los coeficientes.

Lección 4 • Supuestos y propiedades de MCO

Examina las condiciones de Gauss-Markov y sus implicaciones para el insesgamiento y la eficiencia. Los estudiantes aprenden qué violaciones son más importantes en el trabajo de política aplicada.

Lección 1 • Variables dependientes binarias y limitadas

Presenta los modelos probit, logit y Tobit para resultados no continuos comunes en la evaluación de políticas. Cubre los efectos marginales y su interpretación correcta.

Lección 2 • Modelos de conteo y duración

Cubre la regresión de Poisson, los modelos binomiales negativos y los modelos de riesgo para resultados de conteo y tiempo hasta el evento. Amplía las herramientas para el análisis de políticas de salud, laborales y de crimen.

Lección 3 • Inferencia robusta a la heterocedasticidad

Deriva los errores estándar consistentes con heterocedasticidad y explica cuándo son importantes. Prepara a los estudiantes para reportar errores estándar creíbles en el trabajo aplicado.

Lección 1 • Fuentes de endogeneidad

Cataloga las variables omitidas, la simultaneidad y el error de medición como fuentes de endogeneidad. Motiva la necesidad de instrumentos antes de presentar el estimador de VI.

Lección 2 • Validez del instrumento e instrumentos débiles

Prueba la relevancia y exogeneidad del instrumento y diagnostica problemas de instrumentos débiles. Los estudiantes aprenden a defender la elección de instrumentos en la investigación de políticas.

Lección 3 • Estimador de VI y mínimos cuadrados en dos etapas

Deriva los estimadores de VI y MC2E y sus propiedades asintóticas. Conecta la relevancia y exogeneidad del instrumento con la estimación consistente.

Lección 4 • Efectos promedio locales del tratamiento

Presenta el marco LATE y los efectos heterogéneos del tratamiento bajo VI. Clarifica qué población identifican las estimaciones de VI en contextos de política.

Lección 1 • Efectos aleatorios y prueba de Hausman

Presenta el estimador de MCG de efectos aleatorios y la prueba de Hausman para elegir entre EF y EA. Conecta la elección del modelo con los supuestos sobre la heterogeneidad no observada.

Lección 2 • Tratamiento heterogéneo en paneles

Examina diseños de adopción escalonada y los problemas con los EF bidireccionales bajo heterogeneidad del efecto del tratamiento. Introduce estimadores de DiD robustos modernos para datos de panel.

Lección 3 • Estructura y notación de datos de panel

Define paneles balanceados y no balanceados, variación intra e inter, y el modelo de error de dos vías. Establece la notación utilizada en todos los estimadores de panel.

Lección 4 • Estimación de efectos fijos

Deriva el estimador intra y el estimador de primeras diferencias para eliminar las variables no observables a nivel de unidad. Explica cuándo se prefiere cada enfoque en entornos de política.

Lección 1 • Fundamentos del diseño experimental

Cubre los mecanismos de aleatorización, estratificación y cálculos de poder para experimentos de políticas. Asegura que los estudiantes puedan diseñar experimentos que detecten tamaños del efecto relevantes para las políticas.

Lección 2 • Efectos derrame e interferencia

Examina las violaciones del supuesto SUTVA y los métodos para estimar efectos derrame. Aplica diseños de aleatorización en dos etapas para capturar efectos derrame de red y de mercado.

Lección 3 • Estimación de efectos del tratamiento

Deriva los estimadores ITT y TOT y explica cuándo cada uno es el parámetro de política apropiado. Conecta los estimandos experimentales con el marco de VI del Capítulo 4.

Lección 4 • Validez externa y escalamiento

Evalúa el sesgo de selección de sitio, la extrapolación de LATE a ATE y los enfoques estructurales para escalar los hallazgos experimentales. Prepara a los estudiantes para asesorar sobre decisiones de escalamiento de políticas.

Lección 1 • Diseño de regresión discontinua

Introduce el DRD nítido y borroso como una estrategia cuasi-experimental que explota los puntos de corte de asignación. Cubre la selección del ancho de banda, la estimación polinomial local y las pruebas de validez.

Lección 2 • Pruebas de tendencias paralelas y validación

Cubre pruebas de tendencias previas, gráficos de estudio de eventos y ejercicios de falsificación para validar los diseños de DiD. Enseña a los estudiantes a presentar evidencia creíble del supuesto de tendencias paralelas.

Lección 3 • Método de control sintético

Construye un contrafactual basado en datos a partir de una combinación ponderada de unidades no tratadas. Aplica el método a intervenciones de política a nivel agregado con pocas unidades tratadas.

Lección 4 • Diferencias en diferencias clásico

Deriva el estimador de DiD 2x2 y sus supuestos de identificación. Establece la línea de base conceptual para todas las extensiones cubiertas en el capítulo.

Lección 1 • Efectos heterogéneos del tratamiento

Estima los efectos promedio condicionales del tratamiento utilizando análisis de subgrupos, modelos de interacción y métodos asistidos por aprendizaje automático. Identifica qué poblaciones se benefician más de una política.

Lección 2 • Diseños de regresión de punto de inflexión y agrupamiento

Extiende las herramientas de DRD a los diseños de punto de inflexión y estimadores de agrupamiento para esquemas de impuestos y beneficios. Cubre los supuestos de identificación y la estimación de la elasticidad.

Lección 3 • Comunicación de resultados a los formuladores de políticas

Traduce los hallazgos econométricos en resúmenes de políticas, visualizaciones y resúmenes ejecutivos para audiencias no técnicas. Desarrolla las habilidades de comunicación profesional necesarias para el impacto en las políticas.

Lección 4 • Replicación y transparencia en la investigación

Cubre las prácticas de datos abiertos, la documentación de código y los estándares de reproducibilidad en econometría aplicada. Prepara a los estudiantes para producir y evaluar investigación de políticas replicable.