Métodos Quase-Experimentais I

Global Workshop onDevelopment Impact Evaluation

in Finance and Private SectorRio de Janeiro, June 6-10, 2011

MétodosQuase-Experimentais I

Abdoulaye Sy

O que sabemos

Objetivo: Nós queremos isolar o efeito causal de nossas intervenções sobre alguns resultados de interesse Usar métodos de avaliação rigorosos para

responder às nossas perguntas operacionais Randomizar a designação do tratamento é a

metodologia “padrão de ouro” (simples, precisa)

E se não pudermos usá-los? ➤ Nós paramos de medir o efeito da irrigação

porque não podemos randomizar a alocação?

Conseguimos encontrar um contrafatual plausível? Experiência natural?

Métodos não-experimentais estão associados a um conjunto de premissas Quanto maior o número de premissas,

menos válida será a medida do efeito de causalidade

É importante questionar as nossas premissas

▪ Utilize o senso-comum!

Quando é que faz sentido?

Objetivo Principal▪ Aumentar a produtividade e vendas da

empresa Intervenção

▪ Distribuição de subsídios▪ Seleção de participantes não-aleatória

Grupo alvo▪ PMEs entre 1 e 10 empregados

Principal indicador▪ Vendas

4

Exemplo: Programa de Subsídios (Matching Grant)

5

(+) Impacto do programa

(+) Impacto de fatores externos

Ilustração: Programa de Subsídios (Matching Grant) (1)

6

(+) Medida ENVIESADA do impacto do programa


“Antes-e-Depois” não gera resultadosem que possamos acreditar!

7


Diferençafinal (« depois ») entreparticipantes e não participantes

Diferençainicial (« antes ») entreparticipantes e não participantes

>> Qual é o impacto da nossa intervenção?

Estratégia de Identificação Diferenca na Diferença (1)

Contrafatual: 2 Opções1.Vendas de não participantes depois da

intervenção, expurgando as diferenças “anteriores” entre participantes e não participantes (a diferença inicial entre os dois grupos)

2.Vendas dos participantes antes da intervenção, expurgando a variação entre “antes/depois”para os não participantes (os fatores externos)

1 e 2 são equivalentes8

Estratégia de Identificação Diferenca na Diferença (2)

Premissa subjacente:Sem o programa, as vendas dos participantes e dos não participantes evoluíriam da mesma forma (com a mesma tendência)

>> Gráfico intuitivo a caminho....

Dados – Exempl0 1

Média de Vendas(1000s)

2007 2008 Diferença (2007-2008)

Participantes (P) 1.3 1.9 0.6

Não-participantes (NP)

0.6 1.4 0.8

Diferença (P-NP) 0.7 0.5 -0.2

10

Dados – Exempl0 1


2007 2008 Diferença (2007-2008)



0.6 1.4 0.8

Diferença (P-NP) 0.7 0.5 -0.2

11

12

NP2008-NP2007=0.8

Impacto = (P2008-P2007) -(NP2008-NP2007)

= 0.6 – 0.8 = -0.2

P2008-P2007=0.6

13

P-NP2008=0.5

Impacto = (P-NP)2008-(P-NP)2007= 0.5 -

0.7 = -0.2

P-NP2007=0.7

Presunção de mesma tendência: Implicação gráfica

Impacto=-0.2

Conclusão

Impacto negativo: Muito contra-intuitivo: O aumento do

financiamento não devería reduzir as vendas, a partir do momento em que os fatores externos sejam tidos em conta!

Presumir a mesma tendência é muito forte Os 2 grupos estavam em 2007 a produzir a

níveis muito diferentes Questione a presunção de mesma tendência!

Sempre que possível, teste a presunção de mesma tendência com dados de anos anteriores

2006 2007 20080

0.5

1

1.5

2

2.5

participantsnon-participants

Questionando a premissa de mesma tendência: Dados pré-programa

Rejeite a premissa contrafatual da mesma tendência!

Dados – Exemplo 2


2007 2008 Diferença (2007-2008)



0.5 0.7 0.2

Diferença (P-NP) 1.0 1.4 0.4

17

2007 20080

0.5

1

1.5

2

2.5


P08-P07=0.6

18

NP08-NP07=0.2

Impact0 = (P2008-P2007) -(NP2008-NP2007)

= 0.6 – 0.2 = + 0.4

Presunção de mesma tendência: Implicação Gráfica

2007 20080

0.5

1

1.5

2

2.5


Impacto = +0.4

Conclusão

Impacto Positivo: Mais intuitivo

Sera que presumir a mesma tendência é razoável? ➤Ainda precisamos de questionar a

presunção contrafatual de mesma tendência!➤Utilizemos dados de anos anteriores

Questionando a premissa de mesma tendência: Dados pré-programa

Parece razoável aceitar a premissa conceitual de mesma tendência!2006 2007 2008

0

0.5

1

1.5

2

2.5


Atenção (1) Assumir a mesma tendência é normalmente

problemático Quando não existem dados para testar a mesma

tendência histórica E mesmo se as tendências forem semelhantes no

ano anterior…▪ Foram as tendências sempre semelhantes (ou

tivemos sorte)?▪ Mais importante, serão essas tendências sempre

semelhantes?▪ Exemplo: Outro projeto intervem nas nossas empresas não

participantes…

Atenção (2) Que fazemos então?

>> Temos de ser descritivos! Verificar as semelhanças em características

observáveis▪ Se não são semelhantes ao nível das características

observáveis, é provavel que as tendências sejam diferentes de uma forma imprevisível

>> No entanto, não conseguimos verificar o que não conseguimos ver…E as características não observáveis podem ser mais importantes que as observáveis (capacidade, motivação, paciência, etc)

Métodos de Combinação + Diferença das diferenças

Agrupe participantes e não participantes com base em características observáveis

Contrafatual: Grupo de comparação com semelhanças

em características observáveis: Procura-se para cada participante do programa

um ou mais pares de não participante(s) com base nas características observáveis

>>Em média, participantes e não participantes partilham as mesmas características observáveis (por construção)

Estimar o efeito da nossa intervenção utilizando diferença das diferenças

24

Métodos Combinação (2)

Premissas subjacentes Não há diferenças entre os participantes e

não participantes em termos de características não observáveis

E/OU Características não observáveis não

afetam a designação para o tratamento e/ou resultado

Como se faz?

Criar um grupo de controle através da identificação de sub-grupos (de um ou mais) com características observáveis semelhantes aos participantes Temos de escolher com cuidado as variáveis para

agrupar os participantes com o grupo de controle De forma a que fiquemos apenas com

▪ Grupo de tratamento: Participantes que conseguiram obter um par

▪ Grupo de controle: não-participantes parecidos com os participantes

>> Em resultado deste processo, eliminamos uma parte do nosso grupo de tratamento!

Implicações

Na maior parte dos casos, não conseguimos encontrar pares para todos os participantes Precisamos de perceber quem fica de fora

Exemplo

Pontuação

não-participantesParticipantes

Partecombinada

Riqueza

Parte do grupode tratamento excluída

Conclusão (1)

Vantagens do metodo de combinação: Não precisa de randomização

28

Conclusão (2)

Desvantagens: A premissa subjacente ao contrafatual

não é plausível em todos os contextos, dificil de testar▪ Utilize o senso comum

Necessita dados de muita qualidade▪ Necessário controlar todos os fatores que

influenciam o a alocação ao programa / resultado em análise

Necessita amostras de tamanho suficientemente grande para gerar o grupo de comparação

não se consegue sempre encontrar pares para todos...

29

Em resumo

A randomização requer premissas mínimas e gera estimativas intuitivas (médias das amostras!)

Métodos não experimentais requerem premissas que devem ser cuidadosamente avaliadas Mais intensivo em termos de dados Nem sempre testavel

Seja criativo: Misture-e-combine os métodos! Responda as perguntas relevantes com os

métodos apropriados30

Obrigado

Agradecendo o apoio financiero de: Bank Netherlands Partnership Program (BNPP), Bovespa, CVM, Gender Action Plan (GAP), Belgium & Luxemburg Poverty Reduction Partnerships (BPRP/LPRP), Knowledge for Change Program (KCP), Russia Financial Literacy and Education Trust Fund (RTF), and the Trust Fund for Environmentally &

Socially Sustainable Development (TFESSD), is gratefully acknowledged.

Documents

Métodos Quase-Experimentais I