Академический Документы
Профессиональный Документы
Культура Документы
P G I N A
E V A L U A C I N D E I M P A C T O
PROYECTOS DE RIEGO
PROVINCIAS DE MENDOZA Y SAN JUAN
02
P G I N A
PROGRAMA DE SERVICIOS AGRCOLAS PROVINCIALES II
P R S TA M O B I R F 7 5 9 7 - A R
P NDICE
GINA
01 RESUMEN EJECUTIVO 04
02 INTRODUCCIN 06
03 METODOLOGA 08
04 RESULTADOS 11
05 CONCLUSIONES 14
04
01
P G I N A
RESUMEN EJECUTIVO
La presente evaluacin de impacto se realiz Para evaluar el impacto del proyecto sobre las
sobre un total de tres proyectos de riego ejecu- variables de inters, se utiliz metodologa de
tados en las provincias de Mendoza y San Juan, dobles diferencias (tambin conocida como
financiados en el marco de la Segunda Fase del diferencias en diferencias). Esta estrategia es
Programa de Servicios Agrcolas Provinciales ampliamente utilizada para la evaluacin de
(PROSAP) con financiamiento del Banco Inter- programas cuando los datos disponibles son
nacional de Reconstruccin y Fomento (Prs- de ndole no experimental (como es el caso de
tamo BIRF 7597-AR).* Asimismo, se incluy a la presente evaluacin). La metodologa consis-
modo de actualizacin de trabajos anteriores1, te en calcular la diferencia entre las diferencias
la evaluacin de impacto de proyectos de riego post- y pre-tratamiento para los productores
en las mencionadas provincias, de fases previas beneficiados por el programa y las diferencias
del PROSAP con financiamiento del BIRF y del post- y pre-tratamiento para los productores
Banco Interamericano de Desarrollo. no beneficiados.
* Evaluacin realizada por el Dr. Martn Rossi (Consultor externo del Banco Mundial)
05
P G I N A
Tabla 1: Obras PROSAP
Modernizacin Siste- BID Junn San Mar- Junn Medrano Los Arboles 2009
ma de Riego Consti- tn Rivadavia
tucin Medrano
Modernizacin Siste- BID Tunuyn Villa Seca Los Sauces Vista 2010
ma de Riego Arroyo Flores Los Chacayes
Grande
Riego Canales Soca- BID San Rafael Las Paredes y Capitn Mon- 2012
vn y Frugoni toya
Riego Canal San BIRF Junn y San Villa Cabecera de San Martn 2012
Martn Martn Alto Verde Montecaseros
Chivilcoy Buen Orden Villa
Italia El Rambln Ingeniero
Giagnoni y parte de Rodr-
guez Pea y en Junn, parte
de Los Barriales y La Colonia
Riego Naciente Cha- BIRF Maip y Guay- Tres Esquinas Cruz de Piedra 2012
chingo Pescara malln Rodeo del Medio Coquim-
bito Chachingo Fray Luis
Beltrn de Maip y Corralitos
La Primavera y Colonia Sego-
via de Guaymalln
Riego Canal Nuevo BID Gral. Alvear Bowen y General Alvear 2012
Alvear
P G I N A
02 INTRODUCCIN
P G I N A
abarcan grandes reas con productores que no productores vitivincolas del pas. La informacin
son beneficiados por las obras. En consecuen- disponible, en Tabla 2 a continuacin, compren-
cia, los resultados encontrados deben interpre- de 14 aos: desde 2002 hasta 2015 inclusive.
tarse como un lmite inferior de los efectos de
inters, es decir, el impacto de los programas es El resto del reporte se organiza de la siguiente
al menos el encontrado pero puede ser mayor 4. manera: la Seccin 3 explica la metodologa
estadstica utilizada y el modelo economtrico
Los datos utilizados para la presente evaluacin estimado, la Seccin 4 presenta los resultados
fueron obtenidos del Instituto Nacional de Vi- encontrados y la Seccin 6 presenta las con-
tivinicultura, el cual se encarga de recolectar y clusiones de la evaluacin.
4. Esto resulta del hecho de que los impactos se ven reducidos debido a que el grupo de productores tratados incluye una cierta canti-
dad de productores no tratados que, presumiblemente, reducen el impacto reportado de los proyectos.
03
08
P G I N A
METODOLOGA
La principal ventaja de esta metodologa es que permite estimar el efecto de inters controlando
por variables inobservables por individuo, siempre que estas permanezcan fijas en el tiempo, y por
efectos en el tiempo que afectan a todas las unidades por igual. Es decir, se puede estimar consis-
tentemente el efecto de inters sin necesidad de incluir variables por productor que permanezcan
constantes en el tiempo ni variables que afecten a todos los agentes por igual en el tiempo (por
ejemplo, el desempleo o el crecimiento del PBI).
}
Y Tratados
g
Se asume que la
tendencia hubiese
Controles sido la del grupo
de control
g Tiempo
Inicio del programa
5. En el caso de la presente evaluacin, el tratamiento fue asignado en diferentes momentos del tiempo a diversos productores. En
consecuencia, la estimacin del efecto es algo ms sofisticada, pero la idea central es la misma que la descripta por el grfico. Se utiliza
la tendencia del grupo de control como contrafactual.
Como todo supuesto de identificacin, el su- Las variables de inters (Y it ) son la produccin 09
P G I N A
puesto de tendencias comunes alude a una total y un proxy de productividad. Las varia-
situacin contrafactual, por lo cual no puede bles de inters estn medidas en logaritmos,
contrastarse empricamente. Sin embargo, si de manera tal que el efecto de inters () se in-
se dispone de suficiente informacin para los terpreta en trminos porcentuales.
perodos previos al tratamiento, es posible
contrastar que las tendencias pre-tratamiento
CONTRASTE DE TENDENCIAS PREVIAS AL
de las variables de inters eran efectivamen- TRATAMIENTO
te similares entre el grupo de tratamiento y el
Como se destac en la Seccin 2, el supuesto
de control. Encontrar que las tendencias eran
de identificacin de la metodologa a utilizar
similares antes del tratamiento otorga mayor
es el de tendencias comunes. Es decir, se asu-
credibilidad al supuesto de identificacin. Este
me que, en ausencia de tratamiento, el grupo
contraste se realiza en la siguiente seccin.
tratado hubiese seguido la misma tendencia
que el grupo de control. Como todo supuesto
Expuesta ya la estrategia de identificacin, cabe
de identificacin, el supuesto de tendencias
destacar que existe la posibilidad de que la esti-
comunes no puede ser contrastado, pero s es
macin sea inconsistente con esta metodologa
posible contrastar que las tendencias sean co-
si existen factores inobservables que varan en
munes antes del tratamiento. Encontrar que las
el tiempo y que, a su vez, estn correlacionados
tendencias eran efectivamente similares antes
con el tratamiento y las variables de inters.
de la intervencin otorga mayor validez al su-
puesto de identificacin.
Formalmente, estimamos el efecto el impacto
del programa a partir de estimar el siguiente
El contraste de tendencias comunes pre-trata-
modelo:
miento se realiza a partir de estimar una ver-
sin modificada de la ecuacin (1). Siguiendo a
it i it t 3 it (1)
Galiani et al. (2005), 9 se realiza una estimacin
usando nicamente las observaciones del pe-
Donde it denota cualquiera de nuestras varia- rodo previo al tratamiento para el grupo tra-
bles de inters, Tit es una variable binaria que tado y el grupo de control. Primero, se genera
toma valor 1 cuando el productor i es tratado una variable binaria que toma el valor 1 si el
en el perodo t, es el parmetro de inters, productor es eventualmente tratado y valor 0
denota
i el efecto fijo por productor, t es el efec- en caso contrario. Luego, se genera una inte-
to fijo por perodo de tiempo, y it es el trmino raccin entre esta variable eventualmente tra-
de error. 6 tado con una tendencia lineal pre-tratamiento
6. El supuesto de identificacin para estimar consistentemente el parmetro es que, condicional a las variables incluidas (efectos fijos
por productor y por tiempo), el trmino de error no est correlacionado con la variable de tratamiento.
7. Esta variable se construye sumando, para cada productor, la produccin de todas las variedades de uva en un ao dado.
8. Esta variable se construye a partir del cociente entre la produccin total y el tamao de la finca para un ao dado. Como no toda rea
dentro de la finca est sembrada, esta medida no es la productividad estrictamente sino un proxy de la misma.
y se estima la ecuacin (1) incluyendo la ten- pos, otorgando mayor credibilidad al supuesto 10
P G I N A
dencia lineal pre-tratamiento y la interaccin de identificacin.
generada, excluyendo la variable tratamiento. Los resultados de este contraste pueden apre-
La interaccin generada es la diferencia en la ciarse en la Tabla 3 a continuacin, cada co-
tendencia lineal de los productores eventual- lumna muestra los resultados para cada varia-
mente tratados respecto de la de los no trata- ble de inters. Es destacable que el coeficiente
dos. En consecuencia, encontrar que el par- estimado para la variable interaccin no es
metro de la interaccin no es estadsticamente estadsticamente significativo para ninguna de
significativo implica que no hay diferencias sis- nuestras variables de inters. Esto otorga mayor
temticas en las tendencias entre ambos gru- validez a nuestro supuesto de identificacin.
Errores estndar agrupados a nivel viedo entre parntesis. l *** Significativo al 1%, ** Significativo al 5%, * Significativo al 10%
9. Galiani, S., Gertler, P., & Schargrodsky, E. (2005). Water for life: The impact of the privatization of water services on child mortality. Jour-
nal of political economy, 113(1), 83-120.
11
P G I N A
04
La Tabla 4 a continuacin reporta los resulta-
dos de estimar el impacto de PROSAP2-BIRF
RESULTADOS
Errores estndar agrupados a nivel viedo entre parntesis. l *** Significativo al 1%, ** Significativo al 5%, * Significativo al 10%
10. Los resultados son robustos a agrupar los errores estndar a nivel localidad y nivel departamento.
La Tabla 5 siguiente reporta los resultados de Tanto el incremento en la produccin como 12
P G I N A
estimar el impacto de todos los proyectos de en el rendimiento son estadsticamente signi-
riego ejecutados en la primera y segunda fase ficativos al 1%. Cabe destacar que los efectos
del PROSAP, incluyendo aquellos financiados estimados para PROSAP2-BIRF y PROSAP1 y 2
por el BID, en las mismas provincias y sobre son cuantitativamente similares. Tomando la
cada una de las variables de inters. Como se estimacin de que PROSAP gener un incre-
puede observar en la Columna (1), los produc- mento promedio en la produccin de 6,5%,
tores beneficiados por el programa experimen- el diferencial de productividad de todos los
taron un incremento de 6,5% en la produccin productores tratados en cada ao valorizado
en comparacin al grupo de control. Nueva- al precio promedio de las uvas alcanza la ci-
mente, un resultado cualitativamente similar fra de 493.150.771,50 pesos argentinos. Dicha
aunque de mayor magnitud se puede observar ganancia por productividad, traducida en un
en el rendimiento: los productores beneficia- mayor volumen de produccin puede inter-
dos por el programa experimentaron un incre- pretarse adems como una renta perpetua
mento de 7,4% en su rendimiento en compa- para aquellos productos que recibieron los
11
racin con el grupo de control. beneficios de programa.
Errores estndar agrupados a nivel viedo entre parntesis. l *** Significativo al 1%, ** Significativo al 5%, * Significativo al 10%
10. Recordar que, dado que el programa fue asignado a nivel localidad y que dentro de cada localidad hay productores no beneficiados,
los efectos encontrados constituyen lmites inferiores del verdadero efecto de inters.
duccin en la confianza respecto al modelo menores que los hallados en la seccin ante- 13
P G I N A
anterior, pero el efecto es significativo a un rior (ver columnas (3) y (4) de la Tabla 6. Una
nivel estndar de confianza. Una posible ex- explicacin posible a este resultado es que
plicacin de la reduccin de significatividad en Mendoza existan ms productores no be-
estadstica es la reduccin en la muestra al neficiados en localidades beneficiadas, por lo
restringirse nicamente a San Juan. cual el impacto reportado sea ms subestima-
do. Respecto a la prdida de significatividad
Las estimaciones para la provincia de Men- estadstica, una posible explicacin es la re-
doza pierden significatividad estadstica, y las duccin del tamao muestral por restringirse
magnitudes de los impactos estimados son nicamente a una provincia.
Errores estndar agrupados a nivel viedo entre parntesis. l *** Significativo al 1%, ** Significativo al 5%, * Significativo al 10%
14
P G I N A
05 CONCLUSIONES
P G I N A
AL PROYECTO
16
P G I N A
REGISTROS FOTOGRFICOS DE LA SITUACIN POSTERIOR
AL PROYECTO
P G I N A
17