Académique Documents
Professionnel Documents
Culture Documents
pblicas con
Microsimulaciones
Karina Caballero y Jimmy Ferrer
Febrero 2011
Introduccin
Las
Introduccin
Introduccin
de causa efecto:
X causa a Y?
Si X causa a Y, qu tan grande es el efecto en Y?
Este efecto es mayor que el generado por otra
causas?
Este
Metodologa bsica
Las
PREGUNTA
Aproximacin:
mediante la construccin de
un escenario hipottico.
Metodologa bsica
Opciones
Dificultades
Metodologa bsica
El
Metodologa bsica
CONTRAFACTUAL: el resultado de un
beneficiario con la ausencia del programa
Metodologa bsica
ENFOQUE EXPERIMENTAL
Metodologa bsica
DESVENTAJAS:
1)
2)
Metodologa bsica
ENFOQUE CUASI-EXPERIMENTAL
EL PROBLEMA DE EVALUACIN
Para identificar el impacto del programa, se estima la
diferencia en la variable resultado (Y) que registra el
individuo i con y sin la intervencin del programa
(Heckman y Smith, 1996)
i= Y1i Y0i
(1)
EL PROBLEMA DE EVALUACION
Debido al problema fundamental de
identificacin, que establece que es imposible
conocer ambos resultados para el mismo
productor, entonces, los distintos mtodos de
evaluacin buscan construir el contrafactual
(Caliendo y Kopeining, 2006).
Metodologa bsica
Existen dos parmetros bsicos disponibles en la literatura
para medir el impacto promedio (Caliendo y Kopening,
2006).
1. Efecto promedio del tratamiento (average treatment
effect, ATE): la diferencia esperada de los resultados de
participar y no participar.
Metodologa bsica
2. Efecto promedio del tratamiento en la poblacin tratada
(average treatment effect on the treated, ATT): los
efectos de aquellos donde el programa es efectivamente
aplicado.
Metodologa bsica
Metodologa bsica
MTODOS PARA RESOLVER EL PROBLEMA DEL
CONTRAFACTUAL
Evaluaciones
aleatorias
Mtodos de Matching, Propensity Score
Matching (PSM)
Mtodos de dobles diferencias
Mtodos de variables instrumentales
Regresiones discontinuas
Impactos distribucionales
Modelos estructurales
Metodologa bsica
Uno
Metodologa bsica
Metodologa bsica
SUPUESTOS DE IDENTIFICACION
de independencia condicional: la
participacin es independiente de los
resultados una vez que se ha controlado por
las caractersticas observables X
Supuesto
Condicin
Metodologa bsica
Supuesto de independencia condicional (SIC):
Metodologa bsica
Condicin de Soporte Comn:
Los
Para
El
el parmetro ATT: P (D = 1 | X) 1
Metodologa bsica
Soporte Comn
Densidad
Densidad de
Resultados de no
participantes
Densidad de resultados
de participantes
Region de
soporte
comn
Alta probabilidad
Baja Probabilidad
Probabilidad de
participacin dado X
De
(3)
(2)
Estimadores de Matching
1
ATT = Yi W(i , j )Yj
ni iC jC
Estimadores de Matching
C (i ) = min || p1 p j ||
ATT NN =
=
1
NT
T
c
Y
w
Y
i
ij j
1T
jC ( i )
1
T
c
Y
|
w
Y
i ij j
N T iT
iT jC ( i )
1
Donde NT es el nmero de unidades tratadas en la muestra, y las wij = c
Ni
son ponderaciones si j C(i) y wij =0 de otra forma.
Estimadores de Matching
Nearest Neighbor Matching
Con
o sin reemplazo
Con
Desventaja,
Estimadores de Matching
Kernel Matching
p j pi
C
Y
K
jC j
h
1
ATT K = T Yi T
N iT
pk pi
kC K h
Estimadores de Matching
Kernel Matching
Le
Estimadores de Matching
Estimador Caliper
W (i, j ) = 1[ j = k ]
Estimadores de Matching
Estimador Caliper
NN
Estimadores de Matching
Local-Linear matching
kI0
W (i , j ) =
2
jI 0
jI 0
jI0
Donde
Pj Pi
Gij = G
h
n
PSTEST
No
Es
Consideraciones prcticas
Indicadores de Impacto
Se
clasifican en 2 grupos:
Consideraciones prcticas
Indicadores de Impacto
Se definen de manera ms precisa si:
Existe un buen entendimiento de los insumos, productos
y la etapa del proyecto.
Se especifica el nivel y unidad de medida de los
indicadores
Levantamiento frecuente de informacin para ver como
los productos intermedios estn evolucionando y si es
necesario revisar el indicador
Consideraciones prcticas
Cmo elegir las X?
Evaluacin de polticas
pblicas con
Microsimulaciones
Karina Caballero y Jimmy Ferrer
Febrero 2011