remove duplicate TOC

egap · Sep 16, 2022 · 89f107f · 89f107f
1 parent eccb605
commit 89f107f
Show file tree

Hide file tree

Showing 2 changed files with 0 additions and 17 deletions.
diff --git a/x-cause-y/x-cause-y_esp.Rmd b/x-cause-y/x-cause-y_esp.Rmd
@@ -10,21 +10,6 @@ output:
 <!-- title: "10 Strategies for Figuring out if X Causes Y" -->
 <!-- author: "Methods Guide Author: Macartan Humphreys" -->
 
-
-10 estrategias para entender si X causó Y
-
-Resumen
-1. Aleatorización
-2. Experimento controlado (homogeneidad inducida al nivel de la unidad)
-3. Experimentos naturales (o “como si fueran” aleatorizados)
-4. Comparaciones antes/después
-5. Controlando ex post I: Regresión
-6. Controlando ex post: II: Emparejar y Ponderar
-7. Variables instrumentales (Instrumental Variables, IV)
-8. Diseños de regresión discontinua (Regression discontinuity design, RDD)
-9. Rastreo de procesos
-10. Estrategias de entrada (Front-door strategies) (Argumento de mecanismos)
-
 Resumen
 ==
 Los experimentos son una forma de averiguar si un evento causa otro evento. La idea básica es: pruébelo y descúbralo. Lo complicado es averiguar cómo probarlo de una manera que genere confianza en nuestras creencias sobre los efectos causales. Una estrategia comúnmente utilizada por los investigadores es la intervención aleatoria. Esta es la estrategia que está en el centro de la mayoría de las investigaciones experimentales realizadas por los miembros de EGAP. Pero hay otras estrategias que a veces son más apropiadas. Aquí describimos las diez estrategias más destacadas para determinar efectos causales. ^[Autor de origen: Macartan Humphreys. Revisiones menores: Winston Lin, 30 de agosto de 2016. La guía es un documento activo y está sujeto a actualización por parte de los miembros de EGAP en cualquier momento; los colaboradores enumerados no son responsables de las ediciones posteriores.]

diff --git a/x-cause-y/x-cause-y_esp.html b/x-cause-y/x-cause-y_esp.html
@@ -377,8 +377,6 @@
 
 <!-- title: "10 Strategies for Figuring out if X Causes Y" -->
 <!-- author: "Methods Guide Author: Macartan Humphreys" -->
-<p>10 estrategias para entender si X causó Y</p>
-<p>Resumen 1. Aleatorización 2. Experimento controlado (homogeneidad inducida al nivel de la unidad) 3. Experimentos naturales (o “como si fueran” aleatorizados) 4. Comparaciones antes/después 5. Controlando ex post I: Regresión 6. Controlando ex post: II: Emparejar y Ponderar 7. Variables instrumentales (Instrumental Variables, IV) 8. Diseños de regresión discontinua (Regression discontinuity design, RDD) 9. Rastreo de procesos 10. Estrategias de entrada (Front-door strategies) (Argumento de mecanismos)</p>
 <div id="resumen" class="section level1">
 <h1>Resumen</h1>
 <p>Los experimentos son una forma de averiguar si un evento causa otro evento. La idea básica es: pruébelo y descúbralo. Lo complicado es averiguar cómo probarlo de una manera que genere confianza en nuestras creencias sobre los efectos causales. Una estrategia comúnmente utilizada por los investigadores es la intervención aleatoria. Esta es la estrategia que está en el centro de la mayoría de las investigaciones experimentales realizadas por los miembros de EGAP. Pero hay otras estrategias que a veces son más apropiadas. Aquí describimos las diez estrategias más destacadas para determinar efectos causales. <a href="#fn1" class="footnote-ref" id="fnref1"><sup>1</sup></a></p>