Economia e politica del lavoro

Economia e Politica del Lavoro

Lezione 1

ANALISI ESPERIMENTALE (o INTERPRETAZIONE CAUSALE) → Confronto effettuato a posteriori tra il "tutto oggetto di analisi". I GOLDEN RULE per ottenere analisi causali valide: ESPERIMENTO RANDOMIZZATO

• RANDOMIZZAZIONE
• RACCOLTA DATI
• ANALISI DEI DATI

PANEL DATA ANALYSIS → Punto di partenza per "ricerca causale". Il problema nasce dalla individuazione di un confronto.

Differenza in group means + Effetto Causale Atteso + Selezione Bias.

• Effetti → Osservazione sulla salute
• Yi-1 Y

Questa non può essere osservata perché non corrisponde rimanente al outcome.

Forse però si può calcolare:

Average treatment effect

• (AVG_n(Yi1-Yo2) = ¹/_n * (Yi1 - Yo1)

Denticopo i 2 gruppi:

1. ASSOCIAZIONE → FEDEN_i( )
2. non associati

Calcola quindi la differenza nei livelli di salute anche tra i due gruppi: DEFINISCO una economa:

Determina si ferve influenza tra tassi positivi e negativo ([ ]) se l’effetto causale dell’associazione ci si misguida in modo non variale inizio avanzato viene vedere un variabile dico: k

Se la differenza nella media di campione della vita popolazione e minnuito (grande numeri) 1. (Grande numeri)

I 2 gruppi:

• 1. (INSIEME) (GRANDEZZA) → Gruppo restitutivo
• 2. (Ni nonpeigi che e o ferettivamente)

Diventa razionale i numeriannecy difformi ed modiusice trovano tra questi effetti causale dica che attribuito

Prop che e stressore si richiede

♀ di un infectione = F(Y - ID=0) -F( E ID=O)

1 ≠ Compriamo influenzamento anno volta anto corrispondale predigo si sottare compiurere risultato

Ma chienza una fino a cei elletto causale.

• Espensa a da purbonazione attuale

Combinazione esperimento trattatura causale dianonous.

ERRORE STANDARD

Misura della precisione statistica della differenza tra 2 medie.

Campione e la differenza è dovuta errori standard. La differenza è statisticamente significativa.

ESEMPIO

Y_i = var. casuale può assumere valore:

• 15 con probabilità 0,1
• 18 0,3
• 26 0,4
• 30 0,2
• = 1

Se la popolazione è infinita e le estrazioni sono indipendenti

E (Y_i ) = 15 (0,1) + 18 (0,3) + ... = 23,3

Come faccio? Estraggo N campioni = 4

• (15, 18, 18, 30)

Ȳ = ₁/_n (y₁ + y₂ + y₃ + y₄ = 20,25

Ȳ = 26

1^o campo Ȳ

2^o campo Ẏ = 26

La media camp. è un buon estimatore di E (y_i):

Ȳ = ₁/_n ∑_i=1ⁿ y_i

Si dice che Ẏ è uno stimatore corretto di E(yi) se:

E(Ẏi) = E(Yi)

Sono interessato quindi alla variabilità dei dati.

VARIANZA: V (y_i) = E [(y_i - E (Y_i))²] = σ²_y

DEV. STANDARD: σ_y

In un campione di campionamento a, la var. campionaria è:

S (y_i) = ₂/_n ∑_i=1^n-1 (y_i - Ẏ)²

Dev. standard = S (y_i)

Per garantire un confronto ceteris paribus è doveroso tener conto delle caratteristiche di lav e imprese per isolare i ceteris paribus e leg della spherica chiana dei lavoratori. Per paranine c.a.r () S'invanna la prob. che pavi lav. sia selezionato da un training.

fonti Oelu inpresa

a) generare un proprio di controllo di lav. che non partecipano al training. b) Ha infatti prob. di essere sievuti e matrio simile e sono simili anche le caratteristiche (etq), educazioniq, (non esperienza).

Risultati: a1) Il training è associato all'aumento dei salari di 2,7l, in malesia e 4,5,7 in tha. a2) in Paoyin aumento anzit e per gli uomini a3) In Malu i.a. llama per i domanda nom e staho shira sign. a4) In un longion compilato il cylo di istr secuzioni sono piu d'ottata del gave.

Inforni sui salari ci sono rice chesione alt cheu caveat sporchtico dei lavoratori Quali stintioi e2) laur oith patabile(con quelli a cui piv schollounti lomo gslettnth il training e su cui le imprese certe inserite nel'analisi di rubinatz = G(q)u, AS:

ln Wij = B*q[i]n + λXi1J + φZj + eiJ

D=1 ⇒ Retrospetto anni inps

Lavoratore

Qzienda

Covalo holama ents

ESERĐZIO (2) TV E BERLUSCONI

E studio prova ad annuzzare la correlazione tra " l'esposizione a muciale e la prenension al voto per fora Italia (a partire dalla abelmj dull (1994.) Fino al '96 l'Italia è contenziala da duatopia pubblicità pal, dal '96 viene peression dagli operatori privati di trasmettere a livello locale, clari '94 Berlusconi rinirse peres etabli locali e tremervi a livies savellcali.

si ha una disirazini tra.

1. SEGNALI ≥0 (completo)
2. SEGNALI < 0 (parziale o nullu)

La percentuale di vato a Forza Italia è piu alta di l 2% nl comuni con segnali > 0.

Utilizzano la repressione de AS:

Fl = Bsigniai m + y Spinaifce m + ΣCpm + εD(mn) + LLm(nm) + Em + m comuni

percentuale voti ottenuti

internistorenzi patinca

ampiento econeca ethicha

Coecohlione del comme

districto elettorale

m ptatricali marrcar del tuoro

Como coldia a emipirca, alternativa e chotestrano insuran alibetrati tre Z comuni interntr con Segnali ≥ 0 e segnali < 0 i comum duolconvs essere senvix e coeubsisvch (cordeila e divisioni) e di insertentation.

Rasuina l'esposiri a mucaille prima dal '1993 ha portato a il vantango eluttotal di Berlusconei e inte effetto periSident con il passne olgli anni. L' effetto è piu pronunciato por persone c anlalle e c ponsivi.

Di = variabili dichotomiche tampone

Z = vari strumento, dummy che indica che i primi due figli hanno lo stesso sesso

Yi = vari outcome anni di istruzione conseguiti dal primogenito

Aims: in questo caso il LATE=0, in quanto la forma ridotta è sostanzialmente nulla

si misurano con chi LATE cambia.

Forma ridotta e LATE: first stage

Il first stage è ottenere infatti che forma ridotta = 0, si muove empiricamente

intorno ad un tau ridotto, la forma ridotta è statisticamente rilevante da zero, cioè

suggerisce che i tassi cariati utu su D attribuisca il 2 tra l'effetto su y e

quello di instasi di exclusion restriation è violata.

Abbiamo quindi 2 possibili strumenti per identificare l'effetto causale della

dichiarazione temporaneo di progetto penale e l'esogene dei primi due figli

anziché sono elementi gli strumenti soddisfano il nescence (postb) e costituire

effetti causali molto simuli. Queste sono condizioni le due stime. IV per aumentare

la precisiza statunziosa (efficienza della stime.)

Il metodo 2sis generalizza la precisuina di stima IV in due stadi:

1. Consiste nell'aumentare punctualità delle precisineli stime via strumentis imperfecti
2. Consiste di includersi l'uso di controllo e equivale multiplicare l'uso di strumental imperfecti

Riassumere first stage e forma ridotta come coeff al regressione causale

Teorema Wooldridge:

Yi = α0 + βZi + ε1

First-stage:

Di = α1 + φZi + ε2i

β/2 = E [Yi|Zi=1] − E [Yi|Zi=0] mentre φ = E [Di|Zi=1] − E [Di|Zi=0]

dunque possiamo ottenere il LATE come LATE=λ= β/φ

Il metodo 2sis ottiene eseguiremente la stessa stima di β/φ ma usando un approcio

alternativ, in 2 stadi:

1. Primo stadio → stima la regressione del first-stage e stampa i valori predetti

Di = α1 + φZi

1. Secondo stadio → inseriscono Yi vs Di, questo stima la dispersione

Yi = α2 + λ2sisDi + ε2i

λ2sis = eseguiremte uguale a β/φ

Adix e per esempio stàtiuse avais di controle (esami l'eta della madre. Ai)

risciolio la repression cost.