Arianna Legovini Head, Development Impact Evaluation Initiative (DIME) World Bank. O Uso de Avaliações Aleatoria para Melhorar Políticas e Programas

Transcrição

1 Arianna Legovini Head, Development Impact Evaluation Initiative (DIME) World Bank O Uso de Avaliações Aleatoria para Melhorar Políticas e Programas 1

2 Objetivo Identificar o Verdadeiro Efeito de um Programa Separar o impacto do programa de outros fatores Qual o efeito causal de um programa? Necessidade de descobrir o que teria ocorrido sem programa Não se pode observar a mesma pessoa com e sem o programa Conta com análise contrafatual (grupo de controle) 2

3 Ilustração: Programa de Capacitação (1) Produtividade Before Antes After Depois (+) Impacto do programa (+) Impacto de outros fatores (externos) 3

4 Ilustração: Programa de Capacitação(2) Produtividade Grupo de controle Grupo de tratamento (+) Medida ENVIESADA do impacto do programa Antes Depois 4

5 Correlação não é causalidade 1) Capacitaçao Alta produtividade OU 2) Pessoas empreendedoras Alta produtividade Capacitaçao

6 Motivação Difícil distinguir a causalidade da correlação na análise estatística dos dados existentes Independente da complexidade da estatística, só mostra que X vai com Y Difícil corrigir características não observadas, como motivação / habilidade Motivação / habilidade podem ser os principais fatores a serem corrigidos Viés de seleção: um grande problema para a avaliação do impacto Os projetos tiveram início em determinado tempo e local por motivos particulares Os participantes podem selecionar os programas Os empreendedores que procuraram a capacitação podem ser mais produtivos do que os que não procuraram; ao analisar sua produtividade, você terá uma impressão enganosa sobre os benefícios da capacitação. 6

7 Motivação Avaliação retrospectiva de impacto: Ao coletar os dados depois do evento, você não sabe como os participantes e não participantes podiam ser comparados antes do início do programa É necessário tentar entender porquê o projeto foi implementado naquele local e naquele período, após o evento. A avaliação prospectiva permite elaborar a avaliação para que responda à pergunta que você precisa responder Permite a coleta dos dados necessários 7

8 Desenho Experimental Todos os participantes do estudo têm a mesma chance de estar no grupo de tratamento ou de controle Intencionalmente, os grupos de tratamento e de controle têm as mesmas características (observadas e não observadas), na média A única diferença é o tratamento Com grandes amostras, todas as características convergem para a média Estimativas de impacto não enviesadas 8

9 Opções de Aleatorização Sorteio (apenas alguns entram no programa) Entrada gradual (todos entram eventualmente) Variação no tratamento (cobertura integral, diferentes opções) Desenho de incentivo (no caso de adesão parcial) Todos podem entrar, alguns são encorajados a fazê-lo 9

10 Loteria entre os elegíveis Deve recebir o programa Aleatorizar quem recebe o programa Inelegível para o programa

11 Oportunidades para a aleatorização As limitações orçamentárias impedem a cobertura integral A distribuição aleatória (sorteio) é justa e transparente Capacidade limitada de implementação A introdução gradual oferece a todos a mesma chance de serem os primeiros Inexistência de evidências sobre qual a melhor alternativa Distribuição aleatória para alternativas com a mesma chance ex ante de sucesso 11

12 Oportunidades para a aleatorização Adesão ao programa existente não é completa Fornecer informações ou incentivos para a adesão de alguns Um novo programa piloto Boa oportunidade de testar o desenho antes de expandi-lo Mudanças operacionais em programas em andamento Boa oportunidade de testar as mudanças antes de expandi-las Introduzir innovaçoes de manera aleatoria 12

13 Aleatorização em diferentes níveis Individual Familial Escolar Unidade de saude Bairros/comunidades 13

14 Aleatorização individual ou em grupo? A aleatorização è feita o mesmo nivel que o nivel de intervenção Mais fácil obter amostras grandes o bastante se os indivíduos forem aleatorizados Aleaorização individual Aleaorização de grupos

15 Unidade de Aleatorização A aleatorização em nível mais alto às vezes é necessária: Limitações políticas a tratamentos diferenciados na comunidade Limitações práticas confusão para implementar diferentes versões Os efeitos sobre unidades vizinhas podem demandar uma aleatorização em nível mais alto Aleatorizar ao nível de grupo requer muitos grupos por causa da correlação dentro da comunidade 15

16 Elementos do desenho experimental População alvo jovens Amostra de avaliação Alocação randômica Grupo de Tratamento Participantes Desistentes Grupo de Controle 16

17 Validade Externa e Interna (1) Validade externa A amostra é representativa da população total Os resultados na amostra representam os resultados na população Podemos aplicar as lições a toda a população Validade interna O efeito estimado da intervenção ou do programa sobre a população avaliada reflete o impacto real naquela população Ou seja, os grupos de intervenção e de controle são comparáveis 17

18 Validade Externa e Interna(2) Uma avaliação pode ter validade interna sem validade externa Exemplo: uma avaliação randomizada sobre o incentivo às mulheres tomarem parte das eleições na área urbana pode não dizer muito sobre o impacto de um programa semelhante nas áreas rurais Uma avaliação sem validade interna não pode ter validade externa Se você desconhece se um programa funciona em um local, então você não sabe nada sobre se ele funciona em qualquer outro lugar. 18

19 Validade externa & interna População Nacional Randomização Amostras da População Nacional Randomização 19

20 Validade interna População Estratificação Amostras do Estrato da População Estrato do População Randomização 20

21 Representativo porém enviesado: inútil População Nacional Randomização Distribuição Enviesada INÚTIL! 21

22 Exemplo: Programa de integracao social, validade interna Amostra de Jovens Distribuição Randômica 22

23 Eficácia e Efetividade Eficácia Prova de conceito Menor escala Piloto em condições ideais Efetividade Em escala Arranjos de implementação prevalentes vida real Maior ou menor impacto? Maiores ou menores custos? 23

24 Vantagens de experimentos Impacto causal confiavel Em relação a outros métodos Muito mais fácil de analisar Mais barato (tamanhos menores de amostra) Mais fácil de explicar Mais convincente para os formuladores de política Metodologicamente incontroverso 24

25 E se houver restrições sobre a aleatorização? Limitações orçamentárias: randomizar entre os mais necessitados Limitações de capacidade de implantação: randomizar quem recebe primeiro (ou a seguir se você já houver começado) Promover o programa aleatoriamente para alguns 25

26 Quando é realmente impossível? O tratamento já foi alocado e anunciado e sem possibilidade de expansão do tratamento O programa já acabou (retrospectiva) Já há adesão universal O programa é nacional e não excludente Liberdade de imprensa, política de câmbio (às vezes alguns componentes podem ser aleatorizados) A amostra é muito pequena para ser válida 26

27 Divulgação Aleatoria (Desenho de Encorajamento) Quem recebe divulgação tem maior chance de participar Como quem recebe foi escolhido aleatoriamente, não há relação com observáveis / não observáveis Compare os resultados médios dos dois grupos: com / sem divulgação Efeito da oferta do programa (Intenção de Tratar) Efeito da intervenção (Tratamento Médio no Tratado) ATT= efeito da oferta do programa / proporção dos que aderiram

28 Aleatorização Alocado para tratamento Alocado para controle Diferença Impacto: efeito médio do tratamento sobre os tratados Não-tratados Tratados Proporção tratada Resultado médio 100% 0% 100% Impacto da alocação Estimativa da intenção de tratar 100% 23/100%=23 Tratamento médio sobre os tratados

29 Incentivo randômico Incentivados Não incentivados Diferença Impacto: efeito médio do tratamento sobre os que aderiram Não tratados (não aderiram) Tratados (aderiram) Proporção tratada 70% 30% 40% Impacto do incentivo 100% Resultado Estimativa da intenção de tratar 8/40%=20 Tratamento médio sobre os que aderiram

30 Erros comuns a evitar Cálculo incorreto da amostra Randomizar um distrito para tratamento e outro para controle e calcular o tamanho da amostra sobre o número de pessoas que forem entrevistadas Coleta de dados diferente no tratamento e no controle Contagem dos que foram distribuídos para tratamento mas não aderiram ao programa como controle não desfaça sua randomização!!! 30