Aproveitar Descontinuidades

Apresentação em tema: "Aproveitar Descontinuidades"— Transcrição da apresentação:

1 Aproveitar Descontinuidades
Esta apresentação baseia-se no trabalho realizado por Erich Battistin, Jean-Louis Arcand, Nandini Krishnan e Florence Kondylis.

2 Introdução Como é que avaliamos intervenções? Quando não existe alocação aleatória a grupos de tratamento e de comparação Quando não se pode manipular o processo de seleção Caso geral Pessoas, lares, municípios ou outras entidades são expostos ou não a um “tratamento” ou “política” Dois grupos não são comparáveis por causa do processo de seleção Exemplo: Clientes de micro-crédito e indivíduos que não são clientes de micro-crédito Quando a randomização não é possível, como é que podemos utilizar as características do programa para “medir” o seu impacto? Resposta: métodos quasi-experimentais Exemplo: Modelos de Regressão Descontínua (MDRs)

3 Modelos de Regressão Descontínua
MDR mais próximos das experiências randomizadas do que os outros métodos quasi-experimentais Depende do conhecimento do processo de seleção dos participantes Necessário saber um critério de seleção quantificável – “uma pontuação” Alocação ao “tratamento” depende discontinuadamente desta pontuação Exemplo: Uma política que se aplique a empresas com vendas anuais menores ou iguais a $5,000. Uma empresa com vendas = $5,001 não seria tratada, mas seria muito semelhante a uma empresa com vendas = $5,000. MDRs compararíam empresas com vendas exactamente acima e abaixo da barreira dos $5000.

4 Outro exemplo de MRD Lei: Idade mínima para beber nos EUA é 21  o consumo de alcóol é ilegal para pessoas com menos de 21 anos. Análise: Pessoas com 20 anos, 11 meses e 29 dias Pessoas com 21 anos Tratadas de uma forma diferente por uma restricção arbitrária (idade) Mas não necessariamente diferentes (probabilidade de irem a festas, obediência, chance de terem comportamentos de risco, etc)

5 Outro exemplo de MRD De facto: Esta lei aloca pessoas a grupos de tratamento e comparação Grupo de tratamento: Pessoas com idades entre 20 anos e 11 meses e 20 anos, 11 meses e 29 dias Grupo de controle: Pessoas que tenham acabado de fazer 21 anos e que já podem beber legalmente. Ambos os grupos devem ser semelhantes em termos de características observáveis e não observáveis que afectam os resultados de interesse (taxas de mortalidade) Desta forma, é possivel isolar o efeito de causalidade do consumo de alcóol nas taxas de mortalidade de adultos jovens

6 Proporção de dias em que (1) bebe ou (2) bebe em grandes quantidades
Outro exemplo de MRD Proporção de dias em que (1) bebe ou (2) bebe em grandes quantidades Tratamento causa um menor consumo de alcóol

7 Taxas de mortalidade por idade
Outro exemplo de MRD Taxas de mortalidade por idade Aumento do consumo de alcóol causa taxas de mortalidade mais elevadas por volta dos 21 anos Mortalidade geral Mortalidade associada a acidentes, consumo de alcóol ou de drogas Restante mortalidade

8 A Lógica dos MRD Alocação ao grupo de tratamento depende de uma pontuação ou de um ranking contínuo (ex.: Idade, vendas, resultado num exame, índice de pobreza) Potenciais beneficiários são ordenados pela pontuação Limite ou cut-off (ponto de corte) para ser “elegível” definido claramente ex-ante Cut-off determina alocação a grupos de tratamento e de comparação Alocação geralmente resulta de decisões administrativas, onde a participação é limitada devido a restrições orçamentais regras claras e não arbitrárias são utilizadas para a participação no programa

9 Exemplo: Subsídios (Matching Grants)
Governo oferece subsídios via matching grants a PMEs formais Eligibilidade para receber estes subsídios baseada nas vendas do ano anterior: Se as vendas foram inferiores a $5,000, a empresa recebe a oferta do subsídio Se as vendas foram pelo menos $5,000, a empresa não pode beneficiar do subsídio Se as vendas foram divulgadas antes do anúncio da medida não é possível manipular as vendas reportadas no ano anterior fácil de medir as vendas e garantir a utilização da regra Lógica do DRD

10 Exemplo: Subsídios (Matching Grants)
O que acontece se nem todas as empresas com menos de $5000 aderem ao programa? Falta de conhecimento da existência do programa (não sabiam que o programa tinha sido introduzido) Só as empresas interessadas aderem Ambos implicam que haja uma seleção (empresas que aderem ao programa podem ser diferentes daquelas que não aderem em várias dimensões) MAS: A percentagem de participantes altera-se descontinuadamente na fronteira (no ponto de corte), de zero para menos de 100% Denominado MRD difuso Lógica do DRD

11 Probabilidade de Participação: Regra estanque e regra difusa
100% 75% 0% 0%

12 Descontinuidades Estanques e Difusas
Descontinuidade Estanque A descontinuidade determina, com precisão, a condição de tratamento Todas as pessoas com 21 ou mais anos, consomem bebidas alcóolicas e mais ninguem o faz Todas as pessoas com menos de $5,000 em vendas recebe vouchers e empresas maiores não o fazem Descontinuidade Difusa A percentagem de participantes muda de forma descontínua no cut-off, mas não de zero para 100% (ou de 100% para 0%) Algumas pessoas mais novas que 21 consomem bebidas alcóolicas e algumas com mais de 21 não consomem bebidas alcóolicas Regra determina eligibilidade, mas entre as empresas com menos de $5,000 em vendas, há apenas adesão parcial.

13 Validade Interna Ideia geral: Principal condição
Se o ponto de corte é arbitrario, as pessoas exactamente à esquerda e à direita desse ponto devem ser semelhantes Diferenças nos resultados podem ser atribuídos à política Principal condição Nada mais acontece: na ausência da política, não observaríamos a discontinuidade nos resultados à volta deste limite em particular Pode não ser o caso se Regra do uso de capacete para motorizadas também se aplica aos 21 anos Outra medida oferece equipamento a empresas com vendas inferiores a $5,000

14 Perfil do Resultado Antes e Depois da Intervenção
Forma diferente

15 Validade Externa Serão os resultados generalizáveis para além destes dois grupos que estamos a comparar? Contrafatual em MRD Indivíduos marginalmente excluídos dos benefícios Exemplos: pessoas com menos de 21 mas com mais de 20 anos e 10 meses; empresas com vendas inferiores a $5,000 mas mais que $4,500. As conclusões de causalidade são limitadas às pessoas, lares, municípios, no ponto de corte O impacto estimado é para individuos marginalmente ou por pouco elegíveis para participarem no programa A extrapolação além deste ponto supõe premissas adicionais, geralmente não garantidas (ou diversos pontos de corte) Modelos difusos aumentam o problema

16 Implementação de MRD: Detalhes
Maiores vantagens dos MRD Transparência Possibilidade de ilustrar a situação atraves do uso de gráficos Maiores desvantagens dos MRD Necessário que haja muitas observações à volta do cut-off Todas as observações longe da fronteira devem ter menos importância Porque? Apenas perto do cut-off, podemos assumir que é por acaso que as pessoas estão à esquerda ou à direita Por exemplo uma empresa com vendas anuais de $5,000 versus uma com $500 Ou uma pessoa com 16 anos versus outra com 25

17 Análise Gráfica Análise gráfica Resultado Variável de designação

18 Em conclusão MRD são intrumentos útils para identificar o efeito de causalidade Vantagens MRD partilham as mesmas propriedades de uma experiência no local do ponto de corte Podem ser utilizados para avaliar intervenções ex-post tratando os pontos de corte como “experiências naturais” (com propriedades próximas de uma experiência mas não são designados como tal) Desvantagens Os efeitos estimados do programa são apenas representativos das pessoas/empresas perto do ponto de corte MRDs necessitam de amostras muito grandes Pessoas/empresas podem ajustar o seu comportamento em anos subsequente em resposta ao limite Exemplo: Deixar de reportar vendas acima de $5,000

19 Em conclusão Pode ser usado para desenhar uma avaliação prospectiva quando a randomização não for possível O design aplica-se a todos os programas avaliados por médias Diversos pontos de corte para melhorar a validade externa Pode ser usado para avaliar intervenções ex-post usando as descontinuidades como “experiências naturais”. Conclusões

20 Obrigado