Documentos de Académico
Documentos de Profesional
Documentos de Cultura
TRABAJO FINAL
DOCENTE:
ENRIQUE CUEVAS
INTEGRANTES:
DANIEL SANCHEZ
LUIS GABRIEL REYES
1) Definición de los métodos de evaluación de impacto
Diseño experimental
Ejemplos:
Dimensión social
Nivel de empleos: Mide el número de empleos directos e indirectos que
se generan como producto de las acciones de la estrategia de gestión de
la innovación.
Dimensión económica
Utilidad. Es la diferencia entre los ingresos y los costos obtenidos en la
unidad de producción a partir de la adopción de innovaciones
Dimensión ambiental
Eficiencia tecnológica: Mide el aporte de las innovaciones derivadas del
proyecto de extensión en la reducción de la dependencia del uso de
insumos de síntesis química y de recursos naturales. Se busca que las
innovaciones promovidas contribuyan a un desarrollo sostenible de la
actividad agropecuaria.
Este parámetro ofrece el efecto del tratamiento sobre una muestra aleatoria
de individuos considerando un colectivo de observaciones elegidas de forma
aleatoria para los grupos de tratamiento y control, con objeto de averiguar el
impacto medio del programa si fuera obligatorio para toda la población.
Determina el valor medio del tratamiento para las personas que recibieron el
tratamiento en comparación con los no tratados en el caso hipotético de que
ellos también hubieran recibido el tratamiento.
Por lo cual:
El ITTD mide la proporción de sujetos que son tratados cuando son asignados
al grupo de tratamiento, menos la proporción que habría sido tratada incluso
si hubieran sido asignados al grupo de control, es decir, ITT D = el porcentaje
de cumplidores.
Ejemplo:
Supongamos que un investigador desea estimar los determinantes de la
oferta salarial, pero tiene acceso a observaciones sólo para los que trabajan.
Dado que las personas que trabajan son seleccionados no aleatoriamente de
la población, la estimación de los determinantes de los salarios de la
subpoblación que tiene trabajo puede introducir un sesgo. La corrección de
Heckman se lleva a cabo en dos etapas, razón por la cual también se le
conoce con ese nombre, pero muy distinto a una regresión en dos etapas
usada para variables instrumentales.
. tab probecat
Participa en el |
PROBECAT | Freq. Percent Cum.
----------------+-----------------------------------
No participante | 671 20.92 20.92
Participante | 2,537 79.08 100.00
----------------+-----------------------------------
Total | 3,208 100.00
--------------------------------------------------------------
Over | Mean Std. Err. [95% Conf. Interval]
-------------+------------------------------------------------
d_ing |
_subpop_1 | 6615.952 296.9564 6033.668 7198.236
Participante | 6311.719 89.45467 6136.313 6487.126
----------------+---------------------------------------------
La hipótesis nula dice que la diferencia entre las dos medias es igual a cero, lo
cual corresponde a que no hay diferencia entre participar y no participar en el
PROBECAT.
El valor de t estadístico no es significativo por lo tanto se rechaza la hipótesis nula,
por tanto, si existe diferencia significativa entre el ingreso medio de las personas
que participaron del probecat y las que no participaron.
b) Diferencia contrastando con otras variables
------------------------------------------------------------------------------
d_ing | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
probecat | -617.8588 258.3898 -2.39 0.017 -1124.52 -111.1973
sexo | -1527.033 200.3949 -7.62 0.000 -1919.976 -1134.09
edad | 345.4008 60.42516 5.72 0.000 226.9167 463.885
edad2 | -4.190818 .9114508 -4.60 0.000 -5.978029 -2.403607
cve_esc | 734.6178 99.5013 7.38 0.000 539.5115 929.7242
per_hog | -60.28989 40.51222 -1.49 0.137 -139.728 19.14817
_cons | 90.10794 1009.425 0.09 0.929 -1889.214 2069.43
------------------------------------------------------------------------------
------------------------------------------------------------------------------
dif_ing | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
probecat | -140.4134 308.4697 -0.46 0.649 -745.2734 464.4466
_cons | 1431.447 280.0609 5.11 0.000 882.2928 1980.602
------------------------------------------------------------------------------
------------------------------------------------------------------------------
dif_ing | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
probecat | .4365625 .0768161 5.68 0.000 .2859244 .5872006
_cons | -.3706955 .0710756 -5.22 0.000 -.5100764 -.2313146
------------------------------------------------------------------------------
Generamos un segundo modelo considerando además las variables: Sexo, Edad,
escolaridad, tamaño del hogar, y consideramos solo aquellos que ya contaban con
un trabajo antes de pertenecer al probecat.
. reg dif_ing probecat sexo edad edad2 cve_esc per_hog if a_ing > 1
------------------------------------------------------------------------------
dif_ing | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
probecat | .4363593 .0842613 5.18 0.000 .2711208 .6015978
sexo | .0304274 .0654606 0.46 0.642 -.0979423 .1587972
edad | .045005 .0191388 2.35 0.019 .0074732 .0825367
edad2 | -.0007884 .0002855 -2.76 0.006 -.0013482 -.0002285
cve_esc | .0187333 .0309608 0.61 0.545 -.0419817 .0794482
per_hog | -.0169231 .0122994 -1.38 0.169 -.0410426 .0071965
_cons | -.9837126 .3284542 -2.99 0.003 -1.627819 -.3396058
------------------------------------------------------------------------------