Tamaño de muestra para identificar el impacto en una regresión discontinua
DOI:
https://doi.org/10.21754/iecos.v14i0.1194Palabras clave:
tamaño de la muestra, regresión continua, regresión discontinuaResumen
Se presenta analíticamente la de terminación del tamaño de muestra necesario para identificar el impacto en una Regresión Discontinua. En particular, se considera el escenario de violación del supuesto de independencia de los errores provocados cuando los datos se encuentran distribuidos en conglomerados.
Descargas
Citas
Angrist, J., & Krueger, A. (2007). Empirical strategies in labor economics. In O. Ashenfelter & D. Card (Eds.), Handbook of Labor Economics (Vol. 3). North Holland, Amsterdam.
Bloom, H. (1995). Minimum detectable effects: A simple way to report the statistical power of experimental designs. Evaluation Review, 19(5), 547-556. Sage Publications, Inc.
Bloom, H. (2006). The core analytics of randomized experiments for social research. MDRC Working Papers on Research Methodology.
Cameron, A., Gellbach, J., & Miller, D. (2006). Robust inference with multi-way clustering. NBER Technical Working Paper No. 327.
Deaton, A. (1997). The analysis of household surveys: A microeconomic approach to development policy. World Bank. The Johns Hopkins University Press.
Imbens, G., & Lemieux, T. (2008). Regression discontinuity designs: A guide to practice. Journal of Econometrics, 142(2), 615-635.
Schochet, P. Z. (2008). Technical methods report: Statistical power for regression discontinuity designs in education evaluation. Evaluations (NCEE 2008-4026). Washington, DC: National Center for Education Evaluation and Regional Assistance, Institute of Education Sciences, U.S. Department of Education.
Wooldridge, J. (2009). Introducción a la econometría: Un enfoque moderno (4ta ed.).
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2013 José Valderrama Torres
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
CC BY 4.0 DEED Attribution 4.0 International
