Sensitivity analysis of different estimation methods - case : puntos vive digital and its influence on learning
| Autor: | Betancur Chaves, Carlos Mario |
|---|---|
| Přispěvatelé: | Lillo Bustos, Nicolás Alejandro, Salazar Sáenz, José Mauricio |
| Jazyk: | Spanish; Castilian |
| Rok vydání: | 2021 |
| Předmět: | |
| Zdroj: | Repositorio Universidad Javeriana Pontificia Universidad Javeriana instacron:Pontificia Universidad Javeriana |
| Popis: | El objetivo del presente estudio fue analizar las metodologías para evaluar el efecto del programa Puntos Vive Digital (PVD) sobre el aprendizaje cuando se violan algunos supuestos de identificación. En primer lugar, se decidió realizar un Análisis de Correspondencias Múltiples (ACM) con el fin de resumir todas las variables de aprendizaje en un índice, el cual fue usado como variable dependiente. En segundo lugar, determiné que los modelos que más se ajustan a la investigación son Mínimos Cuadrados Ordinarios (MCO), Variable Instrumental (VI) y Propensity Score Matching (PSM). Se dedujo que podría existir violación por variable relevante omitida para MCO y no validez del instrumento para VI causando sesgo en las estrategias. Para hacer frente a este tipo de problemas la literatura aconseja realizar un Análisis de Sensibilidad para el modelo del que se tiene incertidumbre, escogiendo unos parámetros que simularían el sesgo. El resultado obtiene unos Intervalos de Sensibilidad (IS), los cuales llevaron a la conclusión que MCO era más insensible ante un posible sesgo. Finalmente se concluyó que el impacto del programa tiene un efecto positivo y significativo. No obstante, al tener en cuenta los resultados del Análisis de Sensibilidad, cuyos rangos de insensibilidad son muy pequeños, no es posible concluir causalidad en los resultados. The objective of this study was to analyze the methodologies to evaluate the effect of the Puntos Vive Digital (PVD) program on learning when some identification assumptions are violated. In the first place, it was decided to perform a Multiple Correspondence Analysis (MCA) in order to summarize all the learning variables in an index, which was used as a dependent variable. Second, I determined that the models that best fit the research are Ordinary Least Squares (OLS), Instrumental Variable (IV), and Propensity Score Matching (PSM). It was deduced that there could be a violation by a relevant variable omitted for OLS and no validity of the instrument for IV, causing bias in the strategies. To deal with this type of problem, the literature advises carrying out a Sensitivity Analysis for the model for which there is uncertainty, choosing parameters that would simulate the bias. The result obtained some Sensitivity Intervals (SI), which led to the conclusion that OLS was more insensitive to a possible bias. Finally, it was concluded that the impact of the program has a positive and significant effect. However, when taking into account the results of the Sensitivity Analysis, whose insensitivity ranges are very small, it is not possible to conclude causality in the results. Magíster en Economía Maestría |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|