Módulo 4 Aleatorización
En el módulo de inferencia causal discutimos el rol crucial que tiene la aleatorización al momento de hacer inferencias válidas para comparar grupos experimentales tratados y no tratados. En este módulo pasamos de la teoría a la primera de muchas opciones concretas para el diseño de la investigación.
A continuación presentamos cuatro formas comunes de aleatorizar el tratamiento: simple, completo, en bloque y por conglomerados. Así mismo discutimos cuándo se puede usar cada uno de estos tipos de aleatorización. Además de esto, presentamos varios diseños populares, entre ellos, diseños factoriales y diseños de estímulo. El módulo también proporciona algunas pautas para la implementación, por ejemplo, ¿cuáles son las mejores prácticas para verificar el equilibrio y garantizar la replicabilidad?
4.1 Contenido principal
¿Qué es la aleatorización? La asignación aleatoria a tratamientos no es lo mismo que el muestreo aleatorio.
Cuatro formas comunes para aleatorizar un tratamiento:
Simple: se asignan unidades al tratamiento al azar (como lanzar una moneda para ver qué lado cae).
Completa: dentro de una lista de unidades elegibles se determina un número fijo que va a recibir el tratamiento (como sacar bolas de una urna).
Bloque (o estratificado): se asignan unidades dentro de estratos o bloques específicos al tratamiento, como si se estuviera ejecutando un experimento dentro de cada bloque.
Conglomerados: se asignan grupos (conglomerados) de observaciones a la misma condición de tratamiento.
Algunos diseños populares:
Acceso aleatorizado: se decide aleatoriamente si el tratamiento está disponible.
Aleatorizado acceso retardado: se determina aleatoriamente el momento en el que el tratamiento va a estar disponible.
Factorial: se asigna aleatoriamente unidades a combinaciones de tratamientos.
Estímulo: se aleatoriza la invitación para recibir el tratamiento.
¿Cómo saber si la aleatorización produjo grupos homogéneos con respecto a las características observables? Para verificar esto por lo general se realizan pruebas de aleatorización, también conocidas como pruebas de homogeneidad entre grupos. Se puede, por ejemplo, utilizar la prueba ómnibus $d^2 $ de
xBalancedel paqueteRItools(ya que es inferencia basada en la aleatorización) o podemos aproximar este resultado con una prueba de \(F\).A continuación discutimos sólo algunos de los limites que naturalmente tiene la aleatorización. En el módulo sobre amenazas encontrará más información al respecto.
4.2 Diapositivas
A continuación presentamos las diapositivas con el contenido principal que cubrimos en nuestra clase sobre aleatorización. Usted puede usar directamente los archivos originales de las diapositivas o también puede copiarlos y editarlos localmente.
Los archivos vinculados muestran cómo hacer aleatorización replicable en R. También puede ver más ejemplos de aleatorización en R en 10 cosas que necesita saber sobre la aleatorización.
Si desea, también puede ver las diapositivas utilizadas en sesiones previas de los Learning Days de EGAP:
4.3 Recursos
4.3.1 Guías de métodos de EGAP
Guías de métodos de EGAP Las 10 cosas que usted debe saber sobre aleatorización
Guías de métodos de EGAP Las 10 cosas que usted debe saber sobre aleatorización por aglomerados
4.3.2 Libros, capítulos y artículos
Procedimiento operativo estándar para el laboratiorio de Don Green en la Universidad de Columbia. Un extenso conjunto de procedimientos y reglas generales para llevar a cabo estudios experimentales.
Glennerster y Takavarasha, Running Randomized Evaluations: A Practical Guide. El capítulo 2 trata temas de aleatorización
Gerber y Green, Field Experiments. Capítulo 2: Inferencia causal y aleatorización
4.3.3 Informes de EGAP sobre políticas públicas
Diseños Factoriales
Aleatorizando el acceso
Aleatorizando el acceso retardado
Aleatorización por Conglomerados
Aleatorización por bloques de conglomerados
4.3.4 Herramientas
- RItools, un conjunto de herramientas para hacer inferencia basada en la aleatorización incluyendo pruebas de equilibrio.