Spillover Gridlock:

El estudio presentado aborda la problemática de la identificación de spillovers en intervenciones espaciales a través de la generación de rasters contrafactuales, un método innovador que se apoya en redes neuronales convolucionales para la evaluación del impacto de políticas espaciales. La tesis propone una metodología de control sintético que crea imágenes contrafactuales a partir de una cuadrícula de datos, permitiendo observar el efecto de los tratamientos como la aplicación de fertilizantes y analizar su propagación entre distintos píxeles, sin la necesidad de definir previamente los patrones de transmisión de los spillovers. Esto se enmarca en la literatura de econometría espacial, en la que los efectos de los tratamientos suelen estar sesgados debido a supuestos previos sobre la propagación espacial que, en este caso, se buscan evitar mediante la flexibilidad de las redes neuronales convolucionales. Para evaluar los efectos de interés, se introduce un enfoque de resultados potenciales que distingue entre efectos totales (combinación de efectos directos y spillovers) y destaca la importancia de seleccionar correctamente las matrices y las reglas de tratamiento. Finalmente, se realiza una simulación comparativa con métodos tradicionales como diferencias en diferencias, subrayando las ventajas del método propuesto al no asumir la estructura de los spillovers, lo que permite una estimación más precisa de los efectos espaciales en entornos controlados.