ED 1 Hygor
ED 1 Hygor
ED 1 Hygor
Matrícula: 201551055
2.a. Qual o coeficiente estimado via MQO? Como ele está relacionado ao
coeficiente do modelo populacional?
2.b. Ele reporta a diferença das médias salariais entre jovens que concluíram e
não concluíram o curso técnico?
2.c. Ele reporta o efeito causal da conclusão do curso técnico? Por quê?
2.d. Suponha agora que você decida adicionar controles. Qual especificação
você testaria? Por quê?
2.f. Suponha que, em Minas Gerais, o governo tenha sorteado entre jovens de
baixa renda, vagas no curso técnico. Suponha que todos os jovens sorteados
concluam o curso e todos os jovens que concorreram às vagas sejam
acompanhados ao longo da sua vida, sendo que os não sorteados não tenham
cursado nenhum outro curso. É possível estimar o efeito causal da conclusão
do curso via regressão de salário contra uma variável indicativa de conclusão
do curso para jovens de baixa renda no estado? Neste caso você estaria
estimando o ATE ou o ATT? Por que incluir controles nessa regressão?
Y i=β 0 + β 1 (Conclus ã o do Curso T é cnico )i + β 2 ( G ê nero )i + β 3 ( Conclus ã o do Curso T é cnico )i∗( G ê nero )i +ε
Aqui:
Yi é o salário do indivíduo i.
( G ê nero )ié a variável indicadora para o gênero, podendo ser 1 para mulheres e 0
para homens, por exemplo.
( Conclus ã o do Curso T é cnico )i∗( G ê nero )ié o termo de interação entre a conclusão do
curso técnico e o gênero.
Então, o efeito total do curso técnico para mulheres, por exemplo, seria β 1+ β3 se
( Gênero )i=1 para mulheres.
Nesse caso, o que você estaria estimando é o Efeito da Intenção de Tratar (ITT). ITT
compara todos os indivíduos no grupo de tratamento (aqueles que foram sorteados
para ter a chance de concluir o curso técnico) com todos os indivíduos no grupo de
controle, independentemente de se os indivíduos no grupo de tratamento realmente
receberam o tratamento (concluir o curso técnico).
1 1
ITT = ∑ Yi ∣ Tratado− ∑ Yi ∣ Controle
Nt Nc
Sob as hipóteses da letra f, a validade externa pode ser mais desafiadora. Mesmo
que você tenha conclusões sólidas sobre o efeito do curso técnico nos jovens de
baixa renda em Minas Gerais que participaram do estudo, pode ser difícil generalizar
esses resultados para outras populações, outros tipos de cursos técnicos, ou outros
contextos socioeconômicos, educacionais ou geográficos.
Group Obs Mean Std. Err. Std. Dev. [95% Conf. Interval]
.
end of do-file
Ao nível de significância de 5%, o valor-p é 0,0448, que é menor que 0,05. Portanto,
você rejeitaria a hipótese nula de que não há diferença entre as médias de lGDPC
entre os grupos de tratamento e controle. Isso sugere que o programa teve um efeito
estatisticamente significativo sobre lGDPC, aumentando-o nas vilas tratadas em
comparação com as vilas de controle.
2. Faça uma regressão sem controles para estimar o efeito do programa. Qual
o efeito do tratamento? Ao nível de significância de 5% ele é estatisticamente
diferente de zero? O resultado é análogo ou idêntico ao encontrado no item
anterior?
3. Faça uma regressão com controles para outros fatores que podem afetar o
gasto dos domicílios. Há diferentes especificações que podem ser utilizadas,
no entanto é importante pensar com cuidado a especificação. Lembre-se das
discussões em sala. (Atenção: é necessário ponderar seus resultados pelo
peso dos domicílios na amostra. Ao aplicar o comando de regressão, utilize ao
final do comando a opção "[pw=weight]"). Qual o efeito estimado do
tratamento? Ao nível de significância de 5% ele é estatisticamente diferente de
zero? O resultado é análogo ou idêntico ao encontrado no item anterior?
Vamos detalhar as razões para incluir cada uma das variáveis de controle
mencionadas anteriormente:
famsize: O tamanho do domicílio pode ter um impacto direto no gasto per capita.
Domicílios maiores podem ter economias de escala nos gastos, influenciando o
gasto per capita.
Vaccess: Vilas com melhor acesso podem ter maior acesso a mercados e serviços,
o que pode influenciar o gasto dos domicílios nessas vilas.