Você está na página 1de 12

Econometria de Avaliação de Políticas Públicas

Aula 1: Causalidade

Prof. Cristine Xavier, Flavia Chein e Mônica Viegas

CEDEPLAR/UFMG

2/2009

CEDEPLAR/UFMG (Institute) Avaliação de Politicas Públicas 2/2009 1 / 12


1. O que é causalidade?

Economistas estão sempre interessados em relações de causalidade ou


relações estruturais.
Questôes do tipo: se - então (if/then)
Para responder perguntas de causalidade, necessitamos identi…car e
mensurar os links causais
É necessário uma estrutura para estudar a causalidade.
Suponha uma população.
Para cada unidade observamos duas variáveis: D e Y
Observamos que D e Y são correlacionados. Essa correlação implica
causalidade?
Em geral não:
fatores confundentes
causalidade reversa

CEDEPLAR/UFMG (Institute) Avaliação de Politicas Públicas 2/2009 2 / 12


1.1 Estrutura Formal para pensar as relações de
Causalidade
Queremos entender em que medida e sob que hipóteses podemos concluir
a partir das evidências que D causa Y.
suponha i um índice para as unidades da população sob estudo
Di é o status de tratamento
Di = 1 se a unidade foi exposta ao tratamento
Di = 0 se a unidade não foi exposta ao tratamento
Yi inidca o resultado potencial de acordo com o tratamento
Y1i é o resultado no caso do tratamento
Y0i é o resultado no caso de não exposição ao tratamento;
O resultado observado para cada unidade pode ser escrito como:
Y1i se Di = 1
Yi =
Y0i se Di = 0

Yi = Y0i + (Y1i Y0i ) Di (2.1.1)


CEDEPLAR/UFMG (Institute) Avaliação de Politicas Públicas 2/2009 3 / 12
1.1.1 O problema fundamental da inferência causal

De…nition
Efeito Causal
Para a unidade i, o tratamento Di tem um efeito causal no resultado Yi se
o evento Di = 1 ao invés de Di = 0 implicar que Yi = Y1i ao invés de
Yi = Y0i . Nesse caso o efeito causal de Di em Yi é dado por:

∆i = Y1i Y0i (1)

A identi…cação e a mensuração desse efeito são evidentemente impossíveis.

Essa notação é útil porque Y1i Y0i é o efeito causal para o indivíduo i.
Em geral existe uma distribuição de probabilidade associada a Y1i e Y0i na
população de modo que o efeito do tratamento é deferenciado para
indivíduos diferentes

CEDEPLAR/UFMG (Institute) Avaliação de Politicas Públicas 2/2009 4 / 12


1.1.1 O problema fundamental da inferência causal

Proposição 1: O problema fundamental da Inferência causal


É impossível observar para a mesma unidade i os valores D 1 = 1 e D i = 0
assim como os valores Y 1i e Y 0i , e portanto, é impossível observar o
efeito de D em Y para a unidade i. (Holland, 1986)
Não podemos inferir o efeito do tratamento porque não temos a evidência

contrafactual, isto é, o que teria ocorrido na ausência do tratamento.

CEDEPLAR/UFMG (Institute) Avaliação de Politicas Públicas 2/2009 5 / 12


1.1.2 A solução estatística

A estatística aborda o problema focalizando no efeito causal médio para a


população toda ou para alguns sub-grupos de interesse.
De…nition
Efeito Médio do Tratamento (ATE) para uma unidade i aleatória:

E f∆i g = E fYi (1) Yi (0)g (2)


= E fY1i g E fY0i g

De…nition
Efeito Médio do Tratamento sobre os Tratados (ATT)

E f∆i jDi = 1g = E fY1i Y0i jDi = 1g (3)


= E fY1i jDi = 1g E fY0i jDi = 1g

CEDEPLAR/UFMG (Institute) Avaliação de Politicas Públicas 2/2009 6 / 12


2. O problema da seleção
A comparação do produto (resultado observado) a partir do status do
tratamento é informativa?
Essa comparação nos permite fazer inferências sobre a relação de
causalidade?

E fYi jDi = 1g E fYi jDi = 0g (4)


= E fY1i jDi = 1g E fY0i jDi = 0g
= E fY1 jDi = 1g E fY0i jDi = 1g
+E fY0i jDi = 1g E fY0i jDi = 0g (5)
= ATT + E fY0i jDi = 1g E fY0i jDi = 0g (6)
A diferença entre o lado esquerdo e o lado direito é o viés de seleção
amostral que é igual a diferença entre os resultados dos tratados e
controles na situação contrafactual, ou seja na ausência de tratamento.
O problema é que a variável de resultado (produto) dos tratados e dos
controles não é idêntica na situação de não tratamento.
CEDEPLAR/UFMG (Institute) Avaliação de Politicas Públicas 2/2009 7 / 12
2.1 Exemplo
A hospitalização melhora a saúde dos indivíduos?
Em princípio a resposta deveria ser a…rmativa.
Comparar os resultados de saúde usando a
Group Sample Size Mean Health Status std.error
NHIS: Hospital 7.774 3.21 0.014
Non-Hospital 90049 3.93 0.003
A diferença de médias é 0.72, estatísticamente sign…cativa.
A partir desse resultado poderíamos inferir que estar hospitalizado piora o
estado de saúde.
O problema com essa inferência é que as pessoas que vao ao hospital sao
em geral menos saudáveis do que as pessoas que nao são hospitalizadas.
=) nesse caso temos um viés de seleção amostral negativo
O viés de seleção pode ser tão grande a ponto de mascarar o valor do
tratamento.
O objetivo da pesquisa empírica é resolver o viés de seleção e portanto
dizer algo sobre o efeito causal de uma variável Di .
CEDEPLAR/UFMG (Institute) Avaliação de Politicas Públicas 2/2009 8 / 12
3. Experimentos randomizados
A atribuição aleatória do tratamento soluciona o problema porque o
processo de randomização torna o tratamento independente dos resultados
potenciais.
Para ver isto note que:
E [Yi jDi = 1] E [Yi jDi = 0] = E [Y1i jDi = 1] E [Y0i jDi = 0]
= E [Y1i jDi = 1] E [Y0i jDi = 1]
Como o resultado potencial é idependente do tratamento, podemos trocar:

E [Y0i jDi = 0] por E [Y0i jDi = 1] .


Desta maneira, devido à randomização:

E [Y1i jDi = 1] E [Y0i jDi = 1] = E [Y1i Y0i jDi = 1]


= E [Y1i Y0i ]

CEDEPLAR/UFMG (Institute) Avaliação de Politicas Públicas 2/2009 9 / 12


Outra forma de formalizar o problema da randomização:
Considere duas amostras aleatórias C e T da população. Por construção
estas amostras são estatísticamente idênticas à população inteira.

E fYi (0)ji 2 C g = E fYi (0)ji 2 T g = E fYi (0)g (7)

E fYi (1)ji 2 C g = E fYi (1)ji 2 T g = E fYi (1)g (8)


Subsitituindo essas duas expressões na expressao para o ATE, obtemos que:

E f∆i g = E fYi (1) Yi (0)g


= E fYi (1)ji 2 T g E fYi (0)ji 2 C g
A randomização resolve o problema fundamental da inferência causal
porque permite usar as unidade do controle como imagem do que unidades
tratadas na situação contrafactual de não tratamento e vice-versa. Os
experimentos randomizados não são uma solução sem problemas, mas
resolvem o problema fundamental da pesquisa empírica que é o
contrafactual.
CEDEPLAR/UFMG (Institute) Avaliação de Politicas Públicas 2/2009 10 / 12
Análise de Regressão em Experimentos

Suponha que o tratamento é similar para todos os indivíduos de modo que:

Yi 1 Yi 0 = ρ
Como o tratamento é constante entre os indivíduos podemos reescrever a
equação 2.1.1 da seguinte forma:

Yi = Y0i + (Y1i Y0i ) Di (2.1.1)

Yi = α + ρDi + η i (2.3.1)
ηi = Y0i E (Y0i )

onde η i é a parte aleatória de Y0i .

CEDEPLAR/UFMG (Institute) Avaliação de Politicas Públicas 2/2009 11 / 12


Análise de Regressão em Experimentos
Aplicando a experança condicional nessa expressão, temos:

E [Yi jDi = 1] = α + ρ + E [η i jDi = 1]

E [Yi jDi = 0] = α + E [η i jDi = 0]


De modo que:

E [Yi jDi = 1] E [Yi jDi = 0] = ρ + E [η i jDi = 1] E [η i jDi


|{z} | {z
efeito do tratamento viés de seleção

Assim, o viés de seleção ocorre devido a uma correlação entre o termo


randômico e o tratamento, uma vez que:

E [ η i j Di = 1 ] E [η i jDi = 0] = E [Y0i jDi = 1] E [Y0i jDi = 0]


Como dito, essa correlação re‡ete a diferença entre os resultados
potenciais entre tratados e controles na ausência de tratamento.
CEDEPLAR/UFMG (Institute) Avaliação de Politicas Públicas 2/2009 12 / 12

Você também pode gostar