II.
El método IVQR y su estimación
Para analizar los efectos de las colocaciones laborales del programa Work First sobre la
distribución de los ingresos, se requiere una metodologı́a que permita inferencia causal en
un marco de regresión cuantı́lica. Utilizamos el método de regresión cuantı́lica con variables
instrumentales (IVQR) propuesto por Chernozhukov y Hansen (2004a, 2005, 2006), el cual se
adapta bien a nuestro entorno cuasi-experimental, aunque impone supuestos algo restrictivos
sobre el proceso de cuantiles.1
El modelo econométrico se estima sobre un conjunto de datos con n observaciones, una
variable resultado continua Y , un indicador de tratamiento D, un instrumento Z (binario u
otro), y un vector de covariables X. En el caso de Work First, Y corresponde a los ingresos
posteriores a la colocación, D es un vector de dummies que indica el tipo de colocación
(temporal o directa), y Z indica la asignación rotativa del contratista en el programa.
Los efectos causales de interés se definen usando los resultados potenciales Yd , indexados
según el tratamiento d. Para cada individuo, sólo se observa un elemento del conjunto de
resultados potenciales {Yd }. En particular, estamos interesados en los cuantiles condicionales
de los resultados potenciales,
QYd (τ |x), τ ∈ (0, 1),
donde τ indica el ı́ndice del cuantil. Los efectos de tratamiento cuantı́licos revelan el
efecto causal de D sobre Y , manteniendo constante la heterogeneidad no observada (UD ) en
UD = τ . Aquı́, UD es la llamada “rank variable”, que caracteriza la heterogeneidad entre
individuos que son observacionalmente similares (es decir, similares en covariables y estado
de tratamiento). El efecto de tratamiento cuantı́lico se puede escribir como:
∂
QY (τ |x) o QY1 (τ |x) − QY0 (τ |x).
∂d
Si el efecto del tratamiento no es constante (es decir, es heterogéneo), estos efectos va-
riarán a lo largo de distintos cuantiles τ . En la mayorı́a de los casos, hay buenas razones
para creer que el efecto medio no captura el efecto del tratamiento en otras partes de la
distribución de resultados.
Si el tratamiento no se selecciona en relación a {Yd }, la regresión cuantı́lica convencional
(QR) estimará los efectos del tratamiento cuantı́lico condicional (Koenker y Bassett, 1978).
Sin embargo, si el estado de tratamiento se determina endógenamente, las estimaciones es-
tarán sesgadas, y es necesario usar un modelo de cuantiles con variables instrumentales.
1
Las suposiciones y la estructura básica del modelo se discuten con detalle en Chernozhukov y Hansen, y
se resumen aquı́.
1
Asumiendo que tenemos un instrumento Z que no está correlacionado con el resultado po-
tencial aparte del tratamiento, podemos recuperar el efecto causal de D sobre Y en toda la
distribución de Y .
Los supuestos principales del modelo, según Chernozhukov y Hansen (2004a), son los
siguientes:
(A1) Los resultados potenciales pueden expresarse como Y = q(d, X, UD ), donde UD ∼
U (0, 1), y la función q(d, x, u) es estrictamente creciente y continua en u.
(A2) Dado X = x, UD es independiente de Z.
(A3) Dado X = x y Z = z, D es una función determinada de una variable aleatoria
continua V y Z: D = b(Z, X, V ).
(A4) Para cada valor de d, dado (V, Z, X), UD es igual en distribución a UD no condi-
cionado.
(A5) El investigador observa Y = q(D, X, UD ), D = b(Z, X, V ), X, y Z.
Para estimar el modelo en un marco de muestra finita, consideramos la función objetivo
tı́pica de regresión cuantı́lica (QR), que puede escribirse como:
n
X
qτ (a, γ, π) = ρτ (Yi − Di a − Xi⊤ β − Zi⊤ γ)Vi (1)
i=1
Aquı́, Di es nuevamente el vector de variables endógenas, X es el vector de covariables
exógenas, Z es el vector de instrumentos, y Vi = V (Xi , Zi ) es un peso escalar. Para estimar
IVQR, se siguen varios pasos. Primero, para un valor dado de α, se ejecuta la regresión
cuantı́lica usual para obtener:
(β̂(α, τ ), γ̂(α, τ )) = arg mı́n qτ (a, γ, π). (2)
β,γ
Luego, para encontrar el estimador final de α(τ ), se busca el valor que haga que el
coeficiente sobre el instrumento γ̂(α, τ ) sea lo más cercano posible a cero. De esta manera,
el instrumento no debe tener un efecto directo sobre el resultado, asegurando que cualquier
efecto pase únicamente por el tratamiento.
En nuestro caso, el tratamiento D indica si el participante fue colocado en un empleo
temporal o directo. El instrumento Z es un indicador del contratista asignado al azar en el
programa Work First. X incluye controles de fondo.
Especı́ficamente, estimamos modelos de cuantiles condicionales de la forma:
qτ (Yi |Di , Ti , Di , Xi , ti , q) = α + βT Ti + βD Di + Xi⊤ λτ + θct + δq + γr · etniai .
2
Asignación de contratistas y construcción del instru-
mento
Los subı́ndices hacen referencia a la participación del individuo i en el programa Work
First, asignado al contratista c dentro del distrito de aleatorización r en el año t y trimestre
q. Denotamos a los contratistas como c(i) y a los distritos como r(c(i)), para indicar que cada
contratista está asociado con un único distrito de aleatorización, y que cada participación
de un individuo en el programa Work First está vinculada a un contratista.
Las variables binarias T y D indican si el participante obtuvo un empleo temporal
(temporary-help) o un empleo directo (direct-hire), respectivamente. El vector de covaria-
bles X incluye sexo, variables binarias para raza blanca e hispana, edad y su cuadrado,
ingresos totales por UI y número de trimestres trabajados en los 8 trimestres previos a la
asignación al programa.
El vector v contiene dummies de distrito de aleatorización, el vector d contiene dum-
mies para cada combinación año-trimestre de asignación, y el vector g contiene todas las
interacciones dobles entre distrito y año.
Para estimar el modelo IVQR, se requieren variables instrumentales válidas. En nuestro
contexto, la variación exógena en las colocaciones laborales es generada por la asignación ro-
tativa de participantes de Work First a los contratistas. La aleatorización de los participantes
a los contratistas ocurre dentro de los distritos, durante el año especı́fico del programa.
Es importante destacar que existen **diferencias significativas y persistentes entre con-
tratistas** en sus tasas de colocación en empleos temporales y directos.2 Esto hace posible
utilizar la asignación a contratistas como un instrumento para los dos tipos de colocación
laboral.
En principio, podrı́amos usar dummies de asignación contratista-año directamente como
variables instrumentales en el modelo IVQR. En la práctica, el costo computacional de usar
docenas de instrumentos hace que este enfoque no sea viable. En lugar de estas dummies,
generamos dos variables instrumentales continuas que capturan la **probabilidad excesiva
promedio** de cada contratista de colocar en empleos temporales y directos, respectivamente.
Ası́, para instrumentar Ti y Di en la ecuación (3), utilizamos las probabilidades excesivas
de colocación estimadas para cada contratista:
P̂ctT y P̂ctD
Estas probabilidades se estiman a partir de modelos de probabilidad lineal.
Para que la asignación a contratistas funcione como un instrumento válido para el tipo
de colocación laboral del participante, las tasas estimadas de colocación P̂ctT y P̂ctD deben
ser **independientes de los resultados potenciales**. En la práctica, esta independencia
está prácticamente garantizada por la asignación aleatoria. Además, las tasas de colocación
de los contratistas en empleos temporales o directos deben ser **independientes de otras
caracterı́sticas del contratista** que puedan influir en los resultados del participante.
Este supuesto permite la posibilidad de que los contratistas influyan en los resultados
post-programa de los participantes a través de mecanismos distintos al tipo de colocación,
2
Autor et al. (2016), nota 16
3
**siempre que esos efectos no estén sistemáticamente relacionados con las tasas de coloca-
ción**.
Autor y Houseman (2010) proveen una discusión detallada sobre este importante su-
puesto de identificación, ası́ como varias pruebas de falsificación. Lo más relevante es que
demuestran que **no existe heterogeneidad estadı́sticamente significativa** en los efectos de
los contratistas sobre los ingresos o el empleo de los participantes que no pueda ser explicada
por las tasas de colocación en empleos temporales o directos.3
3
Autor y Houseman (2010), nota 18
