ANÁLISIS DE DATOS EN EVALUACIÓN DE IMPACTO

 Introducción a la Evaluación de Impacto y Causalidad

• Conceptos básicos de evaluación de impacto y su importancia en la investigación aplicada.
• Definición de causalidad y métodos para establecer relaciones causales.
• Aplicaciones en políticas públicas, economía, salud, educación, y ciencias sociales.

Introducción a los Experimentos Aleatorizados (Randomized Controlled Trials – RCTs)

• Diseño y ejecución de experimentos aleatorizados: metodología y mejores prácticas.
• Ventajas y limitaciones de los RCTs en la identificación de efectos causales.
• Ejemplos prácticos de RCTs y su implementación en evaluación de impacto.

Modelos de Emparejamiento y Propensity Score Matching (PSM)

• Fundamentos de los modelos de emparejamiento para controlar variables observables.
• Métodos de emparejamiento: emparejamiento exacto, por puntuación de propensión (Propensity Score Matching).
• Implementación práctica del emparejamiento en software estadístico (R y Stata).
• Análisis de sensibilidad y limitaciones de los modelos de emparejamiento.

Regresión Discontinua

Introducción a la Regresión Discontinua (RDD)

• Concepto de regresión discontinua y cuándo es aplicable en evaluación de impacto.
• Ventajas de RDD para identificar efectos causales en entornos no experimentales.
• Supuestos clave de RDD y su verificación.

Tipos de Regresión Discontinua: Sharp vs. Fuzzy

• Regresión Discontinua Sharp (RDD Sharp): definición, estimación e interpretación.
• Regresión Discontinua Fuzzy (RDD Fuzzy): aplicación en escenarios con cumplimiento parcial.
• Comparación de enfoques y selección del modelo adecuado según el contexto.