00:00:36:19 Soft Workshop, la empresa líder en la implementación de herramientas analíticas y software especializado en Latinoamérica, les da la bienvenida a esta presentación. Instructor Camilo Alarcón, Ingeniero Industrial Economista con doble titulación de la Universidad Autónoma de Manizales, Magister en Economía Aplicada de la Universidad EAFIT y doctorando en Administración de la Universidad de los Andes. Experiencia en la docencia y la investigación en áreas como Economía, Administración y Finanzas.

00:01:13:04 Cinco años en el sector privado donde ha desempeñado roles de consultor en programas de protección social, Líder de procesos en áreas de logística, compras y costos, como también la coordinación de desempeño de indicadores de control en el área de soporte a clientes. Bienvenidos. Bueno, bienvenidos a todos a este webcast. ¿Vamos a hablar un poco acerca de la transición post franco jaja Bueno, hoy la idea es que hablemos un poco acerca de las evaluaciones de impacto, cierto?

00:02:01:05 Miremos cuáles como las aplicaciones que tenemos en la actualidad de de los usos en términos de políticas específicamente políticas públicas que se pueden realizar y se pueden evaluar a partir de algunos instrumentos en econometría que utilizamos mucho en la economía para poder evaluar. Digamos que los efectos que están teniendo las algunas políticas de implementación son uy, uy. Vamos a mirar específicamente un tema de diferenciación, diferencias, donde vamos a hacer la evaluación como específicamente lo que en lo que es la evaluación de el efecto de los permisos especiales de permanencia sobre la asistencia escolar.

00:02:37:02 Esto es una investigación que hizo una compañera del doctorado en economía allá ella trabaja temas de migraciones y entonces digamos que estuvimos revisando un poco esto para poder ver el tratamiento que tiene. Es de la herramienta de Stata para poder hacer. Digamos que el análisis que se tiene acá, entonces la idea es mirar un poco el efecto que tiene en los permisos especiales de la permanencia sobre la asistencia escolar para, para, para los migrantes.

00:03:28:04 Cierto, entonces el último informe sobre migraciones. Respecto a lo segundo, si el último informe sobre migraciones forzadas en el mundo que se publicó en el 2019 mostró que existen como alrededor del 80% de de de migrantes que son forzados y en y en y en ese 80% el 40% son niños niñas y adolescentes menores de 18 años. Entonces esa cifra lleva a encontrar que cuando estos estos migrantes llegan a estos países, pues va a tener algunos, digamos, como garantía de algunos derechos fundamentales para el migrantes que acogemos países específicamente como.

00:04:08:09 Entonces, de ahí que estamos buscando la evidencia de como esos permisos permiten que los migrantes integren de una manera más efectiva al país receptor y que tengan digamos que esa gran cantidad de trámites burocráticos y esos criterios de legitimidad regidos que excluyen casi toda su totalidad a los migrantes indocumentados. Entonces, en efecto, esa migración hacia Colombia, que provienen de Venezuela, tiene algunas características de desplazamiento forzado y es cara y es caracterizado también por su alta velocidad en el corto tiempo.

00:04:47:06 Entonces Colombia se convierte en en un actor principal de la recepción de esa población venezolana en el mundo. Entonces, algunos datos de la migración al país entre el 2020 registra que 1.000.700 o 700.000 migrantes llegan al país y pues que alrededor del 38% de la población tiene menos del del de 18 años. Entonces eso va a implicar que haya como una diferenciación poblacional que lleve a las necesidades diferenciales en el ciclo de vida.

00:05:24:03 Entonces lo que en esta aplicación se quiso hacer es mirar esa regularización de la llegada masiva de migrantes venezolanos por medio de una política que se llama el PP. El permiso especial de permanencia en en diferentes fases, pues tienen un efecto positivo sobre la asistencia escolar de niños, niñas y adolescentes migrantes. Entonces la idea es como revisar esa estrategia empírica a partir de esto.

00:06:05:08 Entonces bueno, un poco hablar de lo que es diferencias en diferencias. ¿Primero, como estamos utilizando en los los datos cierto, entonces diferencias en diferencias suele y resulta ser muy positivo porque la construcción de datos panel, que es el uso que tenemos en la actualidad, es cómo podemos tener esas esas observaciones repetidas en el tiempo para que exista digamos que una como una secuencia, lo que es del análisis de una misma unidad, cierto?

00:06:54:28 Si hablamos de de de un los individuos, de las firmas, de las ciudades, de los países de los colegios diferentes unidades de análisis que durante el tiempo tienen como el mismo que el mismo como seguimiento de lo que está pasando. Entonces lo que ocurre cuando tenemos datos panel es que podemos utilizarlos para poder ver diferentes, tenemos diferentes herramientas para poder medir que el impacto que se está teniendo y pues algunas encuestas que tenemos para esto, pues las que cierto entonces es un poco como la encuesta longitudinal colombiana en el CA, cierto, el panel está en control dinámico, el SE de en la Universidad de los Andes, que tiene esto, la pila que tiene los registros

00:07:36:27 para para esto del de de cada uno de los colombianos en diferentes bases de datos que se construyen información respectiva. Para esto y parte de las bases de datos que vamos a utilizar hoy, como la la Encuesta Integrada de Hogares, la que ya ha hecho y el registro administrativo de inmigrantes que nos va a ayudar a revisar cuál es ese espacio para que como que ha tenido entonces el registro de administrativo de migrantes venezolanos se levantó con el principal objetivo de ampliar esa información sobre la sobre la migración de venezolanos en el país y con esto tener un mejor soporte para la formulación y diseño de políticas integrales de atención humanitaria a los migrantes en

00:08:08:27 materia de una oferta de servicios necesarios para su atención. Esto, entonces esto empieza por allá como alrededor del 2008. Hay que tener en cuenta que parte de la migración fuerte de los municipios, los venezolanos empieza como en 2013 y empezamos como aquello que es hoy e como presente. Y la idea de la guía H es como hacer esa caracterización de los individuos en términos sociodemográficos que comprenden esas características en términos de educación, salud, empleo y condiciones de vida.

00:08:41:21 Entonces la idea es mirar como es el efecto que se tiene tanto de uno de de del el tratamiento de las personas tratadas y en los controles por las no tratadas para revisar un poco que es lo que lo que se tiene. O sea, básicamente vamos a utilizar esos datos pane para hacer la construcción del cómo, cómo funciona la política y qué ha pasado con respecto a la educación.

00:09:16:29 Cierto que es lo que queremos ver en términos de de si es positivo o no el efecto que tiene, el efecto que tiene esta política en la educación de las de los de los niños migrantes. En este caso, entonces hay algunos requisitos que se que se necesita para accederá al PIB, o sea el programa ciertos y estos requisitos pues van a ser muy importantes pues porque van a generar esa diferenciación entre quienes participan en el programa y quienes no participan.

00:09:39:25 Entonces ese es el que nos va a dar la garantía de cuál es nuestro tratamiento, nuestros, nuestros, nuestros tratados, para poder ver cuál es el efecto y quienes no son tratados, que hace parte de este del control y de acuerdo a estos requisitos, pues si se cumple no, no va a llevarnos a ir. ¿Es como mirar el efecto que se tiene, cierto?

00:10:13:00 Sí, tiene un efecto placebo, porque si está bien bueno, entonces aquí hablando un poco de diferencias en diferencias, pues simplemente es cómo utilizamos esta técnica estadística para estimar sus efectos causales de un meterme en la intervención o en la política que se esté dando, en este caso la política. El PP estamos utilizando para ver el efecto que tiene en Colombia, específicamente en la educación para los los niños migrantes.

00:10:52:23 ¿Entonces utilizamos esta herramienta que creo que funciona bien para determinar cuáles son esos efectos y poder tener algunas algunas ideas de qué podemos hacer, si está funcionando el programa que mejores tener cierto? Bueno, y para eso Stata pues Stata nos va a ayudar, digamos, como a hacer toda la preparación, la gestión de toda esta información de de todo lo que se tiene para esto y hacer toda la gestión de acierto, el análisis descriptivo, la estimación del modelo, las pruebas de los test, en el caso que se necesita todo ya, ya lo vamos a ver mejor.

00:11:29:10 Bueno, entonces esta es nuestra pregunta de investigación donde vamos a tener una política de amnistía que se llama el permiso especial de la permanencia, el PIB, que tiene un efecto positivo sobre la asistencia escolar de niños, niñas y adolescentes migrantes. ¿Entonces, lo que vamos a ver específicamente acá es cómo está la educación, como se es el efecto de la educación cuando tenemos el ingreso de niños, niñas y adolescentes menores de 18 años, en este entran en esta política o entran en este permiso especial, Cierto?

00:12:16:04 ¿Entonces el link que vemos acá va a representar el menor migrante, cierto? Y el de va a representar la que tenemos acá va a representar el departamento de Colombia, entonces ahí vamos a encontrar el menor y este que tenemos acá, que simplemente es el tiempo, la variación año o mes desde el 2016 hasta el 2019. Entonces es como nuestro nuestro tiempo de de de Análisis de la evaluación de impacto del 2016 al 2019 y el impacto que ha tenido es en términos de educación, que es lo que tenemos acá entonces, y que son los individuos menores de los niños que las personas migrantes menores de 18 años.

00:12:50:15 Este es el departamento donde llegó y el tema presencia en el mes. Entonces el esto nos va a llevar a que haya como la he el los efectos fijos que vamos a tener durante todo esto en términos de tiempo y en términos de de la ocasión. Cierto. Entonces vamos a tener otras variables como la edad escolar, que es una variable dicotomía que toma el valor de uno y de uno.

00:13:20:28 Después de la implementación del PED desde agosto del 2008 y cero. Pues lo contrario. El Teide, que es este que tenemos acá, que va a ser la variable dicotómica también que define los grupos de estudio. Cierto. Entonces toma el valor de uno si se enfrenta a un migrante afiliado a la al, al programa y cero de lo contrario.

00:14:03:27 Y por último, el departamento este que tenemos acá, que es una variable dicotómica que toma el valor de uno. Si el menor migrante se encuentra en un departamento con alto nivel de penetración del PIB y lo contrario, esto es, con el fin de encontrar la mayor cercanía de los migrantes regularizados por el programa. Y ya el X que tenemos acá son los controles que van a estar dado por la edad, por E, por la edad, por el estado civil, por el género, por la cantidad de miembros del hogar que pueden afectar también directamente la asistencia escolar y menor preguntas.

00:14:53:26 Hay supuestos el post lo que hay supuestos para los datos en sí. Pues aquí tenemos que tomar el supuesto de de, pero no para el panel, para los datos panel específicamente pues porque simplemente vamos a tener ahí. Pero si la regresión de diferencias en diferencias que es el el la la prueba de robustez que se hace en términos de mirar la e los efectos paralelos, es decir, que haya menos diferencia entre lo que pasa antes del del del programa y después del programa.

00:15:18:18 El post es el tiempo, el post es el que es la interacción de las variables que incluye la e, la flexibilidad del potencial diferencial. Eso es lo que hace el pos o la cambio en las consultas. Si tengo una base de datos donde el 20% de observaciones corresponde a mi grupo de tratamiento, podría utilizar el 80% restante como grupo de control.

00:16:02:11 Debería hacer algún tipo de selección de mejores comparables. ¿En tal caso, cómo se podría realizar tal selección de comparables? ¿Y cuántos debería quedarme? Pues ahí lo que hay que hacer es lo que les digo es revisar el tema de EM, de del del el supuesto de que se me quedo este nombre un segundo por favor. Un de el el de de los efectos paralelos pesar de las tendencias paralelas.

00:16:55:02 Entonces hay que revisar las tendencias paralelas para mirar cuál es el efecto. No importa, no importa cuáles sean, como los los efectos AD Miremos acá, o sea, en términos de cantidades, el 20% siento que es muy pequeño. Para que sea un tratamiento, yo creería que debería ser parecido, pero entonces ya cuando haces tendencias paralelas y revisas por ejemplo lo que tenemos acá, si ya lo vamos a ver en en otro, en otro gráfico que hacemos desde Stata, podríamos revisar em el tema de la diferenciación que se tiene, pues los los las tendencias paralelas simplemente es mirar estas diferencias que existen entre el tratamiento y el control.

00:17:29:12 ¿Cierto? Entonces si ves que hay una diferencia muy grande después de el el el el proceso cierto, después de de la implementación de la política, entonces ahí tienes que empezar a revisar si estás teniendo, digamos que una buena significación del del example, del de lo que tienes como muestra bien el texto e el Tepa, que es el Departamento de EH, es una variable dicotomía que toma el valor de uno.

00:18:07:24 Si el migrante se encuentra en un departamento con alto nivel de penetración del programa listo Pilar Variable y Cotto toma el valor de uno y el migrante se encuentra en un departamento con alto nivel de penetración del género. Si, perfecto, muy bien el tiempo acuérdate que está dado por eh estate, que sean meses o años en su defecto, que es la unidad de análisis que tenemos.

00:18:45:21 ¿Sí, bien, esto eh? Entonces, bueno, aquí este gráfico nos va a mostrar la evolución de la asistencia escolar de grupos menores para grupos de tratamiento y de control. Entonces los menores migrantes que componen el grupo de tratamiento parecen mantener una menor asistencia escolar frente a los controles hasta frente a los que sí frente al control. Entonces, aquí tenemos el control y aquí tenemos los tratados.

00:19:40:08 ¿El tratamiento listo, eh? Entonces la diferencia entre ambos grupos se vuelve mucho más marcada, dejando ver cómo los menores migrantes en condición irregular empiezan a ingresar en un mayor en la mayor cantidad al sistema educativo frente a los menores en condición regular. Entonces aquí tenemos como estos. Esto es, vámonos a revisar me algunas que vamos a revisar a partir para que miremos si va a compartir.

00:20:11:04 Entonces bueno, aquí tenemos Stata en lo que les decía la base de datos ya pues está construida donde vamos a tener nuestra secuencia de hogares. EM Todo el registro que tenemos aquí tenemos nuestras variables en directorio, los hogares, los registros, la edad, parentesco, estado civil, algunas variables de control, cierto. Podemos tener en términos de toda la construcción de la base de datos.

00:20:43:14 Acuérdense que la base de datos del del, del, la G y H es muy grande, puesto que esa es la consolidación y pues también hacer la consolidación de de la base de datos con el P. Cierto pues hacer como esa integración entre ambos puedo compartirles la base. E Sí, yo creo que sí voy a ver, yo creo que sí se puede compartir, sí.

00:21:25:14 Bueno, entonces aquí tenemos las diferentes e las diferentes variables que tenemos entre todos. Hacer un discri para. Para poder ver qué es lo que tenemos. ¿Cuáles son los tipos de preguntas que nos interesa ver? Cierto aquí lo que les decía que el fax es el el tiempo e las preguntas que se hacen. Ah, ok, gracias, Eric. Bien, eh, aquí tenemos otro municipio.

00:21:46:21 Diferentes preguntas. La rama actividad e el valor incluyen clic.

00:22:39:17 Sí, ya, ya, ya. Les voy a mostrar la base de datos como tal. Cuando se tienen bases, grandes bases de datos, es posible trabajar en Stata en línea usando un servidor que su Sí, sí se puede. No se Erika Si la pregunta que hace Jesús no, no entiendo como miles de años habría servido y si quieres apoyo con algunas preguntas por el chat, yo las voy respondiendo por el chat para que tú puedas darle continuidad al tema y yo te apoyo respondiendo desde el Paredes.

00:23:14:06 Muchas gracias. Listo, Listo. Muy bien, entonces les voy a mostrar. Bueno, aquí les quería mostrar un poco la base de datos y quiero mostrarles específicamente quiero mostrarles el Facebook. Entonces aquí lo que hacemos es como convertir e en nuestra. ¿No está, pues la la base de datos? ¿Pues como organizarla? Se ve un poco de limpieza. Yo ya lo hice.

00:24:04:18 Sin embargo aquí simplemente vamos poniendo como poco a poco, que es lo que necesitamos entonces generar por ejemplo los menores de edad, entonces generamos esta variable menores de ah que de estudiar de 7 a 17 años, entonces generamos esta otra variable e para salir ahí, porque creo que ya lo hice, que ya lo ya lo tengo ya aquí vamos a hacer el número de años normativos aprobados, que aquí es donde convertimos, digamos que el número en en, en cierto, aquí volvemos algunos controles, un rezago, que es la diferencia que vamos a tener, la asistencia escolar, los tratamientos, los tratamientos que tenemos acá.

00:24:50:17 Simplemente es esta la variable que tenemos acá en la P 60, 90 e y pues vamos a volver simplemente a los ceros y unos para poder hacer esa diferenciación de lo que queremos hacer en tratamiento y control de lo que se tiene. Entonces el bus Pérez Ya, ya te voy a mostrar como, como ya tenemos listo la asistencia en edad de estudiar, que es otra que pues toda la creación, el departamento Tec que era el que les mostraba en el en la presentación, cierto, y aquí algunas estadísticas descriptivas, vamos a ver algunas estadísticas descriptivas.

00:25:52:04 Aquí vamos a tener el número de migrantes por año. Sí, eh, bueno, esto es meses, meses, porque por cada año este es el número de migrantes totales mensuales, vamos a tener el total de asistencia escolar, las cantidades E en edad de estudiar. ¿Entonces el tap tap nos va a ayudar, pues cómo hacer esa diferenciación entre uno? Cierto, los que sí están estudiando, al igual que a cada uno de los que están estudiando y vemos todas las cantidades que tenemos acá, bien listo, aquí hacemos un global para poder generar el sexo del parentesco, el padre que recibe, la madre que recibe, entonces simplemente el género que vamos a tener ahí, eh listo las regresiones, vamos a

00:26:35:07 hacer esta regresión y vamos a tener aquí un primer resultado. ¿Entonces el resultado ver el post con el departamento listo eh? Y ya este. Vamos a tener la regresión con las, eh, con las interacciones, que es lo que queremos ver. Entonces simplemente aquí nos va a interesar. Primero el efecto que tiene sea directamente el ver que es lo que lo que queremos ver en términos de la diferencia que se tiene, o el impacto o la probabilidad que tiene que ocurra este evento en términos de lo que pasa.

00:26:55:23 Entonces vemos acá, por ejemplo, las está el el, el valor que el valor nos va a indicar. Esa es la relación que existe. Entonces vamos a ver que pues por este lado tiene una buena significancia estadística para poder responder a eso que que queremos mostrar.

00:28:00:08 Bueno, pues ya listo entonces un poco estas estadísticas nos van a llevar a decir que estos resultados de nuevo diferencias en diferencias y nos dicen como pues como que parece que hay 111 negativo. Es cierto, pertenecer al grupo de tratamiento y encontrarse con un departamento de alto, con alto, pero entonces esta relación negativa que tenemos acá es Temenos 0.32, nos indica que puede haber como como que ese grupo de tratamiento tiene como diferencias para o pues digamos que eso es diferente a lo que a lo que a lo que el resultado que esperamos entonces no son significativos bajo ninguna inclusión de efectos fijos ni controles sobre esos individuos.

00:28:31:10 Entonces el coeficiente interés estimado según lo definimos en esa ecuación, vamos a ver que se estiman esos efectos del programa ese o de con ningún control para los individuos y las columnas y presentan las estimaciones de los efectos del programa list. Entonces, ante esa primera observación vamos a encontrar que este programa tiene un efecto diferencial sobre los migrantes en condición irregular que se encontraban en los departamentos con mayor cobertura.

00:29:00:17 Entonces se estima que el programa contribuye a un aumento de aproximadamente 7.2% de la asistencia escolar de niños, niñas y adolescentes migrantes irregulares. Y pues como tiene ese control por unas características de los hogares que son menores y unos efectos fijos de mes y departamento que nos ayuda a capturar esas heterogeneidad es propias de las departamentos y transcurren en en el tiempo.

00:29:50:03 Es parte de lo que habla de que me preguntaban ahora en términos de cuáles son esos supuestos. Para mitigar un poco la heterogeneidad utilizamos el departamento, utilizamos también el eh, donde podamos capturar. Digamos que esos efectos de en el tiempo en el departamento para mitigar un poco esos entonces, esos resultados donde están estadísticamente significativos para el momento del modelo, que es lo que vemos acá, lo que voy a responder acá una pregunta, porque en el área de economía casi nunca se reporta ni el valor P ni el intervalo de confianza, considerando que el software como está acá, reportamos.

00:30:19:00 Andrés Me parece raro porque generalmente si lo hacemos es muy importante que el valor se reporte o nos indica cuando nosotros estamos diciendo que es estadísticamente significativo. Ahí estamos utilizando el qué valor. ¿Pero en muchos casos como vamos a encontrar algunas diferenciaciones, no? ¿Dependiendo del modelo que tú estés utilizando, este montando eh? ¿Va a tener muchos problemas, cierto?

00:30:42:25 Va a tener algunos sesgos o a tener, no sé, digamos, problemas de heterogeneidad, de ruido blanco, diferentes problemas que tenemos ahí. Entonces, cuando no nos está, digamos que no alcanzamos ese valor que que nos interesa en algunos casos, pero en este caso, por ejemplo, vemos que si no da y que si lo tenemos es muy importante para nosotros cuando estamos haciendo una valoración de impacto.

00:31:03:05 ¿Qué es lo que pasa con el sí, sí, por qué? Porque eso es lo que nos va a llevar a medir. Si nuestra hipótesis que en este caso, por ejemplo, estamos buscando en efecto positivo, pues tenga esos efectos que se requieren. En este caso no estamos teniendo un efecto positivo de de lo que estamos buscando específicamente en este cierto.

00:31:31:10 Pero hay otros que sí tienen efectos, pero por ejemplo, este no cierto, este no es, es, no es estadísticamente significativo, pero estamos mirando que por lo menos hay problemas de producto en la estrategia de identificación del del, del, de la del del modelo. Cierto, pero, eh, vamos a ver que puede empezar a tener una tendencia positiva a lo que estamos buscando.

00:32:01:24 Listo, entonces sí lo utilizamos. Pero lo que nos interesa es que cuando estamos relatando la historia, decir que es estadísticamente significativo y simplemente nos vamos a enfocar o directamente en ese efecto listo reportan el valor de Owen. Y en cuanto a los intervalos de confianza, es simplemente el intervalo de confianza. Nos va a ayudar a mi a mirar si estamos teniendo.

00:32:32:16 Es como una pequeña prueba de los si el modelo está teniendo como sentido de lo que estamos haciendo, entonces por eso no lo utilizamos mucho. ¿Puede explicar los test de significancia a considerar para validar el modelo, por favor? ¿Puede explicar los test de significancia a considerar para validar el modelo, por favor? Es claro que sí. Bueno, entonces aquí tenemos esta lo que tenemos.

00:33:13:13 Esta es nuestra muestra regresión para hacer la estimación con interacciones. Y esta es la que tenemos. ¿Normalita, cierto? Miren que este es el efecto que estamos buscando acá. Entonces esta es la sencillita, esta es la que hacemos con las interacciones aquí. Listo. Y acá hacemos unas pruebas de robustez cierto de del ejercicio entonces, por ejemplo. Pero bueno, tenemos que realizar esto y entonces cuando estamos haciendo la diferencia vamos a encontrar esto.

00:34:02:19 Entonces acá hacemos la prueba de robustez. Sí, sí, es correcto, es correcto. Es importante medir. Listo. Entonces, em, estas pruebas de robustez nos van a llevar a verificar si esos resultados para los menores migrantes guardan una relación con dinámicas propuestas por este ejercicio específicamente. Entonces vamos a incluir esa prueba que busque descubrir un individuo a tratar, es decir, un placebo que no fuese expuesto al tratamiento y tampoco se viese beneficiado o afectado de forma alguna.

00:34:32:18 Con la implementación del pack Cristo. Entonces el individuo que utilice que se utiliza o los individuos que se utilizaron son los menores de edad de estudiar en con nacionalidad Colombia. Entonces éstos al encontrarse en nacionalizados no van a necesitar una regulación alguna para hacer goce del acceso al sistema educativo. Por eso es plausible pensar que no deben demostrar impacto alguno con la implementación del test.

00:35:03:05 Esto entonces lo que hacemos acá es mirar el efecto. Miren esta prueba de robustez, lo hacemos con un efecto placebo, es decir, con niños colombianos específicamente que no tienen, que no les impacta en ningún caso el el el programa, pero eso es simplemente lo que hacemos con la prueba robustez y lo que estamos obteniendo. Digamos que es como un una relación muy parecida a los resultados enteros.

00:35:34:12 Entonces esos resultados anteriores van a reforzar que no existe un efecto significativo alguno para esos menores colombianos con la implementación del PED bajo, ninguno de los modelos de implementación light, y a eso lo hacemos en diferencias simples, como lo vimos y en otros modelos que sí se utiliza visto bueno y listo. No sé, como que ahí ya concluimos esas pruebas de robustez que tenemos acá.

00:36:18:11 Em La idea era pues mostrarles como un ejemplo de una aplicación que se hace diferencias en diferencias. No sé si tienen más dudas, no sé Dante, si te quedó claro el resultado y Miguel dice es correcto dejar el modelo. Esos parámetros que no son estadísticamente significativos, generalmente no se ponen cuando no son estadísticamente significativos. Y cuando estamos haciendo pues como los resultados, cuando estamos haciendo los resultados, pues simplemente utilizamos esto.

00:37:04:18 Sí, aquí lo tiene un gráfico. Miguel mira, bueno, esto es un gráfico de de este no lo alcanzamos a sacar, se los mostré acá. Este es en la implementación que tenemos acá para este. ¿Este es otro ejercicio que se desarrolló en algún momento cierto? Entonces vemos como en la fecha de la implementación y como vemos la diferencia diferencia, entonces aquí vemos como como esta tendencias son parecidas, se bibliografía y bibliografía para estos temas.

00:38:38:03 Si ya te digo acá un segundito por si hay una bibliografía que tengo por acá, voy a copiar y escala. Tengo. Yo tengo un libro de diferencias en diferencias que se me olvidó. Bueno, ya lo recuerdo y les paso la bibliografía. Esto tienen más de estas preguntas. Ya les voy a compartir por el chat o la bibliografía de este perfecto Camilo.

00:39:13:10 Igual la gente que nos está contando por la grabación en este momento estoy dejando el enlace por dónde podrán ingresar la próxima semana a nuestra página web y allí podrán ver esta y otras presentaciones también que se han desarrollado con el apoyo. Destaca igual las personas que requieran mayor información acerca de licenciamiento o capacitación. También estoy dejando un enlace en un correo al cual nos pueden escribir que es entrenamientos arroba, software punto com y con gusto les mandaremos la información por acá.

00:40:10:15 Nos están haciendo otra pregunta Camilo, si no se ven tanto desventajas tiene el uso del comando específico de Stata para estimar dir en DIF con los resultados obtenidos en el modelo de regresión o si hay ventajas o desventajas. Yo creo que tiene más ventajas ahora, no el último, el último, el. La última versión de Stata tiene unos nuevos comandos que se desarrollaron para poder mejorar las estimaciones de como mirar esos temas de heterogeneidad y poder, que esos procesos de robustez que tenemos cierto, es decir, todas las unidades de tiempo, de tiempo de departamento, cierto de municipio o diferentes que tengamos, nos ayude como a ser un poco más precisos al momento de hacer esa medición.

00:40:48:01 Entonces yo creo que son más las ventajas que tiene la la herramienta de State como porque te ayudará a mejorar la precisión y en el caso que tengas, digamos muchos abordajes o que tengas un sesgo importante, entonces te va a ayudar a identificarlo de una manera más, más precisa. ¿Listo? Siempre, siempre, siempre en una evaluación de impacto. ¿Bueno, y específicamente cuando tenemos datos panel es importante siempre tener un grupo y va a pasar, no?

00:41:14:21 ¿Pues porque cuando tú estás implementando una política o lo que sea, porque esto también se hace de desde la biología o de la medicina, las diferentes áreas del conocimiento, siempre vamos a tener un grupo de tratamiento y un grupo de control se tratamiento, a quién le vamos a aplicar la el tema que estamos haciendo o o la política o la medicina o lo que sea y el grupo de control?

00:41:56:18 Pues ese es el que no le estamos aplicando nada para ver cómo se está, como se está manejando y cuáles son los efectos que está teniendo ciertos. Cierto, eso se parte como la de la identificación que se tiene el delito del del programa. Un segundo que estoy aquí buscando la bibliografía por acá me viene una pregunta directo también lo que le voy a leer, señora dice los conjuntos de datos siempre deben estar como datos Panel No, no, no, pues dependiendo en la estrategia de identificación, esto si es un diferencial sin diferencias.

00:42:44:16 Necesitas datos. ¿Por cierto, si tú vas a hacer digamos que ya otro tipo de de de de identificar si es cierto, no sé si vas a hacer una city, cierto, una city o vas a tener un o otro tipo de identificar que necesita solamente datos longitudinales o datos transversales en su defecto, cierto? Entonces, específicamente datos transversales, pues ya, ya defines eso ya va a depender de la estrategia de identificación que hagas o que vayas a utilizar para implementar City, una City que es un random sin el, como así ti random y sin control.

00:43:19:07 ¿Jaime Si entonces tú estás eligiendo aleatoriamente que tu muestra para poder que se cumpla el supuesto de de de de que es aleatorio, cierto? Y ahí estás, controlando esa parte. Y es exacto. Un ensayo controlado, aleatorio en español. ¿Y entonces ahí utilizas datos transversales porque lo que tú estás mirando es un grupo de tratamiento, un grupo de control, pero en un tiempo determinado, cierto?

00:43:27:03 Entonces miras simplemente qué es lo que está pasando. Ya.

00:43:55:09 Perfecto. Muchas gracias por acá. Verónica, Tengo una pregunta. ¿La puedes escribir en el chat por favor? Y con gusto te damos respuesta. Vamos a esperar unos minutos mientras Verónica nos responde Voy a aprovechar este espacio. Como lo mencioné al inicio, voy a compartir una encuesta, la voy a dejar en este momento en pantalla para que nuestros asistentes puedan ir desarrollando poco.

00:44:42:09 ¿Que es esto por acá ya Verónica envío la pregunta, camino como son para siempre que ayude a perder? ¿Dale, dale si como son datos para como puedo tener los resultados para cada unidad? ¿Cómo puedo retener los resultados para cada unidad y para cada unidad de análisis? ¿Como puedo tener los resultados para cada unidad de análisis si no? Yo creo que para eso están las las las estadísticas descriptivas.

00:45:05:11 Puedes utilizar las estadísticas descriptivas para eso. Verónica Porque acuérdate que tú estás definiendo el grupo de control que es uno cierto, el tratamiento que es uno y el control que es cero. Entonces cuando tú miras ese grupo de tratamiento, que son los unos que tú lo tienes que definir en tu base de datos, porque eso son de tu, del tu base de datos, porque esos son los que estás afectando.

00:45:39:02 Ahí vas a a tener como el el los resultados para cada unidad. ¿Sí, sí, entiendo la pregunta Cuál es la diferencia entre depende y la técnica propensa a ti es con el score matching? Ah, okay, lo que pasa es que depende diferencias en diferencias está utilizando son La diferencia está en los supuestos que utilices. Tú ves diferencias en diferencias, estás mirando un impacto en un momento específico.

00:46:01:27 Cuando tú haces un propensa y ti como propensa a ti, tú estás como cogiendo diferentes en las unidades. Entonces estás haciendo el matching por todo lo que está pasando. ¿Pues no sé, tienes, no sé, cinco políticas, cierto? Entonces esas incorporan líticas, las vas a empezar a mirar el efecto a cada unidad y eso es lo que hace el score match.

00:46:36:07 Sí, mientras que diferencias en diferencias tienes tu tratamiento, tienes tu control y la y los supuestos son distintos al propio insistes con match. Entonces el diferencias indiferencias tienen unas unos opuestos como el del de tendencias paralelas que tiene que cumplirse para poder definir eso. ¿Cierto? Si no lo cumples entonces miras por ejemplo propia sitios con match es con matching que es un poco más preciso porque tú estás haciéndole como el match a cada una de la unidad y entendiendo lo que es lo que pasa.

00:47:28:28 Pero digamos que tienes que hacer muy bien el análisis a partir de los resultados. Entonces esas son las diferencias. El método de difundir. ¿Se puede utilizar una evaluación ex ante y sí, señor, sí señor Javier, sí se puede utilizar y realmente es eso, no? Cuando tenemos, por ejemplo, está que se mis discúlpenme un segundo, es nuestro acá cuando tenemos, por ejemplo, si es este un cuando tenemos esta gráfica, entonces mira lo que está pasando acá.

00:48:07:11 Aquí hubo una política, mira, pues entonces aquí hay una política que paso, por ejemplo en 1998, o sea, se implementó la política acá, entonces antes no había esa política y estábamos teniendo un control y un tratamiento cierto antes de eso. Y eso es lo que hace tendencias paralelas, lo que queremos, contingencias paralelas. Luego es revisar que esta diferencia entre estos dos, cómo hacer la estimación después del tratamiento para poder ver que no sea muy diferente.

00:48:45:11 Eso es lo que hacemos con tendencias paralelas. Pero entonces acá, antes y por cierto antes de la implementación, después de la implementación viene Jesús. ¿Te quedó claro? ¿Se puede aplicar el centro diferencias en la relación, un pacto ex post? Pues para eso son los datos, los datos panel cierto, se supone que tú vas a tener como toda la la vas a tener en el radar toda la secuencia de lo que pase con tu unidad de análisis durante un tiempo determinado.

00:49:02:23 ¿Entonces lo que se espera es que cuando tú hagas la implementación este antes y después, porque para que puedas mirar el impacto, entonces no creo que Ex post te sirva para eso, Cierto?

00:50:17:04 Bueno, con todo, si hay más preguntas, dudas. Estoy aquí buscando en Van. Invito a los asistentes que por favor nos ayuden con la encuesta y creo que no hay más preguntas por este medio les puse, les puse unos, unos autores que sirven para diferencias. En diferencias está Rodolfo nos dice cómo no sería conveniente para el análisis aplicar alguna transformación lineal a las variables como la logarítmica en No, no en este caso específicamente no, porque tu acuérdate que tú estás convirtiendo las variables dicotómicas, sí, entonces estás viendo uno y cero y eso es lo que estás buscando en el impacto y la variable educación, a no ser que tenga, pues como muchos de de la de

00:50:53:06 la medición que tenga la variable dependiente, pues va a tener como como pues haces esa transformación, pero si no lo necesitas no, porque esto es directamente lo que hace E ok, acá hacen las aquí se las muestro, vaya, se las vuelvo a enviar listo. En la gráfica que nos presento parece que se viene el supuesto de las tendencias equivalentes antes de la intervención para el tipo DIF.

00:51:28:01 ¿Cómo se aborda ese problema? Entonces listo para abordar el problema de de de las tendencias paralelas e Ahí habría que mirar cómo y estos autores sirven mucho para para poder como corregir esos problemas que se tienen. Entonces lo puedes revisar en términos de cómo haces como la alineación de te, de que se cumpla ese supuesto en términos de de la de la diferencia.

00:52:07:27 MB Si, entonces empiezas a revisar con la diferencia de medias para poder determinar, pues es como una técnica que se utiliza mucho para abordar ese problema. ¿Esto Lisa, no sé si hay más preguntas de qué por un momento no? Camila Igual a las personas que les surjan dudas. Finalizando la charla en Juan Este del correo electrónico que he venido compartiendo, que ese entrenamiento se basó en su punto com, lo voy a dejar en este momento en el chat nos escriben y con mucho gusto las transmitimos a Camilo para que pueda dar respuesta a ellas, algo que quieras adicionar.

00:52:47:07 ¿Cambiando un comentario antes de finalizar no? Muchas gracias. Espero que les haya servido un montón. Pues como la la la, el panorama, lo que es uno de los impactos en términos de el uso de el uso de los datos, específicamente los datos panel, que es lo que estamos utilizando acá, la estrategia de identificación, que son la diferencia de diferencia y la herramienta trata pues que digamos que ha ido evolucionando mucho en términos de de la robustez que tiene para poder hacer este tipo de de de modelos y que nos den digamos que un poco más de precisión para eso.

00:53:13:11 Entonces sí, el muy recomendado está para esto. Muchas gracias. Gracias a ti por este espacio, a todos mis asistentes igual muchas gracias por acompañarnos, los estaremos invitando a nuevos eventos. Esta información la vamos a estar enviando por correo electrónico, igual también la pueden revisar en nuestra página web Triple punto, software, guion shop, punto com Así que para todos ustedes, un feliz resto de día.

00:53:39:15 Los esperamos pronto. Camila, muchas gracias, esperamos tenerte nuevamente por acá, prontamente esto. Gracias. Feliz día para todos y hasta pronto. Para mayor información respecto al software o en temas relacionados, no dude en contactarnos a través del correo electrónico, entrenamientos a software, guion, ya.com o visitar nuestra página web Triple o punto Software Guión shop punto com.