Es un método para
estimar el efecto causal de un tratamiento, a partir del emparejamiento
(matching) entre cada observación del grupo de tratamiento con su clon del
grupo de control. Así, trata de comparar las diferencias en los resultados
entre los individuos idénticos, de acuerdo con un vector de características
observables Xi, que solo se diferencian porque uno recibió el tratamiento y el otro
no (control), bajo el supuesto de independencia condicional, es decir, que
condicional al vector de características observables, la asignación al
tratamiento es como si fuera aleatoria.
Este método de PSM
opera resumiendo la información contenida en el vector Xi en un solo escalar y
emparejando las observaciones basadas en el escalar usando alguna función de
distancia. En particular, hace esto con el Propensity Score, que es la
probabilidad condicional de asignación al tratamiento dado el vector de variables
observadas:
Adicionalmente, para
garantizar que cada observación de tratados puede ser reproducida entre los no
tratados se debe estar en la región de soporte común.
Teorema del Propensity Score:
Es posible hacer la estimación en las siguientes etapas:
1. Calcular
la probabilidad condicional de ser tratado: con un modelo como el MPL en el que
se incluyan solo las variables que afecten tanto la asignación al tratamiento
como la variable de resultado.
2. Definir la
región de soporte común.
3. Emparejar
unidades en el grupo de tratamiento y control en función del Propensity Score.
4. Estimar el
efecto promedio del tratamiento.
Comentarios
Publicar un comentario