Evaluación de Impacto Social en Proyectos de Innovación Vía STATA, Métodos: Estimación por Variable Instrumental, Regresión Discontinua, Elección de método a usar
Keywords:
Impacto social, Stata, Variable instrumental, Regresión discontínuaSynopsis
En el mundo empresarial e industrial, el diseño e implementación de proyectos normalmente toma en cuenta el impacto económico, financiero y hasta el político o ambiental en la introducción de innovaciones. Sin embargo, en los primeros veinte años del siglo XXI, han sucedido diversos acontecimientos que han demostrado que la evaluación de impacto social en la generación de bienestar, es de vital importancia. De hecho, en los tiempos de la nueva normalidad que se avizora como la era PosCOVID-19, esto toma particular relevancia dado que todas las políticas y acciones que emitan empresas y gobiernos, deberán contar con el aval necesario de una evaluación de impacto social a la introducción de innovaciones.
Es por esta razón, que la obra: EVALUACIÓN DE IMPACTO SOCIAL EN PROYECTOS DE INNOVACIÓN VÍA STATA. Métodos: Estimación por Variable Instrumental, Regresión Discontinua, Elección de método a usar TOMO II, está orientada a describir tanto a propios como ajenos al tema, lo qué es el impacto social, sus características, condiciones e implicaciones, los principales métodos utilizados para calcularla así como las oportuni- dades que se vislumbran en la era PosCOVID-19, que demanda que los recursos y acciones de innovación a diseñar e implementar, relfejen altos estándares de impacto social que fomenten el bienestar, particularmente en los países emergentes.
Para logralo, esta obra está dividida en una colección de dos tomos, correspondiendo al Tomo II:
Capítulo 6. Estimación por Variable Instrumental (VI. Instru- mental Variable). En este capítulo reporta al lector los tipos de estima- ciones, el enfoque de mínimos cuadrados de dos etapas, lo que implica el cumplimiento imperfecto y los instrumentos débiles en los estimados, lo que significa el efecto de tratamiento marginal y lo que significa la promo
ción aleatoria en la técnica, lista de verificación. Cierra el capítulo con los alcances y limitaciones, así como con un ejemplo de aplicación en STATA. Capítulo 7. Regresión Discontínua (RD. Regression Discontinuity). El capítulo está diseñado para presentar la teoría de la regresión de discon- tinuidad, tanto nítida como difusa, los pasos que conllevan a su aplicación, posibles variaciones, la verificación de la validez del diseño, ventajas y desventajas de la técnica, comparaciones con otras (pipeline), limitaciones y alcances de la técnica, lista de verificación. Se incluye un ejemplo utili-
zando STATA.
Capítulo 8. Elección del método a utilizar. Dada la variedad de técnicas
a utilizar y con el fin de ayudar al lector a identificar la más adecuada, este capítulo está diseñado para explicar la importancia de determinar los grupos de comparación, la implicación de lo que es la prospectiva y cómo crear un grupo de comparación, la identificación de los beneficiarios y su priorización. Lo cual, sirve para dar base a cómo comparar y respaldar a los métodos de evaluación de impacto, lo que significa determinar la unidad de intervención mínima, cómo lograrlo y evitar sus dificultades de imple- mentación. Dada la intervención humana, se percibe cómo interviene la conducta y sus efectos no intencionados, la imperfección del cumplimiento, los efectos indirectos o de derrame (spillover) y el desgaste en la muestra. Se aportan sugerencias de diseño así como el tomar en cuenta los efectos y su persistencia en el tiempo. Asimismo, se explica la posibilidad de combinar diversas opciones de tratamiento en la evaluación de impacto en diferentes niveles de tratamiento así como la adaptación de evaluación de intervenciones múltiples.
Capítulo 9. Elección de la muestra y diseño de recolección de datos.
Con el fin de apoyar a un prospecto de proyecto, se dan aquí los elementos para determinar la muestra a partir de los métodos de muestreo más cono- cidos, lo que implica el cálculo de potencia de muestra así como los grupos de tratamiento vs comparación. Se citan los errores potenciales que se deben evitar, se define qué es y cómo calcular la potencia estadística, el significado de los clúster relacionado a la asignación aleatoria, recomenda- ciones para recopilar datos y cómo hacerlos indicadores que midan.
Capítulo 10. Lineamientos de gestión de proyectos de evaluación de impacto. En este capítulo, se resalta la importancia de los proyectos de innovación en el impacto social, cómo la sociedad se involucra y hace más participativa en las etapas de proyectos de innovación, se especifica a la empresa y su compromiso social, se plantean en general, objetivos de desa- rrollo sostenible de la ONU y el capital comunitario. Con esto de referencia, se especifican los componentes del equipo de gestión de la evaluación de impacto, sugiriendo cómo establecer colaboraciones y determinando tanto un cronograma como un presupuesto a un proyecto de gestión de proyectos de evaluación de impacto.
Capítulo 11. Evaluación de impacto social en la era PosCOVID-19.
Finalmente, se cierra la obra con la descripción general del fenómeno COVID-19 a nivel mundial así como su impacto económico, comercio internacional e internet. Para América Latina y el Caribe, se describen las oportunidades de la evaluación de impacto social en la introducción de innovaciones en los sistemas de salud, educación, empleo y pobreza, en la mipyme. Se concluye con un reporte sobre futuro mundial posCOVID-19, el impacto social del COVID-19 en México así como la estructura opera- tiva estrategias ante COVID-19, que son las bases para la introducción de evaluación de impacto social en la introducción de innovaciones en la era PosCOVID-19.
Downloads
Download data is not yet available.
References
AIEI (2015). Evaluación de Impacto Social: Lineamientos para la evaluación y gestión de impactos sociales de poryectos. Asociación Inter- nacional para la Evaluación de Impactos. Banco Interamericano de desarrollo, en: https://www.iaia.org/pdf/Evaluacion-Impacto-Social- Lineamientos.pdf
Angelucci, M. y Di Maro, V. (2015). Programme Evaluation and Spillover Effects. Journal of Development Effectiveness (doi: 10.1080 /19439342.2015.1033441).
Banerjee, A.; E. Duflo. (2009). The Experimental Approach to Development Economics.Annual Review of Economics 1: 151–78.
Bernal, R. y Peña X. (2011). Guía práctica para la evaluación de impacto. Perú: Universidad de los Andes: Facultad de Economía.
CGIB (2019). Pesquisa sobre o uso das Tecnologias de Informação e Comunicação nas escolas brasileiras – TIC. Educação 2018.Comité Gestor de Internet en Brasil, São Paulo, en: https://www.cgi.br/publi- cacao/pesquisa-sobre-o-uso-das-tecnologias-de-informacao-e-comu- nicacao-nas-escolas-brasileiras-tic-educacao-2018/
CONEVAL (2020). La política social en el context de la pandemia por el virus SARS-CoV-2 (COVID-19) en México. México: Consejo Nacional de Evaluación de la Política de Desarrollo Social, en: https://www.coneval.org.mx/Evaluacion/IEPSM/Documents/Poli- tica_Social_COVID-19.pdf
DRALE (2020). Diccionario de la Real Academia Española, en: https:// www.rae.es/
DOF (2020). Decreto por el que se establecen las medidas de austeridad que deberán observar las dependencias y entidades de la Administración Pública Federal bajo los criterios que en el mismo se indican, Diario Oficial de la Federación, en: https://www.dof.gob.mx/nota_ detalle.php?codigo=5592205&fecha=23/04/2020
Duflo, E.; Glennerster, R.; y Kremer, M.( 2008). Using Randomization in Development Economics Research: A Toolkit. In Handbook of Development Economics, vol. 4, ed. T. Paul Schultz and John Strauss, 3895–962. Amsterdam: North-Holland.
FAO/PMA (2019). Fortaleciendo los programas de alimentación escolar: el trabajo conjunto de FAO y WFP en América Latina y el Caribe. Organización de las Naciones Unidas para la Alimentación y la Agri- cultura/Programa Mundial de Alimentos. Panamá, en: https://es.wfp. org/publicaciones/fortaleciendo-los-programas-de-alimentacion-es- colar-el-trabajo-conjunto-de-fao-y-wfp
Gertler, P. J.; Martínez, S.; Premand, P.; Rwlings, L. B. y Vermeersch, Ch. M. J. (2017). La evaluación de impacto en la práctica 2a. ed. Washington, D.C.: Banco Interamericano de Desarrollo y Banco Mundial.
Heckman, J. J.; Ichimura, H. y Todd, P. (1997). Matching as an Econometric Evaluation Estimator: Evidence from Evaluating a Job Training Programme. Review of Economic Studies 64 (4): 605–54.
Heckman, J. J. y Robb, R. (1985). Alternative Methods for Estimating the Impact of Interventions.In Longitudinal Analysis of Labor Market Data, ed. James Heckman and Burton Singer, 156–245. New York: Cambridge University Press.
Heckman, J. J. y Vytlacil, E. J. (2000). Local Instrumental Variables. NBER Technical Working Paper 252. National Bureau of Economic Research, Cambridge, M A.
Heckman, J. J. y Vytlacil, E. (2005). Structural Equations, Treatment Effects, and Econometric Policy Evaluation. Econometrica 73 (3): 669–738.
Imbens, G. y Angrist, J. (1994). Identification and Estimation of Local Average Treatment Effects. Econometrica 62 (2): 467–76.
Khandker, S. R. (2006). Microfinance and Poverty: Evidence Using Panel Data from Bangladesh.World Bank Economic Review 19 (2): 263–86. Khandker, S. R.; Koolwal, G. B. y Samad, H. A. (2017). The Handbook on Impact Evaluation. Quantitative Methods and Practices. Washington, D. C.: The Worldbank.
King, E. M. y Behrman. J. R. (2009). Timing and Duration of Exposure in Evaluations of Social Programs. World Bank Research Observer 24 (1): 55–82.
Lee, D. (2009). Training, Wages, and Sample Selection: Estimating Sharp Bounds on Treatment Effects. Review of Economic Studies 76 (3):1071–1102.
Mejía-Trejo, J. (2011). Estudios del Futuro Tecnológico: definiciones hacia un modelo conceptual de prospectiva. México: CUCEA, en: http://www.cucea.udg.mx/sites/default/files/documentos/adjuntos_pagina/estudios_del_futuro_tecnologico_definiciones_hacia_un_modelo_ conceptual_de_prospectiva_0.pdf
Mejía-Trejo, J. (2019a). Técnicas Dependientes con SPSS, en: https://buk. com.mx/9786079878207/description
Mejía-Trejo, J. (2019b). Diseño de Cuestionarios y Creación de Escalas. Uso del EQS en las ciencias económico administrativas, en: https:// buk.com.mx/9786075384672/description
Moffitt, R. (2008). Estimating Marginal Treatment Effects in Heteroge- neous Populations. Economic Working Paper Archive 539, Johns Hopkins University, Baltimore, MD, en: http://www.econ.jhu.edu/ people/moffi tt/welfl s0_v4b.pdf
OIT (2020). Covid-19 y el mundo del trabajo: repercusiones y respuestas. Organización Internacional del Trabajo, en: https://www.ilo.org/ wcmsp5/groups/public/---dgreports/---dcomm/documents/briefing- note/wcms_739158.pdf.
OMS (2017). Global Health Expenditure. Organización Mundial de la Salud, en: https://apps.who.int/nha/database/Select/Indicators/en.
ONU CEPAL (2015). La Agenda 2030 y los Objetivos de Desarrollo Soste- nible Una oportunidad para América Latina y el Caribe. Santiago,Chile: ONU, Comisión Económica para América Latina y el Caribe,
en: https://www.un.org/sustainabledevelopment/es/
ONU CEPAL (2019). Panorama Social de América Latina. ONU, Comisión Económica para América Latina y el Caribe, en: https://www.cepal.org/es/publicaciones/44969-panorama-social-america-latina-2019 ONU CEPAL (2020a). Informe Especial COVID-19 América Latina y el Caribeante la pandemia del COVID-19. Efectos Económicos y Sociales. ONU, Comisión Económica para América Latina y el Caribe, en: https://www.cepal.org/es/publicaciones/45337-america-latina-caribe-la-pandemia-covid-19-efectos-economicos-sociales ONU CEPAL (2020b). Dimensionar los efectos del COVID-19 para pensar en la reactivación. ONU, Comisión Económica para América Latina y el Caribe, en: https://www.cepal.org/es/publicaciones/45445-dimensionar-efectos-covid-19-pensar-la-reactivacion
OPS (2019) Indicadores básicos 2019: Tendencias de la salud en las Américas. Organización Panamericana de la Salud, en: https://iris.paho.org/handle/10665.2/51543
OPS (2020) Actualización epidemiológica: dengue. Organización Panamericana de la Salud, en: https://www.paho.org/hq/index.php? option=com_docman&view=download&category_slug=dengue- 2158&alias=51692-7-de-febrero-de-2020-dengue-actualizacion-epi- demiologica-1&Itemid=270&lang=es
PDR (2020). Nada nos hará regresar al pasado, afirma presidente al presentar informe al pueblo de México. Comunicado de Prensa 6 de abril de 2020, en: Recuperado de https://www.gob.mx/presidencia/ prensa/nada-nos-hara-regresar-al-pasado-afirma presidente-al-pre- sentar-informe-al-pueblo-de-mexico?idiom=es-MX
Ravallion, M. (2008). Evaluating Anti-Poverty Programs. In Handbook of Development Economics, vol. 4, ed. T. Paul Schultz and John Strauss, 3787–846. Amsterdam: North-Holland.
RAO, V. y Woolcock, M. (2003). Integrating Qualitative and Quantitative- Approaches in Program Evaluation en: F. J. Bourguignon y L. Pereira da Silva, The Impact of Economic Policies on Poverty and Income Distribution: Evaluation Techniques and Tools: 165–90. Nueva York: Oxford University Press.
Semykina, A. y Wooldridge. J. M. (2005). Estimating Panel Data Models in the Presence of Endogeneity and Selection: Theory and Application. Working Paper, Michigan State University, East Lansing, MI.
Todd, P. (2007). Evaluating Social Programs with Endogenous Program Placement and Selection of the Treated. In Handbook of Development Economics, vol. 4, ed. T. Paul Schultz and John Strauss, 3847–94. Amsterdam: North-Holland.
Downloads
Published
December 30, 2021
Series
Categories
Copyright (c) 2021 Juan Mejía-Trejo
License
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
Details about this monograph
ISBN-13 (15)
978-607-571-167-6
doi
10.55965/abib.9786075711676.2021b
