Pre-requisitos: - Como requisito genérico se considera que el alumno ha curso las asignaturas básicas que forman parte de todo Grado en Economía: Microeconomía, Macroeconomía y Econometría a niveles Intermedios. - Como requisitos específicos, y dado que este es un curso en donde se pondrá mucho énfasis en entender y aprender las técnicas y como se aplican, se requiere que los alumnos hayan cursado con éxito las asignaturas de Econometría y Economía Aplicada que se imparten de forma obligatoria en los cursos 2º y 3º del Grado en Economía de la Universidad Carlos III de Madrid (u otras asignaturas equivalentes a estas).

Objetivo: Estudiar las técnicas usadas para la Evaluación de Programas y Políticas en Economía y sus aplicaciones.

1.- Introducción Introducción y Motivación. Definiciones: Programa o Política Economíca como Tratamiento. Efectos ó impactos del tratamiento y causalidad (parámetros de interés); grupos de control y de tratamiento; resultados observados versus resultados potenciales ó contrafactuales. Notación. Problemas en la identificación y estimación de los efectos del tratamiento, y relación con las técnicas econométricas tradicionales. 2.- Experimentos aleatorios en Ciencias Sociales Definición y condiciones de un experimento aleatorio. Ventajas de la aleatorización y como usarla para estimar el efecto del tratamiento. Información sobre otras variables: posibilidad de verificar la validez de la aleatorización y de estudiar la existencia de efectos heterogéneos del tratamiento. Problemas y limitaciones de los experimentos aleatorios. Ejemplos y Aplicaciones: - Proyecto STAR para medir el efecto del tamaño de la clase en Educación. - Programa NSW de formación y subsidios a los desempleados (Ham y Lalonde, 1996). Efecto sobre la probabilidad de encontrar trabajo. ¿Efecto sobre el salario esperado? 3.- Estudios no Experimentales: método de emparejamiento o matching Exogeneidad, emparejamiento y regresión múltiple. Imputación de los resultados no observados. Método de emparejamiento basado en la probabilidad de participar en el programa (Propensity Score Matching): Supuestos; estimación de la probabilidad de participación; Estimador y algoritmos; papel de la condición de soporte común. Diagramas de causalidad como terminología alternativa para establecer relaciones y determinar variables de control. Ejemplos y Aplicaciones: - Job Training Partnership Act: Programa que provee formación en el trabajo y asistencia en la búsqueda de trabajo a personas en situaciones de pobreza. - Programa NSW de formación y subsidios a los desempleados (Dehejia and Wahba, 1999). 4.- Experimentos naturales o cuasi-experimentos Explotar eventos naturales o cambios de política dados para identificar el efecto del tratamiento en los tratados. Estimador de Diferencia en el tiempo. Estimador de Diferencias en Diferencias (DiD): estimador básico usando datos de secciones cruzadas repetidas y datos de panel; con distintos supuestos sobre tendencias; y con regresores adicionales. Uso de eventos y efectos heterogéneos en DiD. Ejemplos y Aplicaciones: - Efecto de la inmigración en el mercado de trabajo local, el caso de los ¿Marielitos¿ (Card, 1990). - Efecto del salario mínimo sobre la tasa de desempleo (Card y Krueger, 1994). 5.- Uso de Variables Instrumentales para estimar Efectos del Tratamiento Estimador de variables instrumentales (VI) usando datos de Experimentos y cuasi-experimentos. Interpretación del estimador VI cuando el efecto es homogéneo y cuando es heterogéneo; Regla de elegibilidad; Efecto Local del Tratamiento (LATE); Papel de la condición de monoticidad. Limitaciones Efecto Marginal del Tratamiento (solo si hay tiempo). Ejemplos y Aplicaciones: - Efecto de servir en el Ejército durante la guerra de Vietnam sobre los salarios como civiles (Angrist, 1990). - Impacto del Programa de cuidado infantil ¿Hogares Comunitarios¿ sobre nutrición y salud (Attanasio, Di Maro, y Vera-Hernandez, 2010 y 2013) 6.- Método de Regresión Discontinua Regresión discontinuidad (RD) nítida y borrosa. El supuesto de continuidad local y implicaciones contrastables. Regresión discontinuidad borrosa con el estimador de variables instrumentales. Implementación empírica con método paramétrico o no paramétrico. Regresión lineal local. Ejemplos y Aplicaciones: - El efecto del tamaño de la clase sobre el resultado en Lengua y Gramática, y Matemáticas (Angrist and Lavy, 1999). 7.- Estimación de modelos estructurales Ventajas e inconvenientes de los métodos ateóricos frente a los métodos estructurales. Métodos de Estimación de los modelos estructurales. Importancia y justificación de los modelos dinámicos. Efectos y modelos de Equilibrio General. Ejemplo: Impacto de un programa de subsidies escolares: usando datos experimentales para validar un modelo de comportamiento dinámico de decisiones de educación y fertilidad. (Todd y Wolpin, American Economis Review, 2006)

Clases prácticas y Hojas de Ejercicios: En las primeras clases prácticas se aprenderá el uso del programa informático STATA. En el resto del curso habrá hojas de ejercicios en las que, además de algunos ejercicios para trabajar sobre la parte teórica, se harán aplicaciones con datos reales usando el programa aprendido informático.