Statistical learning and causal effects : an application to Bolsa Família Program
Visualizar/abrir
Data
2023Orientador
Nível acadêmico
Mestrado
Tipo
Assunto
Abstract
In this work we employ a study of statistical and machine learning methods for heterogenous treatment effect. Heterogenous treatment effect is also called Conditional Average Treatment Effect (CATE). We analyze general methods (off-the-shelf methods) and those tailored for causal inference: causal tree, causal forest and generalized causal forest. Beyond that, we explore one of those methods in the context of an empirical application. We explore causal forest methods to search for the heterogen ...
In this work we employ a study of statistical and machine learning methods for heterogenous treatment effect. Heterogenous treatment effect is also called Conditional Average Treatment Effect (CATE). We analyze general methods (off-the-shelf methods) and those tailored for causal inference: causal tree, causal forest and generalized causal forest. Beyond that, we explore one of those methods in the context of an empirical application. We explore causal forest methods to search for the heterogeneous treatment effect of a public policy. We evaluate the CATE of Bolsa Família Program. ...
Resumo
Neste trabalho realizamos o estudo de métodos de aprendizagem estatística (“statistical learning methods”) e métodos de aprendizado de máquina (“machine learning methods”) para efeitos heterogêneos de tratamento. Tais tipos de efeitos são também chamados de efeito médio de tratamento condicional. Estudamos métodos gerais (“offthe-shelf methods”) e aqueles ajustados para inferência causal: arvore causal, floresta causal e floresta aleatória causal. Além disso, exploramos um desses métodos em um ...
Neste trabalho realizamos o estudo de métodos de aprendizagem estatística (“statistical learning methods”) e métodos de aprendizado de máquina (“machine learning methods”) para efeitos heterogêneos de tratamento. Tais tipos de efeitos são também chamados de efeito médio de tratamento condicional. Estudamos métodos gerais (“offthe-shelf methods”) e aqueles ajustados para inferência causal: arvore causal, floresta causal e floresta aleatória causal. Além disso, exploramos um desses métodos em um contexto de aplicação empírica. Exploramos os métodos de florestas causais para procurar efeitos heterogêneos de tratamento de uma política pública. Avaliamos os efeitos heterogeneous do programa Bolsa Famíia. ...
Instituição
Universidade Federal do Rio Grande do Sul. Faculdade de Ciências Econômicas. Programa de Pós-Graduação em Economia.
Coleções
-
Ciências Sociais Aplicadas (6100)Economia (1109)
Este item está licenciado na Creative Commons License