Skip to content

GCRI · Labs

Inferencia causal para pilotos

Causal inference separates what an intervention does from what merely accompanies it. In labs and pilots it shapes the design: randomisation where possible, credible comparisons where not, and explicit assumptions in both. It is how a pilot becomes evidence that an innovation works, for whom and under what conditions.

02Solicitud

Qué hacen aquí la inferencia causal y la evaluación de impacto.

Causal inference and impact evaluation develop methods to determine whether and how interventions or exposures cause outcomes. They separate genuine effects from correlation. In research and evidence, methods and modelling and innovation, causal inference shows which risk reduction measures actually work. It supports allocating resources toward interventions with demonstrated effect across connected risks. The canonical description is on the STEM Commons.

Pilotos aleatorizados y despliegues escalonados

Where an innovation reaches sites in sequence, the order is randomised so early and late sites form a comparison, with the design and analysis registered beforehand.

Evaluación cuasiexperimental de programas

Difference-in-differences, regression discontinuity or synthetic control designs estimate effects where randomisation was not possible, with placebo tests to probe their assumptions.

Transporting effects from pilot to scale

Causal diagrams state which features of the pilot site an effect depends on, so planners can judge whether a new site shares them before expecting the same result.

03Seguimiento

Evaluación de impacto.

La pantalla que utilizaría un equipo para seguir este método: sus mediciones, estados y decisiones. Los nombres son ejemplos y los valores son ilustrativos.

Evaluación de impacto

Labs · Causal inference for pilots · Run R-7061

Parallel trends holdGCRI · Labs

Estudio de eventos

Ficha del método

Método
Inferencia causal y evaluación de impacto
Diseño
diferencias en diferencias
Unidades
196
Etiqueta
MODELADO

Comprobaciones de robustez

Especificación principal0.06Sí
Excluir a los primeros adoptantes0.26Sí
Control sintético0.12Sí
Impact evaluation: the screen’s structure, terms and states for Labs.Example names and illustrative values; a design, not a record or a live system.
04Datos

Lo que consume el método.

Conjuntos de datos y registros que utilizan la inferencia causal y la evaluación de impacto en esta plataforma, con la función de cada uno y la etiqueta que llevan sus valores. Las fuentes figuran en el registro de fuentes.

DatosFunciónEtiqueta
Datos de resultados de ensayos y pilotosEffect estimationOBSERVADO
Registros administrativosOutcomes and covariates for comparison groupsEstadísticas publicadas
Planes de preanálisis registradosFixing estimands and testsDECLARADO
Site characteristic surveysHeterogeneidad y transportabilidadNOTIFICADO
05Métodos y evidencia

Cómo se modeliza, se mide y se prueba la inferencia causal para pilotos.

El modelo, sus supuestos, sus datos y su incertidumbre, en la forma en que un científico o un ingeniero los comprobaría. Las estructuras siguen métodos publicados. Los valores representados son ilustrativos, no hallazgos.

Modelo, ecuaciones y supuestos

La estructura del modelo utilizada para la inferencia causal en los pilotos, los supuestos que formula y cómo se pone a prueba cada uno.

Riesgo del elemento iRi = f(Hi, Ei, Vi, Ci)amenaza, exposición, vulnerabilidad y capacidad de afrontamiento
Pérdida anual esperadaEAL = ∑k pk · Lkover events k with annual probability pk
Sistemas acopladosxt+1 = A xt + B ut + εtA carries the couplings, u the shock, ε the error
SupuestoPor qué se haceCómo se prueba
La amenaza y la exposición son independientes dentro de un eventoMantiene manejable la integral de pérdidasComparar con un ajuste de cópula sobre registros conjuntos
Los acoplamientos son lineales cerca del punto de operaciónPermite que las perturbaciones se propaguen a través de APerturbar más allá del rango lineal y comparar
Las curvas de vulnerabilidad se transfieren entre lugaresLas curvas locales rara vez están disponiblesValidar frente a las pérdidas observadas cuando existan
Entradas
conjuntos de datos versionados con procedencia
Resultados
distribuciones, nunca cifras únicas
Código
publicado con la ficha de modelo y las pruebas
Reproducción
mismos datos, código, entorno y semilla
Formulaciones estándar de riesgo y de espacio de estados; los supuestos enumerados son los típicos del método, expuestos para su revisión, no resultados.
FAIR guiding principles · GO FAIR and FORCE11W3C PROV · World Wide Web ConsortiumGuidance on consistent treatment of uncertainties · IPCCCEOS Analysis Ready Data · Committee on Earth Observation Satellites
06Validación

Cómo se verifican los resultados.

Los supuestos de identificación se ponen a prueba mediante pruebas placebo, comprobaciones de falsación y análisis de sensibilidad. La replicación en distintos contextos evalúa la validez externa.

VerificaciónCómo se hace
Balance and pre-trend checksSe comprueba la similitud de los grupos de comparación antes del tratamiento
Pruebas de placebo y de falsaciónEffects are sought where none should exist
Sensibilidad a factores de confusión no observadosLos análisis indican cuán fuerte tendría que ser un factor de confusión oculto para cambiar la conclusión
Replication across sitesLos efectos se vuelven a estimar en contextos independientes antes de generalizarse

La confusión no observada y los efectos de derrame pueden sesgar las estimaciones. Los efectos hallados en un contexto pueden no trasladarse a otro.

07Proceso

Cómo funciona el proceso.

Process explorer · Process

Inferencia causal para pilotos: informe de revisión PRISMA 2020

10 steps4 stages

Proceso

Inferencia causal para pilotos: informe de revisión PRISMA 2020

PRISMA 2020 es una directriz de comunicación para revisiones sistemáticas; los pasos siguen su lista de verificación, no una secuencia obligatoria, y ningún documento de Nexus la adopta.

  1. 01 Plan

    1. 01Registro y protocoloRegistro · El equipo de revisiónLa directriz pide los datos de registro, el acceso al protocolo y cualquier modificación.
    2. 02Criterios de admisibilidadRegistro · El equipo de revisiónLa directriz pide los criterios de inclusión y exclusión y cómo se agruparon los estudios.
  2. 02 Buscar y seleccionar

    1. 03Búsqueda: fuentes y estrategiasPaso · El equipo de revisiónLa directriz pide las fuentes de información y las estrategias de búsqueda completas. No fija qué fuentes se utilizan.
    2. 04Selección de los estudiosPaso · El equipo de revisiónLa directriz pregunta cómo se determinó la admisibilidad de los estudios, incluido cuántos revisores realizaron el cribado. No fija el número de revisores.
    3. 05Diagrama de flujoRegistroEl diagrama de flujo muestra el número de registros encontrados, el número de estudios incluidos y los motivos de exclusión.
  3. 03 Analizar

    1. 06Recopilación de datosPaso · El equipo de revisiónLa directriz pregunta cómo se recopilaron los datos de los informes y qué elementos de datos se buscaron.
    2. 07Riesgo de sesgoPaso · El equipo de revisiónLa directriz pide los métodos y herramientas utilizados para evaluar el riesgo de sesgo.
    3. 08SíntesisModelo · El equipo de revisiónLa directriz pide las medidas del efecto y los métodos de síntesis. No prescribe el metanálisis.
    4. 09Certeza de la evidenciaPaso · El equipo de revisiónLa directriz pide los métodos utilizados para evaluar la certeza y comunica el resultado por cada desenlace. No nombra ninguna escala de gradación.
  4. 04 Informe

    1. 10Informe de revisiónRegistroLa directriz ayuda a los autores a comunicar por qué se realizó la revisión, qué hicieron y qué encontraron.

ReportsOutline of an externally published reporting guideline, not a Nexus process and not a record of operation. PRISMA 2020 mainly covers reviews of intervention effects. No Nexus page names it. Every programme is at service level R0.

09Custodia responsable

Quién mantiene el método.

Desarrollo económico es custodio de la inferencia causal y la evaluación de impacto para el consorcio y revisa cómo se aplican en las distintas plataformas.

11Preguntas

Preguntas y respuestas.

¿Cuáles son los límites de la inferencia causal y la evaluación de impacto en este campo?
La confusión no observada y los efectos de derrame pueden sesgar las estimaciones. Los efectos hallados en un contexto pueden no trasladarse a otro.
¿Cómo se verifican los resultados?
Los supuestos de identificación se examinan mediante pruebas placebo, comprobaciones de falsación y análisis de sensibilidad. La replicación en distintos contextos pone a prueba la validez externa.
¿Son reales los valores de esta página?
The data names, roles and checks are real descriptions of practice. The canvas shows a design of the method’s use, not a run; no result is reported here.
¿Dónde más se aplica este método?
La página canónica del método enumera todas las plataformas que lo aplican.
serie ReportsContribuir

Aporte evidencia desde esta página.

Reports es la publicación trimestral del Consortium. Lo que usted sabe sobre este tema puede convertirse en evidencia, un caso o una corrección en la próxima edición, con su crédito y publicado bajo licencia CC BY 4.0 cuando se trate de obra propia.

GCRILaboratoriosEvidencia de LabsMétodos y técnica
Laboratorios

Aporte un método, un conjunto de datos o una pregunta.

La información y las consultas están abiertas hoy. Una consulta recibe una referencia e indica el siguiente paso; las solicitudes, pagos, asignaciones de cómputo y registros solo se abren cuando existen su equipo, sus condiciones y la capacidad de revisión.