Modelo aditivo bayesiano de árvores de regressão para regressões com descontinuidade

• Processo: 21/13137-0
• Modalidade de apoio: Bolsas no Brasil - Doutorado
• Data de Início da vigência: 01 de setembro de 2022
• Data de Término da vigência: 29 de fevereiro de 2024
• Área de conhecimento: Ciências Sociais Aplicadas - Economia - Métodos Quantitativos em Economia
• Pesquisador responsável: Hedibert Freitas Lopes
• Beneficiário: Rafael Campello de Alcantara
• Instituição Sede: Instituto de Ensino e Pesquisa (Insper). São Paulo , SP, Brasil
• Assunto(s): Inferência Regressão linear Aprendizado computacional
• Palavra(s)-Chave do Pesquisador: Inferência Causal | machine learning | Regressão com Descontinuidade | Inferência Causal

Resumo

Efeitos de tratamento podem ser estimados em modelos de regressão com descontinuidade (RDD), sob certas hipóteses, pelo tamanho de uma descontinuidade na distribuição da variável resposta gerada pelo mecanismo de seleção ao tratamento. A abordagem mais comum para isso é aproximar a distribuição em torno da descontinuidade com uma função linear. Apesar de apresentar propriedads teóricas desejáveis em geral, esta abordagem introduz os problemas de como selecionar uma janela apropriada em torno da descontinuidade para a aproximação e a perda de observações fora desta janela. Aproximações globais evitam esses problemas e podem representar alternativas razoáveis desde que tenham capacidade preditiva similar ou mel­hor que a aproximação linear. Este projeto investiga se o modelo aditivo bayesiano de árvores de regressão (BART) pode ser adaptado para incorporar as hipóteses do modelo RD e estimar efeitos de tratamento bem neste contexto. Resultados preliminares in­dicam que, mesmo sem adaptação, o BART apresenta performance superior à regressão linear local. (AU)