"Métodos Empíricos em Economia da Educação

Transcripción

1 "Métodos Empíricos em Economia da Educação Luis Fernando Gamboa Universidad del Rosario, Colombia Profesor Invitado Universidade Federal Rio de Janeiro (CAPES,PVE) Junio 2013

2 Si la educación hace que una persona sea más eficiente en la producción de bienes y servicios, es claro que hay un mejoramiento en el capital humano. Este mejoramiento puede agregar valor a la producción de la economía y aumentar el ingreso de la persona educada. Pero, aún con el mismo nivel de ingreso, esa persona puede tener otros beneficios (leer, argumentar, criticar, comunicar) de manera que los beneficios de la educación son mayores que su función de capital humano en la producción de bienes. (Sen,1998;p69)

3 Aulas 1. "A educação como campo de estudo da economia 2. "Introdução à produção de educação 3."O problema do efeito de pares e o modelo de Lazear 4. "Mercados educativos, Tracking em educação e igualdade de oportunidades"

4 A EDUCAÇÃO COMO CAMPO DE ESTUDO DA ECONOMIA

5 Principales temas La importancia de la Educación en el desarrollo. Conceptos teóricos en la economía de la Educación Métodos de investigación aplicados en la economía de la Educación

6 La importancia de la Educación La educación constituye un medio y un fin en si mismo Un medio para la consecución de otros bienes y servicios Un fin como logro máximo de la comprensión de los fenómenos que nos rodean Teoría neoclásica: la educación permite incrementar la productividad de los trabajadores y la efectividad de las medidas tomadas. El estudio de la educación incluye análisis de sistemas gerenciales, institucionales y manejo de recursos económicos.pero Requiere comprender la estructura de la población, sus intereses y sus metas.

7 La importancia de la Educación (2) Los gobiernos tratan de buscar la mejor manera de incrementar los estándares educativos de su población. Para ello requieren: Mejor conocimiento de la información disponible (evidencia empírica suficiente) Usar métodos precisos y coherentes con los ambientes institucionales. Racionalizar el gasto público para asignarlo de manera lo más eficiente-equitativa posible Tener siempre en mente cuáles son los «outcomes» deseables.

8 Conceptos teóricos en la economía de Capital Humano Becker & Shultz la Educación La decisiones de educación tienen una motivación que puede ser modelada como parte de la Función de Utilidad de los individuos. A partir de ella surge Economía de la Familia, Tendencias demográficas, Acceso a mercados laborales.- Ecuación de Mincer

9 Mercados y fallas de mercado Los avances en la teoría microeconómica plantean nuevos retos a la teoría de la educación Incentivos a entrar y salir del mercado, agentes gestores vs agentes propietarios, Problemas de selección adversa e información incompleta, Externalidades y Regulación Los incentivos a educarse pueden provenir de incentivos a señalar su productividad más allá que de obtener capital humano per se (Arrow-Spence)

10 EDUCACIÓN Función de Producción Valor Agregado Eficiencia Eficacia

11 Función de Producción El conjunto de insumos vs la caja negra relaciones insumo producto costos de transacción alianzas y delegación de funciones. Cuál es el producto? Cómo se puede medir?

12 Valor Agregado y Efectividad Escolar A partir de la definición de un conjunto de insumos básicos se mide el producto, Qué tan efectiva es la escuela con la dotación inicial que recibe y qué tan bien lo sabe manejar? Esta teoría trata de explicar no el puntaje sino la relación insumo-producto.

13 Rentabilidad social y privada El valor esperado intrínseco de la inversión en educación, de quien toma la decisión y quién recibe el beneficio del capital humano. Los beneficios sociales y en crecimiento de la política educativa.

14 Crecimiento Endógeno Los efectos de largo plazo de las inversiones en educación, las variables de resultados (salud, seguridad, convivencia, productividad, etc) Mayores niveles de educación implican mayores niveles de crecimiento. Phelps & Nelson Y= A(K,L)K a L B

15 Métodos de investigación aplicados a Educación La economía de la educación intenta proveer respuestas usando aproximaciones estadísticas para identificar los determinantes y los efectos causales del manejo de ciertas variables exógenas sobre resultados en educación. La última década ha presenciado un crecimiento sostenido en el estudio de las relaciones causales y la evaluación de impacto e uma moda!!!

16 Métodos de investigación aplicados a Ejemplos Educación (2) Cuáles son los principales determinantes de los salarios de los individuos? En qué magnitud incrementa el salario con un año adicional de educación? Cuáles son los beneficios de incrementar el salario de los profesores sobre el puntaje académico de los estudiantes? Qué determina la efectividad de la escuela?

17 Cómo abordar esas cuestiones? La literatura tiene dos grandes áreas: Estudio de los determinantes Estudios de impacto (Causal effects)

18 Determinantes Desde la tradición de la Escuela de Chicago, se hizo manifiesta la necesidad de cuantificar los fenómenos económicos, de la manera más rigurosa posible. De ahí, los modelos sobre determinantes crecieron exponencialmente y se fundamentaron en los análisis de regresión econométrica. Mincer equations, value added models, hierarchical models, etc

19 Ejemplo: Ecuación salarios 1. Identificar los determinantes de los ingresos laborales. 2. Reconocer cuáles problemas tienen los ingresos laborales para identificar el valor de la educación 3. Análisis de la política educativa con ese resultado Cuáles problemas se tienen en cada uno de los pasos anteriores?

20 Ejemplo: Ecuación salarios Ecuación de Mincer Las dos ecuaciones incluyen a quienes tienen y quienes no tienen ingreso. Luego realmente se estima la siguiente ecuación

21 Ejemplo: Ecuación salarios Aún así, queda pendiente algo? La técnica

22 El reto es reconocer la méjor técnica y analizar la distribución. Wilkelman (2008) recomienda usar Poisson Regression Models para la estimación e incluir la corrección de Heckman. Otros autores resaltan ejercicios no paramétricos que sean libres de supuestos sobre las formas funcionales. Otros afirman que es necesario Quantile regresión porque la productividad marginal de la educación es creciente

23 CAUSAL EFFECTS

24 Evaluación de impacto Se busca identificar el efecto de un programa sobre una variable de interés Esto implica identificar diferencias cuando se aplica y no se aplica el programa Para ello es posible tener Eventos controlados Eventos no controlados

25 Causal Effects Surge de la imposibilidad de aislar el problema de endogeneidad latente por variables omitidas o por simultaneidad en las relaciones estudiadas. Se aborda un análisis más utilizado en ciencias básicas fundamentado en la idea de los experimentos. El efecto causal es la diferencia entre el outcome de los estudiantes que han sido tratados y los que no. La investigación causal, es juzgada desde un comienzo por su validez interna y su validez externa.

26 Causal Effects (2) Un resultado es válido internamente cuando identifica una relación causal creíble entre una política (treatment) y un resultado educativo. Ej: El efecto de un incremento en los subsidios condicionados a la educación sobre la cobertura en educación.

27 Causal Effects (3) Un resultado es válido externamente cuando puede ser generalizado a versiones modificadas de resultados Ej: Políticas que pueden aplicarse a otros contextos, colegios o poblaciones

28 Causal Effects (4) Debido a restricciones evidentes, la medición del efecto causal enfrenta algunas limitaciones como: Crear aproximaciones válidas del grupo de control o contrafactual. Existencia de sesgos de selección Problemas de información no observable.

29 Tratados vs No tratados Cómo controlar la validez de los «individuos de control»? Análisis de Regresión: Diferencias estadísticas Métodos de asignación a cada conjunto.

30 Causal Effects (5) El uso de análisis de regresión permite realizar estudios de tres tipos: Experimental (Randomized control trial) Cuasiexperimental (randomized partially) No experimental (No influence) La validez interna aumenta con el nivel de control que tiene el investigador

31 Algunos modelos utilizados Experimental o cuasiexperimental Diferencias en Diferencias Propensity Score Matching Regresión Discontinua Otros- No experimental Variables Instrumentales

32 Diferencias en Diferencias Se asume que es posible asignar aleatoriamente o al menos de alguna manera que parezca aleatorio. Para estimar el efecto del tratamiento, se deben comparar las unidades tratadas vs. las no tratadas (Control) antes y luego del tratamiento. Esta estrategia permite controlar por otros factores exógenos y no sobre estimar el efecto del tratamiento Para ello se diseña un análisis de regresión donde se pueden comparar los resultados

33 Diferencias en Diferencias La ecuación de regresión puede ser del tipo : y i = β 0 + β 1 tratado i + β 2 t i + β 3 tratado i *t i + e i tratado = 1 si ha sido tratado o afectado por un programa y 0 si no lo ha sido. t= 0 si t= t inicial t = 1 para t+n

34 Diferencias en Diferencias Tratados Control Antes T B C B Despues T A C A Luego requerimos simplemente tomar el valor esperado (la media) de cada grupo antes y despues asi: Efecto = (T A - T B ) - ( C A - C B )

35 Diferencias en Diferencias Para ver el efecto en la regresión del modelo : y i = β 0 + β 1 tratado i + β 2 t i + β 3 tratado i *t i + e i Tratamento Control Diferencia Inicial β 0 + β 1 β 0 β 1 Final β 0 + β 1 + β 2 + β 3 β 0 + β 2 β 1 + β 3 Diferencia β 2 + β 3 β 2 β 3 Entonces el efecto será dado por β 3

36 Ejemplo

37

38 Diferencias en Diferencias Ejemplo Card and Krueger (1994) Cuál es el efecto de incrementar el salario mínimo sobre el empleo en los restaurantes fast food? Factor exógeno: Recesión económica Tratamiento = New Jersey Antes = Feb 92 Control group = Pensilvania Despues= Nov 92 FTE i = β 0 + β 1 NJ i + β 2 Nov92 i + β 3 NJ i *Nov92 i + e i

39 Diferencias en Diferencias Ejemplo FTE i = β 0 + β 1 NJ i + β 2 Nov92 i + β 3 NJ i *Nov92 i + e FTE Control (PA) Tratamiento (NJ) T Efecto sobre el salario mínimo = FTE == (0.13 st dev)

40 Propensity Scores Al no disponer de un experimento, se pueden crear unidades «ficticias» de individuos que podrían haber recibido el tratamiento de política. La idea es tener sujetos lo más comparables posibles y el menor sesgo posible en las estimaciones

41 Método general 1. Cuál es el outcome, el tratamiento y el control? 2. Cuál modelo se estima para identificar el «propensity» 3. Cuáles métodos se usan para «unir» las observaciones tratadas y de control Cómo se estima el efecto.

42 Propensity Scores Se estima un modelo probabilístico de la probabilidad que un individuo reciba el tratamiento en función de x variables. Entre más cercano a los individuos «realmente tratados», mejor se hace la comparación entre ambos. El propensity score es P(x) =Prob(D=1 x)=e(d x)

43 Por qué el match puede ser con o sin remplazamiento?

44 Propensity Scores Métodos de emparejamiento Kernel One-to-one k-nearest neighbors Radius Local linear regression Spline Mahalanobis

45 El common suport Se limita la comparación a las observaciones que están en el mismo rango del soporte

46 Propensity Scores Virtudes No impone la existencia de linealidad que existe en la regresión lineal. El procedimiento elimina aquellas observaciones que no tienen «parejas» Limitaciones Debe tenerse un conjunto considerable de variables para controlar el «emparejamiento» y evitar sesgos NO es verificable al 100% la ausencia de endogeneidad Depende de los criterios de distancia utilizados para emparejar a la población

47 Ejemplos Participación Laboral Calidad de Educación

48 Ejemplo Participación El efecto de un programa comedores comunitarios sobre la oferta laboral femenina en Bogotá (Colombia) -> (Rodriguez et al) Margen extensivo: participación laboral Margen intensivo: horas de trabajo La motivación es entender cómo puede afectar este programa el uso de la restricción de tiempo de la mujer en el mercado laboral

49 Ejemplo PSM Provisión de un almuerzo, diseñado por nutricionistas, a los beneficiarios. En el 2007, beneficiarios en 241 comedores; En el 2012, beneficiarios en 310 comedores. Técnicas de emparejamiento: Datos observacionales y un programa con reglas claras de asignación que no fueron seguidas

50 Ejemplo PSM Variables Grupo Variable Grupo Variable Mujer Hogar Edad Grupo Étnico Limitación física Sector Económico Calamidad Enfermedad crónica Alguien con limitación en casa Tamaño del hogar Esposo Calidad de vida Edad Años de educación Limitación física Propietario casa SISBEN 1 o 2 Otros subsidios Cambio de Residencia Índice Calidad de vida

51 Ejemplo PSM Inicialmente se identifica si el PMS genera una población de control similar a la beneficiaria del programa No jefes de hogar Jefes de hogar

52 Diferencia de Medias despúes del emparejamiento

53 Mujeres pareja del jefe de hogar: Aumento de 4 puntos en la participación y las otras reducción de 5 puntos.

54 Mujeres pareja del jefe de hogar aumento en 1.9 horas/semana de trabajo y en las demás reducción en 3.1 horas/semana de trabajo

55 Ejemplo PSM Resultados estables frente a diferencias en las especificaciones. Efectos heterogéneos por edad, número de hijos cambio de residencia reciente. NOTA: pscore vs psmatch2

56 Ejemplo Cómo medir la calidad del sistema de educación privada?. Se deben comparar individuos similares que asisten a escuelas públicas y privadas. Se deben descartar observaciones atípicas. (ej: hijos de millonarios) Metodología 1. Estimar el modelo de probabilidad de que un individuo asista a la escuela privada. 2. Eliminar a quienes no pueden ser «emparejados» 3. Estimar los resultados con base en la comparación de los grupos de estudiantes.

57 Matching on Variables

58 Matching on Variables A diferencia de PSM, existe una alternativa que se puede emplear y que es menos rigurosa para evaluación de este tipo de políticas. Ñopo (2008) propone realizar un matching sobre las variables en un algoritmo sencillo.

59 Matching on Variables 1. Se selecciona una unidad i tratada 2. Se selecciona una muestra de unidades no tratada j que tenga las mismas caracteristicas de la seleccionada en el punto anterior 3. Se crea un conjunto de individuos sintético con estas características 4. Se usan estos pares de individuos como una muestra emparejada y se crean los siguientes submuestras ( matched i, matched j, unmatched i and unmatched j ). 5. Se halla el valor esperado de la diferencia entre estos grupos

60 Matching on Variables El procedimiento se utiliza normalmente para evaluación de impacto, pero puede utilizarse para otros fines: Brechas de Salario Diferencias de género en rendimiento académico Participación en mercados laborales formales vs informales

61 Variables Instrumentales

62 Variables Instrumentales Las estimaciones clásicas de efectos de una determinada variable sobre otra descansaban sobre supuestos muy fuertes. Ejemplo Salario=a + b 1 educación+b 2 género+b 3 exper +D*Otros + error El supuesto siempre era que E(x i,e)=0 Pero esto en la práctica no se da por la existencia de variables no observables.

63

64 Variables Instrumentales La existencia de endogeneidad proveniente de variables no observables o simultaneidad en las relaciones de estudio obliga a utilizar este tipo de técnicas. Dado que el objetivo es utilizar un instrumento que remplace las bondades de la variable objeto de estudio, el principal desafío es defender el instrumento.

65 Variables Instrumentales El instrumento Z debe cumplir con dos condiciones «ideales»: 1. Debe estar correlacionado con la variable de interés. Cov (Z,x) 0 2. No debe estar correlacionado con las demás variables Cov (Z,u)=0

66 Variables Instrumentales Ejemplo: Y= salario X=educación Y= b o + b 1 educacion+ e Instrumentos posibles Debe estar correlacionado con educación pero no con la habilidad a. Distancia a la Universidad (Card, 95) b. Mes de nacimiento (Angrist & Krueger, 1991)

67 Regresión por Discontinuidad Este método cuasi-experimental se fundamenta en el uso de un «corte» o threshold. (Imbens & Lemieux,2010) Asigna los estudiantes al tratamiento o control sobre una variable continua. Se comparan las características a la izquierda (control) y a la derecha (tratados) de los individuos. Ej: Suponga una ayuda económica otorgada a quienes obtienen un puntaje X. El corte será endógeno!!!

68

69 Estimación Sencilla C es el «cut-off» H el ancho del intervalo de análisis D=1 si x>c

70 Ejercicio Suponga que como asesor del ministro de Educación se le pide dar su respuesta a interrogantes como: 1. Las ayudas monetarias afectan las decisiones educativas de los individuos y sus familias? 2. Existen efectos de largo plazo de los programas orientados a la educación pre-escolar? 3. Existe alguna relación entre el tamaño de clase y el rendimiento de los estudiantes? Qué estrategia plantearían?