El presente artículo trata sobre el rol que las percepciones tienen en las relaciones internacionales, contrastando las visiones y aproximaciones que dos escuelas —en principio— opuestas, el realismo y el constructivismo, le dan a esta variable. En su desarrollo se plantea una hipótesis sobre este rol y se la somete a prueba tomando como ejemplo la relación entre el Perú y Chile. Lo que se pretende demostrar es que se puede arribar a una síntesis sobre este tema entre ambas escuelas, aunque son las herramientas del realismo las que nos permiten tener una mejor noción sobre el papel de las percepciones en el comportamiento de los Estados, esto debido a que son los elementos objetivos los que determinan dicho comportamiento. Sin embargo, las percepciones tienen la cualidad de modificar el valor relativo de los elementos objetivos, por lo que es importante conjugar ambas variables...

En el presente documento se considera la identificación de efectos de tratamiento cuando las variables de resultado y las de control no se encuentran en una misma base de datos. Los modelos de inferencia ecológica, en los cuales se combina información agregada de las variables de resultado con información demográfica a nivel individual, son un ejemplo común de esta clase de situaciones. En este contexto, no es posible identificar de manera puntual las distribuciones contra-factuales ni, por tanto, los efectos de tratamiento. Sin embargo, estudios recientes proveen límites inferiores y superiores para identificar de manera parcial los efectos causales. A diferencia de estos trabajos, se adoptará el supuesto de selección en no observables, es decir, la asignación no es totalmente aleatoria hasta que se controle por la heterogeneidad no observada constante en el tiempo. Se utiliza...

This paper considers identification of treatment effects when the outcome variables and covari-ates are not observed in the same data sets. Ecological inference models, where aggregate out-come information is combined with individual demographic information, are a common example of these situations. In this context, the counterfactual distributions and the treatment effects are not point identified. However, recent results provide bounds to partially identify causal effects. Unlike previous works, this paper adopts the selection on unobservables assumption, which means that randomization of treatment assignments is not achieved until time fixed unobserved heterogeneity is controlled for. Panel data models linear in the unobserved components are con-sidered to achieve identification. To assess the performance of these bounds, this paper provides a simulation exercise.