Estudios Aleatorizados. Francisco Gallego PUC Chile y J-PAL Santiago, 9 de abril de 2013

Transcripción

1 Estudios Aleatorizados Francisco Gallego PUC Chile y J-PAL Santiago, 9 de abril de

2 Mapa I. Recapitulando II. Motivación III. Estudios Aleatorios Bietápicos IV. Otros Estudios Aleatorios I. Con muestra seleccionada II. Con cumplimento parcial V. Validez Externa VI. Material adicional: Cómo aleatorizar? 2

3 Mapa I. Recapitulando 3

4 1. Recapitulando Algunos conceptos claves : Evaluaciones de impacto en un contexto de inferencia causal Desafío fundamental de identificación del impacto de un programa: Cómo habría sido la vida del individuo o grupo son el programa? NO OBSERVABLE! Aproximarse a lo no observable : Grupo de control o grupo contrafactual. Problema central: sesgo de selección. Cómo? Métodos observacionales o experimentales

5 Mapa I. Recapitulando II. Motivación 5

6 2. Motivación En muchos campos (en el pasado en la medicina), hoy en ciencias sociales y políticas públicas, la mejor evidencia de contrafactuales es generada por ensayos aleatorios. Bajo ciertas condiciones, los ensayos aleatorios aseguran que los resultados en el grupo control realmente capturen el contrafactual para un grupo tratamiento 6

7 7

8 Mapa I. Recapitulando II. Motivación III. Estudios Aleatorios Bietápicos 8

9 3.1. Aleatorización e inferencia causal Los estadísticos recomiendan un modelo en etapas: Primera etapa: una muestra aleatoria de unidades seleccionada de una población definida Segunda etapa: esta muestra de unidades es asignada aleatoriamente a los grupos tratamiento y control La idea de aleatorización en ambas etapas cumple objetivos muy diferentes 9

10 3.2. Caracterización básica de una evaluación aleatoria bi-etápica Primera Etapa Segunda Etapa No está en la evaluación Población objetivo Muestra aleatoria de la evaluación Asignación aleatoria Grupo de tratamiento Grupo de control 10

11 3.3. Aleatorización e inferencia causal Primera etapa: buscar ayudar a asegurar validez externa (pero no es condición necesaria ni suficiente, más sobre esto más adelante) Asegurar que la muestra utilizada en la evaluación represente a la población (dado un cierto error muestral) Puede ser una aleatorización estratificada Segunda etapa: busca ayudar a asegurar validez interna: Asegurar que el impacto observado se debe al tratamiento y no a otro factor (o sea, ayudar a definir adecuadamente el contrafactual) Puede ser una aleatorización estratificada 11

12 3.3. Aleatorización e inferencia causal En este tipo de ensayos aleatorios (bietápicos): Si la muestra es grande (cálculo de potencia/poder), se asegura que: Y 1 D = 1 = Y 1 D = 0 y Y 0 D = 1 = Y 0 D = 0 [ ] [ ] [ ] [ ] Por qué? Y, por tanto, [ ] [ ] Y ˆ D = 1 Y ˆ 1 ˆ δ = D 1 0 = estima consistentemente ATE. por qué? 12

13 Mapa I. Recapitulando II. Motivación III. Estudios Aleatorios Bietápicos IV. Otros Estudios Aleatorios I. Con muestra seleccionada II. Con cumplimento parcial 13

14 4. Aleatorización: Otros Sin embargo, hay otras formas de aleatorización diferentes que se usan en la práctica Típicamente se desvían del diseño bi-etápico y, por ello es interesante entender qué permiten estimar y qué limitaciones pueden tener. Veremos dos casos Ensayos aleatorios sin aleatorización en la primera etapa: Caso particular: ensayos aleatorios con auto-selección previa Ensayos aleatorios con cumplimiento imperfecto 14

15 Mapa I. Recapitulando II. Motivación III. Estudios Aleatorios Bietápicos IV. Otros Estudios Aleatorios I. Con muestra seleccionada II. Con cumplimento parcial V. Material adicional: Cómo aleatorizar? 15

16 Evaluación aleatoria con muestra seleccionada Población objetivo No está en la evaluación Muestra seleccionada de la evaluación Asignación aleatoria Grupo de tratamiento Grupo de control 16

17 Evaluación aleatoria con Voluntarios Población objetivo No está en la evaluación Voluntarios Asignación aleatoria Grupo de tratamiento Grupo de control 17

18 Evaluación aleatoria con Voluntarios Es una sub-población auto-seleccionada (denotemos V=1 si postula) que postula a recibir el tratamiento. Tratados (D=1 V=1): los que quisieron participar y fueron asignados al programa con una lotería. Control (D=0 V=1): los que quisieron participar y no fueron asignados al programa. 18

19 Evaluación aleatoria con Qué asegura la aleatorización? [ Y ] [ ] 1 D = 1, V = 1 = Y 1 D = 0, V = 1 y [ Y 1, 1] [ 0, 1] 0 D = V = = Y 0 D = V = y, por lo tanto, nuestro estimador estima consistentemente para los que quisieron participar: ˆ Voluntarios [ ] [ ] Y ˆ D = 1, V = 1 Y ˆ D = 0, 1 δ V = 1 = 1 0 V = O sea estamos estimando el efecto del tratamiento en los tratados y no en la población completa. Es una problema esto? Cuándo? Según Duflo et al. (2007) este grupo es el que justamente sería afectado por lo política si se expandiese, entonces también es de interés de evaluación. 19

20 Mapa I. Recapitulando II. Motivación III. Estudios Aleatorios Bietápicos IV. Otros Estudios Aleatorios I. Con muestra seleccionada II. Con cumplimento parcial V. Material adicional: Cómo aleatorizar? 20

21 Caracterización básica de una evaluación aleatoria con cumplimento imperfecto Población objetivo No está en la evaluación Muestra de la evaluación Asignación aleatoria Grupo de tratamiento Grupo de control Participantes No participan No participantes Controles tratados 21

22 Cumplimiento parcial con el protocolo Algunos individuos en el grupo de control reciben tratamiento Ej. Programa de desparasitación (Miguel y Kremer, 2004); Baird et al. (2011): Los padres podrían intentar cambiar a sus hijos desde la escuela de comparación a la escuela en tratamiento 5% de los alumnos del grupo de control recibió el tratamiento. 22

23 Cumplimiento parcial con el protocolo Algunos en grupo de tratamiento deciden no tomar el tratamiento Ej. Programa de desparasitación: - Algunos estudiantes asignados a tratamiento en las escuelas en tratamiento no recibieron el tratamiento médico - 78% de los pupilos asignados para recibir tratamiento recibieron al menos algo de tratamiento 23

24 Cumplimiento parcial con el protocolo Cómo se estima el efecto del programa? Utilice la asignación original Si una niña terminó en una escuela en tratamiento, pero era de control, se debe asignar a control cuando calcula el efecto Esto nos brinda el cálculo de intención de tratar (ITT)

25 Intención de tratar (ITT) Como discutimos antes, el ITT mide el efecto promedio de ofrecer el programa. Qué le ocurrió al niño promedio que está en una escuela tratada en esta población? Es este el número adecuado a buscar?, Es el efecto de la desparasitación?

26 Cuándo es útil ITT? Se puede relacionar con programas concretos. En general, no se puede obligar a que los individuos tomen los tratamientos. Por ejemplo, podría no interesarnos el efecto médico del tratamiento de desparasitación, pero mas bien lo que ocurriría en un programa de desparasitación real. Si los estudiantes con frecuencia faltan a la escuela y por lo tanto no reciben el medicamento para la desparasitación, la estimación de la intención de tratar podría ser realmente lo más importante.

27 Cumplimiento parcial con el protocolo Escuela Asignado a Recibe Carga 1 Tratamiento Tratamiento Parasitaria Pupilo 1 sí sí 0 Pupilo 2 sí sí 0 Pupilo 3 sí sí 1 Pupilo 4 sí no 3 Pupilo 5 sí sí 1 Pupilo 6 sí no 3 Pupilo 7 sí no 3 Pupilo 8 sí sí 1 Pupilo 9 sí sí 0 Pupilo 10 sí no 3 Escuela Asignado a Recibe Carga 2 Tratamiento Tratamiento Parasitaria Pupilo 1 no no 3 Pupilo 2 no no 2 Pupilo 3 no sí 1 Pupilo 4 no no 3 Pupilo 5 no no 3 Pupilo 6 no sí 0 Pupilo 7 no no 3 Pupilo 8 no no 2 Pupilo 9 no no 2 Pupilo 10 no no 3

28 Algunas Posibilidades 1. Comparar a quienes RECIBEN tratamiento con quienes NO reciben tratamiento Escuela Asignado a Recibe Carga 1 Tratamiento Tratamiento Parasitaria Pupilo 1 sí sí 0 Pupilo 2 sí sí 0 Pupilo 3 sí sí 1 Pupilo 4 sí no 3 Pupilo 5 sí sí 1 Pupilo 6 sí no 3 Pupilo 7 sí no 3 Pupilo 8 sí sí 1 Pupilo 9 sí sí 0 Pupilo 10 sí no 3 Escuela Asignado a Recibe Carga 2 Tratamiento Tratamiento Parasitaria Pupilo 1 no no 3 Pupilo 2 no no 2 Pupilo 3 no sí 1 Pupilo 4 no no 3 Pupilo 5 no no 3 Pupilo 6 no sí 0 Pupilo 7 no no 3 Pupilo 8 no no 2 Pupilo 9 no no 2 Pupilo 10 no no 3

29 Algunas Posibilidades 1. Comparar a quienes RECIBEN tratamiento con quienes NO reciben tratamiento Pero quién recibe el tratamiento no es aleatorio. - En el grupo de control, quienes reciben tratamiento pueden ser los hijos de padres más motivados. - En el grupo de tratamiento, quienes no lo reciben pueden ser los hijos de padres menos motivados.

30 Algunas Posibilidades 2. Comparar a quienes RECIBEN tratamiento en grupo de tratamiento con quienes NO reciben tratamiento en grupo de control Escuela Asignado a Recibe Carga 1 Tratamiento Tratamiento Parasitaria Pupilo 1 sí sí 0 Pupilo 2 sí sí 0 Pupilo 3 sí sí 1 Pupilo 4 sí no 3 Pupilo 5 sí sí 1 Pupilo 6 sí no 3 Pupilo 7 sí no 3 Pupilo 8 sí sí 1 Pupilo 9 sí sí 0 Pupilo 10 sí no 3 Escuela Asignado a Recibe Carga 2 Tratamiento Tratamiento Parasitaria Pupilo 1 no no 3 Pupilo 2 no no 2 Pupilo 3 no sí 1 Pupilo 4 no no 3 Pupilo 5 no no 3 Pupilo 6 no sí 0 Pupilo 7 no no 3 Pupilo 8 no no 2 Pupilo 9 no no 2 Pupilo 10 no no 3

31 Algunas Posibilidades 2. Comparar a quienes RECIBEN tratamiento en grupo de tratamiento con quienes NO reciben tratamiento en grupo de control Pero quién recibe el tratamiento no es aleatorio - En el grupo de tratamiento quienes reciben son los motivados. - En el grupo de control quienes no lo reciben son los no motivados

32 Algunas Posibilidades 3. Comparar a quienes fueron ASIGNADOS a grupo de tratamiento con quienes fueron ASIGNADOS a grupo de control Escuela Asignado a Recibe Carga 1 Tratamiento Tratamiento Parasitaria Pupilo 1 sí sí 0 Pupilo 2 sí sí 0 Pupilo 3 sí sí 1 Pupilo 4 sí no 3 Pupilo 5 sí sí 1 Pupilo 6 sí no 3 Pupilo 7 sí no 3 Pupilo 8 sí sí 1 Pupilo 9 sí sí 0 Pupilo 10 sí no 3 Escuela Asignado a Recibe Carga 2 Tratamiento Tratamiento Parasitaria Pupilo 1 no no 3 Pupilo 2 no no 2 Pupilo 3 no sí 1 Pupilo 4 no no 3 Pupilo 5 no no 3 Pupilo 6 no sí 0 Pupilo 7 no no 3 Pupilo 8 no no 2 Pupilo 9 no no 2 Pupilo 10 no no 3

33 Intención de Tratar: Qué hacer! Intención de Escuela 1 tratamiento? Tratado? Pupilo 1 sí sí 4 Pupilo 2 sí sí 4 Pupilo 3 sí sí 4 Pupilo 4 sí no 0 Pupilo 5 sí sí 4 Pupilo 6 sí no 2 Pupilo 7 sí no 0 Pupilo 8 sí sí 6 Pupilo 9 sí sí 6 Pupilo 10 sí no 0 Cambio prom. entre escuela A= Cambio observado en el peso 3 Promedio de escuela 1: Promedio de escuela 2: Efecto Intención de tratar 3,9 2,1 (A) (B) Escuela 2 Pupilo 1 no no 2 Pupilo 2 no no 1 Pupilo 3 no sí 3 Pupilo 4 no no 0 Pupilo 5 no no 0 Pupilo 6 no sí 3 Pupilo 7 no no 0 Pupilo 8 no no 0 Pupilo 9 no no 0 Pupilo 10 no no 0 Cambio prom. entre escuela B= 0,9 33

34 Cumplimiento parcial con el protocolo SIEMPRE se debe respetar la asignación inicial cuando se analizan los datos, independiente de quien termina recibiendo tratamiento Asignación inicial es lo único que es aleatorio y por tanto útil para estimar impacto con validez interna Tomar o no tomar el tratamiento no es aleatorio Notar que externalidades desde el tratamiento al control se pueden pensar como un caso particular de

35 Cumplimiento parcial con el protocolo Además de afectar interpretación de resultados, cumplimiento parcial tiene implicaciones importantes para diseño del experimento Afecta cálculos de poder y tamaño muestral Es importante ANTICIPAR posible cumplimiento parcial

36 Cumplimiento parcial con el protocolo Puedo saber impacto del tratamiento sobre los que efectivamente lo reciben? 36 36

37 Cumplimiento parcial con el protocolo A veces Necesito supuestos adicionales Ya no es suficiente la aleatorización 37 37

38 Tratamiento en los tratados (TOT) Supuestos: 1. No hay externalidades en el tratamiento Niños que no toman desparasitantes en colegios asignados a recibirlos se siguen contagiando como antes 2. No hay efectos indirectos de la asignación del tratamiento En diseños aleatorios de estímulo, el estímulo no tiene un impacto directo sobre el resultado 38

39 Tratamiento en los tratados (TOT) El efecto del tratamiento en quienes recibieron el tratamiento: Suponga que los niños que recibieron el tratamiento aumentaron de peso A, independiente de si están en un tratamiento o una escuela de control Suponga que los niños que no reciben tratamiento tuvieran un aumento de peso de B, nuevamente en ambos tipos de escuelas Deseamos conocer A-B, la diferencia entre los estudiantes tratados y no tratados 39

40 Tratamiento en los tratados (TOT) Luego... Y(T)=A*Prob[tratado T]+B(1-Prob[tratado T]) Y(C)=A*Prob[tratado C]+B(1-Prob[tratado C]) A-B= (Y(T)-Y(C)) / (Prob[tratado T] Prob[tratado C]) = El efecto del tratamiento en los tratados. 40

41 Calcular tratamiento en los tratados Intención Escuela 1 de tratar? Tratado? Pupilo 1 sí sí 4 Pupilo 2 sí sí 4 Pupilo 3 sí sí 4 Pupilo 4 sí no 0 Pupilo 5 sí sí 4 Pupilo 6 sí no 2 Pupilo 7 sí no 0 Pupilo 8 sí sí 6 Pupilo 9 sí sí 6 Pupilo 10 sí no 0 Cambio promedio Y(T)= Cambio observado en el peso School 2 Pupilo 1 no no 2 Pupilo 2 no no 1 Pupilo 3 no sí 3 Pupilo 4 no no 0 Pupilo 5 no no 0 Pupilo 6 no sí 3 Pupilo 7 no no 0 Pupilo 8 no no 0 Pupilo 9 no no 0 Pupilo 10 no no 0 Cambio promedio Y(C) = 0,9 3 A = Aumenta si se trata B = Aumenta si no se trata Calculador de ToT: A-B A-B = Y(T) Y(C) Prob(Tratado T) Prob(Tratado C) Y(T)-Y(C) Prob(Tratado T)-Prob(Tratado C) Y(T)-Y(C) Prob(Tratado T)-Prob(Tratado C) A-B 3 0,9 60% 20% 2,1 40% 5,25 Compare a Intención de tratar: 2,1

42 Tratamiento en los tratados (TOT) En la práctica, el TOT se estima con utilizando la asignación del tratamiento como variable instrumental para recibir el tratamiento. Ver más adelante en el curso Por lo tanto, el efecto estimado es un efecto local. 42

43 Mapa I. Recapitulando II. Motivación III. Estudios Aleatorios Bietápicos IV. Otros Estudios Aleatorios I. Con muestra seleccionada II. Con cumplimento parcial V. Validez Externa VI. Material adicional: Cómo aleatorizar? 43

44 5. Validez externa La validez interna es una condición necesaria para que los resultados de un experimento aleatorio sean generalizables Pero no es suficiente. 44

45 5.1. Amenaza para la validez externa: Respuestas conductuales para las evaluaciones Una limitación de las evaluaciones aleatorias es que la evaluación en sí puede provocar que el grupo de tratamiento o de comparación cambie su conducta La conducta del grupo en tratamiento cambia: Efecto Hawthorne La conducta del grupo de comparación cambia: Efecto John Henry 45

46 5.2. Respuestas conductuales para las evaluaciones Además: un programa puede generar respuestas conductuales que no ocurrirían si el programa fuera generalizado 46

47 5.3. Generabilidad de los resultados Depende de tres factores: Implementación del programa: se puede replicar a gran escala (nacional)? Implementación del programa Efectos de equilibrio general Muestra del estudio: es representativo? Sensibilidad de los resultados: tendría el mismo impacto un programa similar, pero levemente diferente? 47

48 Mapa I. Recapitulando II. Motivación III. Estudios Aleatorios Bietápicos IV. Otros Estudios Aleatorios I. Con muestra seleccionada II. Con cumplimento parcial V. Validez Externa VI. Material adicional: Cómo aleatorizar? 48

49 6.1. Cómo aleatorizar? Unidad y método de aleatorización Restricciones del mundo real Revisando de nuevo la unidad y el método Variaciones en análisis tratamiento-control simple

50 6.2. Objetivos Entender cómo aleatorizar (mecánica) y decidir entre alternativas. Conceptos clave: Unidad y método de aleatorización, estratificación Cómo adaptar (de modo creativo) la aleatorización a las restricciones del mundo real Entender algunas variaciones en análisis tratamiento-control simple

51 Asignación aleatoria Ingresos por persona, por mes, rupias Trat. Comp. Cómo aleatorizar, Parte I - 51

52 6.3. Mecánica de la aleatorización Es necesario un marco muestral (lista de donde aleatorizar) Opciones: Sacar del sombrero Utilice un generador de números aleatorios en un programa de planilla de cálculo para ordenar las observaciones de manera aleatoria Utilice un código del programa Stata Qué ocurre si no hay lista existente? Fuente: Chris Blattman 52

53 6.4. Unidad de aleatorización 1. Aleatorizar al nivel individual 2. Aleatorizar al nivel del grupo Estudio aleatorio con observaciones agrupadas A qué nivel se debe aleatorizar? 53

54 Unidad de aleatorización: consideraciones A qué unidad apunta el programa para tratamiento? Cuál es la unidad de análisis?

55 Unidad de aleatorización: individual?

56 Unidad de aleatorización: individual?

57 Unidad de aleatorización: individual? Grupos de personas : Estudio aleatorio en unidades agrupadas

58 Unidad de aleatorización: clase?

59 Unidad de aleatorización: clase?

60 Unidad de aleatorización: escuela?

61 Unidad de aleatorización: escuela?

62 Unidad de aleatorización: población objetivo De qué manera se administra la intervención? Cuál es el área de captación de cada unidad de intervención? Cuál es la amplitud del posible impacto?

63 Unidad de aleatorización: análisis Recuerde: cuál es nuestra medición del impacto? Dónde/cómo obtenemos estos datos?

64 6.7. Lotería: Comience con los estudios clínicos como punto de referencia Tome a 1000 personas y dele el medicamento a la mitad Podemos simplemente aplicar este enfoque a programas sociales? Cómo aleatorizar, 64

65 6.7. Las loterías son simples, comunes y transparentes Elegido al azar de una selección de postulantes Los participantes conocen a los ganadores y perdedores La lotería simple es útil cuando no existe un motivo a priori para discriminar Se percibe como justo Transparente Comúnmente viable políticamente

66 Restricciones: recursos Por qué las restricciones de recursos son el mejor amigo de un evaluador Muchos programas tienen recursos limitados Muchos más receptores elegibles que recursos que permitan servir a estos Bastante comunes en la práctica: Capacitación para empresarios o granjeros Vouchers en educación Transferencias monetarias Cómo aleatorizar, Parte I - 66

67 Restricciones: contaminación Recuerde el contrafactual! Si el grupo de control es diferente al del contrafactual, nuestros resultados pueden estar sesgados

68 Restricciones: contaminación Externalidad/control tratado Externalidad Control tratado Cumplimiento parcial o incumplimiento del tratamiento

69 Restricciones: logísticas Suponga que la administración de medicamentos de desparasitación fuera una de las responsabilidades de un trabajador de la salud Suponga que el trabajador de la salud prestó servicios a los miembros de los grupos de control y tratamiento Podría ser difícil capacitarlos para seguir diferentes procedimientos para diferentes grupos y llevar un registro de qué se administra a quién

70 Restricciones: justicia, política Aleatorizar a nivel del niño dentro de las clases Aleatorizar a nivel de la clase dentro de colegios Aleatorizar al nivel de la comunidad

71 Restricciones: Tamaño de la muestra El programa es sólo lo suficientemente grande para prestar servicios a un puñado de comunidades

72 Qué ocurre si tiene 500 postulantes para 500 cupos? Considere los diseños de lotería no estándares Podrían aumentar las actividades de divulgación Es esto ético? Cómo aleatorizar, Parte I - 72

73 A veces el filtrado importa Suponga que hay 2000 postulantes El filtrado de las solicitudes produce 500 candidatos elegibles Hay 500 cupos Una lotería simple no funcionará Cuáles son nuestras opciones?

74 Considere las normas de filtro o focalización Se filtra para qué? Qué elementos son esenciales? Los procedimientos de selección sólo pueden existir para reducir los candidatos elegibles para cumplir una restricción de capacidad o para focalizar el programa Si ciertos mecanismos del filtro aparecen como arbitrarios (pero no aleatorios), la aleatorización puede servir para el propósito de filtrar y ayudarnos a evaluar

75 6.9. Aleatorización en la burbuja A veces puede que un socio no esté dispuesto a aleatorizar entre las personas elegibles. Un socio podría estar dispuesto a aleatorizar en la burbuja. Las personas en la burbuja, son personas que están en el límites en términos de elegibilidad Justo sobre el umbral no elegible, pero casi Qué efecto en el tratamiento medimos? Qué significa para la validez externa?

76 Aleatorización en la burbuja Dentro de la burbuja, compare el tratamiento con el control No participantes Tratamiento Participantes Control

77 6.10. Cuando el análisis importa: Lotería parcial Los funcionarios del programa pueden mantener la discreción Ejemplo: Programa de capacitación Ejemplo: Expansión de los créditos de consumo en Sudáfrica

78 6.11. Diseño escalonado: aprovecha la expansión Eventualmente todos reciben el programa El enfoque natural al expandir el programa enfrenta restricciones de recursos Qué determina que las escuelas, ramas, etc. se incluirán cada año?

79 Diseño escalonado Ronda 1 Tratamiento: 1/3 Control: 2/3 Ronda 2 Tratamiento: 2/3 Control: 1/3 Finaliza la evaluación aleatoria Ronda 3 Tratamiento: 3/ Control:

80 6.11. Diseño escalonado Ventajas Eventualmente todos reciben algo Proporciona incentivos para mantener el contacto Preocupaciones Puede complicar el cálculo de efectos a largo plazo Atención con las ventanas de escalonamiento Expectativas cambian acciones hoy?

81 6.12. Diseño por rotación Los grupos reciben tratamiento en turnos Ventajas Preocupaciones Cómo aleatorizar, Parte I - 81

82 Diseño por rotación Ronda 1 Tratamiento: 1/2 Control: 1/2 Ronda 2 Tratamiento de la Ronda 1 Control Control de la Ronda 1 Tratamiento

83 6.13. Desea encuestarme? Entonces, trate conmigo La introducción escalonada puede no proporcionar suficiente beneficio para los participantes de la ronda posterior La cooperación del grupo de control puede ser esencial Considere la aleatorización entre-grupo Por ejemplo, programa de balsakhi (Banerjee et al. 2007) Todos los participantes obtienen algún beneficio Preocupación: mayor probabilidad de contaminación

84 6.14. Diseño por estímulo a participar: Qué hacer cuando no puede aleatorizar acceso? A veces es práctica o éticamente imposible aleatorizar el acceso al programa Sin embargo, la mayoría de los programas tiene menos de 100% de tasa de participación Aleatorice por estímulo a recibir tratamiento

85 Diseño por estímulo Estímulo No Estímulados participó no participó compare estimulados con no estimulados Éstos se deben correlacionar no compare participantes con no participantes Cumplimiento No cumplimiento Ajuste para el no cumplimiento en la fase de análisis

86 6.14. Qué es estímulo? Algo que hace que algunas personas sean más propensas a utilizar este programa que otras No es un tratamiento en sí Para quiénes estamos calculando el efecto del tratamiento? Piense en quiénes responden a la motivación

87 6.15. Para resumir: Posibles diseños Lotería simple Aleatorización en la burbuja Aleatorización por escalonamiento Rotación Diseño por estímulo Nota: Éstos no son mutuamente exclusivos.

88 6.15. Métodos de aleatorización recapitulación Diseño Más útil cuando Ventajas Desventajas Lotería simple Programa supersuscrito Familiar Puede que el grupo de control Está bien que algunos que no reciben nada Fácil de comprender Fácil de implementar Se puede implementar en público no coopere Desgaste diferencial Escalonamiento Se amplía con el tiempo Finalmente, todos deben recibir tratamiento Fácil de comprender Restricción fácil de explicar El control acepta dado que espera beneficio posterior La anticipación del tratamiento puede impactar la conducta a corto plazo Dificultad para medir el impacto a largo plazo Rotación Todos deben recibir algo en algún Más datos que en la punto, no hay suficientes recursos introducción escalonada en el año para todos Difícil de medir a largo plazo Estímulo El programa debe estar abierto para todos Cuando la tasa de participación es Baja, pero se puede impactar fácilmente con incentivos. Puede aleatorizar en el nivel individual incluso cuando el programa se entrega a nivel individual Mide el impacto de quienes responden al incentivo Necesita un incentivo lo suficientemente grande para la adquisición El estímulo puede tener un efecto directo