Evaluacion Impacto Subsidios Sobre Mercado Laboral

Evaluación del impacto de los subsidios sobre el mercado laboral
colombiano
Carlos Castañeda
Lorena Trujillo
Dirección de Seguimiento y Evaluación de Políticas Públicas
Departamento Nacional de Planeación
1. Introducción
Los subsidios son contribuciones financieras del gobierno a los individuos, hogares o firmas,
que pueden tomar la forma de transferencias directas monetarias o en especie o de
deducciones de impuestos, que implican sacrificio de ingresos por parte del gobierno. Estas
contribuciones son suministradas con recursos públicos que suelen ser limitados y por ello
sus objetivos deben atender interés comunes y no privados.
En Colombia, el monto de los subsidios dirigidos a individuos y hogares ascendió a 64,4

billones de pesos en 2015, suma equivalente al 8,2% del PIB de ese mismo año. Este
porcentaje sin embargo venía en ascenso desde 2011, cuando los subsidios representaron
8% del PIB hasta 2014 cuando la cifra alcanzó casi el 9%. A lo anterior hay que sumar los
subsidios que el gobierno entrega a las firmas y productores, que representaron cerca de
0,4% del PIB en 2014 y 0,2% en 2015.
Adicionalmente, los subsidios pueden alterar significativamente el funcionamiento de los

mercados y por ello tienen efectos profundos y permanentes sobre la economía. Lo anterior
depende de las instancias y motivos bajo los cuales se establece cada subsidio. Algunos de
ellos se imponen con el fin de establecer el marco básico de funcionamiento de los
mercados, mientras que otros buscan resolver las limitaciones que impiden el
funcionamiento adecuado del mercado (asimetrías de información, externalidades, etc.) y
otros obedecen a fines directamente redistributivos.
Teniendo en cuenta lo anterior, es importante fomentar tanto desde la academia como

desde las instancias públicas el debate permanente acerca del tamaño, alcance e impacto
de estas herramientas de política pública. Una de las mayores preocupaciones del Gobierno
Nacional es la distribución y focalización de las múltiples ayudas estatales que propenden
por otorgar subsidios a los hogares, productores, o a los servicios ofrecidos a éstos. El
presente estudio tiene como objetivo contribuir a esta discusión mediante la estimación de
los impactos de los subsidios del gobierno nacional sobre diferentes variables del mercado
laboral colombiano.
Aunque diversas publicaciones anteriores han estudiado el impacto de las ayudas estatales
sobre los indicadores del mercado laboral (ver sección 2), la presente evaluación contribuye
al debate académico en dos sentidos. Por un lado, a diferencia de otros estudios, aquí no
se considerarán subsidios individuales, sino paquetes de subsidios. Al hacer una revisión
descriptiva de la entrega de ayudas estatales en Colombia (ver sección 4), se puede
evidenciar que los hogares colombianos muy raras veces se benefician de un único subsidio.
Por el contrario, existen diversas combinaciones de subsidios de las cuales se benefician
considerables porcentajes de la población. La ventaja de estimar impactos de paquetes de
subsidios en lugar de subsidios individuales es que los resultados y conclusiones pueden
resultar más útiles desde el punto de vista de políticas públicas, ya que tiene de cuenta de
manera integral las ayudas estatales.
Por otro lado, este estudio plantea la estimación de impactos mediante una metodología
novedosa que permite minimizar el problema de sesgo por selección basada en observables
de los métodos tradicionales de emparejamiento. La metodología base que se utiliza en
este estudio es un emparejamiento simple, basado en la noción de encontrar un grupo
contrafactual para el grupo de tratamiento basado en características observables de los
individuos. Sin embargo, el presente estudio también compara estos resultados con los
resultados de una estimación mediante emparejamiento genético, cuya virtud principal
consiste en mejorar el balance entre los grupos emparejados mediante la ponderación
óptima de covariables utilizadas para el emparejamiento. Esta metodología será abordada
con mayor detalle en la sección 3.
Este estudio se concentra únicamente en los subsidios entregados a los individuos y a los
hogares. En particular, el análisis empírico estudia únicamente aquellos subsidios para los
cuales existe información reportada en las Encuestas de Calidad de Vida aplicadas
anualmente por el DANE desde el año 2010. La sección 2 del presente documento presenta
una revisión de la literatura existente sobre estimación de impactos de las ayudas estatales
sobre indicadores del mercado laboral. La sección 3 del documento explica en detalle la
estrategia empírica para estimación de impactos, enfocándose en la estimación del
parámetro de “efecto del tratamiento sobre los tratados” bajo las metodologías de
emparejamiento simple y emparejamiento genético. La siguiente sección presentará una
descripción de los datos utilizados y algunas estadísticas descriptivas del mercado laboral
colombiano. En esta sección también se indicará la metodología para la construcción de los
diversos grupos de tratamiento sujeto de este estudio. En la sección 5 se resumen los
principales resultados de impacto de los paquetes de subsidios sobre seis indicadores del
mercado laboral bajo las dos metodologías propuestas. Finalmente, en la sección 6 se
presentan las conclusiones.
2. Revisión de impactos de los subsidios en Colombia
La literatura sobre impactos de los programas del gobierno para subsidiar algún tipo de bien
o servicio no es tan amplia como la literatura que estudia los efectos de los programas de
transferencias condicionadas. Tanto en Colombia como en el mundo, las investigaciones
empíricas cuyo objeto son los efectos causales de las transferencias monetarias
condicionadas han sido centro de atención de los académicos y del debate político. En
Colombia, la evidencia empírica al respecto se ha concentrado en estudiar los impactos del
programa Familias en Acción sobre una variedad de indicadores del mercado laboral.
El más reciente de estos estudios es de (Farné, Rodríguez, & Ríos, 2016), quienes utilizan
una metodología de diferencias en diferencias con el panel de la ELCA para mostrar que los
jefes de hogar de los hogares beneficiarios de algún subsidio estatal tienen mayor
probabilidad de estar en la informalidad (aproximadamente 12 puntos porcentuales
mayor), mientras que no hay impactos sobre la participación laboral. El mismo efecto se
observa sobre los hogares beneficiarios de Familias en Acción (la informalidad es mayor en
aproximadamente 7 puntos porcentuales) y sobre los hogares beneficiarios de del régimen
subsidiado de salud (el efecto es de aproximadamente 21 puntos porcentuales). Sobre los
hogares beneficiarios de Colombia Mayor, ayudas a emergencias y ayudas a desplazados,
no se evidencian impactos significativos en ninguna de las dos variables de análisis.
En otro estudio, usando la metodología de regresión discontinua que permite tener en

cuenta el hecho de que los hogares pueden recibir más subsidios aparte de Familias en
Acción, (Espinosa & Nanclares, 2016) encuentran que el programa más Familias en Acción
no desincentivan la participación laboral ni la ocupación de los beneficiarios, ni tampoco
incrementa sus tasas de informalidad y de desempleo. Por el contrario, la pertenencia al
programa aumenta la participación laboral en la zona resto urbano (sin incluir 14 principales
ciudades) 3,7 p.p. aproximadamente. La tasa de ocupación también es mayor para los
participantes en el programa en 2,9 p.p., mientras que en tasas de desempleo y de
informalidad no se encontraron resultados significativos. Los anteriores resultados se
obtienen mediante una especificación en donde los autores controlan por la participación
en otros dos programas: gratuidad de la educación y régimen subsidiado. (Barrientos &
Villa, 2013) encuentran algunos impactos para subgrupos de la población. En particular, las
tasas de participación son más altas para los beneficiarios hombres residentes en zona
urbana (en aproximadamente 2,3%). Asimismo, encuentran un efecto positivo sobre la tasa
de formalidad de las mujeres (de entre 3,2% y 6,4%).
Antes del año 2013, otro conjunto de evaluaciones del programa Familias en Acción con
resultados diversos fueron realizadas por varias firmas de consultoría bajo la supervisión
del DNP y del Departamento para la Prosperidad Social (DPS). En el cuadro siguiente se
resumen los resultados de esta serie de estudios.
Estudio Población objetivo Resultados

Hombres y mujeres • Aumenta en 2,5 p.p. la probabilidad de tener un empleo
(ECONOMETRÍA en zona rural y formal de las mujeres entre 18 y 26 años en zona rural.
- SEI, 2012) urbana • En cuanto a ocupación y calidad del empleo (medido por
el tipo de ocupación), no se observan impactos
significativos del programa.
Grandes centros Impactos en individuos beneficiarios
urbanos • Incremento de 4,1 p.p. la tasa de ocupación total
(personas mayores de 15 años)
• Aumento de 6,5 p.p. en la tasa de ocupación de personas
mayores de 15 años en ciudades bajo el esquema de
ahorro, diferentes a Bogotá (Barranquilla, Yopal,
Montería, Pasto, Pereira y Villavicencio). En Bogotá no se
observó impacto en ocupación.
• Impacto positivo sobre la tasa de desempleo. Fue 0,7 p.p.
menor en el grupo de tratamiento (personas mayores de
15 años).
(CNC, 2011) • Reducción de la tasa de inactividad de 3,24 p.p.
• Aumento de 3,1 p.p. en la población económicamente
activa.
Impactos en barrios/comunidades
• La tasa de ocupación del grupo de tratamiento fue 3,4
p.p. menor con respecto al grupo de control, solo en
Bogotá.
• En otras ciudades, el programa tuvo impacto positivo
sobre la tasa de ocupación del grupo de tratamiento (5,1
p.p.).
• No se observan impactos del programa en otras variables
del mercado laboral a nivel de comunidades/barrios.
(DNP-Acción Hombres, mujeres, • La tasa de empleo de hombres en zona rural aumentó en
Social-BID- niños y niñas en 3,57 p.p.
Banco Mundial, zonas urbanas y • El número de horas al mes trabajadas por los hombres en
2008) rurales zona rural aumentó en 9 horas.
• La tasa de empleo de mujeres en zona urbana aumentó
en 6,49 p.p.
• La tasa global de participación de niñas (10-17 años) se
redujo en 2,7 p.p. en zona urbana.
• El número de horas al mes trabajadas por las mujeres en
zona urbana aumentó en 19 horas.
(CNC, Población • Disminución de las tasas de trabajo infantil, pero no ha
2008)CNC desplazada impactado en la calidad del empleo de los adultos ni en
(Septiembre, las tasas de desocupación de estos.
2008) • Reducción de la tasa global de participación de los
hombres mayores de 12 años entre 5,6 y 6,3 p.p.
• No hay impacto sobre la tasa global de participación de
los hombres mayores de 18 años.
• La tasa de ocupación de los menores de 7 a 11 años se
redujo entre 1,8 y 3,2 puntos porcentuales. Esta
reducción fue mayor en niños (4,3 p.p.) que en niñas (2,2
p.p.). Entre los menores de 12 a 17 años, no hubo impacto
en la tasa de ocupación.
• No se encontraron impactos sobre la tasa de ocupación
de los mayores de 12 años.
• No se encontraron impactos sobre la tasa de desempleo,
para ningún rango de edad.
• No se encontraron impactos sobre la formalidad del
empleo.
(UT IFS- Hombres, mujeres, • La tasa global de participación de niños (10-17 años) se
ECONOMETRÍA- niños y niñas en redujo en 5,5 p.p. en zona rural, pero no hay impacto para
SEI, 2007) zonas urbanas y niños en zona urbana.
rurales • La tasa global de participación de niñas (10-17 años) se
redujo en 3,4 p.p. en zona rural, y en 2,7 p.p. en zona
urbana.
• La tasa global de participación de adultos hombres (18
años y más) aumentó en 2,7 p.p.
• No hubo impacto sobre la tasa de participación de
mujeres adultas.
• El programa no genera impactos sobre las horas
trabajadas por los niños y las niñas de la zona rural.
A partir de lo anterior, se puede concluir que los efectos del programa Familias en Acción
son mixtos dependiendo del sexo, del grupo de edad y de la zona geográfica de residencia.
En general, la tasa de ocupación se incrementa (con impactos más fuertes en las mujeres)
o no se ve afectada por la participación en el programa, pero las tasas de ocupación
infantiles sí se redujeron. Solo para Bogotá, el estudio de (CNC, 2011) encuentra un impacto
negativo sobre la tasa de ocupación. Por su parte, hay impactos sobre las tasas de
desempleo y hay impactos negativos sobre las tasas de participación en el mercado laboral.
No obstante, para Colombia también existen estudios empíricos que abordan los efectos de
otros subsidios del gobierno, particularmente del régimen subsidiado de salud. Por ejemplo,
(Camacho, Conover, & Hoyos, 2009) muestran que la expansión del sistema de protección
social a principios de los noventa incentivó la informalidad laboral definida como la
proporción de trabajadores entre 12 y 65 años que no contribuyen al sistema de salud. Este
indicador aumentó en aproximadamente 3,8 puntos porcentuales tras la reforma, a partir
de las estimaciones utilizando como variable instrumental la diferencia temporal con la que
se realizó el levantamiento de información del Sistema de Identificación de Potenciales
Beneficiarios de Programas Sociales (SISBEN) que permitió la expansión de este programa.
En otro estudio, usando la metodología de variables instrumentales, (Gaviria, Medina, &

Mejía, 2006) encuentran que, bajo el régimen subsidiado de salud, las mujeres redujeron
su participación laboral con respecto a los del régimen contributivo en aproximadamente
34 puntos porcentuales. Mientras tanto, la participación laboral de los hombres se mantuvo
igual entre ambos regímenes.
Colombia Mayor es un programa de pensión no contributiva que busca garantizar un

ingreso mínimo para los ancianos que se encuentran en situación de extrema pobreza y no
pueden cubrir sus necesidades básicas de forma autónoma. Desde su implementación en
el año 2003, se han realizado dos evaluaciones de impacto de este programa. En la primera
de ellas, mediante una aproximación de variables instrumentales, (Pfutze & Rodríguez-
Castelán, 2015) encuentran que el subsidio incrementó la participación laboral, pero esto
solo es cierto para el segmento de beneficiarios menores de 70 años. También encontraron
un efecto positivo del programa sobre la probabilidad de ser empleado público, de trabajar
en el sector manufacturero y de ser trabajador independiente. Estos resultados varían entre
hombres y mujeres. Por su parte, una evaluación de este mismo programa realizada por el
Centro Nacional de Consultoría para el DNP en 2016, no encuentra evidencia de impactos
sobre los ingresos laborales del hogar.
3. Estrategia empírica
Como se ha planteado, el objetivo de este estudio es determinar si los hogares que son
beneficiarios de algún subsidio o de un paquete de éstos tienen menor participación laboral,
menor tasa de ocupación, mayor desempleo, menor número de horas trabajadas, mayor
tasa de informalidad y menor ingreso laboral promedio. Con este fin, es necesario aplicar
una metodología que permita controlar la endogeneidad que surge del hecho que los
hogares que acceden a los programas de subsidios del gobierno son más vulnerables y por
tanto más expuestos a un mercado laboral más precario, tasas de desempleo altas y baja
calidad del empleo.
Asimismo, estos hogares se auto-seleccionan para recibir subsidios del gobierno con base
en características observadas y no observadas. Al existir características que no podemos
observar, como la habilidad de los participantes para participar en los procesos de
aplicación que realiza el Estado para otorgar subsidios, tendríamos que los hogares
intervenidos son los más sagaces que deciden participar en los programas de subsidios del
gobierno. Debido a la sagacidad de estos hogares, es posible también que estos hogares
sean más activos en el mercado laboral y accedan a empleos de mejor calidad. La
metodología que utilicemos debe entonces tener en cuenta esta auto-selección de tal
manera que no arroje coeficientes de impacto sobre el mercado laboral más altos debido a
que no limpian el efecto de la “sagacidad”.
Para identificar los efectos en cuestión, se estiman dos modelos a partir de la información
de las encuestas de calidad de vida de los años 2013, 2014 y 2015. El primero es una
metodología de propensity score matching (PSM), que consiste en construir un grupo de
control constituido por hogares que son similares a los hogares que recibieron los subsidios,
pero que por diversas razones no accedieron a ellos. Específicamente, con el método de
PSM se busca emparejar cada hogar tratado con un hogar no tratado con base en sus
características observables. Al ser hogares similares en todas sus características
observables, la metodología permite asumir que la asignación del tratamiento entre cada
pareja de hogares fue aleatoria. El hecho de tener un grupo de control con unidades
similares a las que recibieron los subsidios, permite identificar con precisión qué habría
pasado con estas últimas en caso de no haber recibido los subsidios.
Siguiendo a Rosembaum y Rubin (1983), en este estudio se realiza el emparejamiento entre

hogares con base en su probabilidad de participación en el tratamiento (propensity score),
la cual se estima a partir de las características observadas de los hogares. Así, el primer paso
consiste en la estimación de la probabilidad de ser tratado mediante un modelo logit:
( )= ( = 1| ) = ( + + ) (1)
Donde ( = 1| ) es la probabilidad de que el individuo haya sido intervenido, y es un

vector de características observables del individuo. Dentro de este vector se incluyen
variables como región, área, sexo del jefe de hogar, edad del jefe de hogar, nivel educativo
del jefe de hogar, insuficiencia de pisos, vivienda cohabitada, tamaño del hogar,
hacinamiento, déficit de acueducto, quintil de ingreso y año de levantamiento de la
información.
Posterior a la estimación del puntaje de propensión de tratamiento, se procede a la

aplicación de un algoritmo para emparejar a los hogares cuyos puntajes sean los más
parecidos. Con el fin de verificar la robustez de los resultados, en este estudio se aplicaron
cuatro algoritmos de emparejamiento que se describen a continuación:
 Vecino más cercano: Este algoritmo consiste en buscar para cada individuo de
tratamiento un individuo de control con la probabilidad de participación más
cercana. El algoritmo busca entonces minimizar la distancia entre la probabilidad
predicha del individuo del grupo de tratamiento y la probabilidad predicha del
individuo de control. El individuo de control para el individuo de tratamiento está
dado por:
( )= ∈ = 0| arg max ( )− ( )
 Distancia máxima (radio): este algoritmo es una refinación del algoritmo anterior
cuando éste permite emparejar observaciones que no son muy parecidas.
Metodológicamente consiste en imponer una distancia máxima ( ) entre las
probabilidades de tratamiento de los individuos de tratamiento y de control y
emparejar únicamente cuando la distancia entre dos vecinos sea inferior o igual a
este umbral. En este caso, el grupo de comparación está dado por:
( )= ∈ = 0| ( )− ( ) ≤
 Kernel: Éste es un método no paramétrico que empareja a los individuos del grupo
de tratamiento con un promedio ponderado del grupo de control. En este promedio
ponderado otorga más peso a las unidades con probabilidad de participación más
cercanas dentro de un ancho de banda con respecto a la probabilidad predicha de
participación del individuo de tratamiento. Este ponderador ( ) es una
función de qué tan lejos está el individuo de tratamiento de cada individuo del
grupo de control .
( )− ( )
ℎ
=
( )− ( )
∑ ∈ ℎ
 Regresión Lineal Local: el método anterior como una regresión lineal de la variable
objetivo del grupo de control en el vecindario de cada observación del grupo de
tratamiento sobre un intercepto. El algoritmo RLL utiliza el mismo método de
estimación anterior, pero se asume que la variable de resultado cambia linealmente
con la probabilidad de participación.
Una vez emparejados los individuos del grupo de tratamiento, se obtiene un grupo de
control con el cual es posible hacer las comparaciones de promedios de variables de
resultado. Así, el estimador de interés para la evaluación de impacto de la intervención, es
el impacto promedio del programa sobre los tratados (ATT, por sus siglas en inglés):
= (1)| =1 − (0)| =1 (2)
En la anterior ecuación, (0)| = 1 es el resultado contrafactual, es decir, el valor

esperado de la variable de resultado en el grupo de tratamiento en ausencia del
tratamiento. Dado que este valor es imposible de observar en la vida real, nos aproximamos
a él mediante el grupo de control resultante del proceso de emparejamiento descrito
anteriormente.
= | =1 − ( )| () =0 (3)
A pesar de sus ventajas, el método de emparejamiento con propensity score tiene

debilidades debido a que puede generar estimadores sesgados en caso que los grupos de
tratamiento y control no estén balanceados en todas sus características y la probabilidad
de tratamiento sea una función de variables no observables. Además, los resultados del
emparejamiento son sensibles a la inclusión de variables y a cambios en la muestra.
Teniendo en cuenta estas dificultades, diversos refinamientos metodológicos del

emparejamiento han sido propuestos recientemente. Para garantizar un balance óptimo
entre el grupo de tratados y el grupo de controles, (Diamond & Sekhon, 2005) desarrollaron
un método para encontrar un balance óptimo a través de la verificación iterativa del balance
entre ambos grupos de comparación. Esta metodología utiliza un algoritmo de búsqueda
para encontrar la ponderación óptima para cada covariable de acuerdo a su importancia
relativa en el objetivo de maximizar el balance. Para ello, es necesario definir cómo medir
el balance y especificar una función de pérdida de balance a minimizar. En el caso particular
de este estudio, se buscará minimizar la distancia de Mahalanobis1, a la cual se adiciona el
parámetro que pondera las variables sobre las cuales se calcula dicha distancia.
, , = − − (4)
Donde es una matriz x que contiene los pesos de las covariables de la matriz de
características individuales . Todos los elementos de están restringidos a cero, excepto
los que se encuentran debajo de la diagonal principal, que contiene los parámetros a
maximizar. es la matriz de varianzas y covarianzas del . Una vez calculados los valores
de que maximizan el balance, los hogares de los grupos de tratamiento y control, son
emparejados con sus dos vecinos más cercanos. Una vez realizado el emparejamiento
1
La distancia de Mahalanobis es un concepto estadístico que hace referencia a un escalar que mide la distancia
multivariada (distancia entre vectores de variables) entre individuos de diferentes grupos.
genético, se procede utilizar el método paramétrico que permite encontrar el estimador de
impacto de la Ecuación (3).
Las metodologías de emparejamiento por probabilidad de participación y emparejamiento

genético tienen altos requerimientos de información, ya que es necesario conocer la mayor
cantidad de características tanto del grupo de tratados como del grupo de control para
garantizar la calidad del emparejamiento. La fuente de información que se utilizó para este
estudio es la Encuesta de Calidad de Vida (ECV) de los años 2013 a 2015, levantada por el
DANE –Departamento Administrativo Nacional de Estadísticas-.
La encuesta recoge anualmente desde 2010 datos sobre la calidad de vida de los individuos.
Así, la ECV permite tener características de las viviendas como cobertura de servicios
públicos, tipo de vivienda, tipo de tenencia, etc., características de los hogares como
percepción de subsidios, ingresos y gastos y características individuales en términos de
salud, educación, fuerza de trabajo y atención de menores de cinco años.
La muestra total está conformada por 64.711 hogares: 21.565 para 2013, 20.141 para 2014
y 23.005 para 2015. La encuesta es representativa a nivel nacional, para la población rural
y para las cabeceras urbanas. Además, es representativa de siente regiones: Antioquia, Valle
del Cauca, Atlántica, Pacífica, Oriental, Central, Bogotá, San Andrés y Orinoquía-Amazonía
para cada uno de los años.
4. Datos
El método propuesto tiene altos requerimientos de información, ya que es necesario

conocer la mayor cantidad de características tanto del grupo de tratados como del grupo
de control para garantizar la calidad del emparejamiento. Sin embargo, se puede aplicar al
tener una sola observación en el tiempo, es decir, no se necesita línea de base. En este
estudio, la fuente de información que se utilizó corresponde a tres cortes transversales
agrupados de la Encuesta de Calidad de Vida (ECV) de los años 2013 a 2015, levantada por
el DANE –Departamento Administrativo Nacional de Estadísticas-.
La encuesta recoge anualmente desde 2010 datos sobre la calidad de vida de los individuos.
Así, la ECV permite tener características de las viviendas como cobertura de servicios
públicos, tipo de vivienda, tipo de tenencia, etc., características de los hogares como
percepción de subsidios, ingresos y gastos y características individuales en términos de
salud, educación, fuerza de trabajo y atención de menores de cinco años.
La muestra total está conformada por 64.711 hogares: 21.565 para 2013, 20.141 para 2014
y 23.005 para 2015. La encuesta es representativa a nivel nacional, para la población rural
y para las cabeceras urbanas. Además, es representativa de siente regiones: Antioquia, Valle
del Cauca, Atlántica, Pacífica, Oriental, Central, Bogotá, San Andrés y Orinoquía-Amazonía
para cada uno de los años.
El principal motivo por el cual nos restringimos a un período de tiempo particular, es que se
puede garantizar mayor homogeneidad en las características de los subsidios entregados a
través de los años. En ese sentido, el programa de Familias en Acción fue reformado en el
año 2013 en los siguientes aspectos: el nuevo instrumento de focalización fue el Sisben 3,
así que los hogares que ya no se encontraran por debajo del umbral de elegibilidad bajo
este instrumento, dejaron de ser beneficiarios del programa tras un período de gracia de
dos años; se clasificaron geográficamente los municipios en cuatro grupos con el fin de
otorgar montos diferenciados (Bogotá, resto de ciudades principales del país, municipios
con incidencia del IPM inferior al 70% y municipios con incidencia del IPM superior al 70%);
se incluyeron los beneficiarios de Red Unidos como potenciales beneficiarios de Familias en
Acción; y se definió un tope de hasta tres niños por hogar para recibir el beneficio entre
otros cambios.
La ECV permite cuantificar y caracterizar las condiciones de vida de los hogares colombianos
en términos de vivienda, educación, salud, cuidado de los niños, fuerza de trabajo, gastos e
ingresos, tenencia de bienes y percepción del jefe o de su cónyuge sobre sus condiciones
de vida. Adicionalmente, mediante la ECV es posible identificar los hogares beneficiarios de
diversas formas de ayuda estatal en la forma de subsidios. Particularmente, se identificaron
los siguientes: Familias en Acción, adulto mayor, gratuidad de la educación, afiliación al
régimen subsidiado de salud, subsidio para vivienda, alimentación escolar gratuita y
asistencia a hogares comunitarios. El cuadro
Cuadro 1. Frecuencias de los principales subsidios

Número de
Subsidio Porcentaje
beneficiarios
Régimen subsidiado 41.343 54,29%
Educación pública 29.583 44,67%
Alimentación Escolar 19.022 27,39%
Familias en Acción 14.034 17,73%
Adulto Mayor 5.879 6,28%
Hogares Comunitarios 5.242 9,59%
Ningún subsidio 14.153 27,3%
Fuente: ECV 2013-2015
A partir del cuadro anterior se puede inferir que los hogares colombianos usualmente son
beneficiarios de más de una ayuda estatal. En efecto, en la diagonal del Cuadro 2 se
observan los porcentajes de población que reciben únicamente el subsidio
correspondiente, mientras que las cifras arriba de la diagonal muestran los porcentajes de
la población que es beneficiaria del paquete conformado por los subsidios de la fila y la
columna correspondientes.
Cuadro 2. Proporción de la población que es beneficiaria de diferentes combinaciones

de subsidios
Régimen Educación Alimentación Familias en Hogares
subsidiado pública Escolar Acción Comunitarios
Régimen
21,05% 6,41% 0,21% 1,39% 1,44%
subsidiado
Educación
6,94% 5,74% 0,40% 0,62%
pública
Alimentación
0,37% 0,04% 0,02%
Escolar
Familias en
0,28% 0,13%
Acción
Hogares
2,18%
Comunitarios
En este cuadro se observa que los porcentajes de población que reciben un único subsidio
son mucho menores que los mostrados en el Cuadro 1. Por ejemplo, mientras el 54,3% de
la población es beneficiario del régimen subsidiado de salud, solo el 21% recibe únicamente
esa ayuda. El 33,24% restante reciben otra u otras ayudas además de la salud subsidiada.
En particular, el 6,41% de ellos se benefician de salud y de educación subsidiada, el 0,21%
de salud y de alimentación escolar, el 1,39% de salud y de transferencias condicionadas de
Familias en Acción, el 1,44% de salud y de hogares comunitarios, y el restante 23% se
benefician de paquetes de subsidios aún más grandes.
Ante esta evidencia, cabe preguntarse si los impactos de tener subsidios son diferenciados
dependiendo de si los hogares beneficiarios reciben más de uno de estos subsidios. Los
cuadros 3 y 4 presentan algunas estadísticas descriptivas que dan una respuesta descriptiva
a esta pregunta. En estos cuadros se observa que el ingreso laboral promedio de los hogares
con más de un subsidio tiende a ser menor que el de los hogares que reciben un único
subsidio (Cuadro 3). En este cuadro, los valores resaltados en rojo corresponden a las
combinaciones de subsidios para las cuales el ingreso laboral es menor que el ingreso de los
hogares que reciben únicamente el subsidio de la fila. En ese sentido, los beneficiarios del
paquete de régimen subsidiado de salud y Familias en Acción tienen en promedio menor
ingreso (233.000) que los hogares que únicamente se benefician del subsidio de salud
(262.623). De igual manera, el Cuadro 4 muestra que, para algunos casos, la tasa de
ocupación de los hogares que se benefician de paquetes de subsidios son menores que en
los hogares donde se recibe un único beneficio. Sin embargo, para este caso, la situación es
menos frecuente y no es posible deducir ninguna asociación entre el número de beneficios
recibidos y la tasa de ocupación.
Cuadro 3. Ingreso laboral promedio para diferentes combinaciones de subsidios

Régimen
262.623 484.792 801.388 233.000 509.620
subsidiado
Educación
1.042.290 826.663 510.138 1.296.194
pública
Alimentación
1.480.277 419.999 395.204
Escolar
Familias en
737.973 722.994
Acción
Hogares
1.442.434
Comunitarios
Cuadro 4. Tasa de ocupación promedio para diferentes combinaciones de subsidios

Régimen
61,57% 61,12% 61,77% 66,9% 63,66%
subsidiado
Educación
67,44% 73,12% 68,66% 72,22%
pública
Alimentación
77,4% 46,47% 77,63%
Escolar
Familias en
71,63% 79,47%
Acción
Hogares
78,68%
Comunitarios
a. Grupos de tratamiento y control
De acuerdo con lo expuesto en la sección anterior, es necesario seleccionar

cuidadosamente los grupos de tratamiento y control, de tal manera que sea posible aislar
el impacto de cada subsidio y de cada combinación de subsidios. Para ello, en este estudio
se definieron grupos de tratamiento conformados por los hogares que reciben un único
subsidio o combinación de subsidios y no se benefician de ninguna otra ayuda aparte de las
que conforman dicha combinación. Por su parte, el grupo de control está conformado por
los hogares que no son beneficiarios de ninguno de los cinco subsidios mencionados. Es
importante aclarar que este grupo de control es único y es el mismo para todos los
tratamientos considerados en el estudio.
Se conformaron varios grupos de tratamiento correspondientes a los hogares con las

combinaciones de subsidios más frecuentes. Estas combinaciones se definieron con base
en los cinco subsidios con mayor frecuencia dentro de la muestra total de la ECV 2013-2015
(Salud, Educación, Alimentación Escolar -PAE-, Familias en Acción -FA- y Hogares
Comunitarios -HC).
En el Cuadro 5 aparecen las posibles combinaciones de estos cinco tipos de ayuda con sus
respectivas frecuencias. Allí se puede evidenciar que el grupo de control está conformado
por el 27,3% de la población que no recibe ninguno de los cinco subsidios bajo
consideración. El grupo de tratamiento más grande (21%) es el que está conformado por
hogares que se benefician del régimen subsidiado de salud (y no reciben ningún otro
subsidio) con 21% de la población. Los paquetes de subsidios más frecuentes son “Familias
en Acción, Salud, Educación y PAE” con aproximadamente el 9% de la población y “Salud,
Educación y PAE” con 8% de la población.
Cuadro 5. Frecuencias de los principales subsidios y combinaciones de subsidios

Subsidio % de población
Salud 27,4%
Ninguno de los cinco 22,8%
FA Salud Educación PAE 11,3%
Salud Educación PAE 8,4%
Salud Educación 7,0%
Educación 5,6%
Educación PAE 4,4%
FA Salud Educación 3,1%
FA Salud 1,7%
FA Salud Educación PAE HC 1,5%
Salud HC 1,1%
FA Educación PAE 1,0%
Salud Educación PAE HC 0,8%
Salud FA HC 0,8%
HC 0,6%
Salud Educación HC 0,5%
Salud Educación FA HC 0,5%
FA Educación 0,5%
Educación PAE HC 0,3%
Educación HC 0,3%
FA 0,3%
FA HC 0,1%
Educación PAE FA HC 0,1%
Educación FA HC 0,0%
Salud PAE FA HC 0,0%
FA Salud PAE 0,0%
Salud PAE HC 0,0%
PAE FA HC 0,0%
FA PAE 0,0%
Salud PAE 0,0%
PAE HC 0,0%
PAE 0,0%
Total 100%
La evaluación del presente estudio contemplará siete grupos de tratamiento, los cuales
aparecen en negrilla en el cuadro anterior. Estos grupos corresponden a los hogares que
reciben las combinaciones de subsidios más frecuentes.
Para cada uno de estos grupos de tratamiento, se aplicará la metodología de Propensity

Score Matching para identificar el impacto sobre las variables del mercado laboral que se
describen a continuación:
 Tasa de ocupación: que corresponde al porcentaje de personas activas del hogar que
durante el período de referencia: trabajó por lo menos una hora remunerada en la
semana de referencia; no trabajó la semana de referencia, pero tenía un trabajo o es un
trabajador familiar sin remuneración que trabajó en la semana de referencia por lo
menos 1 hora.
 Tasa global de participación: Es la relación porcentual entre la población
económicamente activa y la población en edad de trabajar. Para este estudio, este
indicador se calcula a nivel de hogar y refleja la presión de la población sobre el mercado
laboral.
 Tasa de desempleo: Es la relación porcentual entre el número de personas que están
buscando trabajo (DS), y el número de personas que integran la fuerza laboral (PEA).
Para este estudio, este indicador se calcula a nivel de hogar.
 Tasa de formalidad: Es la relación porcentual entre el número de personas que tienen
un trabajo formal y el número de personas que se encuentran ocupadas dentro del
hogar. Para este estudio, se consideran formales los individuos que cotizan al sistema
de pensiones, siguiendo la definición de (López, 2010).
 Número de horas trabajadas: Es el número de horas trabajadas semanalmente. Para el
presente estudio, se toma en cuenta el número de horas trabajadas por el jefe de hogar.
 Ingreso laboral: Es el total de ingresos laborales del hogar en precios constantes de
2010.
Cada una de estas variables se construyen a partir del módulo de Fuerza de Trabajo de la
ECV, que se aplica sobre los integrantes del hogar que sean mayores de 12 años. A
continuación se presentan algunas estadísticas descriptivas a partir de las cuales se pueden
establecer algunas asociaciones entre la pertenencia a algún programa de subsidios del
Estado y el desempeño en algunos indicadores del mercado laboral de los hogares (tasa de
ocupación, tasa de desempleo, tasa de formalidad e ingreso laboral).
El Gráfico 1 muestra la tasa de ocupación promedio para los grupos beneficiarios de cada
uno de los cinco subsidios objeto de análisis. Las dos columnas del gráfico corresponden a
dos formas distintas de conformar estos grupos de beneficiarios: la columna azul muestra
la tasa de ocupación promedio del grupo de hogares que únicamente se benefician de ese
subsidio y de ningún otro, mientras que la columna anaranjada muestra este mismo
indicador para el grupo de hogares que se benefician de este subsidio y de algún(os) otro(s)
subsidio(s). En comparación con el grupo de hogares que no es beneficiario de ninguno de
los cinco subsidios (línea horizontal punteada gris), solo los beneficiarios del régimen
subsidiado de salud tienen tasa de ocupación más baja. Además, a partir de este gráfico se
puede inferir que las tasas de ocupación son más altas para los beneficiarios de un único
subsidio que para los beneficiarios de varios subsidios simultáneamente.
El panel inferior del Gráfico 1 permite concluir que, en todos los casos, las tasas de
ocupación de los beneficiarios de un único subsidio (columnas azules) son mayores que las
de los beneficiarios de cualquier combinación de subsidios (columnas anaranjadas). No
obstante, no es posible establecer ninguna relación entre los hogares que no se benefician
de ningún subsidio y los distintos grupos de beneficiarios.
Gráfico 1. Tasas de ocupación en hogares con diferentes subsidios

Tasa de ocupación para diferentes subsidios
90%
77% 79%
80% 72%
67% 66% 68% 70%
70% 66%
62% 63%
60%
50%
40%
30%
20%
10%
0%
Salud Educación PAE FA HC
Sólo subsidio Subsidio y otros Ninguno
El Gráfico 2, que se interpreta de manera similar al anterior, indica en el panel superior que,
con excepción del subsidio de salud, las tasas de desempleo de los hogares que se
benefician de más de un subsidio (columnas anaranjadas) son mayores que las de los
hogares que perciben una única ayuda (columnas azules). Además, la tasa de desempleo
promedio del grupo de control (hogares que no reciben ningún subsidio) es mayor que la
de los grupos de beneficiarios únicos.
Los beneficiarios del régimen subsidiado de salud constituyen la excepción, toda vez que
sus tasas de desempleo son más altas, comparadas con hogares que además reciben más
subsidios y con hogares que no reciben ningún subsidio. Lo anterior es una consecuencia
de la naturaleza de este subsidio, al cual no acceden los empleados del sector formal, los
cuales deben contribuir obligatoriamente para acceder al servicio de salud.
Gráfico 2. Tasas de desempleo para diferentes grupos de tratamiento

Tasa de desempleo para diferentes subsidios
5,0%
4,4%
4,5% 4,1%
4,0% 3,6% 3,5%
3,5%
3,5% 3,3%
3,0% 3,0%
3,0%
2,5%
2,0%
1,5%
1,0% 0,5% 0,3%
0,5%
0,0%
En cuanto a la formalidad en el mercado laboral, cabe resaltar nuevamente el hecho de que

los hogares que se benefician de un único subsidio se desempeñan mejor que los que
reciben otros subsidios además del éste. Así, por ejemplo, los hogares que únicamente
perciben el subsidio de educación pública tienen una tasa de formalidad promedio de
aproximadamente 60%, pero los hogares que además de educación gratuita reciben
alguno(s) de los otros subsidios en cuestión tienen una tasa de formalidad promedio de
31%.
Gráfico 3. Tasas de formalidad para diferentes grupos de tratamiento
Tasa de formalidad para diferentes subsidios

80%
71,0%
67,1%
70%
60,0%
60% 54,2%
50%
40% 36,7%
30,9%
30% 26,7%
20% 13,0%14,5% 14,5%

10%
0%

Finalmente, el ingreso laboral es más alto cuando los hogares son beneficiarios de un único
subsidio, que cuando son beneficiarios de una combinación de éstos. Además, en todos los
casos, las combinaciones de subsidios están asociadas a menores ingresos con respecto a
los beneficiarios de ningún subsidio (línea gris punteada), tal como se puede constatar en
los dos paneles del Gráfico 4.
Gráfico 4. Ingreso laboral para diferentes grupos de tratamiento
Ingreso laboral para diferentes subsidios

1.600.000 1.480.277 1.442.434
1.400.000
1.200.000 1.042.290
1.000.000
800.000
737.973 717.338
600.000
540.483
449.922
400.000 310.853
262.623 285.298
200.000
0
A partir de las cifras presentadas anteriormente se puede inferir que los paquetes de dos o
más ayudas estatales son más perjudiciales en términos del mercado laboral que cada una
de estas ayudas individualmente. Además, no es posible establecer claramente la relación
entre los beneficiarios de estas ayudas (solas o en paquetes) y los hogares no beneficiarios
de ningún subsidio.
A pesar de lo anterior, la evaluación de impacto, cuyos resultados se presentarán en la

siguiente sub-sección es la que nos permitirá si éstas asociaciones se deben a un efecto
causal de otorgar subsidios a un hogar. Esto se puede establecer mediante la metodología
propuesta anteriormente, mediante la cual se comparan grupos de individuos que difieren
únicamente en el hecho de ser beneficiario de un subsidio o paquete de éstos2.
2
Y asumiendo que los grupos son balanceados en características observables y no observables.
5. Resultados
Los resultados que se presentan en esta sección corresponden a la comparación de distintos

grupos de tratamiento con el mismo grupo de control, conformado por los hogares de las
ECV 2013-2015 que no se beneficiarios de ninguna de las cinco ayudas estatales más
frecuentes: Salud, Educación, Alimentación Escolar -PAE-, Familias en Acción y Hogares
Comunitarios.
Para encontrar el estimador de ATT, es necesario que se cumpla la condición de existencia

de un soporte común. Esto quiere decir que debe existir individuos en el grupo de control
tales que emparejen con los individuos del grupo de tratamiento. Esta condición implica
que deben existir individuos con el mismo vector de covariables cuyas probabilidades de
tratamiento sean tanto positivas como negativas. Dicha condición se puede verificar
visualmente mediante la comparación de las distribuciones de probabilidad de tratamiento
entre los individuos emparejados tanto del grupo de control como del grupo de
tratamiento.
En el caso del subsidio de salud, existe un soporte común amplio ya que para todo el
dominio existen hogares con probabilidades positivas (tratados) y negativas (controles). Sin
embargo, este soporte no es bueno ya que, a lo largo de todo el dominio de probabilidades,
las distribuciones de ambos grupos divergen (ver Gráfico 5). Mientras en el grupo de
tratados las probabilidades predichas de participación se concentran en valores entre 80%
y 90%, en el grupo de control, estas probabilidades se concentran entre 5% y 10%
aproximadamente. Lo anterior quiere decir que, incluso controlando por características
observables, estos grupos son significativamente diferentes y por ello el emparejamiento
puede no resultar efectivo para estimar los impactos.
Gráfico 5. Soporte común para subsidio de salud

(emparejamiento por vecino más cercano)
Una forma de verificar la calidad del emparejamiento es contrastar el balance en variables
observables entre los grupos de tratados y controles antes y después del emparejamiento.
El argumento es que, si el tratamiento depende únicamente de variables observables, al
realizar un emparejamiento basado en este conjunto de variables, cualquier brecha
existente entre tratados y controles que existiera antes de emparejar, debería cerrarse. El
Cuadro 6 muestra el balance entre tratados del grupo 13 (sólo reciben subsidio de salud) y
controles antes y después del emparejamiento. El balance se mide aquí como la diferencia
de medias antes y después para diversas variables observables (las mismas incluidas en la
estimación del propensity score).
Cuadro 6. Diferencia de medias entre tratados y controles (Grupo de Tratamiento 1)

antes y después del emparejamiento
Sin Matching/
Variable Tratados Controles % Sesgo P-value
Con Matching
Región Andina U 0,36 0,48 -24,70 0,000
M 0,36 0,36 -0,40 0,758
Región Caribe U 0,21 0,15 17,10 0,000
M 0,22 0,21 1,90 0,133
Región Pacífica U 0,06 0,06 1,50 0,123
M 0,06 0,07 -1,40 0,258
Urbano U 0,45 0,66 -43,40 0,000
M 0,44 0,47 -4,90 0,000
Sexo jefe U 0,65 0,65 -1,40 0,147
3
El balance para los demás tratamientos antes y después del emparejamiento se puede observar en detalle
en los cuadros del Anexo 1.
M 0,66 0,65 0,80 0,487
Edad jefe U 43,52 50,85 -48,70 0,000
M 43,92 43,09 5,50 0,000
Educación jefe: Ninguna U 0,10 0,08 6,50 0,000
M 0,10 0,09 2,10 0,092
Educación jefe: Preescolar U 0,00 0,00 -0,20 0,823
M 0,00 0,00 -0,50 0,702
Educación jefe: Primaria U 0,53 0,40 26,90 0,000
M 0,53 0,51 4,90 0,000
Educación jefe: Secundaria U 0,32 0,34 -5,10 0,000
M 0,32 0,34 -5,90 0,000
Educación jefe: Técnico o U 0,03 0,08 -18,30 0,000
tecnológico M 0,03 0,04 -1,60 0,105
Educación jefe: U 0,00 0,01 -10,70 0,000
Universitario sin título M 0,00 0,00 0,40 0,598
Educación jefe: U 0,01 0,06 -28,00 0,000
Universitario con título M 0,01 0,01 0,30 0,646
Insuficiencia de paredes U 0,01 0,01 5,50 0,000
M 0,01 0,01 0,30 0,836
Vivienda cohabitada U 0,05 0,04 2,50 0,008
M 0,05 0,05 -0,60 0,653
Cantidad de personas en el U 4,62 3,00 94,90 0,000
hogar M 4,65 4,64 0,90 0,516
Insuficiencia de pisos U 0,00 0,00 , ,
M 0,00 0,00 , ,
Déficit de acueducto U 0,63 0,76 -27,60 0,000
M 0,63 0,64 -2,70 0,036
Ingresos: quintil 1 U 0,37 0,15 50,70 0,000
M 0,37 0,35 5,10 0,000
M 0,32 0,33 -2,80 0,039
M 0,20 0,22 -4,30 0,001
Ingresos: quintil 4 U 0,09 0,23 -38,90 0,000
M 0,09 0,09 0,40 0,663
M 0,09 0,09 0,40 0,663
Teniendo en cuenta las consideraciones anteriores con respecto a la calidad del

emparejamiento, a continuación se presentan los resultados de impacto para cada uno de
los dos métodos considerados en este estudio.
El Cuadro 7 muestra los impactos de cada uno de los siete grupos de tratamiento
considerados sobre seis indicadores del mercado laboral bajo la metodología de
emparejamiento simple. Los coeficientes reportados en este cuadro corresponden al
promedio de los coeficientes resultantes de utilizar los cuatro algoritmos de
emparejamiento. Además, se reportan únicamente los coeficientes que resultaron
significativos en al menos tres de los cuatro algoritmos de emparejamiento 4.
Cuadro 7. Resumen de los impactos de los subsidios sobre variables del mercado laboral
Metodología: Emparejamiento Simple
Tasa de Tasa de Tasa Horas Ingreso

Subsidios TGP
ocupación desempleo formalidad trabajadas promedio
Salud 0,061 0,048 -0,205 -2,41 - 209.758
FA Salud
0,092 -0,025 -0,306 -4,68 -492.469
Educación PAE
Salud Educación
0,075 -0,284 -2,32 -463.921
PAE
Educación -0,008 0,030 - 199.197
Salud Educación -0,258 -466.637
Educación PAE 0,062 0,042 -0,009 -151.369
FA Salud
0,086 -0,026 -0,283 -438.298
Educación
El Cuadro 7 muestra que, contrario a lo esperado, los subsidios generan incremento en las
tasas de ocupación que oscilan entre 6 y 8 puntos porcentuales dependiendo del subsidio
o paquete de subsidio (ver columna 1 del cuadro). En la misma línea, la tasa global de
participación se incrementa como consecuencia de ser beneficiario de algunos subsidios
(ver columna 2) y la tasa de desempleo se reduce entre 0,8 y 2,6 puntos porcentuales (ver
columna 3).
Por otra parte, el subsidio que parece generar el efecto de reducir la formalidad es el de
salud. Los hogares donde algún miembro es beneficiario del régimen subsidiado de salud,
tienen una tasa de formalidad 20 puntos porcentuales menor que la de aquellos hogares
que no tienen ningún subsidio. Además, todos los grupos de hogares que son beneficiarios
4
En el Anexo 2 se presenta con mayor detalle los coeficientes estimados bajo cada uno de los algoritmos de
emparejamiento.
de algún paquete que contenga el subsidio de salud, tienen tasas de formalidad mucho más
bajas con respecto al grupo de control. Lo anterior es una consecuencia obvia de la regla de
elegibilidad para el régimen contributivo de salud (ser empleado del sector formal).
Otro resultado consistente es el relacionado a los ingresos laborales. Como se observa en

la última columna del Cuadro 7, con respecto al grupo de hogares que no accede a ningún
subsidio, los hogares con cualquiera de las combinaciones de subsidio bajo consideración
tienen ingresos laborales más bajos. Considerando también los resultados en ocupación y
desempleo, se puede concluir que los hogares que acceden a subsidios si bien tienen tasas
de ocupación más altas, acceden a empleos de menor calidad y peor remunerados.
No obstante, es importante ser cuidadosos con la interpretación de estos resultados, ya

que, como se evidenció antes en esta sección, la calidad del emparejamiento es
cuestionable. Teniendo en cuenta esta limitación, se reestimaron los resultados con una
segunda aproximación metodológica que permite mejorar el emparejamiento mediante la
optimización iterativa de las ponderaciones otorgadas a cada covariable según su
importancia para alcanzar un mejor balance después del emparejamiento. Los resultados
de aplicar esta metodología, llamada emparejamiento genético, se presentan en el Cuadro
8.
Cuadro 8. Resumen de los impactos de los subsidios sobre variables del mercado laboral
Metodología: Emparejamiento Genético
Tasa de Tasa de Tasa Horas Ingreso
Subsidios TGP
ocupación desempleo formalidad trabajadas promedio
Salud -0,0011 -0,0014 -0,189 -1.99
(0,85) (0,85) (0,00) (0,00)
FA Salud
Educación PAE
Salud Educación
PAE
Educación
Salud Educación
Educación PAE
FA Salud
Educación
A partir de lo anterior, se puede inferir que los subsidios no tienen los desincentivos
esperados sobre el mercado laboral. Algunos de ellos aumentan la tasa de ocupación de los
hogares, algunos reducen el desempleo y algunos reducen los ingresos. Estas conclusiones,
sin embargo, no son consistentes para todos los subsidios.
En contraste, los impactos de los paquetes de subsidios en el ¡Error! No se encuentra el

origen de la referencia. con más consistentes en las variables de tasa de ocupación, tasa de
desempleo e ingreso promedio. En general, ser un hogar beneficiario de una de las
combinaciones de subsidios que aparecen en el ¡Error! No se encuentra el origen de la
referencia., implica que la tasa de ocupación del hogar aumenta entre 6,2 y 9,2 puntos
porcentuales. El único paquete de subsidios que no se traduce en mayor (o menor) tasa de
ocupación es el de Salud y Educación.
La tasa de desempleo, por su parte, disminuye para los beneficiarios de los paquetes “FA,
Salud, Educación y PAE”, “FA, Salud y Educación” y “Educación y PAE”. Este impacto es de
aproximadamente 2,5 puntos porcentuales para los dos primeros paquetes y de 0,9 puntos
para el último.
Todas las combinaciones de subsidios más frecuentes en la población colombiana, con

excepción de Educación y PAE, tienen el impacto de reducir la tasa de formalidad (ver
columna 4 del ¡Error! No se encuentra el origen de la referencia.). Cabe anotar que todos
estos paquetes para los cuales el efecto es significativo incluyen hogares beneficiarios del
régimen subsidiado de salud, para el cual ya se indicó que este resultado sobre la formalidad
es esperado toda vez que la naturaleza del subsidio así lo determina.
Finalmente, el ingreso laboral promedio de los hogares beneficiarios está asociado a ser
beneficiario de paquetes de subsidios. Vale la pena aclarar que esta relación puede ser una
consecuencia de la focalización de los diversos programas, que favorecen a los hogares en
condiciones de pobreza y con mayor vulnerabilidad, factores que no son totalmente
controlados por el modelo de emparejamiento basado en observables que utilizamos en
este artículo.
6. Conclusiones
7. Bibliografía
Barrientos, A., & Villa, J. M. (2013). Antipoverty transfers and labour force participation effects.
The University of Manchester, UK: Brooks World Poverty Institute.
Camacho, A., Conover, E., & Hoyos, A. (2009). Effects of Colombia's Social Protection System on
Workers' Choice between Formal and Informal Employment. Documento CEDE No. 2009-
18 .
CNC. (2008). Evaluación del Programa Familias en Acción para Población Desplazada. Bogotá D.C.:
DNP.
CNC. (2011). Evaluación del Programa Familias en Acción en grandes centros urbanos. Bogotá D.C.:
DNP.
DNP-Acción Social-BID-Banco Mundial. (2008). Programa Familias en Acción: Impactos en capital

humano y evaluación beneficio-costo del programa. Bogotá D.C.: DNP.
ECONOMETRÍA - SEI. (2012). Impactos de largo plazo del programa Familias en Acción en
municipios de menos de 100 mil habitantes en los aspectos claves del desarrollo del capital
humano. Bogotá D.C.: DPS-DNP.
Espinosa, F., & Nanclares, E. (2016). Efectos del programa Más Familias en Acción sobre variables
del mercado laboral. Bogotá D.C.: mimeo.
Farné, S., Rodríguez, D., & Ríos, P. (2016). Impacto de los subsidios estatales sobre el emrcado
laboral en Colombia. Mimeo, Bogotá.
Gaviria, A., Medina, c., & Mejía, C. (2006). Evaluating the impact of health care reform in
Colombia: from theory to practice. DOCUMENTO CEDE 2006-06 .
Pfutze, T., & Rodríguez-Castelán, C. (2015). Can a Small Social Pension Promote Labor Force
Participation?: Evidence from the Colombia Mayor Program. World Bank Group, Policy
Research Working Paper 7516.
UT IFS-ECONOMETRÍA-SEI. (2007). Evaluación de Impacto del Programa Familias en Acción. Bogotá

D.C.: DNP.
8. Anexos
Anexo 1. Balance en variables observadas antes y después del emparejamiento

a) Tratamiento 2: Familias en Acción, Salud, Educación y PAE
Variable Sin Matching/ Tratados Controles % Sesgo P-value

Con Matching
Región Andina U 0,36 0,48 -24,70 0,000
M 0,36 0,36 -0,40 0,758
Región Caribe U 0,21 0,15 17,10 0,000
M 0,22 0,21 1,90 0,133
M 0,06 0,07 -1,40 0,258
Urbano U 0,45 0,66 -43,40 0,000
M 0,44 0,47 -4,90 0,000
Sexo jefe U 0,65 0,65 -1,40 0,147
M 0,66 0,65 0,80 0,487
Edad jefe U 43,52 50,85 -48,70 0,000
M 43,92 43,09 5,50 0,000
M 0,10 0,09 2,10 0,092
M 0,00 0,00 -0,50 0,702
M 0,53 0,51 4,90 0,000
M 0,32 0,34 -5,90 0,000
tecnológico M 0,03 0,04 -1,60 0,105
Educación jefe: U 0,00 0,01 -10,70 0,000
Educación jefe: U 0,01 0,06 -28,00 0,000
M 0,01 0,01 0,30 0,836
M 0,05 0,05 -0,60 0,653
hogar M 4,65 4,64 0,90 0,516
M 0,00 0,00 , ,
M 0,63 0,64 -2,70 0,036
M 0,37 0,35 5,10 0,000
M 0,32 0,33 -2,80 0,039
M 0,20 0,22 -4,30 0,001
M 0,09 0,09 0,40 0,663
M 0,09 0,09 0,40 0,663
b) Tratamiento 3: Salud, Educación y PAE
Sin Matching/
Con Matching
Región Andina U 0,36 0,48 -24,70 0,000
M 0,36 0,36 -0,40 0,758
Región Caribe U 0,21 0,15 17,10 0,000
M 0,22 0,21 1,90 0,133
M 0,06 0,07 -1,40 0,258
Urbano U 0,45 0,66 -43,40 0,000
M 0,44 0,47 -4,90 0,000
Sexo jefe U 0,65 0,65 -1,40 0,147
M 0,66 0,65 0,80 0,487
Edad jefe U 43,52 50,85 -48,70 0,000
M 43,92 43,09 5,50 0,000
M 0,10 0,09 2,10 0,092
M 0,00 0,00 -0,50 0,702
M 0,53 0,51 4,90 0,000
M 0,32 0,34 -5,90 0,000
tecnológico M 0,03 0,04 -1,60 0,105
Educación jefe: U 0,00 0,01 -10,70 0,000
Educación jefe: U 0,01 0,06 -28,00 0,000
M 0,01 0,01 0,30 0,836
M 0,05 0,05 -0,60 0,653
hogar M 4,65 4,64 0,90 0,516
M 0,00 0,00 , ,
M 0,63 0,64 -2,70 0,036
M 0,37 0,35 5,10 0,000
M 0,32 0,33 -2,80 0,039
M 0,20 0,22 -4,30 0,001
M 0,09 0,09 0,40 0,663
M 0,09 0,09 0,40 0,663
c) Tratamiento 4: Salud y Educación
Sin Matching/
Con Matching
Región Andina U 0,36 0,48 -24,70 0,000
M 0,36 0,36 -0,40 0,758
Región Caribe U 0,21 0,15 17,10 0,000
M 0,22 0,21 1,90 0,133
M 0,06 0,07 -1,40 0,258
Urbano U 0,45 0,66 -43,40 0,000
M 0,44 0,47 -4,90 0,000
Sexo jefe U 0,65 0,65 -1,40 0,147
M 0,66 0,65 0,80 0,487
Edad jefe U 43,52 50,85 -48,70 0,000
M 43,92 43,09 5,50 0,000
M 0,10 0,09 2,10 0,092
M 0,00 0,00 -0,50 0,702
M 0,53 0,51 4,90 0,000
M 0,32 0,34 -5,90 0,000
tecnológico M 0,03 0,04 -1,60 0,105
Educación jefe: U 0,00 0,01 -10,70 0,000
Educación jefe: U 0,01 0,06 -28,00 0,000
M 0,01 0,01 0,30 0,836
M 0,05 0,05 -0,60 0,653
hogar M 4,65 4,64 0,90 0,516
M 0,00 0,00 , ,
M 0,63 0,64 -2,70 0,036
M 0,37 0,35 5,10 0,000
M 0,32 0,33 -2,80 0,039
M 0,20 0,22 -4,30 0,001
M 0,09 0,09 0,40 0,663
M 0,09 0,09 0,40 0,663
d) Tratamiento 5: Educación
Sin Matching/
Con Matching
Región Andina U 0,36 0,48 -24,70 0,000
M 0,36 0,36 -0,40 0,758
Región Caribe U 0,21 0,15 17,10 0,000
M 0,22 0,21 1,90 0,133
M 0,06 0,07 -1,40 0,258
Urbano U 0,45 0,66 -43,40 0,000
M 0,44 0,47 -4,90 0,000
Sexo jefe U 0,65 0,65 -1,40 0,147
M 0,66 0,65 0,80 0,487
Edad jefe U 43,52 50,85 -48,70 0,000
M 43,92 43,09 5,50 0,000
M 0,10 0,09 2,10 0,092
M 0,00 0,00 -0,50 0,702
M 0,53 0,51 4,90 0,000
M 0,32 0,34 -5,90 0,000
tecnológico M 0,03 0,04 -1,60 0,105
Educación jefe: U 0,00 0,01 -10,70 0,000
Educación jefe: U 0,01 0,06 -28,00 0,000
M 0,01 0,01 0,30 0,836
M 0,05 0,05 -0,60 0,653
hogar M 4,65 4,64 0,90 0,516
M 0,00 0,00 , ,
M 0,63 0,64 -2,70 0,036
M 0,37 0,35 5,10 0,000
M 0,32 0,33 -2,80 0,039
M 0,20 0,22 -4,30 0,001
M 0,09 0,09 0,40 0,663
M 0,09 0,09 0,40 0,663
e) Tratamiento 6: Educación y PAE
Variable Sin Matching/ Tratados Controles % Sesgo P-value

Con Matching
Región Andina U 0,36 0,48 -24,70 0,000
M 0,36 0,36 -0,40 0,758
Región Caribe U 0,21 0,15 17,10 0,000
M 0,22 0,21 1,90 0,133
M 0,06 0,07 -1,40 0,258
Urbano U 0,45 0,66 -43,40 0,000
M 0,44 0,47 -4,90 0,000
Sexo jefe U 0,65 0,65 -1,40 0,147
M 0,66 0,65 0,80 0,487
Edad jefe U 43,52 50,85 -48,70 0,000
M 43,92 43,09 5,50 0,000
M 0,10 0,09 2,10 0,092
M 0,00 0,00 -0,50 0,702
M 0,53 0,51 4,90 0,000
M 0,32 0,34 -5,90 0,000
tecnológico M 0,03 0,04 -1,60 0,105
Educación jefe: U 0,00 0,01 -10,70 0,000
Educación jefe: U 0,01 0,06 -28,00 0,000
M 0,01 0,01 0,30 0,836
M 0,05 0,05 -0,60 0,653
hogar M 4,65 4,64 0,90 0,516
M 0,00 0,00 , ,
M 0,63 0,64 -2,70 0,036
M 0,37 0,35 5,10 0,000
M 0,32 0,33 -2,80 0,039
M 0,20 0,22 -4,30 0,001
M 0,09 0,09 0,40 0,663
M 0,09 0,09 0,40 0,663
f) Tratamiento 7: Familias en Acción, Salud y Educación
Sin Matching/
Con Matching
Región Andina U 0,36 0,48 -24,70 0,000
M 0,36 0,36 -0,40 0,758
Región Caribe U 0,21 0,15 17,10 0,000
M 0,22 0,21 1,90 0,133
M 0,06 0,07 -1,40 0,258
Urbano U 0,45 0,66 -43,40 0,000
M 0,44 0,47 -4,90 0,000
Sexo jefe U 0,65 0,65 -1,40 0,147
M 0,66 0,65 0,80 0,487
Edad jefe U 43,52 50,85 -48,70 0,000
M 43,92 43,09 5,50 0,000
M 0,10 0,09 2,10 0,092
M 0,00 0,00 -0,50 0,702
M 0,53 0,51 4,90 0,000
M 0,32 0,34 -5,90 0,000
tecnológico M 0,03 0,04 -1,60 0,105
Educación jefe: U 0,00 0,01 -10,70 0,000
Educación jefe: U 0,01 0,06 -28,00 0,000
M 0,01 0,01 0,30 0,836
M 0,05 0,05 -0,60 0,653
U 4,62 3,00 94,90 0,000
Cantidad de personas en el M
4,65 4,64 0,90 0,516
hogar
M 0,00 0,00 , ,
M 0,63 0,64 -2,70 0,036
M 0,37 0,35 5,10 0,000
M 0,32 0,33 -2,80 0,039
M 0,20 0,22 -4,30 0,001
M 0,09 0,09 0,40 0,663
M 0,09 0,09 0,40 0,663
Anexo 2. Resultados de evaluación de impacto bajo cuatro algoritmos de emparejamiento
a) Tratamiento 1: Salud
Vecino más
Variable de resultado Kernel Radio LLR
cercano
0,014 0,009 0,013 -0,007
Tasa de ocupación
1,32 0,91 0,9 -0,67
Tasa global de 0,016 0,012 0,016 -0,008
participación 1,47 1,14 1,07 -0,68
0,0094 0,011 0,010 0,007
Tasa de desempleo
2,2 2,76 1,81 1,66
-0,069 -0,051 -0,064 -0,095
Tasa de formalidad
-5,93 -4,79 -3,94 -8,23
-0,856 -0,275 -0,561 -1,614
Horas trabajadas
-1,33 -0,45 -0,64 -2,52
-26.663,7 54.852,4 -1.337,7 -21.674,7
Ingreso laboral
-0,85 1,86 -0,03 -0,7
b) Tratamiento 2: Familias en Acción, Salud, Educación y PAE
Vecino más
cercano
0,036 0,037 0,038 0,036
Tasa de ocupación
7,07 7,52 5,91 7,33
Tasa global de 0,025 0,025 0,026 0,021
participación 4,62 4,71 3,81 4
-0,001 -0,002 -0,002 -0,002
Tasa de desempleo
-0,32 -1,03 -0,71 -1,02
-0,037 -0,038 -0,039 -0,042
Tasa de formalidad
-8,82 -8,09 -7,18 -10,27
-0,658 -0,640 -0,606 -0,840
Horas trabajadas
-2,23 -2,25 -1,62 -2,98
-63.233,5 -69.398,9 -72.851,5 -20.602,1
Ingreso laboral
-9,1 -6,19 -10,47 -3,3
c) Tratamiento 3: Salud, Educación y PAE
Vecino más
cercano
0,034 0,036 0,035 0,030
Tasa de ocupación
6,8 7,36 5,33 6,19
Tasa global de 0,031 0,032 0,032 0,022
participación 5,86 6,28 4,6 4,25
-0,0029 -0,002 -0,002 -0,003
Tasa de desempleo
-1,57 -1,08 -0,62 -1,89
-0,036 -0,038 -0,039 -0,047
Tasa de formalidad
-7,81 -8,01 -6,16 -10,54
0,840 0,687 0,742 0,221
Horas trabajadas
2,76 2,36 1,89 0,75
-32.183,6 -39.064,7 -44.213,8 -2.790,9
Ingreso laboral
-4,03 -3,93 -4,3 -0,32
d) Tratamiento 4: Salud y Educación
Vecino más
cercano
0,034 0,035 0,033 0,022
Tasa de ocupación
5,94 6,42 4,32 3,93
Tasa global de 0,041 0,041 0,040 0,024
participación 6,94 7,44 5,09 4,17
0,002 0,002 0,002 0,000
Tasa de desempleo
1 0,95 0,74 -0,14
-0,042 -0,046 -0,046 -0,054
Tasa de formalidad
-7,75 -8,73 -6,32 -9,97
0,633 0,681 0,689 -0,304
Horas trabajadas
1,87 2,14 1,51 -0,91
-25.362,5 -26.895,3 -31.123,5 -317,8
Ingreso laboral
-2,25 -2,47 -2,4 -0,03
e) Tratamiento 5: Educación
Vecino más
cercano
0,036 0,038 0,039 0,007
Tasa de ocupación
6,28 6,98 5,06 1,19
Tasa global de 0,037 0,039 0,041 0,003
participación 6,1 6,82 5,03 0,5
-0,006 -0,006 -0,006 -0,008
Tasa de desempleo
-3,26 -3,24 -2,04 -3,93
0,174 0,183 0,188 0,148
Tasa de formalidad
20,91 23,66 16,98 17,56
1,537 1,686 1,794 0,581
Horas trabajadas
4,32 4,98 3,85 1,61
14.447,0 36.121,7 33.444,3 49.987,9
Ingreso laboral
0,72 2,13 1,15 2,44
f) Tratamiento 6: Educación y PAE
Vecino más
cercano
0,030 0,040 0,041 0,025
Tasa de ocupación
5,25 7,15 5,22 4,19
Tasa global de 0,033 0,044 0,045 0,023
participación 5,43 7,49 5,54 3,76
-0,003 -0,001 -0,001 -0,003
Tasa de desempleo
-1,1 -0,61 -0,42 -1,37
0,271 0,280 0,282 0,251
Tasa de formalidad
30,77 34,07 24,07 28,14
2,230 2,374 2,472 1,363
Horas trabajadas
6,03 6,74 4,94 3,64
Ingreso laboral 15.059,7 45.788,9 50.601,3 85.954,7
0,83 3,27 1,35 5,24
g) Tratamiento 7: Familias en Acción, Salud y Educación
Vecino más
cercano
0,038 0,043 0,042 0,039
Tasa de ocupación
5,26 6,27 4,33 5,5
Tasa global de 0,031 0,035 0,034 0,026
participación 3,98 4,78 3,34 3,42
0,002 0,001 0,001 -0,003
Tasa de desempleo
0,67 0,41 0,3 -0,87
-0,041 -0,050 -0,049 -0,049
Tasa de formalidad
-7,3 -8,94 -6,18 -8,76
0,691 0,545 0,556 -0,098
Horas trabajadas
1,54 1,29 0,94 -0,22
-48.108,9 -66.449,3 -65.779,1 -21.297,4
Ingreso laboral
-5,39 -5,99 -6,08 -2,55

Evaluacion Impacto Subsidios Sobre Mercado Laboral

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Evaluacion Impacto Subsidios Sobre Mercado Laboral

Cargado por

Copyright:

Formatos disponibles

Evaluación del impacto de los subsidios sobre el mercado laboral

Dirección de Seguimiento y Evaluación de Políticas Públicas

Departamento Nacional de Planeación

En Colombia, el monto de los subsidios dirigidos a individuos y hogares ascendió a 64,4

Adicionalmente, los subsidios pueden alterar significativamente el funcionamiento de los

Teniendo en cuenta lo anterior, es importante fomentar tanto desde la academia como

2. Revisión de impactos de los subsidios en Colombia

En otro estudio, usando la metodología de regresión discontinua que permite tener en

Estudio Población objetivo Resultados

En otro estudio, usando la metodología de variables instrumentales, (Gaviria, Medina, &

Colombia Mayor es un programa de pensión no contributiva que busca garantizar un

Siguiendo a Rosembaum y Rubin (1983), en este estudio se realiza el emparejamiento entre

Donde ( = 1| ) es la probabilidad de que el individuo haya sido intervenido, y es un

Posterior a la estimación del puntaje de propensión de tratamiento, se procede a la

= (1)| =1 − (0)| =1 (2)

En la anterior ecuación, (0)| = 1 es el resultado contrafactual, es decir, el valor

A pesar de sus ventajas, el método de emparejamiento con propensity score tiene

Teniendo en cuenta estas dificultades, diversos refinamientos metodológicos del

Las metodologías de emparejamiento por probabilidad de participación y emparejamiento

El método propuesto tiene altos requerimientos de información, ya que es necesario

Cuadro 1. Frecuencias de los principales subsidios

Cuadro 2. Proporción de la población que es beneficiaria de diferentes combinaciones

Cuadro 3. Ingreso laboral promedio para diferentes combinaciones de subsidios

Cuadro 4. Tasa de ocupación promedio para diferentes combinaciones de subsidios

a. Grupos de tratamiento y control

De acuerdo con lo expuesto en la sección anterior, es necesario seleccionar

Se conformaron varios grupos de tratamiento correspondientes a los hogares con las

Cuadro 5. Frecuencias de los principales subsidios y combinaciones de subsidios

Para cada uno de estos grupos de tratamiento, se aplicará la metodología de Propensity

Gráfico 1. Tasas de ocupación en hogares con diferentes subsidios

Sólo subsidio Subsidio y otros Ninguno

Fuente: ECV 2013-2015

Gráfico 2. Tasas de desempleo para diferentes grupos de tratamiento

Sólo subsidio Subsidio y otros Ninguno

Fuente: ECV 2013-2015

En cuanto a la formalidad en el mercado laboral, cabe resaltar nuevamente el hecho de que

Gráfico 3. Tasas de formalidad para diferentes grupos de tratamiento

Tasa de formalidad para diferentes subsidios

20% 13,0%14,5% 14,5%

Sólo subsidio Subsidio y otros Ninguno

Gráfico 4. Ingreso laboral para diferentes grupos de tratamiento

Ingreso laboral para diferentes subsidios

Sólo subsidio Subsidio y otros Ninguno

A pesar de lo anterior, la evaluación de impacto, cuyos resultados se presentarán en la

Los resultados que se presentan en esta sección corresponden a la comparación de distintos

Para encontrar el estimador de ATT, es necesario que se cumpla la condición de existencia

Gráfico 5. Soporte común para subsidio de salud

Cuadro 6. Diferencia de medias entre tratados y controles (Grupo de Tratamiento 1)

Teniendo en cuenta las consideraciones anteriores con respecto a la calidad del

Tasa de Tasa de Tasa Horas Ingreso

Otro resultado consistente es el relacionado a los ingresos laborales. Como se observa en

No obstante, es importante ser cuidadosos con la interpretación de estos resultados, ya

En contraste, los impactos de los paquetes de subsidios en el ¡Error! No se encuentra el

Todas las combinaciones de subsidios más frecuentes en la población colombiana, con

DNP-Acción Social-BID-Banco Mundial. (2008). Programa Familias en Acción: Impactos en capital

UT IFS-ECONOMETRÍA-SEI. (2007). Evaluación de Impacto del Programa Familias en Acción. Bogotá

Anexo 1. Balance en variables observadas antes y después del emparejamiento

Variable Sin Matching/ Tratados Controles % Sesgo P-value

b) Tratamiento 3: Salud, Educación y PAE

c) Tratamiento 4: Salud y Educación

e) Tratamiento 6: Educación y PAE

Variable Sin Matching/ Tratados Controles % Sesgo P-value

f) Tratamiento 7: Familias en Acción, Salud y Educación