Universitat Pompeu Fabra
Rossell, David
Papaspiliopoulos, Omiros
2022-07-26
111 p.
Universitat Pompeu Fabra. Departament d'Economia i Empresa
This thesis studies the capabilities of Bayesian estimators in high-dimen-sional generalised linear models, with a particular focus on treatment effect estimation. The first of four chapters provides the necessary background, advances and challenges for this thesis. In Chapter 2, I present methodological and computational contributions to tackle high-dimen-sional treatment effect estimation through confounder importance learning, a model averaging formulation based on a flexible model prior designed to mitigate problems related to over- and under-selection of controls, whose hyper-parameters are learnt by empirical Bayes through efficient gradient-based optimisation. Chapter 3 presents empirical evidence in favour of this approach, whose main application is the analysis of salary discrimination in the U.S. due to factors such as gender or race, revealing the existence of wage gaps that have not significantly improved over the last decade. Chapter 4 contributes with new theoretical properties that reinforce the use of non-local priors, showing satisfactory asymptotic results compared to other specifications.
Aquesta tesi estudia les capacitats d’estimadors bayesians en models lineals generalitzats d’alta dimensió, amb un enfocament a l’estimació dels efectes de tractament. El primer capítol proporciona context, avenços i reptes per a la tesi. Al Capítol 2, presento contribucions metodològiques i computacionals per abordar l’estimació d’efectes de tractament d’alta dimensió, a través de confounder importance learning, una formulació de mitjana de models basada en un prior per als model dissenyat per mitigar problemes relacionats amb la sobre- o sub-selecció de controls, i els híper-paràmetres de la qual s’aprenen a través de Bayes empíric, mitjanc¸ant optimització eficient basada en gradients. El Capítol 3 presenta evidència empírica a favor d’aquest mètode, la principal aplicació del qual és l’anàlisi de la discriminació salarial als EUA atribuïda a factors com el gènere o la raça, posant de manifest l’existència de difer`encies salarials que no han millorat de manera significativa en la darrera d`ecada. El Capítol 4 aporta noves propietats teòriques que reforcen l’ús dels priors no locals, mostrant resultats asimptòtics satisfactoris en relació a d’altres especificacions.
Bayesian estimators; Estimadors bayesians
33 - Economics. Economic science
ADVERTIMENT. Tots els drets reservats. L'accés als continguts d'aquesta tesi doctoral i la seva utilització ha de respectar els drets de la persona autora. Pot ser utilitzada per a consulta o estudi personal, així com en activitats o materials d'investigació i docència en els termes establerts a l'art. 32 del Text Refós de la Llei de Propietat Intel·lectual (RDL 1/1996). Per altres utilitzacions es requereix l'autorització prèvia i expressa de la persona autora. En qualsevol cas, en la utilització dels seus continguts caldrà indicar de forma clara el nom i cognoms de la persona autora i el títol de la tesi doctoral. No s'autoritza la seva reproducció o altres formes d'explotació efectuades amb finalitats de lucre ni la seva comunicació pública des d'un lloc aliè al servei TDX. Tampoc s'autoritza la presentació del seu contingut en una finestra o marc aliè a TDX (framing). Aquesta reserva de drets afecta tant als continguts de la tesi com als seus resums i índexs.
