Resumen

COAD, Alex; JANZING, Dominik  y  NIGHTINGALE, Paul. Herramientas para la inferencia causal de encuestas de innovación de corte transversal con variables continuas o discretas: Teoría y aplicaciones. Cuad. Econ. [online]. 2018, vol.37, n.spe75, pp.779-807. ISSN 0121-4772.  https://doi.org/10.15446/cuad.econ.v37n75.69832.

Este artículo presenta un nuevo conjunto de herramientas estadísticas al aplicar tres técnicas de inferencia causal basada en datos tomadas de la comunidad del aprendizaje automático (maching learning) y que son poco conocidas entre los economistas y los académicos de la innovación: un enfoque condicional basado en la independencia, modelos de ruido aditivo e inferencia no algorítmica a mano. Incluimos tres aplicaciones a los datos de la CIS —la encuesta de la comunidad sobre la innovación— para investigar los modelos de financiación pública para inversión en investigación y desarrollo, fuentes de información para la innovación, y gastos de innovación y crecimiento empresarial. Los resultados preliminares proporcionan interpretaciones causales de algunas correlaciones observadas previamente. Nuestro conjunto de herramientas estadísticas podría ser un complemento útil a las técnicas existentes.

JEL: O30, C21.

Palabras clave : inferencia causal; encuestas de innovación; aprendizaje automático (machine learning); modelos de ruido aditivo; grafos acíclicos dirigidos.

        · resumen en Inglés | Francés | Portugués     · texto en Inglés     · Inglés ( pdf )