Considerar el empleo al estimar el efecto del tratamiento sobre el salario ECA

Question

Supongamos que realizo un ECA en el que el tratamiento consiste en educar a estudiantes de secundaria. Variable de resultado de interés $y$ es el salario que ganará el estudiante al terminar el bachillerato. Supongamos que no hay incumplimiento y que se satisface la SUTVA. Me interesa obtener el Efecto Medio del Tratamiento (ETP). Sin embargo, el salario sólo se observa para los individuos que están empleados, y supongamos además que el tratamiento también aumenta la probabilidad de que el individuo sea contratado.

¿Cómo debo estimar el efecto del tratamiento sobre el salario individual? Para ser específico, ¿es la siguiente regresión lo que quiero?

$y = \alpha + \beta D + \varepsilon$ donde $D$ es la variable ficticia del grupo tratado.

Esta regresión incluirá individuos cuyo salario es 0 porque incluye individuos que no son contratados. Mi instinto me dice que necesito instrumentar de algún modo el efecto del tratamiento sobre la probabilidad de ser contratado, pero no estoy seguro de qué debo hacer.

Answer 1

Creo que le estás dando demasiadas vueltas. Suponiendo que el salario no afecte al tratamiento, no hay necesidad de IV porque no hay endogeneidad. En su caso, dado que está utilizando un ECA, esto debería ser así si ha diseñado bien el ECA.

Dependiendo de cuál sea exactamente el objetivo del estudio, creo que cualquiera de las dos opciones es razonable:

1. Aunque por supuesto es posible trabajar y tener un salario cero, y aunque esto es ciertamente diferente de estar desempleado, si el propósito del estudio es obtener el efecto de los salarios, creo que es completamente razonable incluir a los desempleados como personas con salario cero. Mi justificación para ello sería que simplemente la intervención de tratamiento (que presumiblemente se supone que aumenta el valor del empleado para el empleador) no lo hizo lo suficiente como para garantizar el empleo incluso con el salario mínimo.

   Es probable que esto dé lugar a una muestra truncada, pero puede solucionar este problema utilizando la regresión Tobit.

   También se podría argumentar que tal vez se deba a que algunas personas simplemente están menos interesadas en conseguir un empleo, pero entonces basta con controlar su situación laboral, y una vez que se controle esto se eliminará el OVB debido a esta razón.

2. Se puede tratar a las personas desempleadas de forma similar a las personas que abandonan un ensayo aleatorio. Creo que la analogía tiene cierto sentido, no participar en el mercado laboral podría considerarse como abandonar el ensayo, y hay medicamentos que hacen que la gente abandone (debido a efectos secundarios desagradables) más a menudo el tratamiento que el control.

   Lo que se hace en la investigación médica es intentar imputar los valores que faltan en estos casos de una forma u otra. Creo que simplemente se podría intentar imputar los salarios "que faltan" basándose en las características de fondo y trabajar con eso. He aquí un ejemplo papel debatir este enfoque en medicina.

   Además, una advertencia importante, soy economista, sólo conozco este método por formar parte de un grupo de trabajo multidisciplinar sobre inferencia causal en mi universidad. No estoy seguro de que el documento que he recomendado sea necesariamente el mejor, no he intentado aplicarlo en mi propio trabajo, pero es algo que tiene sentido para mí en un caso como éste, pero puedo estar equivocado, deberías contrastar esta idea con otros colegas de tu instituto de investigación.