Tema 4 (2017)

Apunte Catalán
Universidad Universidad Pompeu Fabra (UPF)
Grado Criminología y Políticas Públicas de Prevención - 4º curso
Asignatura Avaluació de Polítiques Públiques
Año del apunte 2017
Páginas 5
Fecha de subida 19/07/2017
Descargas 0
Subido por

Vista previa del texto

Avaluació de PPP TEMA 4. Variables instrumentals Model explicatiu bàsic de l’efecte d’un programa  y = β1P +β2X+ε on:     P = 1 si participa en el programa P= 0 si no participa X= variables de control que afecten el resultat del programa ε= error no explicat Aquest model no funciona en cas d’endogeneïtat. La variable experimental la podem fer servir quan hi ha un problema d’endogeneitat.
MÈTODE DE VARIABLES INSTRUMENTALS EN CAS DE VARIABLES OMESES Situacions d’endogeneïtat  Variables omeses que correlacionen amb la participació i el resultat.
– La participació és un mecanisme mediador (motivació pares en el cas d’escoles bressol).
– Un mecanisme moderador que afecta a la participació i al resultat. (Un context de crisi econòmica afecta la taxa de pre-escolarització i el rendiment dels nens pre-escolaritzats) – Variables de causalitat bidireccional – Ex: efectes de les dificultats econòmiques en la salut Model amb variables omeses Model estimat: y = β1P +β2X+ε Model real: Y= Λ1P + Λ2X + Λ3M + ζ On  M= variables omeses (motivacions, cost d’oportunitat, habilitats, informació…) Si es dóna que: corr (P,M)≠0 i corr (M,ε)≠0  corr(P, ε) ≠0 L’estimació de β1 serà una estimació esbiaixada de Λ1 perquè si no posem M en el model, β1 incorporarà part de l’efecte de M (la variable omesa).
Model amb variable omesa i mecanisme mediador Model estimat: y = β1P +β2X+ε Si P, és un mecanisme mediador de M, llavors, P= δM + υ, si a més M té influència directa en Y El Model real seria: Y= Λ1 (δM + υ)+ Λ2X + Λ3M + ζ En el model estimat, β1està esbiaixada perquè incorpora l’efecte de M Exemple beques Hi ha un fenomen d’endogeneitat i efecte selecció. L’individu que sol·licita la beca, encara que no l’aconsegueixi, segur que continuarà estudiant i tindrà èxit. Hi ha una variable que és l’actitud, la voluntat, 1 Avaluació de PPP que no es pot mesurar. Aquesta variables està correlacionada amb la participació, amb els resultats. Hi ha correlació amb el fet de participar i amb el resultat que s’espera del programa. La solució és trobar una variable instrumental: una variable que estigui correlacionada amb el fet de participar (com més correlacionada, millor), però que no estigui correlacionada amb el resultat que s’obtindrà.
Què podem fer? Necessitem aïllar la variació de P que és independent de M És per això que hem de trobar una variable instrumental Z, que acompleixi: – Corr (Z, P) ≠ 0 (La variable instrumental està correlacionada amb la de participació) – Corr (Z, ε) = 0 (La variable instrumental no té cap efecte sobre el resultat Y que no passi per la participació) Model estimat: y = β1P +β2X+ε Model real: Y= Λ1P + Λ2X + Λ3M + ζ Exemple pisos Baixos ingressos + ECH  Salut dolenta, però també: Salut dolenta  Baixos ingressos (no es pot treballar) + ECH S’ha de trobar z, una variable molt correlacionada amb la variable cost de l’habitatge però gens relacionada amb el resultat final, que és l’estat de salut. Normalment, són variables molt difícils de trobar. En aquest cas, a variable experimental va ser el moment en què es va comprar el pis o es va llogar.
La estimació es fa en dos etapes   Etapa 1: Estimar per cada individu la predicció de que participi en el programa a partir de la variable instrumental (Z) i altres factors exògens (X) Exemple: Estimem la probabilitat de participar en el programa i introduïm la variable instrumental (comprar el pis abans o després de l’any 2000).
P^ = θ1 Z + θ2X + η Etapa 2: El valor predit P^ substitueix a la participació P en el model inicial y = β1P^ +β2X+ε Exemple: S’estima l’impacte que té en la salut el cost de l’habitatge, però sense introduir el cost de l’habitatge en l’equació, sinó la probabilitat estimada que aquella família estigui dedicant més de 2/3 dels ingressos a pagar.
On trobar una variable instrumental?  És certament difícil….
o Exemples:  Diferències de rendiments econòmics de l’educació entre homes i dones a Espanya.
 Efectes del risc de desnonament en la salut de les persones  Una alternativa pot ser construir artificialment la VI en el moment d’iniciar el programa.
o Exemple: distribució desigual de informació en un programa de capacitació.
2 Avaluació de PPP Diferència de rendiments econòmics de l’educació entre homes i dones a Espanya Arrazola y Evia. Instituto de Estudios Fiscales (24/2001)    Pregunta: influeix l’educació en els ingressos del treball igual per homes que per dones? Endogeneïtat potencial: no podem separar quant hi ha d’habilitats personals i de rendiment educatiu.
Sobre tot en el cas de les dones.
Trien com VI el període de la guerra civil.
Per què la guerra civil?    Durant la guerra i post-guerra, el pressupost públic en educació primària va caure als nivells de començaments del s.XX.
Depuració de mestres i professors, tancament d’escoles i instituts. No és fins els anys 60 que es recupera el nombre de instituts de 1939.
C/: Els individus que havien de començar la seva escolarització entre els anys 1936 i els anys 50, van tenir menys oportunitats d’estudiar.
Mètode   Font de dades: PHOGUE 1994 Variable instrumental: o VI = 1 si nascut després de 1945, o VI = 0 si nascut entre 1929 i 1945 Els autors estimen un model en dues etapes Especificació del model bietàpic 1ª etapa: estimació logística de la predicció d’assolir diferents nivells educatius, tenint en consideració la VI (guerra civil).
P^ = θ1 Z + θ2 S + θ3 X + η ^ P = Predicció d’assolir diferents nivells educatius Z = 1 si nascut després de 1945, = 0 si nascut entre 1929 i 1945 S = 1 sexe femení = 0 sexe masculí X = variables de control 2ª etapa: la predicció de la 1ª etapa substitueix al nivell educatiu real en el model que estima els ingressos en funció de l’educació.
Y= β1 P^ + β2 S + β3 X + η Y = rendes del treball P^= valors predits d’assolir diferents nivells educatius S = sexe X = variables de control 3 Avaluació de PPP Resultats: què mesuren exactament?   Mesura si l’accés a una major oferta educativa es tradueix en una mitjana de ingressos del treball superior.
Les estimacions confirmen que sí, i que és mes gran per les dones que pels homes.
CAS DE RELACIÓ BIDIRECCIONAL ENTRE VARIABLES: SALUT I INGRESSOS Un dels efectes de la crisi són els desnonaments  La tensió provocada pel risc de desnonament pot deteriorar l’estat de salut dels afectats.
 Assumim que aquest risc és major quan les despeses de hipoteca i/o lloguer superen el 60% de les renda disponible de la llar.
 Per què no podem fer servir com a variable explicativa aquest llindar?  Hi ha correlació entre l’estat de salut i els ingressos dels individus, però és una relació bidireccional.
 En el cas hipotètic de voler estimar l’efecte que està tenint la crisi en l’estat de salut de les persones, tenim un problema d’endogeneïtat.
Cal trobar una variable instrumental Z que estigui correlacionada amb tenir dificultats per pagar l’habitatge, però que no estigui directament associada a una salut deteriorada. Per què no podem fer servir variables com..? Estar en situació de desocupació.
Sabem que el boom de preus immobiliaris es va donar entre 2001 i 2007. Els que van comprar en aquest període van pagar preus mes elevats. Podem assumir que, a igualtat de condicions, aquells que van comprar en el boom tenen més risc de patir dificultats per pagar.
Especificació del model Etapa 1: Estimem la predicció de patir dificultats per pagar l’habitatge en funció de la data de compra P^ = θ1 Z + θ2X + η ^ P = Predicció que les despeses d’habitatge superin el 60% de la renda de la llar.
Z = valor 1 si compra entre 2001 i 2007 = valor 0 si compra abans X = variables de control Etapa 2: Substituïm la càrrega de les despeses d’habitatge sobre la renda de la llar, pel valor predit en l’etapa 1, i estimem el seu efecte sobre l’estat de salut.
Y = β1P^ +β2X+ε Y = estat de salut P^ = predicció de tenir dificultats X = variables de control 4 Avaluació de PPP CONSTRUCCIÓ ARTIFICIAL EX_ANTE D’UNA VARIABLE INSTRUMENTAL La construcció artificial d’una VI    Es pot construir una VI en el moment de dissenyar el programa.
Manipular l’accés dels participants potencials a la informació prèvia per disposar d’un grup més i millor informat que l’altre.
Amb aquest procediment, l’avaluació mesura la diferència en el resultat promig de dos grups ocasionada perquè un ha tingut accés privilegiat a un programa.
Exemple: programa pilot de capacitació laboral al Perú    Objectiu: mesurar l’eficàcia del programa.
Variable dependent: el resultat es mesura pels ingressos del treball obtinguts.
Rics d’endogeneïtat: els individus que trien participar poden estar més motivats Procediment per construir VI 1.
2.
3.
4.
Identificació de la població potencialment objectiu del programa Selecció aleatòria d’una mostra Selecció aleatòria de dos grups (A y B), a partir de la mostra.
Distribució de informació sobre els curs als individus del grup A i la mateixa informació, més informació complementària, al grup B Efectes en els salaris 1 any més tard   Grup A amb informació “estàndard” o Participen en el curs un 30% o Ingressos mensuals mitjans 700 Grup B amb informació “estàndard” més suplementària o Participen en el curs un 70% o Ingressos mensuals mitjans 850 Exemple: Programa de formació ocupacional – Es volia veure el seu èxit a l’hora que els individus entressin al mercat laboral. El que van fer és identificar la població que era potencialment usuària d’aquests cursos de formació. Van veure que hi havia na sèrie de barris on seria convenient fer aquests programes. Es va fer una selecció aleatòria d’una mostra d’aquests barris i d’aquesta, aleatòriament van assignar uns individus a un grup 1 i altres a un grup 2. A un grup li van donar una informació sobre els cursos molt simple. A l’altra, li van donar una informació molt més extensa que facilitava que la gent s’apuntés. Amb això van crear una variable instrumental: que els del primer grup s’apuntessin als cursos vs que ho fessin els del segon. El fet que participessin al programa estava correlacionat amb que pertanyessin a un grup o a l’altre. Van fer una primera fase de regressió en la qual s’estimava la probabilitat que l’individu participés en el programa de formació. Va sortir que els del segon grup tenien més probabilitat. Després van estimar la probabilitat que tinguessin feina, una salari per sobre de la mitjana en funció de la probabilitat d’anar al grup depenent de si eren del grup 1 o 2.
5 ...

Comprar Previsualizar