00:00:31:08 Software Shop, la empresa líder en la implementación de herramientas analíticas y software especializado en Latinoamérica, les da la bienvenida a esta presentación. Instructora María Camila Jiménez, economista con maestría en Economía de la Universidad Ex Marshall en Francia, se ha desempeñado como científico de datos y administrador de aplicaciones de minería de datos. Gran interés por temas de econometría aplicada, economía laboral y análisis y procesamiento de información estadística y económica.

00:01:23:00 Actualmente hace parte del grupo de instructores del Portafolio cuantitativo en sorpresa. Bienvenidos Buenos días a todos y bienvenido a este webcast en el cual abordaremos una técnica conocida como Diferencias y Diferencias. Es muy útil en el contexto de mi evaluación de impacto, porque entonces, entrando en materia en general, digamos que hay muchos, muchas situaciones en donde en un momento específico ocurre un cambio.

00:02:06:20 Entonces podemos ver qué pasa en un contexto específico, antes y después de la introducción de alguna política o alguna intervención. Y así pues, es saber cuánto cambió esta situación debido al tratamiento y esto es como tal, pues el objetivo de la inferencia causal tratar de identificar cuál es el efecto causal de una intervención, puede ser, por ejemplo, a una política comparando un grupo antes y después del del tratamien.

00:02:53:25 Entonces, lo que estamos haciendo acá es analizar una variación within. En la sesión pasada veíamos en qué consistía esta variación y si recordamos el ejemplo, he visto en el webcast anterior a poníamos el caso de un grupo de, por ejemplo, nuestras mascotas sea y el estamos haciendo seguimiento a lo largo del tiempo para controlar su altura. Digamos que tenemos un grupo de perros de diferentes razas y la idea pues mira su la evolución en términos de su altura a lo largo del tiempo.

00:03:24:16 Cuando hacemos este análisis, pues vamos a ver dos situaciones. La primera es la de un nivel de heterogeneidad, porque podemos tener, por ejemplo, razas de perros que tienen la característica pues de ser más altos que otros. Pero también podemos ver que si tomamos por ejemplo un a uno específico, vemos que en el tiempo este crece, su altura va a cambiar.

00:04:10:14 Entonces la comparación, digamos, del perro cachorro con su versión adulta es lo que conocemos como la variación within. Y esto significa que un factor que va a interferir en en el efecto que que es que queremos estimar del tratamiento en el resultado es el tiempo. Entonces como tal, la idea es tratar de cerrar, digamos, esta puerta que está interfiriendo en la identificación, pues del efecto de la intervención en la que estamos interesados sobre un resultado específico.

00:04:43:18 ¿Cuál es el problema? Aquí el problema es que podemos aislar tan fácil el efecto de del tiempo, porque toda la variación en lo que llamamos el tratamiento es explicada en el tiempo o estamos en un momento antes de del tratamiento o estamos en un momento después del tratamiento. ¿Entonces, en este método conocido como diferencias en diferencias, nos ayuda a resolver este problema y cómo nos ayuda a resolverlo?

00:05:22:07 Nos ayuda por medio de la inclusión de de otro parámetro que vamos a llamar grupo. Entonces, en nuestros datos, pues vamos a observar dos tipos de grupos uno que recibe tratamiento y otro que nunca recibe el tratamiento. Esto, entonces lo que estamos haciendo acá es introducir pues, un segundo factor que va a interferir en el efecto del tratamiento en el resultado.

00:05:59:22 Y aunque pues parece como contra contradictorio, como que estamos empeorando la situación, de hecho, al introducir este nuevo parámetro podemos cerrar en ambas puertas. Entonces como. ¿Como funciona esto? Pues primero al introducir y este este parámetro grupo, lo que estamos haciendo es tratar de aislar la variación en Within para ambos grupos, tanto para el grupo A tratado como para el grupo control.

00:06:39:00 Y entonces al aislar esta variación, pues lo que estamos haciendo es controlando por diferencia que hay en los grupos y cerrando está esta puerta, digamos, y esto es lo que conocemos como las diferencias. Con una vez tenemos esto, entonces podemos comparar la variación Within en el grupo tratado con la variación Within en el grupo control, y dado pues que la variación que tienen en el grupo control se ve afectada por por el tiempo.

00:07:25:12 Entonces al hacer esta comparación, estamos estamos de hecho controlando o con esas diferencias en el tiempo y cerramos esta segunda puerta que vamos a llamar la diferencia en las diferencias. En otras palabras, lo que estamos buscando es saber cuanto más cambio el grupo tratado respecto al grupo no tratado al pasar, pues de un momento antes de la intervención, un momento después de esta intervención, para ser más, más claros, digamos que lo que estamos haciendo acá es calculando la diferencia de dos diferencias.

00:08:10:14 Entonces la primera diferencia que vemos aquí es entre el grupo e tratado antes y después de de la intervención. Y la segunda diferencia es entre el grupo control. Igual antes y después de de la intervención. El cambio en el grupo control Podemos nos va a representar cuanto el cambio se hubiese esperado en el grupo tratado si no hubiese ocurrido el tratamiento, entonces cualquier cambio adicional que observemos es lo que vamos a llamar el efecto del tratamiento.

00:08:54:21 Veamos entonces un ejemplo. Este ejemplo es, digamos, uno de los primeros em em, digamos, de eventos que introducen em la aplicación de diferencias en diferencias, dado que se da como tal todos todos los componentes para crear, pues em este diseño de la investigación. El ejemplo pues se basa en los hallazgos de Jon Snow en mil ochocientos cincuenta y cinco.

00:09:27:02 El fue el que contrario a lo que se creía em em evidencio que el cólera se estaba dispersando no por medio del aire, sino por medio de la y el diseño que el formulo se basó en dos periodos, entonces él tomó la como estaban Londres en mil ochocientos cuarenta y nueve, como ER se transformo en mil ochocientos cincuenta y cuatro.

00:10:04:11 Pues en términos de de la evolución con con el con en bueno durante este periodo varias compañías pues estaban encargadas de la de la digamos recolección de la agua y la distribución de de ella y tomaban esta agua del río Támesis. Pero lo que pasó durante el EM este periodo fue que se introdujo una política que obliga específicamente a una de las compañías en la compañía.

00:10:51:17 Se llama Lambeth a mover la la recolección de su agua a otra posición, moviendo como tal em a esta compañía. Su fuente de de de agua. Podemos entonces encontrar un grupo tratado, es decir que todos a todos aquellos individuos ubicados en áreas donde esta compañía proveía em el agua de ser considerado como el grupo tratado y el grupo control o no tratado es todos aquellos individuos en áreas donde esta compañía no distribuía el agua.

00:11:26:16 Entonces la pregunta que el se planteó fue Las áreas que reciben agua de esta compañía vieron sus números de cólera a bajar de mil ochocientos cuarenta y nueve a mil ochocientos cincuenta y cuatro en relación a aquellas que digamos que estaban bajo la distribución de otras compañías y en lo que el encontró. Estos son los resultados. Es que antes de de la intervención.

00:12:09:06 Es decir, esta primera columna, las tasas de mortalidad por cólera EM eran muy similares en ambos casos, pero pues hay que tener peor, porque esto no significa que esto, esto no es una condición necesaria para aplicar diferencias en diferencias, pero si nos da un indicio o incrementar la, digamos, la credibilidad de que estamos comparando dos grupos a que son muy similares antes de que ocurra la intervención de después de esta política.

00:12:48:22 Es decir, acá está e segunda columna, vemos que de hecho el cólera en en, en aquellas áreas donde esta compañía no operaba se incrementó pasando a cada ciento treinta y cuatro, ciento treinta y cinco a ciento cuarenta y siete, mientras que em el problema en áreas con la distribución de el hambre disminuyó, pasando de ciento treinta a ochenta y cinco.

00:13:27:02 El valor estimado de las de aceites de de hacer el cálculo de diferencias en diferencias pues no lo obtenemos tomando la diferencia de lo que pasa EM Aquí en Lambeth SAS vamos a tomar ciento e perdón a cabo ochenta y cinco menos ciento treinta y vamos a restar la diferencia de lo que pasa fuera de o a lo que llamamos no Lambeth, que es la diferencia entre ciento cuarenta y seis y ciento treinta y cinco.

00:14:36:12 Esta diferencia de de las diferencias que en este caso corresponde a cincuenta y siete punto uno, es el movimiento em em es cuanto se redujo la tasa de mortalidad por cólera y el movimiento de Lambeth, pues lo que hizo fue reducir esa tasa de mortalidad en un cincuenta y siete punto uno por diez em habitantes. Para que este método funcione, necesitamos un grupo control que tenga ciertas características, específicamente que pues lo que queremos es que este grupo control cumpla con el supuesto principal de de diferencias en diferencias que conocemos como tendencias paralelas o para el Trent EM con el grupo tratado.

00:15:18:26 Este supuesto EM nos dice que si no se hubiese producido ningún tratamiento, la diferencia entre el grupo tratado y el grupo no trata no tratado habría permanecido igual en el periodo posterior y previo tratamiento. ¿Lo que em bueno y con este supuesto pues y digamos que es muy difícil de verificar porque estamos hablando de algo que no observamos, estamos considerando a una situación hipotética, a lo que conocemos como el contra factual, de que hubiese pasado si el tratamiento?

00:15:52:03 Pues no, no, pues y em en la idea pues detrás de de este método es usar el cambio que vemos en el grupo control para representar, pues todos los cambios em que no se deben al tratamiento, pues en el grupo tratado entonces en una restamos estos elementos lo que va a quedar o lo que esperamos obtener es el cambio del grupo tratado.

00:16:33:28 Y para esto pues necesitamos del supuesto de tendencias para leernos. Si miramos, pues matemáticamente vamos a tener tres elemento es cuando comparamos EM en el grupo tratamiento lo que pasa antes y después em em lo podemos traducir a los, digamos efectos del efecto tratamiento más otros cambios en este grupo y lo mismo cuando miramos aquí el grupo control que pasa antes y después acabamos obtener otros cambios en el grupo de control EM la resta.

00:17:12:29 Entre estos dos números que obtenemos con digamos que en términos de los cambios va a ser pues esto menos esto. Para que este método identifique solo el efecto del tratamiento, es decir, solo este elemento, pues tenemos que garantizar que en los otros cambios en el grupo tratamiento y en el grupo control se cancele la pregunta. ¿Ahora es como entonces elegimos este grupo control?

00:17:58:19 Lo primero pues lo que queremos en un grupo control es que cambie en la misma proporción que el grupo em tratado, tanto antes del tratamiento como después. Y para esto pues unos señales que nos ayudan pues a verificar si esto ocurre. La primera es si creemos que el grupo control no cambiaría repentinamente alrededor del momento del tratamiento. Esto significa que si algo cambia en el grupo control al mismo tiempo en diferencias, en diferencia de lo que va a hacer es mezclar los efectos del tratamiento y lo que sea.

00:18:33:09 Pues que esté cambiando en el grupo control. En la segunda señal es que ambos grupos son similares. EM En varios aspectos. Acá estamos confiando en el supuesto que en ausencia del tratamiento, ambos grupos EM cambiarían de la misma forma a través del tiempo y con la tercera señal. EM Ambos grupos tienen trayectorias, trayectorias similares en la variable independiente.

00:19:10:25 Con esto estamos diciendo que la variable independiente aumenta o disminuye, pues aproximadamente en EM en la misma tasa para los dos grupos en el periodo pre tratamiento. Es decir, que si los dos grupos A tienen una tendencia similar antes de que ocurra el tratamiento, esto lo podemos considerar como una o una buena señal que nos hace pensar pues que posiblemente seguirán esa tendencia hacia el tratamiento, pues no hubiese ocurrido.

00:19:49:14 ¿Y cómo podemos comprobar que el grupo control es apropiado? ¿Y algunas formas de evaluar este supuesto? La primera pues, es revisar las tendencias previa al tratamiento y esto lo hacemos, lo podemos hacer por medio de un gráfico como el que vemos aquí. EM en el cual comparamos pues los dos grupos siempre ejemplo acá tenemos con el grupo control, con el negro, el grupo EM tratamiento y la idea es mirar qué tan similares.

00:20:30:02 EM son en su comportamiento antes de la intervención. Entonces por ejemplo, a cada vemos que los dos grupos siguen una misma EM dirección EM. Mientras que si miramos este segundo gráfico o pasa lo contrario en dos puntos. Por ejemplo, en nuestro primer punto vemos que mientras el tratamiento va bajando, cada uno va subiendo en lo mismo acá, mientras que el tratamiento baja, este control sube.

00:21:06:25 Entonces en el primer gráfico vemos que es de hecho la distancia entre los dos grupos. Trata de permanecer con constante EM en el tiempo previo al al tratamiento, y esto nos da pues un indicio de EM si no hubiese ocurrido este trata, este si este tratamiento, esta intervención, pues lo más probable es que los grupos hubiesen seguido tendencias similares.

00:21:45:07 Un tras que acá en el segundo gráfico vemos que el habré hecho el CAP que que que hay entre los dos grupos se va reduciendo a medida que nos vamos acercando al al tratamiento EM esto pues tendencia em probablemente pues habría continuado sin el tratamiento, por lo que hace poco probable que se mantenga o se cumpla el supuesto de tendencias paralelas.

00:22:28:08 Pero pues acá también tenemos que tener cuidado porque pues encontrar que las tendencias no son idénticas. Digamos que no es suficiente prueba de que dife diferencias en diferencias en no funcione. Sin embargo, cuando se nos da este tipo de casos es importante, pues explicar, justificar por qué pensamos que que este gap de antes a después del tratamiento no cambia a cuando, pues podemos ver que si hay un caps el segundo test se conoce como placebo.

00:23:19:15 Este es un test que consiste en tomar los datos antes de la intervención, ignorando completamente lo que pasa después de del tratamiento y usando estos datos. La idea es seleccionar diferentes periodos y pretender que el trata miento fue aplicado en esos periodos y aplicamos em diferencias en diferencias usando esas fechas, digamos ficticias. EM que consideramos si encontramos un efecto al aplicar diferencias en diferencias para esos periodos, entonces nos da un indicio de que algo no esta funcionando justo.

00:23:55:28 Entonces, em, una vez tenemos EM o entendemos cual es el principio del método o nos interesa saber cómo podemos ejecutarlo. El propósito es controlar por diferencias que hay entre los grupos y también en el tiempo. Entonces la regresión la podemos escribir de esta manera donde en la parte derecha tenemos nuestra variable dependiente y en la izquierda tenemos em.

00:24:41:29 Digamos que em. Em nuestra primera parte con con la variable explicativa de interés y una otra es la otra parte. Pues que es Henderson, como hemos visto que es la regresión normal y la diferencia acá es que estamos em em o que estamos teniendo en cuenta dos elementos. El primero es este alfa sobre que nos va a representar los efectos fijos de del grupo, es decir, acá estamos considerando el grupo tratado, el grupo control.

00:25:20:28 Vamos a tener otro elemento que es este alfa Super em que nos va es una variable que nos indica el antes, un parámetro que nos indica el antes y el después del tratamiento. Y vamos a tener aquí esta variable o la la la otra marca, si es que es una variable dicotómica que nos va a indicar si el individuo ha sido tratado o no, y es este beta uno va a ser el efecto de los tratados después del tratamiento con lo que conocemos.

00:25:55:22 Despertar como el efecto de diferencias en diferencias. Podemos incluir variables de control. El EM em. Digamos que hay que tener mucho cuidado porque hay dos casos, digamos, las variables de control que em varían en el grupo. Hay variables de control que varían en el grupo pero que no cambian en el tiempo. Cuanto cuando queremos incluir o tener en cuenta estas variables.

00:26:38:03 Lo que va a pasar es que dado que em estamos incluyendo, digamos, efectos, filtros, lo que va a pasar es que ellas se van a eliminar, o sea, en la final no son, no es necesario pues incluirlas. Pero hay otro caso en el que las variables de control pueden cambiar en el tiempo y acá pues tenemos que tener mucho cuidado porque em al incluirlas EM podemos estar em invalidan do o afectando, digamos, el supuesto de tendencias paralelas.

00:27:29:27 Entonces, em tenemos que que mirar si, si, si esos controles que incluimos impactan los dos grupos similarmente, y también si afecta los valores de nuestra variable independiente, entonces, em, si estamos pensando en incluir variables de control y es buena práctica mostrar los resultados sin ellos y después con eventos. Otra forma de escribir esta ecuación es de esta forma es un poco mas larga, pero digamos que nos ayuda a entender un poco mejor em como funciona este método.

00:28:10:05 Acá vamos a tener entonces una variable que es el grupo tratado. Es una variable dicotómica que nos va a indicar si el individuo esta o no en el grupo e tratado. Después vamos a tener em esta variable que es indicada después del tratamiento y también va a ser una unión dicotómica em para indicar si el individuo em están em tratado digamos, y vamos a tener acá la interacción y este pues va a ser otro.

00:28:41:09 Ubica dor de si el individuo esta en el grupo tratado y en el periodo después de el tratamiento. Este es beta tres. Entonces una vez pues no lo estimamos. Es el el estimar de diferencia l es el valor estimado de diferencias en diferencias se nos va a dar, pues el efecto del tratamiento en nuestra variable de interés. Y esta forma pues de describirlo, digamos que nos da una mayor claridad.

00:29:31:03 Este beta tres nos va a indicar cuanto o que tan grande es el el el gap o la brecha entre el grupo tratado de grupo de control después de implementar el tratamiento. En todo caso. Pues no importa como escribamos la ecuación, digamos que esta todo el trabajo em por nosotros em. Pero este enfoque pues SEM se conoce como efectos fijos en donde tenemos en cuenta, pues em dos factores em uno que es que control por grupo y otro que controla EM por el tiempo.

00:30:15:22 En la práctica es importante también considerar que estos modelos generalmente se estiman usando errores estándar aglomerados a nivel del grupo. Y esto lo hacemos porque esperamos que los errores estén relacionados dentro del grupo a lo largo del tiempo y puede hacer que estos errores estándar sean demasiado pequeños sin signo, pues no, los aglomerados. Entonces para para pasaron al ejemplo en una estaca.

00:31:01:27 El caso que vamos a tomar aquí se basa en un estudio. Por qué Gran Rod que se titula entonces no fuera. No tomes un no por respuesta. Un experimento a sobre el nivel de y de em. Em de personas. Digamos que se registran para ser y estándares de de York. Y específicamente lo que hacen los autores es estudiar la tasa, digamos que a la cual las personas se registran para ser donantes de órganos.

00:31:50:06 Para contextualizar em poco lo que los autores hacen em la donación de órganos función no tiene como tres sistemas. Por ejemplo, en Estados Unidos, en muchos estados se asume que que la persona no es donante. EM Y cuando por ejemplo las personas obtienen la licencia de conducción, las personas se les pregunta si quieren ser registradas en el programa de donación y este sistema em em que en general se caracteriza por tener pues bajas tasas de donación.

00:32:26:29 De hecho. Pues cuando se dio este estudio en la sesión después ha cambiado em en el país, pues las tasas eran muy bajas respecto a otros países europeos, donde el sistema es lo opuesto. Si las personas están automáticamente registradas como donantes, a menos de que ya se ubiquen, no querer ser donantes. Pero además de estos dos sistemas, existe otro conocido como elección activa y bajo este sistema.

00:33:29:19 Cuando por ejemplo, la gente AM va a obtener su licencia de conducción, a estas estas personas se les preguntan si quieren ser o no un donante, pero el no la respuesta. No digamos que va a estar marcada activamente y por lo tanto, pues las personas no pueden digamos que saltarse esta pregunta como ocurre en este sistema. Em por lo que em em, digamos que muchos policías que son legisladores se em proponen o en ese entonces proponían implementar este sistema de elección em activa a con el fin pues de aumentar las tasas de donación y la pregunta pues de los autores era ver si funciona o no este campo.

00:34:02:23 ¿Entonces para hacer esta evaluación lo que hicieron los autores fue tomar una ley que se dio en julio del dos mil once, en el que el estado de California em fue obligado a pasar de un sistema o a un sistema de elección EM activa, lo que crea pues un diseño para comparar que pasa en California versus que pasa en los demás em estados?

00:34:40:23 EM que tienen un sistema diferente. Entonces, al comparar California con los otros veinticinco estados estamos obteniendo pues la diferencia es más específico, pues van a comparar los estados con base a como la tasa de donación cambia a raíz de de la ley en dos mil once. Entonces acá estamos considerando las otras diferencias. EM Los pasos para entender que consiste que son cuatro.

00:35:34:17 Pero antes de empezar a nombrarlos, notemos que en este gráfico California, que es la línea negra, tiene valores o tasas de donación más que el resto de los estados. Y también podemos ver que después de de la intervención, las tasas de donación en California no cambian mucho, pero de hecho podemos ver como una pequeña reducción. Entonces, digamos que de entrada parece que este cambio no tiene un efecto o positivo, es decir, no parece que incremente las tasas de donación, sino lo contrario.

00:36:29:12 Entonces, como diferencias en diferencias nos puede confirmar Pues esto el primer paso es calcular cuatro promedios. Vamos a tomar lo que pasa antes del que con el grupo tratado, es decir, con California, lo que pasa después del Trate del tratamiento en California antes del tratamiento en los otros veinticinco estados y después del tratamiento en los veinticinco estados. Una vez tenemos estos promedios, la idea es verificar y si la diferencia antes y después en el grupo control se debe al efecto del tiempo, entonces vamos a mirar como este promedio ha cambiado en el tiempo.

00:37:25:02 El pasar, pues de antes de julio del dos mil once a después. El tercer paso es aislar el efecto del tiempo. Entonces, para aislarlo, lo que estamos haciendo es restar de tal manera que lo que pasa después se mueve un poco hacia abajo y esta la resta, pues se tiene que hacer ambos grupos. Y una vez tenemos esto, observamos que acá el grupo Control, que es la línea gris, digamos que parece constante en el tiempo, mientras que acá pues vamos a observar esta diferencia y esta diferencia es el efecto de que estamos buscando, es decir, lo que conocemos como el efecto de diferencias o diferencias.

00:38:30:00 Entonces en esta toma pues vamos a ejecutar unas pequeñas líneas, ver que es lo más relevante o el mensaje que quiero enviar acá sobre la interpretación y la comprobar, pues el supuesto de tendencias paralelas. Y para esto pues vamos a importar el archivo que se llama órgano nations del paquete causal delta, que lizando este comando y em. Acá podemos observar que este conjunto de datos tiene cuatro variables el estado en el año y el trimestre y la tasa de donación y es una transformación de cuartas.

00:39:40:07 Y dado que si miramos acá, justo este quarter es ese texto, mientras que acá pues es lo pasamos a numérico. Imaginemos que nos retorna reposo sostenido, un cansancio. Otra vez viene aquí a importarlo esto. Y bueno, acá podemos tabular un cuarto para saber los periodos. La idea entonces es crear la variable tratamiento con con base, pues al al tiempo que estamos considerando aquí y al estado, entonces el vamos a crear una variable que se llama principio que va a considerar pues son de estado California y la.

00:40:36:12 La lista de este trimestres es esta un stop y bueno después tenemos el esta variable pues es y entonces ya podemos ejecutar la regresión y para eso vamos a utilizar em e esta opción, este comando que lo podemos instalar pues utilizando este comando y una vez pues lo instalamos, entonces ya la ejecución es muy sencilla porque pues es como funciona, digamos en una regresión ponemos acá el el REC, que es el comando seguido por la variable dependiente E, la variable independiente, que en este caso es trigger.

00:41:44:25 Y en las opciones acá podemos incluir los efectos fijos y en la con la aglomeración digamos de decirle que que haga el Kloster por nuestro grupo, que en este caso es estado, entonces cuando no lo ejecutamos a el nos va a mostrar esta tabla y pues nosotros estamos interesados en conocer y ver. En efecto en cada em. Vamos a ver pues solo en el efecto pues del coeficiente de la variable trece dado la forma como construimos la la, o sea, si recordamos lo que la esta es la ecuación que estamos ejecutando, no esto y podemos ver que este valor es de menos cero punto cero veintidós con un error estándar muy bajito es cero punto

00:42:49:12 cero cero seis y es de acuerdo pues a este resultado podemos decir que la introducción de de este sistema elección activo en California genera una reducción en las tasas de de donación del cero punto cero veintidós o si lo queremos interpretar en puntos porcentuales de cero punto veintidós respecto a los estados que no fueron tratados con este error estándar, pues obtenemos un de un estadístico hotel de tres punto sesenta y siete, lo cual nos indica que este efecto que esta es estadísticamente significativo al noventa y nueve por ciento de confianza y miramos que vale repetirlo otra vez, lo que estamos haciendo es comparar lo que vemos para el grupo tratado después del tratamiento versus nuestra

00:43:28:19 mejor intuición de lo que hubiese, de lo que le hubiese podido pasar a este grupo si no hubiésemos aplicado el tratamiento. Anda que el supuesto de tendencias para las es muy importante. También para validar pues, la robustez de nuestros resultados. Entonces tenemos, como vimos en las diapositivas, pues dos formas de mirarlo, una gráficamente y otra a través de pruebas placebo.

00:44:14:20 Si gráficamente. EM. Bueno, pues podemos aquí por ejemplo crear una variable que nos identifique el grupo de control versus el grupo en tratado y agrupar las tasas de de donación y después hacer el gráfico. Pero pues acá me voy enfocar más en la segunda. Entonces em, lo que vamos a hacer aquí es primero pues quedarnos con las observaciones correspondientes al periodo antes de el del dos mil once de julio del dos mil once.

00:45:24:28 Entonces por eso acá le digo que mantenga si un cuarto no es menor o iguala a tres y dos, pues vamos a escoger el periodo ficticio dos para el tratamiento. Por ejemplo, acá se crean dos uno para considerando estos dos trimestres y otro considerando solo un semestre. Y cuando creamos esto, pues ya podemos ejecutar la la regresión tal cual como la reclutamos previamente, solo que pues acá en lugar de introducir el verdadero la verdad de la variable narrow, pues metemos aquí la que la ficticia y pues la idea es mirar si hay un efecto, si hay un efecto y si pues es significativo, entonces en este caso pues vemos que este coeficiente es prácticamente cero,

00:46:12:01 ¿lo que nos indica que que parece pues que en este supuesto si se garantiza, si hay un efecto, o sea, si vemos que hay un efecto significativo, entonces pues nos va a indicar que algo esta mal en el diseño y que y que va a ser? Pues que este supuesto no se cumpla. Es lo mismo. Pues vamos a observar si ejecutamos esta segunda regresión, entonces acá vemos lo mismo que el efecto es prácticamente cero o que con esto termino em la presentación.

00:46:53:23 Podemos pasar pues a las preguntas y si los participantes tienen. Gracias María Camila por la presentación, tenemos aquí algunas consultas, se las voy a ir leyendo por acá. ¿Nos preguntan respecto al ejemplo uno porque no se midió solamente el grupo limpio y no mezclado como en el gráfico? Ah, perdón, si vamos al ejemplo uno, a este me repitas la pregunta.

00:47:28:24 ¿Claro, nos dicen por qué no se midió solamente el grupo limpio y no mezclado como el gráfico? No estoy entendiendo la pregunta, ok, si tanto la persona quien no la indicó no las pone, la puede ampliar un poco. Muchas gracias. Nos preguntan como seleccionar el grupo de control en un proyecto o políticas social y qué recomendaciones deberíamos considerar para ello.

00:48:17:12 Es una buena pregunta, porque digamos que en la práctica debemos tratar de ubicar un buen grupo de control que tenga características muy similares al de tratamiento y en la práctica pues es un poco difícil por la heterogeneidad que que tenemos, pero hay varias formas de crear este grupo control. Por ejemplo acá no lo vimos, pero em existen métodos como matching que que lo que hacen es crear como un grupo de control con base a diferentes características.

00:48:54:23 Es como tomar un poco de un grupo, un poco de otro grupo y así tratar de crear como un grupo control más compacto. Pero pues cuando se trabaja en un proyecto es importante pues contar con personas expertas que conozcan muy bien el el contexto para poder definir estas variables. Realmente depende mucho como de la situación que se analicen y esto por acá tenemos otras consultas.

00:49:32:09 ¿Es posible hacer un estudio ex facto aplicando diferencias en diferencias con un grupo de control referenciado en el pasado? Si con un grupo E creo que si, pero tendría que que leer un poco más, pero me parece que en lo que he leído si es posible tendría que profundizar para dar una respuesta. Pues acertada, porque no estoy seguro.

00:49:56:00 ¿Perfecto María Camila, por acá nos preguntan podrías por favor repetir la interpretación del primer resultado del modelo?

00:50:34:00 Ok, entonces este fue el resultado y es negativo. El coeficiente es de cero punto cero veintidós y lo que nos está indicando es que el hecho de introducir este cambio en el sistema de donación EM genera una reducción de de las tasas de cero punto cero veintidós EM en California respecto a los estados que pertenecen al grupo de control.

00:50:58:05 Esa es la interpretación. O sea, es una con pues estamos acá mirando como cambia en este caso la situación de California versus los otros estados. Después de la introducción de esta política.

00:51:26:11 Perfecto. Bueno, tenemos varias preguntas. Vamos a leer algunas de ellas respetando el tiempo de la sesión. Las demás con mucho gusto las podemos realizar por correo electrónico. ¿Nos preguntan es posible aplicar DIP en un grupo en un grupo que no ha sido tratado y un conjunto de grupos que sí fueron tratados pero en diferentes puntos del tiempo, como se harían estatales?

00:52:08:18 Si es posible, y es digamos que es una ejecución, digamos, dinámica. EM En esta etapa lo podemos hacer, sin embargo, pues acá no lo puedo mostrar, pero sí podría enviar un ejemplo de cómo se hace. Pero sí, si es posible, de hacerlo. Y de hecho, pues en la realidad es lo que sucede con con más frecuencia que se de este tipo de dinamismo, no que en un tiempo, pues todos son tratados, sino que en la medida que pasa el tiempo, unos son tratados y otros no.

00:52:48:21 Ok, nos pregunten si este modelo tiene alguna restricción en cuanto al número de años. EM no, pero de hecho pues depende. Bueno, así pues, la idea es como tratar de detener una buena cantidad de observaciones antes y después. ¿Pero digamos que pensando más conceptualmente, una de las preguntas que nos debemos hacer es por cuánto tiempo? Digamos, queremos ver el efecto, o sea, el efecto que estamos tratando de calcular hasta qué momento digamos, podemos ver.

00:53:29:12 Ese es efecto si es después de un año, después de diez años, entonces cuando estamos planteando, diseñando, EM, si, haciendo el diseño en nuestra investigación de cómo de la identificación, digamos, es importante considerar que si, que que momento podemos observar los efectos, porque acá también nos pregunta si los impactos se pueden graficar en estado, si los resultados son los impactos.

00:54:23:29 E Si acá no lo vimos, pues de pronto se puede hacer como otro webcast mostrando formas también de demostrar los resultados. ¿E Y si de hecho es una mejor herramienta para mostrar cómo, como se muevo, como cambia el oxi, como cuál es el impacto en el tiempo? Pues mirando gráficamente los los puntos, sí, claro. Okay. Acá nos preguntan cuál es la diferencia entre det tradicional que nos explicaste y el hetero geis, perdón, el hetero g neo dit, que según entiendo es lo que se está ocupando más ahora.

00:55:10:16 No sé si por heterogéneo se refiere a los grupos, no sé, tendrían que que ampliar nada. ¿La pregunta anda, lo entiendo bien o que si la persona que no la remitió en la puede ampliar un poco más? Bueno, por acá tenemos varias preguntas. Vamos por acá. ¿Cuál es el tamaño de muestra mínimo que se requiere para procesar? ¿Dit um, me escuchaste?

00:55:50:14 ¿La pregunta es eso que no tengo como la respuesta exacta de del número? O sea, siempre es aconsejable. Eso es muy difícil. ¿Como responder esa pregunta? Porque yo diría, no sé, es que con la mezcla del tiempo y la observación, esto es, ampliamos el número de observaciones. Total es por ejemplo, acá nos dieron resultados significati vos, pero en realidad, por ejemplo California, pues sólo se repetía tres veces en en nuestros datos.

00:56:33:17 Entonces no sé, pues tendría que que leer más para saber que cuál es el mínimo o que marca mira. ¿Bueno, vamos a leer tres preguntas más para finalizar la sesión del día de hoy nos preguntamos cómo esto muestra que cada grupo afecta el resultado de la regresión? Sí, sí, sí, sí, sí. El aconsejable es también tarde de que sean un poco más o a bueno, no sé el número de observaciones.

00:57:16:02 No, yo creo que no, porque es muy raro, como tratar de tener el mismo número de observaciones en el grupo tratado y en el control. Usualmente, siempre el tratado tiene menos en número de observaciones. Muchas veces no lo creería. ¿O que por acá nos preguntan existe algún ajuste por la tasa de población de la población? ¿Ya que si bien es cierto baja un dos punto veinticinco por ciento en el primer caso, pero con respecto a que la población crece, cuál sería su impacto?

00:57:51:20 ¿Por ejemplo? Ahí tendríamos que considerarla la población dentro del modelo. Pues mirando, o sea, teniendo cuidado en que no esté impactando el tratamiento, o sea, sí, sí, es bueno tenerla en cuenta. ¿De pronto, eh? La tasa de donación, en lugar de tomarla así como está acá la tasa de nación por cierta cantidad de habitantes y si tiene sentido no incluirla, o sea, si nos va a cambiar como tal o nos va a afectar.

00:58:30:07 Y sobre todo, pues el supuesto de tendencias paralelas. Perfecto. Acá nos dicen en el modelo que nos presenta se comparen dos grupos. Es posible comparar con varios grupos, es decir, uno de control y varios de tratamiento. P En cambio eso es posible hacerlo. EM Sí, en la En la práctica también sucede más eso que tengamos diferentes grupos, no solo dos, sino también es posible.

00:59:32:09 Okay. Bueno, María Camila, voy a dejar en este momento la encuesta en pantalla para que las personas puedan ir la diligencia ando y cerramos con este que nos dicen algunos participantes. ¿Alguna recomendación del libro para profundizar sobre esta técnica en el dato? Perdonen em. Pues aquí en esta tenemos varias ayudas donde podemos em digamos que explorar toda la parte, pues más como de ejecución de de este método, pero también puedo mandar como algunas referencias de de libros, pero no tanto relacionado como con la aplicación estatal, sino más como en el razonamiento que hay detrás de una técnica.

00:59:59:01 No sé si te lo envío a ti. Después a octubre empieza a las personas que no a la persona. Está claro que sí. Perfecto. María Camila Bueno, en este momento va a dejar en el chat el enlace donde pueden acceder a esta sesión grabada la próxima semana. Allí también pueden encontrar otras presentaciones que se han realizado con el apoyo estatal, que quizás también puedan ser de interés de las personas que nos acompañan el día de hoy.

01:00:32:22 ¿María Camila, algo que quieras adicionar antes de cerrar la sesión? No, creo que abarcamos todo el día de hoy. Muchas gracias por la participación y nos venimos quince días. Creo que sí, más quince veinte días. En una nueva presentación con María Camila. Perfecto. María Camila, mil gracias por tu asistencia, por tu presentación. Acá te hago extenso los mensajes que nos dejan en el chat agradeciendo esta sesión a todos nuestros asistentes igual.

01:00:52:29 Muchas gracias por acompañarnos el día de hoy, los veremos en una próxima oportunidad. Les deseamos un feliz resto de día y dejo en pantalla unos minutos más la encuesta para que por favor allí nos dejen todos sus comentarios. Muchísimas gracias a todos por acompañarnos y nos vemos en una próxima oportunidad. ¡Feliz día para todos! Hasta luego, María Camila.

01:01:10:17 Hasta luego. Para mayor información respecto al software o en temas relacionados, no dude en contactarnos a través del correo electrónico, entrenamientos a software ya.com o visitar nuestra página web Triple Ole o Punto Software Guión Shop punto com.