https://carlos-mendez.org/es/tag/r/rWowchemy (https://wowchemy.com)es-es© 2018–2026 Carlos Mendez. All rights reserved.Sun, 17 May 2026 00:00:00 +0000https://carlos-mendez.org/media/icon_huedfae549300b4ca5d201a9bd09a3ecd5_79625_512x512_fill_lanczos_center_3.pnghttps://carlos-mendez.org/es/tag/r/https://carlos-mendez.org/es/projects/ccm/Sun, 17 May 2026 00:00:00 +0000https://carlos-mendez.org/es/projects/ccm/<h2 id="bienvenidoa-a-métricas-causales-comparativas-en-desarrollo">¡Bienvenido/a a Métricas causales comparativas! (En desarrollo)</h2> <p><em>Una introducción a la evaluación de impacto regional</em></p> <p>Una introducción a la <strong>evaluación de impacto regional</strong> mediante métodos modernos de inferencia causal implementados en R y renderizados con Quarto. El recurso abarca técnicas cuasiexperimentales para evaluar los efectos de políticas e intervenciones sobre resultados regionales, con ejemplos resueltos y datos de acceso público para una reproducibilidad completa.</p> <p>Este libro en desarrollo incluye:</p> <ul> <li><strong>Un recorrido comparativo por los métodos</strong> — Desde las series temporales interrumpidas y las diferencias en diferencias hasta el control sintético, las series temporales estructurales bayesianas y los estimadores modernos de datos de panel, todo con un enfoque comparativo regional.</li> <li><strong>Cuadernos en R + Quarto</strong> — Capítulos reproducibles con código plegable, listos para renderizarse localmente o ampliarse con sus propios datos.</li> </ul> <p>El libro está organizado en dos partes:</p> <ul> <li><strong>Parte I — Unidad tratada única (capítulos 1 a 9)</strong> desarrolla la intuición con un único caso de estudio: el impuesto al cigarrillo de la Proposición 99 de California (1989).</li> <li><strong>Parte II — Adopción escalonada (capítulos 10 a 12)</strong> pasa a entornos en los que muchas unidades adoptan una política en momentos distintos, mediante un panel de condados sobre el salario mínimo de Callaway–Sant&rsquo;Anna.</li> </ul> <h2 id="capítulos">Capítulos</h2> <p><strong>Parte I — Unidad tratada única</strong></p> <ol> <li><a href="https://quarcs-lab.github.io/ccm/01-introduction.html" target="_blank" rel="noopener">Introducción</a></li> <li><a href="https://quarcs-lab.github.io/ccm/02-interrupted-time-series.html" target="_blank" rel="noopener">Series temporales interrumpidas</a></li> <li><a href="https://quarcs-lab.github.io/ccm/03-basic-diff-in-diff.html" target="_blank" rel="noopener">Diferencias en diferencias básicas</a></li> <li><a href="https://quarcs-lab.github.io/ccm/04-classical-synthetic-control.html" target="_blank" rel="noopener">Control sintético clásico</a></li> <li><a href="https://quarcs-lab.github.io/ccm/05-augmented-synthetic-control.html" target="_blank" rel="noopener">Control sintético aumentado</a></li> <li><a href="https://quarcs-lab.github.io/ccm/06-synthetic-did.html" target="_blank" rel="noopener">Diferencias en diferencias sintéticas</a></li> <li><a href="https://quarcs-lab.github.io/ccm/07-structural-bayesian-ts.html" target="_blank" rel="noopener">Series temporales estructurales bayesianas</a></li> <li><a href="https://quarcs-lab.github.io/ccm/08-synthetic-control-prediction-intervals.html" target="_blank" rel="noopener">Control sintético con intervalos de predicción</a></li> <li><a href="https://quarcs-lab.github.io/ccm/09-bayesian-spatial-sc.html" target="_blank" rel="noopener">Control sintético espacial bayesiano</a></li> </ol> <p><strong>Parte II — Adopción escalonada</strong></p> <ol start="10"> <li><a href="https://quarcs-lab.github.io/ccm/10-staggered-did.html" target="_blank" rel="noopener">Diferencias en diferencias escalonadas</a></li> <li><a href="https://quarcs-lab.github.io/ccm/11-matrix-completion-and-ife.html" target="_blank" rel="noopener">Efectos fijos interactivos y completado de matrices</a></li> <li><a href="https://quarcs-lab.github.io/ccm/12-gsynth.html" target="_blank" rel="noopener">Control sintético generalizado</a></li> </ol> <p>Además: <a href="https://quarcs-lab.github.io/ccm/references.html" target="_blank" rel="noopener">Referencias</a></p> <p>Contribuya y deje sus comentarios en <a href="https://github.com/quarcs-lab/ccm" target="_blank" rel="noopener">https://github.com/quarcs-lab/ccm</a>.</p> <h2 id="proyecto-relacionado">Proyecto relacionado</h2> <p>Recurso complementario: <a href="https://carlos-mendez.org/project/intro2causal/">Dominando las métricas causales</a> — una guía de estudio en Python impulsada por IA basada en <em>Mastering &lsquo;Metrics</em> de Angrist &amp; Pischke.</p>