Caso 4: Desparasitación en Kenia

CaseEnfrentando las amenazas

4: Deworming a la
in Kenya
integridad del experimento
Description Entre 1998 y 2001, la ONG International Child Support Africa
implementó un programa de desparasitación masiva focalizado en los
colegios, en 75 escuelas primarias en Kenia occidental. En el programa
se trató a 30.000 pupilos inscritos en estas escuelas contra parásitos -
anquilostomiasis, lombriz intestinal, triquina y esquistosomiasis. Las
escuelas se fueron integrando al programa de modo gradual
(escalonado) y aleatorio.

La aleatoriedad asegura que el grupo de tratamiento y el grupo de

control sean comparables en el inicio, pero no puede asegurar que
permanezcan comparables hacia el final del programa. Tampoco puede
asegurar que la gente siga el tratamiento que les fue asignado. La vida
continúa después de la selección aleatoria: otros eventos fuera del
programa ocurren entre la selección aleatoria y el final. Estos eventos
pueden reintroducir un sesgo de selección; pueden disminuir la validez
de las estimaciones de impacto y son una amenaza a la integridad del
experimento.
Learning Objective Explorar de qué manera se pueden manejar las amenazas comunes a la
integridad experimental
Subjects covered Amenazas a la integridad experimental: equivalencia,
comparabilidad, cumplimiento, spillovers o externalidades, respuestas
conductuales, intención de tratar, tratamiento sobre los tratados
 Enfrentando las amenazas a la integridad del experimento

Amenazas a la integridad del experimento planeado

Existen tres principales tipos de amenazas. Este caso cubre los tipos 1 y 2, pero
incluimos el 3 en caso que se le consulte al respecto.

1. Cuando los grupos no permanecen equivalentes. Sesgo por

desgaste

Las estimaciones pueden estar sesgadas si las propias personas se seleccionan dentro
o fuera de cualquiera de los dos grupos – integrarse o abandonar – durante el curso
del experimento y sus razones para hacerlo están sistemáticamente relacionadas con
el tratamiento. Si bien esto se puede ver como un efecto del programa, hace más
difícil la interpretación de cualquier diferencia en los resultados. En un sentido, el
desgaste correlacionado al tratamiento presenta nuevamente el sesgo de selección.
Los grupos experimentales al final comprenden diferentes personas; no son más
equivalentes y la comparación planificada puede que no siga siendo válida.

2. Cuando el contraste o la variación experimental planificada se ve

disminuida – cumplimiento parcial, servicios alternativos y
externalidades

La diferencia planeada en las tasas de tratamiento entre los grupos puede

desaparecer si las personas asignadas al grupo de tratamiento en realidad no son
tratadas o si las personas asignadas al grupo de control por su parte sí se tratan
directa o indirectamente.

Algunas personas asignadas al tratamiento puede que, al final, no se traten. Por

ejemplo los niños asignados a un programa de tutoría fuera del horario de clase
puede que simplemente no se presenten a la tutoría. Esto se llama cumplimiento
parcial.

Algunas personas asignadas al grupo de control puede que accedan a servicios del
programa o además obtengan servicios equivalentes de otro proveedor. Por ejemplo,
niños asignados al grupo de control de tutoría después de clase puede que obtengan
ayuda extra de profesores o consigan materiales y métodos del programa de sus
compañeros de clase. Si esto pasa de manera sistemática, el contraste o la variación
del tratamiento entre grupos comienza a desaparecer y la comparación del impacto
comienza a pasar a ser inválida. Esto a veces se llama contaminación o en forma más
positiva, difusión del tratamiento al control.

Entonces las personas asignadas al grupo de control pueden beneficiarse

indirectamente del tratamiento que se está aplicando. Por lo tanto, por ejemplo, un
programa que distribuye mallas tratadas con insecticida puede reducir la transmisión
de la malaria en la comunidad, beneficiando indirectamente a aquellos quienes no
duermen protegidos por las mallas. Dicho efecto se conoce como externalidades.
.

3. Cuando existen respuestas conductuales a la evaluación, no al

tratamiento en sí; respuestas que no habrían existido en ausencia
de la evaluación.

Cuando se está evaluando un programa, los participantes pueden cambiar su

conducta porque se encuentran bajo observación; es decir, pueden tener una
respuesta distinta si el programa no estuviese siendo evaluado. En dichos casos, las
estimaciones del impacto pueden capturar no solo los efectos del tratamiento sino
también los efectos de la evaluación del tratamiento.

1 The Abdul Latif Jameel Poverty Action Lab

@MIT, Cambridge, MA 02130, USA | @IFMR, Chennai 600 008, India
@PSE, Paris 75014, France | @PUC, Santiago, Chile..
 Caso 4: Desparasitación en Kenia

Las personas asignadas al grupo de control pueden comenzar a competir con las
personas en el grupo de tratamiento. Por lo tanto, por ejemplo, en un programa que
usa profesores de contrato (tratamiento), los profesores regulares (control) puede que
trabajen más, más que lo normal, durante el curso del experimento para no ser
sobrepasados por los profesores de contrato. Y una vez que se termina el
experimento, ellos pueden volver a su nivel de esfuerzo normal. La competencia hace
que los resultados del grupo de control sean mayores que lo normal, inclinando
cualquier impacto hacia abajo. Estos efectos a veces son llamados Efectos de John
Henry. 1

Las personas asignadas al grupo de tratamiento también cambian su conducta. Por

ejemplo, pueden reaccionar positivamente a la novedad del tratamiento. Por lo tanto
cuando una escuela recibe nuevos comentarios, la moral aumenta y los estudiantes y
los profesores temporalmente tienen un mejor rendimiento. Entonces la novedad
pasa y el rendimiento cae. O la innovación es perjudicial. Los estudiantes y profesores
luchan con una nueva manera de aprender y enseñar y temporalmente tienen un peor
rendimiento. De cualquier modo, si el periodo de evaluación coincide con el periodo
de ajuste, las estimaciones del impacto también capturarían los efectos de la novedad
o del perjuicio. Dichos efectos a veces son llamados Efecto de Hawthorne. 2

Amenazas a la integridad del experimento planeado

Tema de discusión 1: Amenazas a la integridad del experimento
1. ¿Qué quiere decir que los grupos sean equivalentes al comenzar el programa?
Significa que están compuestos por individuos que en promedio tienen
características comparables

¿Se puede comprobar que los grupos son equivalentes al comienzo del programa?
2.
¿Cómo?
Tome la media de los grupos respecto de las características que son importantes. Lo
mismo que al revisar si “la aleatorización fue exitosa”.

Si bien la comparación de variables observables puede aumentar la confianza

respecto de la equivalencia de grupos, no es posible verificar lo mismo para no
observables y por tanto en rigor no es posible estar 100% seguros del balance entre
grupos. Esto obliga a tener mayor cuidado con la calidad del diseño experimental,
aleatorización de calidad y tamaño muestral adecuado.

¿Qué puede ocurrir a lo largo de la evaluación que pudiese volver los grupos no
3.
equivalentes?
Las personas pueden elegir estar dentro o fuera de los grupos experimentales, tanto
de tratamiento como control – desgaste

¿Cómo amenaza la integridad del experimento la no equivalencia al término de la

4.
evaluación?
El grupo de control ya no se basa en las mismas personas; los promedios al final no
son tomados con las mismas personas que al principio; en un sentido vuelve a
introducirse el sesgo de selección
5. Usted aleatorizó, creando grupos equivalentes de tratamiento y control. Si los grupos
permanecen equivalentes ¿Qué más puede suceder después de la asignación aleatoria,
que pudiese amenazar la afirmación de que el programa fuese la única diferencia entre
los dos grupos?

1 Estos efectos se llaman efectos John Henry en nombre del obrero Afroamericano que trabajaba

martillando rieles en Virginia a fines del siglo diecinueve. Cuando se introdujeron los martillos a vapor,
amenazando el tendido de rieles hecho por humanos. Se dice que John Henry retó al martillo a vapor a una
competencia, diciéndole a su capataz “un hombre no es nada más que un hombre, moriré con este martillo
en la mano antes de ser mordido por ese martillo a vapor”. John ganó la competencia, pero murió “con el
martillo en la mano” debido a un sobreesfuerzo. Su historia vive en la música folclórica de Estados Unidos.
2 En un estudio llevado a cabo por Western Electric Company’s Hawthorne, USA, en 1930, se pensaba que

los trabajadores respondían al hecho de estar bajo observación aumentando la productividad. Desde
entonces esta interpretación ha sido cuestionada, pero el nombre prevalece.

The Abdul Latif Jameel Poverty Action Lab

@MIT, Cambridge, MA 02130, USA | @IFMR, Chennai 600 008, India
2
@PSE, Paris 75014, France | @PUC, Santiago, Chile..
 Enfrentando las amenazas a la integridad del experimento

El experimento planificado falla si las personas no cumplen con el protocolo

correspondiente al experimento planificado – el grupo de tratamiento no es tratado,
el grupo de control tiene acceso al tratamiento; el grupo de control se beneficia
indirectamente; las personas actúan en forma diferente. Ver más arriba.

Enfrentando el desgaste — cuando los grupos no se

mantienen equivalentes.
Desgaste se le llama al hecho de que la gente se integre o abandone la muestra —
tanto al grupo de tratamiento como al de control — a lo largo del experimento. Un
ejemplo común en experimentos clínicos, es cuando la gente muere; es tan común
que el desgaste se conoce en ocasiones como mortalidad experimental.

Desgaste Diferenciado y asistencia escolar

El programa está focalizado en escuelas, por lo mismo es natural y efectivo en
términos de costo recolectar datos en las escuelas — los niños están juntos en un
lugar, por lo que el encuestador no necesita viajar al hogar de cada niño.

Pero los niños infectados están enfermos y no tienen ánimo ; es menos probable que
estén en la escuela. Y por lo tanto, cuando el encuestador hace su visita al azar, es más
probable que los niños tratados estén presentes y sus – mejores – resultados sean
medidos.

Tema de discusión 2: Enfrentando el desgaste

Se supone que este tema de discusión muestra el desgaste en acción y deja claro lo
siguiente:
o Ser tratado contra los parásitos significó que los niños fueran a la escuela más a
menudo y como resultado hubo más niños en escuelas de tratamiento cuando los
encuestadores fueron a recolectar datos al final del estudio. ¿Por qué esto podría
potencialmente entregar resultados de la evaluación errados?
1. a. ¿Cuál es la carga parasitaria promedio para el grupo de tratamiento previo al
experimento? 2

b. ¿Cuál es la carga parasitaria promedio para el grupo de control previo al

experimento? 2

c. ¿Son los grupos equivalentes? Sí, la diferencia de carga parasitaria previa a la

prueba es 0

2. a. ¿Cuál es la carga parasitaria promedio para el grupo de tratamiento posterior al

experimento? 1

b. ¿Cuál es la carga parasitaria promedio para el grupo de control posterior al

experimento? 1.5

c. ¿Cuál es la diferencia? 0.5

3. a. Calcule la diferencia en el resultado al comenzar y al finalizar el año -0.5

b. ¿Es este diferencial de resultados un estimador preciso del impacto del programa?
NO, porque omite los abandonos

c. Si no es preciso ¿Sobreestima o subestima el impacto real?

Subestima por 0.5

4. Porque el grupo de tratados fue tratado, usted esperaba que hubiera una diferencia
entre los grupos a fines de año.
a. Si esta diferencia es un efecto ¿Cuál es la fuente de sesgo por desgaste, si es que lo
hay?
Es que no medimos a los niños faltantes; ellos abandonaron la muestra y su
razón para el abandono estaba correlacionado con el tratamiento; los niños que
abandonaron estaban en peor condición que el niño promedio (que tenían una
carga parasitaria igual a 2 comparado con 3 de los que abandonaron)
3 The Abdul Latif Jameel Poverty Action Lab
@MIT, Cambridge, MA 02130, USA | @IFMR, Chennai 600 008, India
@PSE, Paris 75014, France | @PUC, Santiago, Chile..
 Caso 4: Desparasitación en Kenia

b. ¿Cómo se puede resolver el problema para obtener una mejor estimación del impacto
del programa?
Hacer seguimiento a todos (intención de tratar – tome el promedio de la gente
de la muestra al comienzo y al final – compare los promedios del grupo de
tratamiento y del grupo de control basado en las asignaciones originales)
5. a. ¿Cuál es la carga parasitaria promedio del grupo de control posterior al experimento,
si se incluyese a los 5.000 niños que abandonaron la escuela (asumiendo que
hubiesen tenido carga parasitaria 3)? 2

b. Calcule el impacto del programa.

I = Y(t) – Y(c) = delta (t) - delta (c) = (1-2) – (2-2) = -1

c. ¿Cuál es el tamaño del sesgo por desgaste?

-1 – (-0.5) = -0.5
6. El PSPD también recolectó data sobre la tasa de asistencia escolar y resultados de
pruebas.
a. ¿Distorsionarían algunos de estos resultados las diferencias de desgaste?
Sí. El tratamiento puede afectar la asistencia y, a través de eso, los puntajes de
las pruebas. Los síntomas (decaimiento, etc.) también pueden afectar la
capacidad de concentración en clase y, con eso, los puntajes de la prueba. Y los
niños que se retrasan pueden también tender a abandonar la escuela.

b. ¿El impacto sería sobreestimado o subestimado?

Sería subestimado por las mismas razones ya que la asistencia y los promedios
de los puntajes de las pruebas en el grupo de tratamiento se basarían en los
resultados de los niños en las escuelas, que son mejores, y de este modo la
asistencia y los puntajes de las pruebas serían mayores que si se hiciese
seguimiento a todos los niños.

7. En el Caso 1, usted aprendió sobre otros métodos para estimar el impacto del
programa, como diferencia simple, regresión múltiple, regresión múltiple con datos de
panel y matching.
a. Para cada amenaza que usted acaba de identificar, explique si la amenaza existe
para cada uno de estos métodos y de qué modo.
b. ¿Son estas amenazas a la integridad experimental exclusivas para las evaluaciones
aleatorias?
Esta pregunta se supone que demuestra que las amenazas son generales para
todos los métodos de estimación de impacto. Es para asegurarse que las
personas no se vayan pensando que las amenazas existen solo si usted está
haciendo una evaluación aleatorizada.

Enfrentando cumplimiento parcial con el tratamiento—

cuando el grupo de tratamiento no recibe el tratamiento
o el grupo de control si lo recibe
Puede que algunas personas asignadas al grupo de tratamiento, al final no lo reciban.
Por ejemplo, en un programa de tutorías después de clases, algunos niños a los que se
las ha asignado tutorías pueden simplemente no asistir. Y otros asignados al grupo de
control podrían obtener acceso al tratamiento ya sea desde el programa o una fuente
externa. O niños del grupo de control podrían obtener ayuda extra de sus profesores o
adquirir materiales del programa y métodos de sus compañeros de clase. De
cualquier forma, esta gente no está cumpliendo íntegramente con su tarea en el
experimento planeado. Esto se denomina “cumplimiento parcial con el tratamiento”
o “difusión” o, menos benignamente, “contaminación”. En contraste con
experimentos de laboratorio que son controlados cuidadosamente, la difusión es
ubicua en programas sociales. Después de todo, la vida continúa, las personas serán
personas, y no se tiene ningún control sobre que decidan hacer en el transcurso del
experimento. Todo lo que se puede hacer es planear el experimento y ofrecerles
tratamiento. ¿Cómo se pueden enfrentar las amenazas provenientes de cumplimiento
parcial con el tratamiento?

The Abdul Latif Jameel Poverty Action Lab

@MIT, Cambridge, MA 02130, USA | @IFMR, Chennai 600 008, India
4
@PSE, Paris 75014, France | @PUC, Santiago, Chile..
 Enfrentando las amenazas a la integridad del experimento

No todos los niños de escuelas en tratamiento terminarían recibiendo medicina

antiparasitaria, siendo en realidad tratados. Los niños cuyos padres habían dado
consentimiento no fueron tratados. Los padres tenían que venir a la escuela para
firmar el consentimiento en la oficina del director. A parte de consumir tiempo,
algunos padres no querían enfrentar al director porque estaban atrasados en las
mensualidades. Algunos padres trataron a los niños en casa.

Tema de discusión 3: Enfrentando cumplimiento parcial con el

tratamiento
1. a. Calcula el impacto estimado basado en las instrucciones originales.
(25/15 -2) – (2-2) = -1/3 = -0.333

b. ¿Qué mide el estimado de “intención a tratar” (ITT) de este grupo?

El efecto del programa como un todo

c. Esta es una estimación precisa del efecto del programa, pero ¿es una medida
adecuada? ¿cuáles son las consideraciones? ¿Cuándo es útil? ¿Cuándo no lo es?
Depende de qué quieran aprender. ITT puede relacionarse más con
programas reales. Por ejemplo, puede que no estemos interesados en el
efecto médico del tratamiento antiparasitario, más bien qué pasaría bajo un
programa real antiparasitario. Si los estudiantes a menudo faltan a clases y
por lo tanto no consiguen la medicina antiparasitaria, la estimación de la
intención de tratar puede en realidad ser de mucha ayuda.
Usted está interesado en conocer el efecto del tratamiento sobre aquéllos que
efectivamente fueron tratados.
2. Cinco de sus colegas están pasando por su escritorio; están de acuerdo en que debería
calcular el efecto del tratamiento usando únicamente los 10.000 niños tratados.
a. ¿Cuál es el impacto de emplear solamente a los tratados?
(10/10 – 2) – (2-2) = -1

b. ¿Es el consejo prudente? ¿por qué sí? ¿por qué no?

Este consejo no es sólido. La pregunta es qué tan diferente son los niños que
usted excluye respecto del niño promedio. En este caso tienen carga
parasitaria sobre el promedio y el excluirlos presenta un desgaste y un sesgo
de selección.

3. Otro colega afirma que no es una buena idea descartar completamente a los no
tratados; debería incluirlos en el análisis pero considerarlos como parte del grupo de
control.
a. ¿Cuál es el impacto estimado basado en esta estrategia?
(10/10 – 1.5) – (45/20 - 45/20) = - 0.5

b. ¿Es el consejo prudente? ¿por qué sí? ¿por qué no?

Este consejo tampoco es sólido. No se apega a las asignaciones originales; la
manipulación sugerida vuelve a presentar un sesgo de selección.

4. Otro colega sugiere que emplee la tasa de cumplimiento: la proporción de personas de

cada grupo que se comportó de acuerdo con el tratamiento. Se debería dividir el
estimador del grupo de “intención a tratar” con las diferencias en las tasas
cumplimiento.
a. ¿Cuáles son las tasas de cumplimiento en el grupo de tratamiento y de control?
10/15 = 67% en el tratamiento y 100% (implicando 0% fueron tratados) en
el grupo de control
La diferencia en las proporciones de tratamiento es 10/15 - 0 = 2/3

b. ¿Cuál es el estimado del impacto basado en esta estrategia?

(-1/3) / (2/3) = -1/2 = -0.5

c. ¿Es el consejo prudente? ¿por qué sí? ¿por qué no?

Este es un consejo sólido. Para los que comienzan, usted aún está usando sus
asignaciones originales, por lo tanto, a diferencia de los dos primeros
métodos usted no está volviendo a introducir un sesgo de selección.
El hecho que el resultado sea similar a lo de la pregunta 3 es una
coincidencia. No hace que el método en (3) sea más sólido.

5 The Abdul Latif Jameel Poverty Action Lab

@MIT, Cambridge, MA 02130, USA | @IFMR, Chennai 600 008, India
@PSE, Paris 75014, France | @PUC, Santiago, Chile..
 Caso 4: Desparasitación en Kenia

5. El programa elevó el nivel de conocimiento acerca de los parásitos, por lo que algunos
padres en el grupo de control compraron los medicamentos y trataron a los niños en
su propio hogar. En total 2.000 niños del grupo de control fueron tratados.

¿Cuál es el impacto estimado del “tratamiento sobre los tratados”?

La tasa de tratamiento en el grupo de control es 2/15 y en el grupo de

tratamiento es 10/15 la diferencia es 10/15 - 2/15 = 8/15
TOT = ITT / diferencia en tasas de cumplimiento = - 1/3 / 8/15 = -5/8 = -
0.625

Enfrentando externalidades —cuando el grupo de

control, sin ser tratado, se beneficia del tratamiento del
grupo tratado
Personas asignadas al grupo de control pueden beneficiarse indirectamente de
aquéllos que reciben tratamiento. Por ejemplo, un programa que distribuye
mosquiteros tratados con insecticida podría reducir la trasmisión de malaria en la
comunidad, indirectamente beneficiando a aquéllos que no duermen bajo las redes.
Tales efectos son denominados externalidades.

Es más probable que los niños en edad escolar contagien a otros ya que tienen malas
prácticas de higiene (más probable que naden en aguas contaminadas, más probable
que no usen las letrinas, menos probable que se laven las manos antes de comer).
Por lo que tratar a un niño no solo reduce su propia carga parasitaria, puede también
reducir la trasmisión de enfermedades – y así beneficiar a los niños no tratados.

Tema de discusión 4: Enfrentando externalidades

1. Estime el impacto comparando carga parasitaria en escuelas del grupo de
tratamiento y escuelas del grupo de control.
¿Este estimado subestimaría o sobreestimaría el impacto?
Esto sería una subestimación ya que las cargas parasitarias promedio del
grupo de control serían más bajas debido a las externalidades del
tratamiento, por medio de una reducida transmisión de enfermedades.
2. La densidad de tratamiento es la proporción de tratados a no tratados en un
agrupamiento dado de personas.
a. ¿Cuál es la densidad de tratamiento en las escuelas del grupo de tratamiento en
el año 1?
1 ya que todos los niños son tratados

b. ¿Cuál es la densidad de tratamiento en las escuelas del grupo de control?

0 ya que ninguno de los niños es tratado

c. ¿Cuáles son las densidades de tratamiento en las áreas A, B y C en el año 1?

A: 2/3; B: 1/3; C: 0

d. ¿Cuáles son las densidades de tratamiento en las áreas A, B y C en el año 2 y en

el año 3?
En el año 2 es A: 1; B : 2/3; C: 3/5;
En el año 2 es A: 1; B: 1 ; C: 1

3. a. Si hay externalidades, ¿de dónde se esperaría que provengan?

Reducida transmisión de enfermedades

b. ¿Sería posible capturar el efecto de las externalidades dentro de las escuelas?

Puede capturar las externalidades si varía la densidad del tratamiento. En
este ejemplo, no hubo variación planificada (el programa planificó tratar a
todos los niños en una escuela dada) y no hubo variación debido a las
variación en el cumplimiento (existe un cumplimiento perfecto). Esto

The Abdul Latif Jameel Poverty Action Lab

@MIT, Cambridge, MA 02130, USA | @IFMR, Chennai 600 008, India
6
@PSE, Paris 75014, France | @PUC, Santiago, Chile..
 Enfrentando las amenazas a la integridad del experimento

Tema de discusión 4: Enfrentando externalidades

significa que usted no puede estimar las externalidades dentro de las
escuelas.

c. Si no espera ser capaz de capturar el efecto de las externalidades ¿Qué debiese

hacer para ser capaz de capturarlo?
Necesitaría variación en la densidad del tratamiento

Tiene que comparar los efectos en todas las comunidades, ya que las
densidades del tratamiento varían de comunidad en comunidad
4. Establezca un ranking para las áreas A, B y C, en términos de la cantidad de
externalidades esperadas para el año 1, 2 y 3.
En el año 1: A luego B luego C
En el año 2: No más escuelas de control en A; mayor densidad en B que en
C por lo que escuela control en B probablemente se beneficie más de la
externalidad que escuelas control en C.
En año 3: No más escuelas control. Ningún efecto de externalidades.

5. a. Si hubiese aleatorizado a nivel individual ¿Qué hubiera podido hacer para

capturar externalidades interpersonales?
Si algunas escuelas hubiesen tratado 25% de sus niños, algunas escuelas
hubiesen tratado 50%, algunas hubiesen tratado 75% y todas ellas
hubiesen aleatorizado a quien tratar, entonces usted podría comparar los
niños no tratados en las escuelas con una tasas menores de tratamiento
(25%) con los niños no tratados en las escuelas con tasas mayores de
tratamiento (75%) para ver la importancia de la externalidad. Al tener un
punto de datos en un tratamiento de 50%, usted puede probar la no
linealidad de las externalidades: ¿Los beneficios de la externalidad para los
no tratados aumenta tanto cuando uno va de 25% a 50% tratados como
cuando uno va de 50% a 75% tratados? Eso sería algo importante de
probar para comprender cómo asignar los recursos de forma óptima. Por
ejemplo, si usted tiene dinero para tratar 200 niños y existen 200 niños
por escuela ¿debería tratar todos los niños en las 10 escuelas, 50% de los
niños en 20 escuelas o 62,5% de los niños en 16 escuelas o…?

b. Si hubiese aleatorizado a nivel de escuelas ¿Qué hubiera podido hacer para

capturar externalidades entre escuelas?
Utilizar la variación en densidad de las escuelas tratadas

c. ¿Qué estrategia general sugieren estos resultados?

Aleatorice a un nivel mayor para capturar las externalidades, a menos que
usted pueda variar la intensidad del tratamiento dentro de las escuelas.

7 The Abdul Latif Jameel Poverty Action Lab

@MIT, Cambridge, MA 02130, USA | @IFMR, Chennai 600 008, India
@PSE, Paris 75014, France | @PUC, Santiago, Chile..