 Asegurar E[Yi(0)|Di=0]=E[Yi(0)|Di=1] y, por tanto, evitar

el sesgo de selección consiste en asignar las

participación en el programa de manera aleatoria.
 Se selecciona aleatoriamente que individuos de un
grupos de estudio pertenecen al grupo de tratamiento
–que será beneficiario del programa- y quienes al
grupo de control –que no hará parte del programa-.
 En un experimento donde se asigna de manera
aleatoria a los potenciales beneficiarios a los grupos
tratamiento y control, y no se les permite elegir si
participan o no, se asegura que los individuos de los
grupos de tratamiento y control tengan características
idénticas.
 como algunas intervenciones son muy populares, la
demanda excede los cupos disponibles. Así, se podría
pensar en asignar los cupos aleatoriamente entre los
solicitantes.
 Aleatorización a nivel individual: se conforma un listado
de los hogares elegibles. De la lista de elegibles, se
escogen aleatoriamente unos hogares que harán
parte del programa y el resto de los hogares no serán
beneficiarios del programa por lo cual constituirán el
grupo de control.
 Aleatorización a nivel de conglomerado: se asigna de
manera aleatoria la participación en el programa,
pero no a nivel individual, sino de barrios o
comunidades.
 si por su naturaleza las intervenciones pretenden
afectar a una comunidad completa, es claro que la
aleatorización debe ser a nivel de conglomerados.
 la aleatorización a nivel de conglomerados es una
buena alternativa cuando es difícil negar los beneficios
de una intervención de los miembros de una
comunidad, pues deben ser tan pobres y vulnerables
como los beneficiarios.
 la variable de resultado en ausencia del programa
debería ser idéntica para los tratados (Di=1) y para el
grupo de control (Di=0). se cumple el supuesto de
independencia condicional E[ui|Di]=0, y podemos usar
el promedio de la variable de resultado para el grupo
de control E[Yi(0)|Di=0] como aproximación del
E[Yi(0)|Di=1]
 si Di es binario, dadas las características de los datos
generados por una aleatorización, las técnicas
necesarias para establecer el efecto del tratamiento
son sencillas: se puede medir como la diferencia de las
medias en la variable de interés entre los grupos de
tratamiento y control después de la intervención.
 el modelo que permite la comparación es:
Yi=β0+β1Di+ui.
 Yi: variable de resultado.
 Di: indicador de tratamiento.
 ui: error.
 τˆ= βˆ1= [Y|D=1]-[Y|D=0]
 Y|D: promedio muestral de cada grupo.
 β1, se llama estimador de diferencias, dado que es igual a la
diferencia en medias entre los grupos de tratamiento y control.
 τ=E[Yi(1)|Di=1]-E[Yi(0)|Di=0]
Nivel educativo de la Promedio puntaje Z, Promedio puntaje Z, Nivel educativo materno, tratamiento
madre tratamiento control y control
Bajo 0,45 0,45 0,20
Medio 0,70 0,50 0,40
Alto 0,90 0,70 0,40

 τATT=E(τ|Di=1)=E[Yi(1)|Di=1]-E[Yi(0)|Di=0]
 Eˆ[Yi(1)|Di=1]=(0,45*0,20)+(0,70*0,40)+(0,70*0,40)=0,73
 EˆE[Yi(0)|Di=0]=(0,45*0,2)+(0,50*0,4)+(0,70*0,4)=0,57
 τˆATT = 0,73-0,57=0,16. canasta aumentó el puntaje Z de los niños
beneficiarios en 0,16 desviaciones estándar.
 si la característica del individuo que afecta la variable
de resultado está contenida en la base de datos
disponible, entonces se puede incluir explícitamente en
la regresión como una variable adicional en un modelo
de regresión multivariado: Yi=β0+β1Di+γ1 X1i+...+ γk Xki+ui
 donde X1 y Xki son características individuales que
preceden al tratamiento y que no se ven afectadas
por este.
 en este caso β1 es el estimador de diferencias con
regreseores adicionales.
 suponga que observamos a los individuos tratados por
dos períodos y definimos el indicador Ti como una
variable binaria.

 este estimador se puede obtener por el método d e

regresión lineal al estimar:

 en la regresión se incluye solamente la muestra de

individuos tratados
 β1 es el estimador de diferencias en el tiempo.
 Sin embargo, algunas variables de resultado pueden
tener una tendencia natural en el tiempo. por lo que
β1será un estimador insesgado del efecto del programa
si no existe una tendencia temporal en la variable de
resultado.
 se define ti como una tendencia de tiempo que afecta
la variable de resultado: t es igual a cero en el primer
período, 1 en el segundo período, 2 en el tercer
período y así sucesivamente.
 se estima en efecto de diferencias en el tiempo con
base en la siguiente regresión lineal:
Los experimentos de este tipo en la práctica, pueden desviarse del diseño ideal.

 Participación consciente de los individuos en el experimento:

• puede alterar el comportamiento del grupo de tratamiento (efecto Hawthorne)
• puede alterar el comportamiento del grupo de control(Efecto Jhon Henry)

 Dados los costos del experimento: tamaño de la muestra y la relación con la

medición de los efectos y su precisión.
• Si la muestra es demasiado pequeña no se garantiza el supuesto de
independencia.
 MALA ALEATORIZACIÓN: Al no cumplir con el protocolo de tratamiento y perdida
de muestra , se introduce la correlación entre el tratamiento de 𝐷𝑖 y el termino de
error 𝜇𝑖 . (el estimador de diferencias es sesgado)
 Si hay fallas en la aleatorización, l tratamiento no es completamente
aleatorio y se incluyen características de los individuos (sesgo de
selección).
 Los grupos de tratamiento y control son determinado en parte por
autoselección.

VERIFICACIÓN DE LA ALEATORIZACIÓN
 𝐷𝑖 no esta correlacionado con ninguna variable observada de los
agentes., podemos determinar por MCO:

𝑫𝒊 = 𝜹𝟎 + 𝜹𝟏 𝑿𝟏𝒊 + 𝜹𝟐 𝑿𝟐𝒊 + ⋯ 𝜹𝒌 𝑿𝒌𝒊 + 𝜺𝒊

Donde todas las X representan características individuales . (Cuando no hay

correlación los 𝛿 serán cero; se calcula un estadístico F de significancia conjunta de
las X)
VENTAJAS:
 Es fácil explicar en que consiste un experimento social, ya que la asignación aleatoria es
muy intuitiva. ,,
 Técnicas de la medición del impacto usando datos experimentales, los resultados son
transparentes para políticas, diseñadores de políticas y el público en general.
 No se pueden manipular los resultados de la evaluación, debido a que el evaluador no
puede elegir a su parecer el método de estimación.

DESVENTAJAS:
 Costos monetarios y políticos.
 La evaluación de los métodos no experimentales se hace con frecuencia con datos ya
existentes ; mientras que como el experimento aleatorio se hace para evaluar una
intervención (prueba piloto, recolección de información, seguimiento y en ocasiones la
implementación del programa).
 INJUSTICIA FUNDAMENTAL: por pertenecer al grupo de control, se
excluye una parte de la población igualmente vulnerable de los
beneficios de la intervención.
 Dado que no se pueden excluir por Largos periodos de tiempo, el
grupo de control finalmente hará parte del grupo de tratamiento.
 Externalidades: efectos externos esperados o no generados por el
programa; o efectos de equilibrio general: efectos que puede tener
la intervención sobre su entorno. (AMBOS EFECTAN AL GRUPO DE
CONTROL Y ESTO CONTAMINA LA MEDICIÓN DEL EFECTO DE LA
INTERVENCIÓN).
 Solo se puede evaluar el programa tal y como esta diseñado y no se
pueden evaluar el impacto de variaciones en el programa existente.

PARA GENERALIZAR EL PROGRAMA:

 E experimento debe ser suficientemente similar al programa para
popder generalizar los resultados a la población de interés.
ASPECTOS QUE AFECTAN LA POSIBILIDAD DE GENERALIZAR LOS RESULTADOS DE UNA
EVALUACIÓN ALEATORIA EN OTROS CONTEXTOS:

1. Los experimentos modernos son con frecuencia de pequeña escala y manejados

con extremo cuidado.
**(documentar adecuadamente para poder replicarlo)**

2. Los experimentos sociales se realizan en regiones especificas.

**(realizar el experimento en varias regiones o usar modelos comportamentales
para determinar el canal de efecto del programa).

3. Efecto de variaciones en el programa

**(combinar experimentos sociales con modelos económicos , estimar mayor
números de parámetros o determinar los canales de los efectos).

SI LA ALEATORIZACION NO ES COMPLETAMENTE EXITOSA, EL ESTIMADOR DE

DIFERENCIASA ES SESGADO Y SE NECESITAN OTRAS TECNICAS ECONOMETRICAS.
El experimento consta de 11 variables experimentales de una muestra de 4,000 datos. Cada
dato representa un hogar encuestado, donde se clasifican las siguientes características:

1. (Personas): Cantidad de personas que conforman el núcleo familiar.

2. (ha_nchs):numero de desviaciones estándar que el individuo esta por encima o por
debajo de la media de su grupo relevante
3. (Hombre): si es el hombre el jefe de hogar (1) y si no (0)
4. (des_n): Si la familia presenta Desnutrición crónica (1) y si no (0)
5. (ocupado_Jefe): Si el jefe de hogar esta empleado (1), y si está desempleado (0)
6. (Educa_Jefe): Nivel de escolaridad del jefe de hogar de 0 a 11, siendo 11 el nivel máximo
alcanzado para el estudio.
7. (Ingresos_Hogar_Jefe): los ingresos anuales en millones de pesos del jefe de hogar.