Econometría, Matemáticas, y Estadística.

El curso ofrece una introducción a la inferencia causal y a los métodos de aprendizaje automático o Machine Learning (ML) con aplicaciones a Economía. La primera parte del curso presenta el modelo de resultados potenciales de Neyman-Rubin, los experimentos aleatorios controlados, el parámetro de efecto promedio del tratamiento, así como su identificaciónn y estimación bajo el supuesto de ausencia de confusores. La segunda parte del curso introduce los métodos de ML para regresión, como Lasso, random forest, boosting y deep learning. Luego se introducen los conceptos de robustez local (Local Robustness, LR), doble robustez (Double-Robustness, DR) y Double Machine Learning (DML) como un método general para obtener inferencia causal con técnicas de ML. La parte final del curso está dedicada a aplicaciones de los métodos anteriores en el contexto económico. A lo largo del curso se utilizará el software R y datos económicos para ilustrar los conceptos y métodos discutidos.

Parte I: Introducción a la Inferencia Causal ¿Qué es un experimento aleatorio? (RCT) Cómo estimar efectos causales cuando no hay experimentos Métodos para corregir el sesgo de selección Introducción a técnicas como IPW, AIPW y DML Ejemplos prácticos: Experimentos reales y simulaciones Parte II: Introducción al Aprendizaje Automático (ML) Regresión lineal y variantes simples Métodos de selección de variables (Ridge, Lasso, etc.) Árboles de decisión y métodos avanzados (Random Forest, Boosting) Breve introducción a Deep Learning y Kernel Methods Parte III: Técnicas para Inferencia Causal con ML Métodos de doble robustez (DR) Introducción a Double Machine Learning (DML) Concepto de robustez local y momentos ortogonales Parte IV: Aplicaciones en Economía Evaluación de políticas económicas Variables instrumentales Efectos del tratamiento heterogéneos Manejo de datos faltantes e imputación Aprendizaje semi-supervisado

Actividades formativas Clase teórica Clases prácticas Listas de problemas Trabajo individual del estudiante Tutorías Metodologías docentes Exposiciones en clase del profesor con soporte de medios informáticos y audiovisuales, en las que se desarrollan los conceptos principales de la materia y se proporciona la bibliografía para complementar el aprendizaje de los alumnos. Clases prácticas con resolución de ejercicios y problemas que ilustran la teoría y permiten estudiar casos particulares y pequeñas extensiones. Conjuntos de problemas para resolver en casa de forma individual que ayudan a sistematizar el estudio de la asignatura y repasar conceptos fundamentales.