When Do Treatment Changes Identify Causal Effects?

Resumen Técnico: ¿Cuándo los cambios en el tratamiento identifican efectos causales?

Problema y Motivación
La investigación empírica se basa frecuentemente en datos observacionales para identificar efectos causales, empleando típicamente estrategias de selección sobre observables (condicionando sobre covariables para tratar los niveles de tratamiento como exógenos) o diseños de diferencia en diferencias (DiD, asumiendo tendencias paralelas en los resultados potenciales). Sin embargo, existe una tercera práctica, a menudo implícita: evaluar el efecto de los cambios en un tratamiento que evoluciona dinámicamente (por ejemplo, ajustes en las tasas impositivas, modificaciones de la dosis) en lugar de niveles de tratamiento específicos. Si bien los investigadores suelen recodificar los tratamientos como indicadores binarios de incremento frente a ausencia de cambio, los supuestos estructurales requeridos para esta estrategia de identificación basada en el "cambio de tratamiento" permanecen teóricamente poco explorados. Específicamente, no está claro cómo estos supuestos se relacionan con las estrategias convencionales basadas en niveles de tratamiento y si están contenidos dentro de ellas. Este artículo aborda las condiciones bajo las cuales la variación en los cambios de tratamiento identifica efectos causales, caracteriza los modelos estructurales que sustentan dicha identificación e investiga la relación entre las estrategias de identificación por cambio de tratamiento y por nivel de tratamiento.

Metodología y Marco Estructural
El artículo emplea el marco de resultados potenciales para definir el efecto causal de interés: el efecto promedio de un incremento de tratamiento $\nabla d$ relativo a la ausencia de cambio, denotado como $\Delta_t(\nabla d)$. El supuesto de identificación central es un supuesto de independencia condicional para los cambios de tratamiento (CIA-$\nabla D$), que requiere que el cambio de tratamiento $\nabla D_T$ sea independiente de los resultados potenciales condicionado a la historia de las covariables observadas $\bar{X}_{T-1}$.

Para comprender la validez de la CIA-$\nabla D$, el autor caracteriza dos modelos estructurales distintos y no anidados (Modelo A y Modelo B) que involucran ecuaciones de resultado y de tratamiento con no observables invariantes en el tiempo (efectos fijos $U$) y no observables que varían en el tiempo ($V_t, W_t$):

• Modelo A: Requiere que el efecto fijo $U$ sea aditivamente separable en la ecuación de tratamiento (cancelándose en el cambio $\nabla D_T$) y descarta efectos de tratamiento dinámicos (los tratamientos anteriores no afectan a los resultados o covariables posteriores). También requiere que los no observables que varían en el tiempo en la ecuación de tratamiento sean independientes de los de la ecuación de resultados.
• Modelo B: También requiere la separabilidad aditiva de $U$ en la ecuación de tratamiento, pero impone una restricción más fuerte sobre el proceso de tratamiento: los choques variables en el tiempo que impulsan los cambios de tratamiento deben seguir un camino aleatorio (random walk; es decir, ser seriadamente no correlacionados condicionados a las covariables). A cambio de este supuesto más fuerte, el Modelo B permite efectos de tratamiento dinámicos.

El artículo demuestra formalmente que los supuestos que sustentan la identificación por cambio de tratamiento generalmente no están anidados con los de las estrategias basadas en niveles (Selección sobre Observables, CIA-$D$ y DiD, CIA-$\nabla Y$). Específicamente, la CIA-$\nabla D$ no implica la CIA-$D$ ni la CIA-$\nabla Y$, y viceversa. Sin embargo, bajo las condiciones específicas del Modelo B (camino aleatorio), condicionar sobre los cambios de tratamiento es equivalente a condicionar sobre los niveles de tratamiento dado el tratamiento rezagado, lo que hace que las tres estrategias sean conjuntamente válidas.

Contribuciones Clave y Resultados Teóricos

1. Caracterización de Modelos No Anidados: El artículo establece que la identificación válida mediante cambios de tratamiento depende de condiciones estructurales distintas a las requeridas para la identificación basada en niveles. Este no anidamiento implica que una estrategia válida bajo un conjunto de supuestos puede fallar bajo otro donde una estrategia basada en niveles tiene éxito.
2. Equivalencia bajo Caminos Aleatorios: Un resultado teórico clave es que, si el proceso de tratamiento sigue un camino aleatorio (Modelo B), condicionar sobre los cambios de tratamiento es equivalente a condicionar sobre los niveles de tratamiento dado el tratamiento rezagado. Esta equivalencia permite la construcción de pruebas de sobreidentificación de tipo Hausman para explotar conjuntamente métodos basados en niveles y cambios.
3. Robustez Doble Estructural (DR): Más allá de las pruebas de sobreidentificación, los resultados de no anidamiento implican una propiedad de robustez doble estructural para los estimadores que diferencian tanto los resultados como los tratamientos, como es el caso del estimador clásico de Efectos Fijos de Dos Vías (TWFE). El artículo demuestra que el TWFE sigue siendo consistente si se cumple o bien el supuesto de cambio de tratamiento (separabilidad aditiva en la ecuación de tratamiento) o bien el supuesto de tendencias paralelas (separabilidad aditiva en la ecuación de resultados), sin requerir ambos simultáneamente. Esta propiedad se mantiene incluso cuando el otro supuesto falla.
4. Diferencias en los Estimandos y Reescalamiento: El artículo aclara que, bajo efectos de tratamiento heterogéneos, los estimandos de las diferentes estrategias difieren. Específicamente, el estimador CIA-$\nabla D$ apunta a un promedio ponderado de efectos marginales escalado por un factor de persistencia $\lambda$ (el grado en que los niveles de tratamiento se mueven conjuntamente con los cambios), mientras que el TWFE y las estrategias basadas en niveles apuntan directamente al efecto marginal no escalado. Por consiguiente, las pruebas de sobreidentificación válidas requieren reescalar los estimaciones de CIA-$\nabla D$ por $1/\lambda$ antes de la comparación.

Resultados Empíricos y de Simulación

• Estudio de Simulación: El artículo realiza estudios de simulación que confirman los resultados de no anidamiento. En escenarios donde solo uno de los supuestos se cumple, el estimador correspondiente es consistente mientras que los otros presentan sesgo. Crucialmente, las simulaciones validan la robustez doble del TWFE: este permanece consistente siempre que se cumpla el supuesto de cambio de tratamiento (separabilidad aditiva en la ecuación de tratamiento) o el de tendencias paralelas (separabilidad aditiva en la ecuación de resultados), incluso si el otro falla. Cuando el tratamiento sigue un camino aleatorio, todas las estrategias producen estimaciones consistentes.
• Aplicación Empírica: La metodología se aplica para estimar la elasticidad precio de la demanda de cigarrillos utilizando datos de panel a nivel estatal (Baltagi y Levin, 1986). El estudio compara cuatro estrategias: CIA-$\nabla D$, CIA-$\nabla Y$ (DiD), CIA-$D$ (selección sobre observables) y TWFE.
  • Los resultados muestran que las estrategias basadas en niveles (CIA-$\nabla Y$, CIA-$D$, TWFE) producen estimaciones consistentes (elasticidad $\approx -0.38$ a $-0.40$).
  • La estrategia de cambio de tratamiento (CIA-$\nabla D$), incluso tras el reescalamiento por el factor de persistencia, produce una elasticidad significativamente mayor en valor absoluto ($\approx -0.68$).
  • Las pruebas de sobreidentificación de Hausman rechazan contundentemente la validez conjunta de la estrategia de cambio de tratamiento frente a las estrategias basadas en niveles.
  • Dado que la robustez doble del TWFE es tal, la discrepancia sugiere que el supuesto de cambio de tratamiento (CIA-$\nabla D$) probablemente falla en este contexto, posiblemente porque los estados con grandes aumentos de precios difieren sistemáticamente en aspectos no capturados por las covariables.

Significancia
El artículo proporciona una base teórica sistemática para el uso de cambios de tratamiento en la inferencia causal, aclarando que este enfoque depende de supuestos estructurales distintos de los métodos convencionales. Destaca que, si bien la identificación por cambio de tratamiento puede ofrecer mayor potencia al eliminar los efectos fijos que contaminan la identificación basada en niveles, no es universalmente superior. La identificación de supuestos no anidados permite a los investigadores construir pruebas de sobreidentificación para falsear la validez conjunta. Además, la demostración de la robustez doble estructural del TWFE ofrece una salvaguarda práctica: los investigadores pueden confiar en el TWFE para una estimación consistente si pueden justificar cualquiera de los dos supuestos, ya sea el de cambio de tratamiento o el de tendencias paralelas, incluso si el otro falla. El artículo concluye que los investigadores que utilicen cambios de tratamiento deben ser explícitos sobre las condiciones estructurales en las que confían (por ejemplo, la ausencia de efectos dinámicos o de choques de camino aleatorio) y deben considerar las pruebas de sobreidentificación como una herramienta diagnóstica para la validez de sus supuestos de identificación.