Identification of causal effects: a methodological review
O presente trabalho é uma revisão metodológica das duas abordagens mais comuns para lidar com questões que envolvem causalidade: os desfechos potenciais (potential outcomes) de Neyman-Rubin e os modelos de grafos de Pearl. O principal objetivo é discutir questões de identificação, esclarecendo as pr...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Estado: | Versión publicada |
| Fecha de publicación: | 2020 |
| País: | Brasil |
| Institución: | Fundação Getulio Vargas (FGV) |
| Repositorio: | Repositório Institucional do FGV (FGV Repositório Digital) |
| Idioma: | inglés |
| OAI Identifier: | oai:repositorio.fgv.br:10438/29527 |
| Acceso en línea: | https://hdl.handle.net/10438/29527 |
| Access Level: | acceso abierto |
| Palabra clave: | Causalidade Modelos estatísticos Inferência Causal Causality Statistical model Matemática Causalidade - Modelos matemáticos Ciências sociais - Metodologia Modelos matemáticos Estatística - Análise |
| Sumario: | O presente trabalho é uma revisão metodológica das duas abordagens mais comuns para lidar com questões que envolvem causalidade: os desfechos potenciais (potential outcomes) de Neyman-Rubin e os modelos de grafos de Pearl. O principal objetivo é discutir questões de identificação, esclarecendo as premissas por trás de cada abordagem, apontando divergências e, quando possível, encontrando áreas nas quais as duas estruturas são complementares. Além disso, são analisados os detalhes práticos de Diferença em Diferenças e Controle Sintético, dois métodos que adotam os desfechos potenciais como estrutura e são amplamente utilizados na literatura de avaliação de políticas. |
|---|