Documente Academic
Documente Profesional
Documente Cultură
Diseo y mtodos
cuasiexperimentales
Howard White y Shagun Sabarwal
1.
Al igual que los diseos experimentales, los diseos de investigacin cuasiexperimentales contrastan
hiptesis causales. Tanto en los diseos experimentales (ensayos controlados aleatorios) como en los
cuasiexperimentales, el programa o poltica se considera como una intervencin en la que se
comprueba en qu medida un tratamiento incluidos los elementos del programa o la poltica
evaluados logra sus objetivos, de acuerdo a las mediciones de un conjunto preestablecido de
indicadores (vase la Sntesis n. 7 (Ensayos controlados aleatorios)). No obstante, un diseo
cuasiexperimental carece, por definicin, de distribucin aleatoria. La asignacin a las condiciones
(tratamiento versus ningn tratamiento o comparacin) se lleva a cabo por autoseleccin (los participantes
eligen el tratamiento), por la seleccin efectuada por los administradores (por ejemplo, funcionarios,
profesores, autoridades, etc.) o por ambas vas 1.
Los diseos cuasiexperimentales identifican un grupo de comparacin lo ms parecido posible al grupo de
tratamiento en cuanto a las caractersticas del estudio de base (previas a la intervencin). El grupo de
comparacin capta los resultados que se habran obtenido si el programa o la poltica no se hubieran
aplicado (es decir, el contrafctico). Por consiguiente, se puede establecer si el programa o la poltica han
causado alguna diferencia entre los resultados del grupo de tratamiento y los del grupo de comparacin.
Existen diferentes tcnicas para crear un grupo de comparacin vlido, por ejemplo, el diseo de regresin
discontinua y el emparejamiento por puntuacin de la propensin, tratados ms adelante, lo que reduce el
riesgo de sesgo. El sesgo que puede resultar preocupante en este caso es el sesgo de seleccin la
posibilidad de que quienes son idneos o que deciden participar en la intervencin sean sistemticamente
diferentes de los que no pueden o no quieren participar. Por tanto, las diferencias observadas entre los
indicadores de inters de los dos grupos pueden deberse en su totalidad o en parte a un
emparejamiento imperfecto en lugar de a la intervencin.
Hay tambin mtodos basados en la regresin no experimentales, como la estimacin de variables
instrumentales y los modelos de seleccin de la muestra (tambin conocidos como modelos de Heckman).
Estas tcnicas de regresin tienen en cuenta el sesgo de seleccin, mientras que los modelos de
regresin simple, como el de mnimos cuadrados ordinarios, por lo general no lo hacen. Tambin puede
haber experimentos naturales basados en la aplicacin de un programa o poltica que pueda considerarse
equivalente a la distribucin aleatoria o al anlisis de series temporales interrumpidas, que analiza los
cambios en las tendencias de los resultados antes y despus de una intervencin. Estos enfoques se usan
muy poco y no se tratan en esta sntesis.
Los mtodos de anlisis de datos utilizados en los diseos cuasiexperimentales pueden ser ex post por
diferencia nica o de diferencia doble (tambin conocido como de diferencia en diferencias o DID).
Shadish, William R., et al., Experimental and Quasi-Experimental Designs for Generalized Causal Inference, Houghton Mifflin
Company, Boston, 2002, pg. 14.
Pgina 1
Puntos principales
Al igual que los diseos experimentales, los diseos de investigacin cuasiexperimentales
contrastan hiptesis causales.
Un diseo cuasiexperimental carece, por definicin, de distribucin aleatoria.
Los diseos cuasiexperimentales identifican un grupo de comparacin lo ms parecido
posible al grupo de tratamiento en cuanto a las caractersticas de referencia (previas a la
intervencin).
Existen diferentes tcnicas para crear un grupo de comparacin vlido, como el diseo de
regresin discontinua y el emparejamiento por puntuacin de la propensin.
2.
Intervencin
Posterior a la intervencin
t -1
t +1
Datos de referencia
Datos finales
Pgina 2
3.
1. Garantizar la representatividad: asegurarse de que existe una encuesta con una muestra
representativa de participantes y no participantes idneos para la intervencin. Para calcular las
puntuaciones de la propensin, es preferible emplear los datos de referencia. Esta tcnica, sin
embargo, tambin puede utilizarse con datos finales: las variables que se emparejan deben ser
variables no afectadas por la intervencin.
Pgina 4
Despus de emparejar
Tratamiento
(%)
Comparacin
(%)
Tratamiento
(%)
Comparacin
(%)
Residente rural
29
78
33
38
Quintil ms rico
46
39
36
21
17
17
Variable
Fuente: Bose, Ron, The impact of Water Supply and Sanitation interventions on child health: evidence from DHS
surveys, ponencia, Conferencia Bianual sobre la Evaluacin de Impacto, Colombo, Sri Lanka, 22 al 23 de abril de
2009.
Despus del emparejamiento se reducen sustancialmente las diferencias entre los dos grupos. El
establecimiento de la regin de soporte comn descarta aquellos hogares sin acceso a agua potable
que son muy diferentes a los que disponen de acceso a agua potable, de modo que los hogares
emparejados del grupo de comparacin son ms urbanos y tienen un nivel de educacin y una
situacin econmica mejores que los hogares sin acceso a agua potable en su conjunto. Del mismo
modo, tambin se han descartado de la evaluacin los miembros menos similares del grupo de
tratamiento.
5. Estimar los efectos del programa e interpretar los resultados: finalmente, la estimacin del
impacto, ya sea mediante diferencia nica o doble, se efecta, en primer lugar, calculando la
diferencia entre el indicador del individuo de tratamiento y el valor medio de los individuos de
comparacin emparejados y, en segundo lugar, promediando todas estas diferencias.
Bose, Ron, The impact of Water Supply and Sanitation interventions on child health: evidence from DHS surveys, ponencia,
Conferencia Bianual sobre la Evaluacin de Impacto, Colombo, Sri Lanka, 22 al 23 de abril de 2009.
Pgina 5
Y0i (media)
Y1i-Y0i
Y0i 1)
Y0i 2)
Y0i 3)
Y0i 4)
Y0i 5)
1)
2)
3)
4)
5)
6)
7)
8)
48,2
42,4
5,8
44,1
45,1
43,8
43,2
35,8
50,2
42,6
7,6
42,1
45,2
48,1
38,4
39,3
50,6
43,1
7,5
40,8
43,7
45,3
44,1
41,8
48,1
38,9
9,1
43,6
35,6
36,9
41,4
37,2
69,0
59,7
9,3
55,6
57,6
57,1
62,4
65,8
199
58,6
52,2
6,4
55,5
48,2
54,7
53,4
49,1
200
45,4
39,3
6,1
41,2
39,1
38,7
40,1
37,5
Promedio
52,9
45,5
7,4
Observados
i)
En la prctica, no es necesario hacer estos clculos manualmente, ya que existen paquetes estadsticos
(por ejemplo, Stata, SAS o R) para llevar a cabo el anlisis.
Pgina 6
Pgina 8
Enfoques epidemiolgicos
Los epidemilogos aplican una serie de datos estadsticos tomados de las poblaciones tratadas y no
tratadas, incluidos los mnimos cuadrados ordinarios y las regresiones logsticas en el caso de resultados
dicotmicos (cumplen la condicin = 1, no cumplen la condicin = 0). Al utilizar estos mtodos, es
preferible: 1) emplear datos procedentes de grupos de tratamiento y de comparacin bien emparejados, y
2) restringir el anlisis de regresin a las observaciones de la regin de soporte comn. (No obstante, en la
actualidad estos pasos por lo general no se llevan a cabo). Algunos estudios epidemiolgicos presentan la
diferencia de medias entre las observaciones tratadas y no tratadas, pero este enfoque no tiene en cuenta
el posible sesgo de seleccin.
El anlisis de supervivencia puede constituir un enfoque apropiado cuando los datos estn censurados, es
decir, que el periodo de exposicin es incompleto debido al momento de recoleccin de los datos o a la
muerte del participante en el estudio. En esas circunstancias, por lo general se emplea el modelo de
riesgos proporcionales de Cox.
4.
Pgina 9
Estado nutricional de los nios (WAZ) para los grupos de tratamiento y de comparacin
al inicio y al final del estudio
Inicio
Final
Cambio
Tratamiento (Y1)
-0,66
-0,48
+0,18
Comparacin (Y0)
-0,62
-0,58
+0,04
+0,10
+0,14
Diferencia
La magnitud del impacto estimada por los mtodos de diferencia nica y diferencia doble es muy distinta.
El mtodo de diferencia nica (SD) calcula la diferencia entre las WAZ de los grupos de tratamiento y de
comparacin despus de la intervencin, es decir, SD = -0,48 (-0,58) = 0,10. La estimacin del mtodo
de la diferencia en diferencias (DID) es la diferencia entre las WAZ del grupo de tratamiento al inicio del
estudio y despus de la intervencin menos la diferencia entre las WAZ del grupo de comparacin al inicio
del estudio y despus de la intervencin, es decir, DID = [-0,48 (-0,66)] [-0,58 (-0,62)] = 0,18 0,04 =
0,14.
La estimacin obtenida al aplicar el mtodo de diferencia doble es mayor que la estimacin del mtodo de
diferencia nica, ya que el grupo de comparacin tena unas WAZ mejores que el grupo de tratamiento al
inicio del estudio. El mtodo de la diferencia en diferencias permite eliminar la diferencia inicial de WAZ
entre los grupos de tratamiento y de comparacin; la diferencia nica no lo permite, y por tanto en este
ejemplo da lugar a una subestimacin del impacto del programa.
Pgina 10
Mtodos basados en la regresin para calcular la estimacin del impacto por diferencia
nica y doble
Las estimaciones del impacto por diferencia nica y doble tambin pueden calcularse mediante la
regresin de mnimos cuadrados ordinarios. Este enfoque se aplica a los mismos datos emparejados,
incluida una variable indicadora del programa o la poltica en el lado derecho de la ecuacin de regresin.
Las variables que captan otros factores de confusin tambin pueden incluirse en la parte derecha para
eliminar el efecto restante de cualquier desviacin de estas variables en las zonas de tratamiento y de
comparacin sobre los resultados despus del emparejamiento.
Pgina 11
5.
Cuestiones ticas
Los mtodos cuasiexperimentales ofrecen opciones prcticas para llevar a cabo evaluaciones de impacto
en situaciones reales. Mediante el uso de grupos preexistentes o autoseleccionados, por ejemplo
personas que ya estn participando en un programa, estos mtodos evitan las preocupaciones ticas
asociadas a la distribucin aleatoria, como la retencin o el retraso de un tratamiento potencialmente
efectivo o la administracin de un tratamiento menos eficaz a un grupo de participantes en el estudio
(vase la Sntesis n. 7 (Ensayos controlados aleatorios)).
Limitaciones prcticas
La falta de datos de buena calidad suele representar un obstculo fundamental para el empleo de mtodos
cuasiexperimentales. Cualquier mtodo que se aplique despus de la finalizacin de un programa o
poltica puede verse afectado sustancialmente por la falta de datos de referencia.
Debido a que los mtodos cuasiexperimentales se basan en determinados supuestos (vase el cuadro 1),
las conclusiones relativas a la causalidad extradas de esos estudios son menos definitivas que las de un
ensayo controlado aleatorio adecuadamente conducido. No obstante, en la mayora de casos, si se llevan
a cabo correctamente y se presentan con claridad (es decir, explicitando las limitaciones y cmo estas
afectan los resultados), los mtodos cuasiexperimentales suelen ser bien recibidos por los responsables
de tomar decisiones.
6.
7.
Pgina 12
8.
Martorano, Bruno y Marco Sanfilippo, Innovative Features in Conditional Cash Transfers: An impact evaluation of Chile
Solidario on households and children, Innocenti Working Paper No. 2012-03, Centro de Investigacin de UNICEF Innocenti,
Florencia, 2012. Vase http://www.unicef-irc.org/publications/pdf/iwp_2012_03.pdf.
Pgina 13
9.
Pgina 14
Pgina 15
GLOSARIO
Ensayos controlados
aleatorios
Estimacin de variables
instrumentales
Estudio de base
Grupo de comparacin
Grupo de tratamiento
Indicador
Modelo de riesgos
proporcionales de Cox
Regresin
Regresin de mnimos
cuadrados ordinarios
Regresin logstica
Pgina i