Investigación y desarrollo · Seminarios
Esta presentación examina los estimadores de Diferencias en Diferencias Cuantílicas (QDiD) bajo una adopción escalonada del tratamiento. Aunque se sabe que los estimadores DiD de media están sesgados debido a “comparaciones prohibidas”, mostramos que una contaminación similar ocurre en entornos cuantílicos. Mediante simulaciones y resultados teóricos, demostramos cómo las regresiones cuantílicas agrupadas TWFE mezclan cohortes tratadas y distorsionan los efectos distribucionales. Proponemos un estimador QDiD por cohorte que excluye unidades ya tratadas como controles, asegurando una agregación imparcial entre cohortes. El estimador es consistente y asintóticamente normal, proporcionando un marco transparente y fiable para estudiar efectos heterogéneos del tratamiento a través de cuantiles.
YouTube – Quantil Matemáticas Aplicadas
1. Presentación
Obtén información sobre Ciencia de datos, Inteligencia Artificial, Machine Learning y más.