Impact Evaluation 4 Peace 24-27 March 2014, Lisbon, Portugal 1 Métodos No- experimentales Latin America and the Caribbean’s Citizen Security Team Victor.

Presentación del tema: "Impact Evaluation 4 Peace 24-27 March 2014, Lisbon, Portugal 1 Métodos No- experimentales Latin America and the Caribbean’s Citizen Security Team Victor."— Transcripción de la presentación:

1 Impact Evaluation 4 Peace 24-27 March 2014, Lisbon, Portugal 1 Métodos No- experimentales Latin America and the Caribbean’s Citizen Security Team Victor Orozco Banco Mundial 25 de marzo de 2014 Presentación basada en Impact Evaluation in Practice: www.worldbank.org/ieinpractice

2 Lecciones de Ayer o ¿Qué es un contrafactual? o ¿Por qué es Antes-Después un contrafactual incorrecto? (e.g. ambientes de conflicto) o ¿Por qué es inscrito-No inscrito un contrafactual incorrecto? (e.g. inscripcion de pandilleros a programas anti-violencia) o ¿Qué ofrece la asignación al azar o aleatoria?

3 2 Métodos de Evaluación de Impacto 1 Asignación aleatoria / 2 Promoción aleatoria 4 Diseño de discontinuidad 3 Diferencia en diferencias 5 Apareamiento (Matching)

4 Diseño de discontinuidad Programas vs la pobreza Pensiones Educacion Indice de Fragilidad? Muchos programas sociales seleccionan beneficiarios utilizando un índice o puntaje (score): Dirigido a los hogares por debajo de un índice de pobreza / ingresos Dirigido a la población por encima de una cierta edad Becas destinadas a estudiantes con altas puntuaciones en examenes estandarizados Programa para comunidades o municipalidades de alta violencia?

5 Ejemplo: Efecto del programa de becas a hogares pobres Mejorar la asistencia escolar para los estudiantes pobres Objetivo Los hogares con una puntuación (Pa) de los activos ≤ 50 son pobres Los hogares con una puntuación (Pa) de activos> 50 no son pobres Método Los hogares pobres reciben becas para enviar a los niños a la escuela Intervención

6 La discontinuidad de regresión Diseño con la línea base (asistencia escolar) No elegible Elegible

7 La discontinuidad de regresión Diseño-Post Intervención (asistencia escolar) IMPACTO

8 Caso 5: Diseño de discontinuidad Tenemos un índice de elegibilidad continua con un corte definido Los hogares con un punto de corte ≤ puntaje (score) son elegibles Hogares con un puntaje> corte no son elegibles O viceversa Explicación intuitiva del método: Unidades justo por encima del punto de corte son muy similares a las unidades justo debajo de él - buena comparación. Comparar los resultados (outcomes) Y para las unidades justo por encima y por debajo del punto de corte. Para un diseño de discontinuidad, necesita: 1) Índice de elegibilidad continua 2) Define claramente corte/puntaje de elegibilidad.

9 Caso 5: Diseño de discontinuidad La elegibilidad para Progresa se basa en el índice de pobreza nacional Hogar es pobre si score ≤ 750 La elegibilidad para Progresa: Elegible = 1 si puntaje ≤ 750 Elegible = 0 si puntaje> 750

10 Caso 5: Diseño de discontinuidad Score vs consumo en la línea basal-Ningún tratamiento Indice de Pobreza Gasto Consumo alimentos

11 (**) Significativo al 1% Consumo Valores Ajustados Indice de Pobreza 30.58** Impacto estimado en consumo (Y) | Regresion Lineal Multivariable Caso 5: Diseño de discontinuidad Score vs consumo después de la intervención

12 Tener en Mente Diseño de discontinuidad Diseño de discontinuidad requiere criterios de elegibilidad continua con un claro corte. Da estimación no sesgada del efecto del tratamiento: Observaciones al otro lado de la línea de corte son buenas comparaciones. No hay necesidad de excluir a un grupo de hogares / individuos elegibles de tratamiento. A veces se puede utilizar para los programas que ya están en curso. !

13 Tener en mente Diseño de discontinuidad Diseño de discontinuidad produce una estimación local: Efecto del programa en torno a la línea de corte Punto / discontinuidad. Esto no siempre es generalizable. Potencia: Necesita muchas observaciones alrededor del punto de corte. Evitar errores en el modelo estadístico: A veces lo que parece ser una discontinuidad en el gráfico, es otra cosa. !

14 2 Métodos de Evaluación de Impacto 1 Asignación aleatoria / 2 Promoción aleatoria 4 Diseño de discontinuidad 3 Diferencia en diferencias 5 Apareamiento (Matching)

15 Diferencia en diferencias (Diff-en-diff) Y = Empleados P = programa de capacitacion para jóvenes Diff-in-Diff: Impacto=(Y t1 -Y t0 )-(Y c1 -Y c0 ) InscritosNo Inscritos Despues 0.740.81 Antes 0.600.78 Diferencia +0.14+0.03 0.11 -- - =

16 Diferencia en diferencias (Diff-en-diff) Diff-in-Diff: Impacto=(Y t1 -Y c1 )-(Y t0 -Y c0 ) Inscritos No Inscritos Despues 0.740.81 Antes 0.600.78 Diferencia -0.07 -0.18 0.11 - - - = Y = Empleados P = programa de capacitacion para jóvenes

17 Impacto =(A-B)-(C-D)=(A-C)-(B- D) Empleado B=0.60 C=0.81 D=0.78 T=0T=1 Tiempo Inscritos No inscritos Impacto=0.11 A=0.74

18 Impacto =(A-B)-(C-D)=(A-C)-(B- D) Empleado Impacto<0.11 B=0.60 A=0.74 C=0.81 D=0.78 T=0T=1 Tiempo Inscritos No inscritos

19 Tener en mente Diferencia en diferencias Diferencias en Diferencias combina Inscritos y No Inscritos con Antes y Después. Pendiente: Genera contrafactual para el cambio en el resultado Tendencias-pendientes-son los mismos en los tratamientos y las comparaciones (Supuesto Fundamental). Para probar vaidez DD, se necesitan a) Al menos 3 observaciones en el tiempo: 2 observaciones antes 1 observación después. b) Placebo de grupo (e.g. clase no afectada por programa) o de resultado (numero hermanos) !

20 2 Métodos de Evaluación de Impacto 1 Asignación aleatoria / 2 Promoción aleatoria 4 Diseño de discontinuidad 3 Diferencia en diferencias 5 Apareamiento (Matching)

21 Apareamiento (Matching) Para cada unidad tratada seleccionar la mejor unidad de comparación (par) de otra fuente de datos. Idea Pares se seleccionan sobre la base de similitudes de características observadas. ¿Cómo? Si hay características no observables y esas características no observables influyen en la participación: El sesgo de selección! Problema?

22 Puntuacion de la Propension Propensity-Score Matching (PSM) Grupo de comparación: los no participantes con las mismas características observables que los participantes. En la práctica, es muy difícil. Puede haber muchas características importantes! Apareamiento (matching) basado en el “propensity score”, Solución propuesta por Rosenbaum and Rubin: Calcule la probabilidad de todos los individuos de participar en el programa, en función de sus características observables. Elija pares que tienen la misma probabilidad de participación que los “tratamientos”.

23 Densidad de la puntuacion de la propension (propensity scores) Densid ad Propensity Score 0 1 Participantes No-Participantes Apoyo Comun

24 Caso 7: Progresa Matching (P-Score) Características basales Coeficiente Estimado Probit Regression, Prob Enrolled=1 Edad de la Cabeza (años) -0.022** Edad del cónyuge (años) -0.017** La educación de la cabeza (años) -0.059** La educación del cónyuge (años) -0.03** La cabeza es mujer = 1 -0.067 Indígena = 1 0.345** Número de miembros del hogar 0.216** Piso de tierra = 1 0.676** Baño 1 -0.197** Hectáreas de tierra -0.042** Distancia al Hospital (km) 0.001* Constante 0.664** Nota: Si el efecto es estadísticamente significativo a un nivel de significación del 1%, etiquetamos el impacto estimado con 2 estrellas (**).

25 Tener en mente Apareamiento (Matching) - Matching requiere grandes muestras y datos de buena calidad. - Validez externa requiere matching de todas unidades de tratamiento. Matching en la línea base puede ser muy útil: Conocer la regla de asignación y aparear en base a esa regla combinar con otras técnicas (por ejemplo diff-in-diff) Ex-post matching es arriesgado: Si no hay línea de base, tenga cuidado! Matching con variables ex post endógenos da malos resultados. !

26 Progresa – Recomendaciones de Politica Publica? Nota: Si el efecto es estadísticamente significativo a un nivel de significación del 1%, etiquetamos el impacto estimado con 2 estrellas (**). Si significativo al nivel del 10%, etiquetamos el impacto con + Impacto de Progresa en Consumo (Y) Caso 1: Antes y Después 34.28** Caso 2: Estar inscrito y No Inscrito -4.15 Caso 3: Asignación aleatorizada 29.75** Caso 4: Promoción aleatorios 30.4** Caso 5: Diseño de discontinuidad 30.58** Caso 6: Diferencias en Diferencias 25.53** CasO 7: Matching 7.06+

27 2 Métodos de Evaluación de Impacto Combinación de métodos 1 Asignación aleatoria / 2 Promoción aleatoria 4 Diseño de discontinuidad 3 Diferencia en diferencias 5 Apareamiento (Matching)

28 ¿De dónde provienen los grupos de comparación? Las reglas de operación del programa determinan la estrategia de evaluación. Casi siempre podemos encontrar un grupo de comparación válido si: Las reglas operacionales para la selección de los beneficiarios son equitativas, transparentes y respetables (accountable); la evaluación se ha diseñado de forma prospectiva.

29 Reglas de operación y los posibles diseños Utilice las oportunidades para generar buenos grupos de comparación y de garantizar que la linea base es levantada. 3 preguntas para determinar qué método es el apropiado para un determinado programa Dinero: ¿el programa tiene los recursos suficientes para lograr escala y lograr una cobertura completa de todos los beneficiarios elegibles? Reglas de targeting: ¿Quién es elegible para recibir los beneficios del programa? Es el programa específico sobre la base de un corte de elegibilidad o está a disposición de todo el mundo? Tiempo: ¿cómo son los posibles beneficiarios inscritos en el programa - todos a la vez o por fases con el tiempo?

30 La elección de su método(s) de IE Dinero Exceso de demandaNo hay exceso de demanda Targeting Tiempo FocalizadoUniversalFocalizadoUniversal Despliegue en Fases 1 Asignación Aleatoria 4 Descontinuidad 1 Asignación Aleatoria 2 Promoción aleatoria 3 Diff-in-Diff con 5 Matching 1 Asignación Aleatoria 4Descontinuidad 1 Randomized assignment to phases 2 Promoción Aleatoria para inscripcion/toma temprana 3 Diff-in-Diff con 5 Matching Despliegue Inmediato 1 Asignación Aleatoria 4 Descontinuidad 1 Asignación Aleatoria 2 Promoción aleatoria 3 Diff-in-Diff con 5 Matching 4Descontinuidad Si menos de inscripcion/toma completa: 2 Promoción aleatoria 3 Diff-in-Diff con 5 Matching

31 “ Recuerde El objetivo de la evaluación de impacto es estimar el efecto causal o el impacto de un programa sobre los resultados de interés (outcomes).

32 “ Recuerde o Para estimar el impacto, necesitamos estimar el contrafactual. o lo que habría sucedido en ausencia del programa y o utilizar grupos de comparación o de control.

33 “ Recuerde Tenemos 5 métodos para identificar buenos grupos de comparación.

34 “ Recuerde Elegir el mejor método de evaluación que es factible en el contexto operativo del programa.

35 Disponible en Inglés, Español y Francés www.worldbank.org/iei npractice Referencia

36 Anexo : Pasos en el Propensity Score Matching 1.Encuesta representante y altamente comparable de los no afiliados y afiliados. 2.Reunir las dos muestras y se estima un modelo logit (o probit) de participación en el programa. 3.Restringir las muestras para asegurar el apoyo común (fuente importante de sesgo en los estudios observacionales) 4.Para cada participante encontrar una muestra de no participantes que tienen puntajes de propensión similares 5.Comparar los indicadores de resultados. La diferencia es la estimación del efecto debido al programa para esa observación. 6.Calcular la media de estas ganancias individuales para obtener el efecto total promedio.