Programa

Objetivos

• Conocer las condiciones que permiten la identificación de efectos causales en economía y otras ciencias sociales.
• Conocer los fundamentos teóricos sobre los que se sustentan las metodologías para la estimación de relaciones causales.
• Implementar los métodos de inferencia causal empleando software, interpretar los resultados y reportar las conclusiones en forma de artículos científicos y/o reportes de política.
• Conocer e implementar buenas prácticas en el uso de software, orientadas a la transparencia y la replicabilidad en la investigación.
• Conocer los temas que conforman la literatura actual de inferencia causal y su intersección con la inteligencia artificial (IA) y el aprendizaje automático.

Referencias

6 textos base

MHE

Angrist & Pischke (2013). Mostly Harmless Econometrics: An Empiricist’s Companion. Princeton U. Press.

MM

Angrist & Pischke (2014). Mastering ’Metrics: The Path from Cause to Effect. Princeton U. Press.

MT

Cunningham (2021). Causal Inference: The Mixtape. Yale U. Press.

MLE

Gaillac & L’Hour (2025). Machine Learning for Econometrics. Oxford U. Press.

CA

Huber (2023). Causal Analysis: Impact Evaluation and Causal Machine Learning with Applications in R. MIT Press.

TE

Huntington-Klein (2021). The Effect: An Introduction to Research Design and Causality. Chapman & Hall/CRC.

Contenido temático

3 partes · 9 temas

Parte 1 · Introducción

1. Inferencia causal

Modelo de resultados potencialesCausalidad en economía y las ciencias socialesRevisión de métodos de regresión

2. Replicabilidad y transparencia

Generación de reportes científicos en Quarto

Parte 2 · Métodos para la inferencia causal

3. Métodos experimentales

Asignación aleatoriaErrores estándarLATE y variables instrumentalesCorrección por prueba de múltiples hipótesisAplicaciones de métodos experimentales

4. Métodos basados en selección por observables

Supuestos fundamentalesEmparejamiento por covariablesEmparejamiento por puntaje de propensión (PSM)Ponderación por probabilidad inversa (IPW)Métodos doblemente robustosAplicaciones de métodos basados en observables

5. Diferencia en diferencias

Supuestos fundamentalesEfectos fijos individualesDID desfasadoANCOVAAplicaciones de DID

6. Diseños con discontinuidades

Supuestos fundamentalesDiscontinuidades nítidas y difusasPliegues en la regresiónAplicaciones de diseños con discontinuidades

7. Control sintético

Supuestos fundamentalesInferencia basada en placebosAplicaciones de control sintético

Parte 3 · Inferencia causal, IA y aprendizaje automático

8. Heterogeneidad en los efectos de tratamiento

Estimación directaInferencia con bosques aleatorios causalesInferencia sobre las características de los efectos heterogéneos

9. Aprendizaje de políticas óptimas

Maximización del bienestar empírico

Evaluación del curso

Composición de la calificación final100%

Examen final · 40% Examen parcial · 20% Tareas (4) · 20% Proyecto · 10% Exposición · 10%

4 tareas · 5% c/u  ·  1 exposición · 7% presentación + 3% resumen

Tareas

Cuatro tareas teórico-prácticas. Las tareas deben entregarse de manera individual, pero se recomienda ampliamente colaborar en grupos de estudio. Las tareas deberán entregarse en Teams antes de la fecha y hora límite. No se aceptarán tareas fuera de tiempo. Por favor, no comprima los archivos en carpetas comprimidas. Las tareas deberán contener dos archivos:

Un primer documento donde se incluyan las respuestas a las preguntas teóricas y conceptuales. Este documento debe estar en formato pdf y debe ser generado usando un software de procesamiento de textos científicos, por ejemplo, usando los lenguajes LaTeX o Markdown. En este documento también se deben incluir las conclusiones que se desprenden de las secciones prácticas. Por ejemplo, si una pregunta pide obtener la media de la variable x en cierta base de datos, entonces el documento de respuestas debe incluir la respuesta correspondiente: “la media de la variable x es 32.6”. En este documento también deberán incluirse las tablas y gráficas que se requieran para el análisis.

Un segundo archivo deberá contener el código replicable usado para generar los resultados de la sección práctica, incluyendo las tablas y gráficas. Los archivos de código se verificarán para comprobar su replicabilidad de manera aleatoria.

Software

R será el paquete estándar usado en las sesiones prácticas. Más aún, el uso de cualquier software es aceptado siempre que se cumplan con los requisitos de replicabilidad y reportes de las tareas y exámenes. Habrá una sesión especial para introducir el uso de Quarto para la generación de reportes científicos.

Exámenes

Examen parcial: jueves 8 de octubre en horario de clase.

Examen final: por definir (se propone decidirlo pronto).

Exposiciones

Cada alumno realizará una presentación de uno los artículos aplicados marcados con “+” en la lista de lecturas. Cada presentación deberá ser de máximo 15 minutos y debe incluir el contenido que el presentador considere relevante. La presentación deberá abordar, mínimamente: 1) el problema a investigar, 2) la metodología empleada y una discusión sobre su pertinencia, 3) los datos empleados, 4) los principales resultados, y 5) una crítica sobre la validez y las conclusiones del estudio. La presentación deberá acompañarse de un breve resumen de máximo una página de extensión que sintetice los puntos anteriores, para ser distribuido con el resto de la clase.

Proyecto

El proyecto final consiste en una propuesta de investigación de una relación causal en economía u otra ciencia social. El tema y la metodología es libre, pero se aconseja seleccionar un tema para el que se empleen datos ya disponibles. La propuesta se presentará en diapositivas, como la presentaría en un seminario de investigación. El protocolo deberá incluir, mínimamente: 1) una revisión de literatura (una diapositiva), 2) un bosquejo de las motivaciones teóricas del problema (una diapositiva), 3) la metodología empírica a emplear (dos diapositivas), 4) la fuente de datos a usar (una diapositiva), y 5) los resultados preliminares (dos diapositivas). Se recomienda ampliamente dar seguimiento al proyecto en horas de oficina para recibir retroalimentación.

Entrega: fecha por definir, a través de Teams.

Lista de lecturas

Las lecturas obligatorias (“*”) permiten una discusión informada en clase; las de exposición (“+”) también son obligatorias. El resto son ampliamente recomendables.

Ver la lista completa →