Essays in Instrumental Variables

Abstract

Essa tese consiste em três ensaios em Econometria. Mais especificamente, com em métodos de Variáveis Instrumentais (IV) para Inferência Causal. O primeiro capítulo é coautorado com Cristine Pinto, e trata da identificação de Efeitos Marginais (MTE) de Tratamento em designs de Diferenças-em-Diferenças (DiD). Muitas aplicações de DiD se assemelham ao métodos de variáveis instrumentais no sentido de que a exposição ao choque que afeta a escolha do tratamento não determina quem é tratado e quem permanece no controle. Nesses designs, chamados de Fuzzy DiD, efeitos de tratamento são identificados apenas para compliers. Neste capítulo, mostro como MTEs podem ser identificados em designs de Fuzzy DiD substituindo a hipótese de independência do instrumento pela hipótese de tendências paralelas. O segundo capítulo propõe um novo método de identificação para efeitos causas dinâmicos usando IVs em painel. O ponto de partida da investigação é que 2SLS não identifica efeitos causais com interpretação clara diante de efeitos dinâmicos e instrumentos serialmente correlacionados no tempo. Diante desse resultado, proponho um novo método para identificar efeitos causais associados à sequências alternativas de tratamentos ao longo do tempo sob restrições de dinâmica no primeiro estágio. Por fim, o terceiro capítulo propõe uma nova abordagem para Análise de Sensibilidade em métodos de IV onde a hipótese de independência não é crível. Focando no caso de outcomes binários, eu derivo resultados de identificação parcial de efeitos de tratamento sob violação de independência, e identifico os valores máximos de violação para qual é possível sustenar conclusões sobre os efeitos verdadeiros.This chapter consists of three essays in Econometrics. More specifically, three essays in Instrumental Variables (IV) methods for Causal Inference. The first chapter is coauthored with Cristine Pinto, and proposes identification results for Marginal Treatmet Effects (MTE) in Difference-in-Difference (DiD) settings. Many DiD applications resemble IV methods in the sense that there is imperfect compliance towards the shock affecting selection into treatment. In such called Fuzzy DiD designs, treatment effect parameters are only identified for compliers. In this chapter, I show how MTEs can be identified in Fuzzy DiD settings by replacing the instrument independence assumption with a parallel trends assumption for potential outcomes and potential treatments. The second chapter proposes a new identification method for dynamic causal effects in IV settings with panel data. The starting point of this work is that 2SLS parameters do not hold a clear causal interpretation in the presence of dynamic treatment effects and serial correlation of the instrument. Under this result, I propose a new identification method for causal effects associated to alternative sequences of treatment taken through time under restrictions of dynamics in the first-stage. Finally, the third chapter proposes a new Sensitivity Analysis approach for IV methods where the instrument independence assumption is not credible.With a focus on the case of binary outcomes, i derive partial identification results for treatment effects under violations of independence and identify breakdown values, which are the largest violations of independence under which a particular conclusion holds.