Causal evaluation and stochastic revealed preferences with measurement error: a structural simulation approach

Abstract

Las aproximaciones convencionales al analisis de inferencia causal como el m ´ etodo de ´ Diferencia-en-Diferencias (DiD) son susceptibles a sufrir de sesgo debido a variabilidad no observada en los datos, por ejemplo error de medida. Por lo tanto la estimacion DiD puede ´ sugerir una inferencia sesgada del efecto generado por un shock exogeno o una intervenci ´ on en ´ una variable de interes. En el presente art ´ ´ıculo, datos de consumo son simulados para seguir una situacion en la que a un subconjunto aleatorio de una poblaci ´ on recibe un shock ex ´ ogeno a su ´ demanda por un determinado bien en su canasta de consumo, en cierto momento en el tiempo...