Módulo 9 Amenazas a la validez interna de los experimentos aleatorios

Los experimentos aleatorios pueden tener problemas que disminuyan su capacidad para detectar efectos causales, es decir, problemas que amenacen la validez interna de los experimentos aleatorios. Por ejemplo, algunas unidades pueden tener datos faltantes para la variable de interés y esta ausencia de datos puede haber sido ocasionada por el mismo tratamiento; puede que algunas unidades no reciban el tratamiento que se les asignó, o que estén sujetas a efectos de propagación del tratamiento si alguien próximo a estas fue tratado.

En este módulo cubrimos algunas amenazas comunes y prácticas para aprender a evitarlas o solucionarlas.

9.1 Contenido principal

  • Revisar los tres supuestos básicos discutidos en el módulo de inferencia causal.

  • En el módulo sobre estimadores y estimadores aconsejamos “analizar conforme se aleatoriza”. Tenga en cuenta que lo que se aleatoriza es la asignación al tratamiento, y no si el tratamiento se recibe o si una unidad es incluida en la recolección de datos.

  • Los datos faltantes en la variable de interés (deserción) son especialmente un problema si los patrones de ausencia de datos son causados por el tratamiento en sí. Este problema es muy común.

    • No elimine las observaciones a las que les falten datos de resultados de su análisis.

    • Es posible que pueda acotar la estimación de los efectos del tratamiento.

  • Incumplimiento. El efecto de la asignación del tratamiento no es el mismo que el de recibir el tratamiento. En ocasiones las unidades no cumplen con la asignación al tratamiento.

    • El cumplimiento unilateral ocurre cuando algunas unidades asignadas al tratamiento no lo toman y todas las unidades asignadas al grupo de control no toman el tratamiento.

    • El efecto local promedio del tratamiento (local average treatment effect, LATE), también conocido como efecto causal promedio del cumplidor (complier average causal effect, CACE) es el efecto promedio de tomar el tratamiento considerando unicamente las unidades que fueron asignadas a recibir el tratamiento y sí lo recibieron, y ningún otro tipo de unidades. Es posible estimar el efecto local promedio del tratamiento si el supuesto de monotonicidad y la restricción de exclusión se cumplen, incluso cuando haya incumplimiento en la asignación por parte de algunas unidades.

  • “El efecto de propagación” o la interferencia entre unidades es una violación de uno de los supuestos básicos de la inferencia causal (inferencia causal).

    • Sin embargo, esto puede no ser un problema si se está interesado en los efectos de propagación y/o se ha diseñado la investigación para que sean tenidos en cuenta.

  • El efecto Hawthorne ocurre cuando los sujetos se comportan de manera diferente porque saben que están siendo observados.

  • No excluibilidad. Tratar las unidades asignadas a tratamiento y a control de manera diferente puede alterar la interpretación de los resultados experimentales. Algunos ejemplos de la diferencia en tratos pueden ser el uso de diferentes procesos de recolección de datos, o el prestar más atención a las unidades tratadas que a las que fueron asignadas a control.

    • Si las unidades asignadas al tratamiento presentan cambios conductuales producidos por el efecto Hawthorne pero las unidades de control no, tenemos entonces una violación del supuesto de exclusión.

9.2 Diapositivas

A continuación presentamos las diapositivas con el contenido principal que cubrimos en nuestra clase sobre amenazas a la validez interna de los experimentos aleatorios. Usted puede usar directamente los archivos originales de las diapositivas o también puede copiarlos y editarlos localmente.

Si desea, también puede ver las diapositivas utilizadas en sesiones previas de los Learning Days de EGAP:

9.3 Recursos

9.3.2 Libros, capítulos y artículos

References

Gerber, Alan S., y Donald P. Green. Field Experiments: Design, Analysis, and Interpretation. New York, NY: W. W. Norton & Company, 2012.