Aula LATE 2015 PDF

Efeito Local do Tratamento e o uso de vari
aveis
instrumentais
Rafael Terra
Universidade de Braslia-Unb
04 de Novembro, 2015
Rafael Terra (Unb) Econometria do Setor P

ublico 04 de Novembro, 2015 1 / 43
Introducao: Definicoes Preliminares
Inicialmente, vamos nos concentrar no caso em que o regressor endogeno e

binario .
Vamos usar o exemplo do trabalho de Joshua Angrist que estima o efeito do
status de veterano (de guerra) no salario (Angrist, 1990).
Quando temos efeitos heterogeneos do tratamento (diferentes efeitos para
diferentes grupos), a endogeneidade cria graves problemas para a
identificacao das medias populacionais.
Efeitos causais medios para a populacao s
o sao estimaveis sob hipoteses
muito fortes acerca do efeito do instrumento sobre o regressor endogeno
(e.g.hip
oteses de efeito do tratamento constante).
Sem essas hip oteses, s
o podemos estimar os efeitos medios para
subpopulacoes (compliers) que sao induzidas pelo instrumento a mudarem o
valor dos regressores endogenos (participacao do tratamento).

Introducao: Definicoes Preliminares
A subpopulacao de compliers nao e necessariamente a populacao de

interesse. Mas os dados nao sao informativos sobre os efeitos medios para
outras subpopulacoes sem extrapolacao, da mesma maneira que um
experimento randomizado realizado em homens nao e informativo sobre
efeitos medios para as mulheres sem extrapolacao.
O esquema apresentado aqui permite ao pesquisador separar nitidamente a
extrapolacao para a subpopulacao de interesse.
Dadas as estimativas para os compliers, pode-se usar os dados para avaliar a
plausibilidade de extrapolar o efeito do tratamento medio local para outras
subpopulacoes utilizando as informac
oes dadas sobre os resultados de um
dos dois nveis de tratamento e covariadas.

Estimador de Variaveis instrumentais
Vejamos o estimador de variaveis instrumentais. Estamos interessados no

efeito causal do servico militar no salario.
Seja Yi o resultado de interesse para a unidade i, Wi o regressor endogeno
(tratamento - servico militar), e Zi o instrumento (loteria para entrar para o
servico militar).
Seja um modelo linear postulado para a relacao entre o resultado e o
regressor end
ogeno :
Yi = 0 + 1 Wi + i (1)
Esta e uma relacao estrutural/comportamental/causal, em que podemos ter

Cov (Wi , i ) 6= 0.

Suponha que tenhamos uma variavel instrumental Zi tal que Cov (Zi , i ) = 0
e Cov (Wi , Zi ) 6= 0.
A solucao e usar Zi como instrumento para Wi .
Podemos recuperar 1 por Mnimos Quadrados em Dois Estagios.
Para isso, estimamos
W
ci =
b0 +
b1 Zi (2)
Substitumos entao W
ci em (1), e estimamos por MQO o seguinte modelo
Yi = b0 + b1 W
ci + vi (3)

Se tivermos somente uma variavel end

ogena e um instrumento, podemos
usar Mnimos Quadrados Indiretos, que requer estimar as seguintes duas
equacoes por OLS.
Yi = 0 + 1 Zi + i
(4)
Wi = 0 + 1 Zi + i
Para recuperar b1 basta dividirmos 1 por 1

b1
1IV = (5)

b1

Quando temos uma variavel end ogena e um instrumento, o 1IV estimado

por Mnimos Quadrados em Dois Estagios ou por IV ou Mnimos Quadrados
Indiretos darao o mesmo resultado.
cov (Yi , Zi ) E [Yi |Zi = 1] E [Yi |Zi = 0]

1IV = =
cov (Wi , Zi ) E [Wi |Zi = 1] E [Wi |Zi = 0]
1
PN (6)
(Yi Yi )(Zi Zi )
= 1 PNi=1
N
N i=1 (Wi Wi )(Zi Zi )

Resultados Potenciais
Vamos definir o modelo de resultados potenciais.

Sejam Yi (0) e Yi (1) dois resultados possveis para a unidade i, um para
cada valor do regressor end ogeno (por exemplo, a variavel de tratamento).
O primeiro resultado potencial Yi (0) informa o resultado se a pessoa nao
tivesse servido nas forcas armadas, independentemente dela ter servido ou
nao.
O segundo resultado potencial Yi (1) informa o resultado se a pessoa tivesse
servido nas forcas armadas, independentemente dela ter servido ou nao.
Estamos interessados no efeito causal do servico militar,
Yi (1) Yi (0) (7)
S
o se pode observar ou Yi (0) ou Yi (1), mas nao ambos.

Seja Wi o valor realizado do regressor endogeno, igual a 0 ou 1. Observamos

(
Yi (1) se Wi = 1
Yi = Yi (Wi ) = (8)
Yi (0) se Wi = 0
Vamos introduzir agora uma variavel instrumental definindo resultados

potenciais para o tratamento.
Nesse caso, o instrumento Zi e binario, e.g. loteria para servir nas forcas
armadas.

Defina dois resultados potenciais Wi (0) e Wi (1), em que o valor entre

parenteses representa os valores do regressor end
ogeno para os Zi = 0 e
Zi = 1, respectivamente.
O valor observado de Wi e dado por
(
Wi (1) se Zi = 1
Wi = Wi (Zi ) = (9)
Wi (0) se Zi = 0
Entao, observamos a tripla Zi , Wi = Wi (Zi ) e Yi = Yi (Wi (Zi )).

Efeito Medio Local do Tratamento - LATE
Hip
oteses:
1 Independencia
Zi (Yi (0), Yi (1), Wi (0), Wi (1)) (10)
Essa hip otese requer que o instrumento seja t

ao bom como se tivesse
sido designado aleatoriamente, e que ele n ao afete diretamente o
resultado Yi .
importante notar que esta hip
E otese n
ao est
a implcita na designac
ao
aleatoria de Zi .
Para ver isto, suponha que haja quatro resultados potenciais dados por
Yi (z, w ), em que Zi = z representa os valores possveis do instrumento
e Wi = w representa os possveis valores do tratamento.

A hip
otese de independencia e a combinacao de duas hipoteses:
2 Designacao Aleat
oria/Randomizada
Zi (Yi (0, 0), Yi (0, 1), Yi (1, 0), Yi (1, 1), Wi (0), Wi (1)). (11)
3 Restricao de Exclusao
Yi (z, w ) = Yi (z 0 , w ), z, z 0 , w (12)
A hip otese de aleatoriedade dos instrumentos nao abrange essa u

ltima
hipotese. Tomando o exemplo de Angrist(1990), essa hipotese nos diz que
independentemente da pessoa ter sido sorteada ou nao para servir no
exercito (nosso instrumento Zi = {0, 1}), se a pessoa escolheu um valor de
W = {0, 1}, seu resultado potencial sera o mesmo.

Tipos de cumprimento/adesao
Tabela 1 - Tipos de cumprimento/adesao

A tabela 1 nos da os 4 possveis pares de status potenciais do tratamento

(Wi (0), Wi (1)).
Dada a caracterstica binaria do tratamento e do instrumento: Nao podemos
saber exatamente qual e o tipo de indivduo com base no que observamos,
pois s
o observamos o par (Zi , Wi ), e nao o par (Wi (0), Wi (1)).
No entanto, podemos excluir algumas possibilidades.
A tabela 2 resume informac
oes sobre o comportamento dos indivduos em
termos de cumprimento/adesao ao que foi designado pelo instrumento.

Para avancar na analise, consideramos a hip

otese de monotonicidade,
tambem conhecida como hip otese de no-defiers.
4 Monotonicidade/No-Defiers
Wi (1) Wi (0) (13)
Essa hip
otese faz sentido em varios casos. Se Zi e a designacao para o
tratamento Wi , faz sentido que haja poucos ou nenhum indivduo que
sempre fazem o oposto daquilo que lhe foi designado.

Tabela 2 - Tipos de cumprimento/adesao por Tratamento e Instrumentos

observados

Dada essa hip

otese de monotonicidade, podemos extrair mais informacoes
sobre o comportamento observado, e.g. cumprimento/adesao.
Sejam
a - proporcao de always-takers.
c - proporcao de compliers.
n - proporcao de never-takers.
Podemos estimar estas proporc
oes pela distribuicao do instrumento e do
tratamento na populacao.
E [Wi |Zi = 0] = a
(14)
E [Wi |Zi = 1] = a + c

Podemos inverter a ordem e substituir a em termos de valores esperados

para inferir sobre as proporc
oes dos diferentes tipos:
a = E [Wi |Zi = 0]
c = E [Wi |Zi = 1] E [Wi |Zi = 0] (15)
n = 1 E [Wi |Zi = 1]

Agora considere os resultados medios por status do instrumento e do

tratamento:
c
E [Yi |Wi = 0, Zi = 0] = E [Yi (0)|complier]
c + n
n
+ E [Yi (0)|never-taker]
c + n
E [Yi |Wi = 0, Zi = 1] = E [Yi (0)|never-taker]
(16)
E [Yi |Wi = 1, Zi = 0] = E [Yi (1)|always-taker]
c
c + a
a
+ E [Yi (1)|always-taker]
c + a

Dessas relac
oes podemos inferir o resultado medio por status de tratamento
para os compliers. Substituindo a segunda equacao na primeira e a terceira
na quarta, temos:
c
c + n
n
+ E [Yi |Wi = 0, Zi = 1]
c + n
c (17)
c + a
a
+ E [Yi |Wi = 1, Zi = 0]
c + a

Rearranjando temos:
c + n
E [Yi (0)|complier] = E [Yi |Wi = 0, Zi = 0]
c
n
E [Yi |Wi = 0, Zi = 1]
c
(18)
c + a
E [Yi (1)|complier] = E [Yi |Wi = 1, Zi = 1]
c
a
E [Yi |Wi = 1, Zi = 0]
c

O efeito local do tratamento sera E [Yi (1) Yi (0)|complier]. Subtraindo a

primeira equacao da segunda, temos:

c + a
E [Yi (1) Yi (0)|complier] = E [Yi |Wi = 1, Zi = 1]
c

a
E [Yi |Wi = 1, Zi = 0]
c
(19)
c + n
E [Yi |Wi = 0, Zi = 0]
c

n
E [Yi |Wi = 0, Zi = 1]
c

Podemos obter estimativas de outra forma, mais parecida com a formula do

estimador de variaveis instrumentais. Considere uma regressao
Yi = + Zi + i sobre uma constante e Z . O coeficiente que da a
inclinacao nesta regressao e dado por:
= E [Yi |Zi = 1] E [Yi |Zi = 0] (20)

Considere o primeiro termo:
E [Yi |Zi = 1] =E [Yi |Zi = 1, complier] Pr (complier|Zi = 1)

+ E [Yi |Zi = 1, never-taker] Pr (never-taker|Zi = 1)
+ E [Yi |Zi = 1, always-taker] Pr (always-taker|Zi = 1) (21)
=E [Yi (1)|complier] c + E [Yi (0)|never-taker] n
+ E [Yi (1)|always-taker] a
De forma similar, o segundo termo e dado por:
E [Yi |Zi = 0] =E [Yi |Zi = 0, complier] Pr (complier|Zi = 0)

+ E [Yi |Zi = 0, never-taker] Pr (never-taker|Zi = 0)
+ E [Yi |Zi = 0, always-taker] Pr (always-taker|Zi = 0) (22)
=E [Yi (0)|complier ] c + E [Yi (0)|never-taker] n
+ E [Yi (1)|always-taker] a

Portanto, a diferenca entre E [Yi |Zi = 1] e E [Yi |Zi = 0] e dada por:
E [Yi |Zi = 1] E [Yi |Zi = 0] = E [Yi (1) Yi (0)|complier] c (23)
Note tambem pela equacao (14) que o coeficiente da regressao de Wi sobre

Zi pode ser representado por
E [Wi |Zi = 1] E [Wi |Zi = 0] = c (24)

A regressao de Yi sobre Zi como em (4), produz o coeficiente . Note que

= 1 1IV , em que 1 = c . Portanto temos
E [Yi |Zi = 1] E [Yi |Zi = 0]

1IV = = = E [Yi (1) Yi (0)|complier]
c E [Wi |Zi = 1] E [Wi |Zi = 0]
(25)
Esse coeficiente 1IV representa o efeito local do tratamento.

Os dados so sao informativos sobre o efeito medio para os compliers, e nao
tem informac
oes sobre os always-takers e never-takers.
Um caso interessante e o de cumprimento/adesao unilateral. Suponha que
quando um grupo e designado como controle ele nao possa receber o
tratamento. Mas quem e designado como tratado e complier ou
always-taker. Never-takers nao sao forcados a receberem o tratamento e
podem declinar. Nesse caso, o efeito do tratamento estimado para os
compliers e o efeito do tratamento sobre os tratados (ATT).

Extrapolando as inferencias para toda a populacao
Nao podemos estimar consistentemente o efeito medio do tratamento para

always-takers e never-takers.
Mas temos informac
oes sobre esses dois grupos, e.g. podemos estimar
E [Yi (0)|never-taker], e E [Yi (1)|always-taker] (26)
Por essas medias, podemos testar se ha alguma evidencia de heterogeneidade

nos resultados comparando E [Yi (0)|never-taker] e E [Yi (0)|complier], e
comparando E [Yi (1)|always-taker] com E [Yi (1)|complier].
Se os compliers, never-takers e always-takers tiverem resultados muito
diferentes, entao nao podemos extrapolar o LATE para a populacao como
um todo. Ja se forem estatisticamente iguais, e mais aceitavel realizar tal
extrapolacao.

Efeitos do Servico Militar sobre os rendimentos
Angrist (1990).
Objetivo era estimar o efeito do servico militar sobre os rendimentos
subsequentes e futuros.
Explorou a loteria para o Vietnam como instrumento, que era relacionada ao
dia de nascimento.
Uma simples regressao por MQO leva a:
log(earnings)i = 5.4364 0.0205veterani (27)
A tabela 4 apresenta o tamanho dos grupos para as combinacoes de valores

do instrumento Zi e adesao ao tratamento Wi .
Por exemplo, com n umeros baixos de loteria (i.e. nao sorteados), 5.948
indivduos nao serviram nas forcas armadas e 1372 serviram.

Tabela 4 - Status de Tratamento por tipo de designacao do instrumento

Usando esses dados, supondo que nao existem defiers a probabilidade de

encontrarmos never-takers entre aqueles que foram sorteados, i.e.
Pr (Wi = 0|Zi = 1) e dada por :
1915
Pr (nevertaker|Zi = 1) = = 0.6888
1915 + 865
Pr (complier|Zi = 0) = Pr ((complier+nevertaker)|Zi = 0)
Pr (nevertaker|Zi = 1) = 0.8126 0.6888 = 0.1237
1372
Pr (alwaystaker|Zi = 0) = = 0.1874
1372 + 5948
(28)

Tipos de cumprimento/adesao: Proporcoes estimadas
0.1874
Tabela 5 - Status de Tratamento por tipo de designacao do instrumento:

Proporcoes estimadas

Tipos de cumprimento/adesao: Resultados Medios
estimados
Tabela 7 -Tipos de cumprimento/adesao: Resultados Medios estimados

Se estimarmos o modelo por 2SLS ou IV teramos o mesmo resultado:
log(earnings)i = 5.4836 0.2336veterani (29)
A tabela 7 informa as medias estimadas para cada grupo, sob a restricao de

esclusao. Essa restricao e fundamental. Mas ela pode ser violada, se, por
exemplo, os never-takers agem deliberadamente para evitar o servico militar.
Nesse caso, os resultados destes podem nao ser iguais aos resultados que
obteriam se nao tivessem sido sorteados e nao tivessem ido a guerra.

O efeito local do tratamento e 0.2336, ou seja, uma reducao de 23% nos

ganhos como resultado de servir nas forcas armadas durante a guerra.
Podemos comparar os resultado dos compliers se nao tivessem ido a guerra
com os never-takers.
O ganho medio dos never-takers e de 5.40, menor em 29% do que o
ganho medio dos compliers, o que sugere que os dois grupos sao
bastante diferentes, e nao podemos extrapolar as conclusoes para o
grupo de never-takers.
Para os always-takers, por outro lado, os ganhos sao somente 6%
menores do que para os compliers que servem nas forcas armadas.

Uso de Covariadas
Mesmo com covariadas, nao podemos estimar o LATE para outros grupos
que nao sejam os compliers. A hip
otese de identificacao e
(Y1i , Y0i , W1i , W0i )Zi |Xi (30)
Ha algumas abordagens para considerarmos covariadas.

Abordagem 1:
As covariadas podem ser incorporadas na analise de forma linear
aditiva no modelo e no vetor de instrumentos. Essa abordagem supoe
que o efeito do tratamento sobre os compliers e constante
independentemente das caractersticas dos indivduos.
Yi = 0 + 1 Wi + 2 Xi + 0
(31)
Wi = 0 + 1 Zi + 2 Xi + i
Nesse modelo linear os coeficientes das covariadas sao constantes, i.e.

tem os mesmo efeitos sobre Yi independentemente do grupo aos quais
os indivduos pertencem.
Uso de Covariadas
Abordagem 2:
Consideramos que o efeito do tratamento sobre os compliers varia de
acordo com caractersticas observaveis, o efeito do tratamento e dado
por:
Y1i Y0i = (Xi ) (32)
em que (Xi ) e o efeito do tratamento, que varia de acordo com as

caractersticas.
um modelo que considera tais efeitos variaveis requer a interacao de Xi
com a variavel instrumental Zi
0
Wi = w + 1 Zi + 2 Xi + Zi Xi 3 + i
0
Wi Xi = wx + 1 Zi + 2 Xi + Zi Xi 3 + i (33)
Yi = y + 1 Wi + 2 Wi Xi + 3 Xi + i
(Xi ) = 1 + 2 Xi .

Uso de Covariadas
Abordagem 3:
Tambem podemos estimar um LATE heterogeneo em relacao as
covariadas por meio de um modelo parametrico.
Dado o modelo de resultados potenciais com heterogeneidade do efeito
do tratamento entre compliers podemos introduzir heterogeneidade dos
efeitos das covariadas para cada grupo de tratados e nao tratados.
Para modelar os impactos diferentes das covariadas de cada grupo,
trabalhamos com uma especie de modelo multinomial.
Podemos dividir esse modelo em duas partes:
Um modelo para determinar o tipo cumprimento/ades ao dadas as
covariadas.
Um modelo de resultados potencias dadas as covariadas para cada tipo
de compliance.

Uso de Covariadas
Definimos um modelo parametrico com uma variavel dummy endogena:

0
Wi (z) = 0 + 1 z + 2 Xi + i 0
(34)
Yi (w ) = 0 + 1 w + i
em que (i , i ) sao conjuntamente normalmente distribudos (e.g., Heckman,

1978).
Esse modelo imp oe restric
oes nas relac
oes entre as covariadas e os
resultados para os diferentes grupos de compliance.
Suponhamos que 1>0 (monotonicidade). O tipo de compliance depende de
i :
never-taker se i < 0 1 2 Xi
complier se 0 1 2 Xi i < 0 2 Xi (35)
always-taker se 0 2 Xi i

Uso de Covariadas
Note que podemos pensar na variavel latente w com uma utilidade do

tratamento, e i e a utilidade nao observavel especfica a cada indivduo.
Podemos tambem modelar o resultado potencial Yi (w ) para cada tipo t de
compliance dadas as covariadas Xi por meio de uma forma funcional comum
com parametros especficos para cada tratamento de cada grupo:
fY (w )|X ,T (y (w )|x, t) = f(y |x; wt ) (36)
em que (w , t) = (0, n), (0, c), (1, c), (1, a).

Uso de Covariadas
Um modelo natural para modelar o resultado potencial para cada grupo e o

trinomial logit, em que usamos as probabilidade de pertencer a cada grupo
dadas as covariadas:
1
Pr (Ti = complier|Xi ) = 1+exp(n0 Xi )+exp(a0 Xi )
0
n Xi
Pr (Ti = never-taker|Xi ) = 1+exp(n0 Xi )+exp(a0 Xi )
Pr (Ti = always-taker|Xi ) = 1 Pr (Ti = complier|Xi )
Pr (Ti = never-taker|Xi )

Uso de Covariadas
Com essa informacao podemos montar a funcao log-verossimilhanca,

fatorada em termos da contribuicao observada dos valores de (Wi , Zi ).
L(n , a , 0n , 0c , 1c , 1a ) =
0
Q exp(n Xi )
i|Wi =0,Zi =1 1+exp(n0 Xi )+exp(a0 Xi ) f(Yi |Xi ; 0n )
0

Q exp(n Xi ) 1
i|Wi =0,Zi =0 1+exp(n0 Xi )
f(Yi |Xi ; 0n ) + 1+exp(n0 Xi )
f(Yi |Xi ; 0c )
0

Q exp(a Xi ) 1
i|Wi =1,Zi =1 1+exp(a0 Xi )
f(Yi |Xi ; 1a ) + 1+exp(a0 Xi )
f(Yi |Xi ; 1c )
0
Q exp(a Xi )
i|Wi =1,Zi =0 1+exp(n0 Xi +exp(a0 Xi ) f(Yi |Xi ; 1a )

Uso de Covariadas
Estamos tentando maximizar a verossimilhanca total de que os indivduos de

cada tipo de compliance apresentem uma distribuicao normal de Yi
condicional em Xi dadas as probabilidades de pertencer a cada grupo.
Com isso obtemos coeficientes diferentes (0n , 0c , 1c , 1a ) de Xi sobre Yi
para os diferentes grupos de indivduos.
Isso permite estimar E [Yic (1)|Xic ; 1c ] E [Yic (0)|Xic ; 0c ] que varia de
acordo com as covariadas.

Referencias
Angrist, J., (1990),Lifetime Earnings and the Vietnam Era Draft Lottery:
Evidence from Social Security Administrative Records. American Economic
Review, 80, 313-335.
Imbens, G.; Wooldridge, J. (2007). Instrumental Variables with Treatment
Effect Heterogeneity: Local Average Treatment Effects. Lecture 5, July.


Aula LATE 2015 PDF

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Aula LATE 2015 PDF

Загружено:

Авторское право:

Доступные форматы

Efeito Local do Tratamento e o uso de vari

Rafael Terra (Unb) Econometria do Setor P

Inicialmente, vamos nos concentrar no caso em que o regressor endogeno e

Rafael Terra (Unb) Econometria do Setor P

A subpopulacao de compliers nao e necessariamente a populacao de

Rafael Terra (Unb) Econometria do Setor P

Vejamos o estimador de variaveis instrumentais. Estamos interessados no

Esta e uma relacao estrutural/comportamental/causal, em que podemos ter

Rafael Terra (Unb) Econometria do Setor P

Rafael Terra (Unb) Econometria do Setor P

Se tivermos somente uma variavel end

Para recuperar b1 basta dividirmos 1 por 1

Rafael Terra (Unb) Econometria do Setor P

Quando temos uma variavel end ogena e um instrumento, o 1IV estimado

cov (Yi , Zi ) E [Yi |Zi = 1] E [Yi |Zi = 0]

N i=1 (Wi Wi )(Zi Zi )

Rafael Terra (Unb) Econometria do Setor P

Vamos definir o modelo de resultados potenciais.

Yi (1) Yi (0) (7)

Rafael Terra (Unb) Econometria do Setor P

Seja Wi o valor realizado do regressor endogeno, igual a 0 ou 1. Observamos

Vamos introduzir agora uma variavel instrumental definindo resultados

Rafael Terra (Unb) Econometria do Setor P

Defina dois resultados potenciais Wi (0) e Wi (1), em que o valor entre

Entao, observamos a tripla Zi , Wi = Wi (Zi ) e Yi = Yi (Wi (Zi )).

Rafael Terra (Unb) Econometria do Setor P

Zi (Yi (0), Yi (1), Wi (0), Wi (1)) (10)

Essa hip otese requer que o instrumento seja t

Rafael Terra (Unb) Econometria do Setor P

A hip otese de aleatoriedade dos instrumentos nao abrange essa u

Rafael Terra (Unb) Econometria do Setor P

Tabela 1 - Tipos de cumprimento/adesao

Rafael Terra (Unb) Econometria do Setor P

A tabela 1 nos da os 4 possveis pares de status potenciais do tratamento

Rafael Terra (Unb) Econometria do Setor P

Para avancar na analise, consideramos a hip

Wi (1) Wi (0) (13)

Rafael Terra (Unb) Econometria do Setor P

Tabela 2 - Tipos de cumprimento/adesao por Tratamento e Instrumentos

Rafael Terra (Unb) Econometria do Setor P

Dada essa hip

Rafael Terra (Unb) Econometria do Setor P

Podemos inverter a ordem e substituir a em termos de valores esperados

Rafael Terra (Unb) Econometria do Setor P

Agora considere os resultados medios por status do instrumento e do

Rafael Terra (Unb) Econometria do Setor P

Rafael Terra (Unb) Econometria do Setor P

Rafael Terra (Unb) Econometria do Setor P

O efeito local do tratamento sera E [Yi (1) Yi (0)|complier]. Subtraindo a

Rafael Terra (Unb) Econometria do Setor P

Podemos obter estimativas de outra forma, mais parecida com a formula do

= E [Yi |Zi = 1] E [Yi |Zi = 0] (20)

Rafael Terra (Unb) Econometria do Setor P

Considere o primeiro termo:

E [Yi |Zi = 1] =E [Yi |Zi = 1, complier] Pr (complier|Zi = 1)

De forma similar, o segundo termo e dado por:

E [Yi |Zi = 0] =E [Yi |Zi = 0, complier] Pr (complier|Zi = 0)

Rafael Terra (Unb) Econometria do Setor P

Portanto, a diferenca entre E [Yi |Zi = 1] e E [Yi |Zi = 0] e dada por:

E [Yi |Zi = 1] E [Yi |Zi = 0] = E [Yi (1) Yi (0)|complier] c (23)

Note tambem pela equacao (14) que o coeficiente da regressao de Wi sobre

E [Wi |Zi = 1] E [Wi |Zi = 0] = c (24)

Rafael Terra (Unb) Econometria do Setor P