Evalúe el impacto económico de largo plazo de un desastre natural localizado con inferencia causal en Python. Una replicación para principiantes de Heger y Neumayer (2019) sobre el tsunami de Aceh de 2004, con datos sintéticos calibrados: diferencias en diferencias dinámicas con pyfixest, un estudio de eventos con diff-diff, una respuesta a la dosis de luces nocturnas, control sintético con mlsynth y errores estándar espaciales de Conley.
Un tutorial introductorio y centrado en la intuición sobre el método de control sintético aumentado (ASCM) para una sola unidad tratada: la estimación del efecto de los recortes de impuestos de Kansas de 2012 sobre el PIB per cápita con el paquete augsynth, del control sintético clásico a la aumentación por ridge, con un recorrido cuidadoso por cuatro formas de hacer inferencia.
Introducción y derivación del método de diferencias en diferencias sintéticas, con una aplicación a la Proposición 99 de California: se compara con las diferencias en diferencias y el control sintético originales (synth2) y se explica cómo realizar inferencia por placebo con una sola unidad tratada.
Se extienden las diferencias en diferencias sintéticas al caso de adopción escalonada, en el que las unidades reciben el tratamiento en momentos distintos, y se aplican en Stata a las cuotas de género parlamentarias en 119 países: se deriva el estimador por cohorte, su agregación en el ATT global, el moderno estudio de eventos con sdid_event y la inferencia por bootstrap, jackknife y placebo.
Un recorrido práctico por el método de control sintético aumentado en un entorno multipaís con el paquete augsynth: aprenda single_augsynth, multisynth y augsynth_multiout con datos simulados y luego replique a Papaioannou (2021) sobre la unión monetaria europea y la convergencia de la productividad.
Control sintético e IV en Python — replicando a Andersson (2019) sobre el impuesto al carbono de Suecia y las emisiones de CO2 con pysyncon y pyfixest.
Seis estimadores en un mismo tutorial —pre-post ingenuo, DiD, dos variantes de ITS, RDD temporal, control sintético y CausalImpact— aplicados al impuesto al tabaco de la Proposición 99 de California (1988) para ver cuánto (y dónde) difieren.
Replicando el estudio de caso del tabaco de California de Sakaguchi y Tagawa en R: tres estimadores, un ATT y un efecto de derrame (spillover) del tamaño de Nevada.
Un tutorial accesible para principiantes sobre el método de control sintético en R, utilizando el estudio de caso del País Vasco para estimar el costo económico del conflicto sobre el PIB per cápita regional desde 1970 hasta 1997.
Estime el efecto causal del programa de control del tabaco de la Proposición 99 de California sobre las ventas de cigarrillos usando el método del control sintético en Stata, con pruebas de robustez de placebo en el espacio, placebo en el tiempo y de exclusión de una unidad a la vez.