Esto si que creo que es lo último que voy a escribir sobre el diff-in-diff (DiD) de presencialidad y contagios. Se llamará:
"Abrir bares acelera la baja de contagios (o como DiD sin un contrafáctico adecuado no identifica causalidad)"
(1/5)
Hice exactamente el mismo ejercicio que en el informe discutido la semana pasada, solo que para estudiar otro evento: la apertura de bares en CABA del 31/08 del año pasado.
En ese momento se juzgo la decisión como una ruleta rusa o algo así
(2/5)
El ejercicio muestra que CABA y AMBA (sin CABA) venían siguiendo una trayectoria parecida, pero que CABA, a partir de que decidió abrir los bares se distanció de AMBA (sin CABA), reduciendo los contagios a mayor velocidad:
(3/5)
Incluso podría inventar una teoría explicativa ("abrir los bares al aire libre aceleró reducción de casos al sustituir las relativamente más peligrosas reuniones entre amigos puertas adentro") y seguir afirmando causalidad ("la teoría decía esto", "temporalidad", etc.)
(4/5)
Pero no, lo importante es que hay cosas que no estoy controlando, y que no se cumplen los supuestos para afirmar que mi estrategia de identificación sea correcta y el efecto observado sea causal.
O sea, lo mismo que ocurre en el ejercicio de presencialidad y contagios.
(5/5)
• • •
Missing some Tweet in this thread? You can try to
force a refresh
Voy a intentar dar algunas precisiones más, tratando de ser constructivo. Esta discusión no es algo que uno deba tomar personalmente, sino simplemente seguir lo que dice la ciencia al respecto.
Voy con un hilo:
(1/n)
Cuando se quiere evaluar el impacto de una intervención, y proveer conclusiones causales, se deben seguir ciertos pasos, que ya están establecidos por científicos. No se trata de cuestiones de fe, de cosas que pueden verse a ojo, ni obviamente de cosas ideológicas.
(2/n)
Ejemplo conocido por muchos, a partir de Sputnik y otras: las vacunas. En ese caso, la efectividad se comprueba con un experimento aleatorio controlado. Al ser "controlado", se puede elegir un grupo de control (recibe un placebo) y uno de tratamiento (vacuna).
(3/n)
Van unos tuits sobre el debate Distribución vs. Crecimiento, basado en datos de América Latina (y de algunos otros países).
El gráfico siguiente sitúa a los países de nuestra región en términos de distribución (Gini, eje Y) y nivel de ingresos familiares (eje X):
En el contexto de LatAm, Argentina todavía se ubica en el cuadrante de países con niveles de ingreso relativamente alto y desigualdad relativamente baja.
Los cuadrantes son arbitrarios y contextuales: todos los países de la región tienen desigualdad alta en el contexto global.
Cómo se traducen esas relaciones ingreso/distribución en pobreza?
No hay una relación tan simple, Gini e ingreso medio son medidas que resumen la distribución del ingreso, pero no representan su "forma" en detalle.
El ranking de ARG en la región depende de línea de pobreza usada.
Hoy INDEC comenzó a publicar información socioeconómica de finales de 2020, en este caso de mercado laboral del Trimestre 4. La semana que viene va a publicar el número de pobreza del Semestre II de 2020.
Qué sabemos al respecto?
Va un hilo no tan largo
(1/n)
Último dato de pobreza es Semestre I: 40.9%. Incluye un Trimestre "normal", sin pandemia, y otro "anormal" con pandemia y, sobre todo, con cuarentena fuerte.
Semestre II es algo menos "anormal", con menos cuarentena, pero más pandemia y arrastra los efectos del Trimestre 2
(2/n)
Qué paso con el empleo?
El indicador más apropiado para mirar, a mi juicio, es empleados cada 100 habitantes: después de un mínimo en Trimestre 2, se comenzó a recuperar al relajarse la cuarentena. En Trimestre 4 aún está en niveles menores a los de antes de la pandemia.
(3/n)
Si tuviera que chequear esta nota diría que, como mínimo, es ENGAÑOSA.
En los siguientes tuits explico las razones 👇 ipypp.org.ar/2021/02/13/37m…
La afirmación "3.7 millones de personas salieron de la [...] pobreza" proviene de comparar tasas de pobreza de 2do y 3er trimestre 2020, donde hay caída de 8 puntos y algo.
Al aplicar esa caída a la población nacional (aprox. 45 millones), se llega a ese 3.7 millones.
Pero...
1- La EPH no cubre a la población total del país, por lo que la proyección supone mismo comportamiento en 1/3 no cubierto que en los 2/3 cubiertos, lo cual es + o - razonable) 2- La comparación supone que 2do y 3er trimestres son "comparables", lo que no es para nada razonable
Va un hilo sobre la situación de pobreza e indigencia en países de América Latina en los últimos 10 años, antes de la pandemia, el año que viene miramos el impacto en cada uno de ellos. (1/n)
Miramos metodología oficial en todos los casos (salvo Brasil y Panamá, que miramos líneas de 3.2 y 5.5 dólares diarios), por lo que no hay que mirar niveles y comparar. Lo interesante es ver la evolución. (2/n)
Primero países que vienen bien, luego los demás. Dentro de cada grupo, no hay un orden particular.
Empiezo con Bolivia: fuerte reducción de pobreza (casi 17 puntos) e indigencia (11 puntos) entre 2009 y 2018.
Pronto van a publicar 2019.
Mejoró casi todos los años. (3/n)
Ayer INDEC publicó los microdatos del Trimestre IV de 2019. Con esto se puede resumir la evolución de la pobreza y la desigualdad en el período 2016-2019. Va un intento abajo 👇
Abajo la evolución del Coeficiente de Gini del ingreso. Los datos son semestrales, cuando es I refiere al primer semestre, II al segundo, * refiere al semestre intermedio formado por 2do y 3er trimestres, ** a trimestre intermedio formado por 4to y 1er trimestre de año siguiente
La EPH muestra que el Gini movió en un rango bastante acotado, algo así como 2.5 puntos. Entre puntas (2016-II a 2019-II) la suba en la desigualdad fue < a1 punto. Parte de la historia que no la conocemos, dado que la EPH, como toda encuesta de hogares, no capta bien top incomes.