πŸ“ LATE β€” Local Average Treatment Effect

IV, compliers, monotonicidad, Wald estimator, LATE vs ATE

IV Compliers Wald
Módulo 9 de 12
πŸ’‘ PiΓ©nsalo asΓ­: LATE responde: "ΒΏCuál es el efecto del tratamiento para quienes cambian su comportamiento por el instrumento?" No es el ATE promedio general, sino el efecto local en los compliers β€” los que aceptan el tratamiento cuando se les anima y lo rechazan cuando no.
Conceptos de LATE

πŸ“ Teorema de LATE

Imbens & Angrist (1994) demostraron que bajo los supuestos de selección en observables y existencia de un instrumento válido, el Wald estimador identifica el LATE: el efecto causal promedio para los compliers.

El LATE no es necesariamente igual al ATE, pero es un parámetro causal bien definido: el efecto para quienes son inducidos a cambiar su tratamiento por el instrumento.

LATE = E[Y|Z=1] - E[Y|Z=0] / E[D|Z=1] - E[D|Z=0]

πŸ‘₯ Tipología de unidades (Angrist et al.)

Dado un instrumento Z y un tratamiento D (1 = tratado, 0 = control):

  • Always-takers: D=1 sin importar Z (reciben el tratamiento siempre).
  • Never-takers: D=0 sin importar Z (nunca reciben el tratamiento).
  • Compliers: D=Z (se comportan como se espera: reciben tratamiento si Z=1).
  • Defiers: D=1-Z (hacen lo contrario de lo esperado).

Bajo monotonicidad (no hay defiers), el Wald identifica el ATT para los compliers.

πŸ”§ Supuestos del Wald Estimator

(1) Relevancia: Z debe estar correlacionado con D (cov(Z,D) β‰  0).
(2) Exogeneidad: Z es independiente de los potenciales resultados Y(0), Y(1).
(3) Exclusión: Z solo afecta Y a través de D.
(4) Monotonicidad: No hay defiers (D(1) β‰₯ D(0) para todos).

Sin monotonicidad, el estimador no tiene interpretación causal clara.

Wald = (Ȳ1 - Ȳ0) / (D̄1 - D̄0)

βš–οΈ LATE vs ATE

LATE = ATE solo si el efecto del tratamiento es homogéneo entre grupos (always-takers, never-takers, compliers tienen el mismo efecto). En general, LATE ≠ ATE.

Si los compliers son una fracción pequeña de la población, el LATE puede diferir sustancialmente del ATE. La validez externa requiere entender quiénes son los compliers.

Simulación: LATE / Wald

Genera datos con instrumento binario y estima LATE vía Wald. Compara con ATE verdadero.

Presiona "Simular LATE" para ver los resultados.
Ejemplo paso a paso: Efecto del servicio militar obligatorio en ingresos
Paso 1: El problema

Queremos saber si hacer el servicio militar aumenta o reduce los ingresos futuros. Pero quienes se alistan no son aleatorios: pueden tener menor capital humano inicial.

Paso 2: Instrumento: sorteo de lotería

Angrist (1990) usó el sorteo de la lotería de reclutamiento de Vietnam como instrumento. Algunos jóvenes recibieron números bajos (ser llamados al servicio) y otros números altos (no llamados).

Paso 3: Identificación de compliers

Los compliers son quienes se alistaron solo si fueron llamados (número bajo) y no se alistaron si no fueron llamados. Always-takers se alistan igual, never-takers no se alistan nunca.

Paso 4: Resultados

Wald estimador: diferencia de ingresos por estatus del sorteo dividida por diferencia en alistamiento. LATE estimado β‰ˆ -15% en ingresos para compliers, significativo a los 10 años post-servicio.

Mini Quiz: LATE
πŸ’‘ Responde las preguntas sobre LATE y Variables Instrumentales.

πŸ“ Resumen del módulo