AADAPT Workshop South Asia
Amostragem para
Avaliações do Impacto de Programas
Introdução
Como é que desenhamos uma amostra para detectar de
uma forma credível um efeito significativo?
Em que populações ou grupos estamos interessados e aonde é que conseguimos encontrá-los?
Quantas pessoas/empresas/unidades devem ser entrevistadas/analisadas dessa população?
De que forma é que o tamanho da amostra afecta o orçamento da avaliação?
Atenção!
O objetivo desta apresentação não é torná-lo um perito em amostragens
O objetivo também não é dar-lhe uma dor de cabeca
É mais um overview: De que forma é que as características da amostragem afectam o que é possivel aprender com a avaliação do impacto de um programa?
Sumário
1. Base da amostragem
Em que populações ou grupos estamos interessados
Como é que conseguimos encontrá-los?
2. Tamanho da amostra
Porque é tão importante: confiança nos resultados
Determinantes do tamanho apropriado da amostra
Outras questões
Exemplos
Base de amostragem
Em quem é que estamos interessados?
a) Todas as povoações?
b) Todas as povoações em que estamos presentes? c) Todas as povoações numa determinada província?
d) Todas as povoações em que estamos presentes numa determinada província?
É preciso ter em consideração a validade externa
Consegue-se com os resultados da população (c) retirar ilações para intervenções noutras províncias?
Consegue-se com os resultados da população (d) retirar ilações para as políticas públicas do país?
Mas é preciso ter em conta a viabilidade e o que queremos saber
Pode não ser possível ou desejável fazer um piloto muito genérico de um programa ou de uma política
Base de amostragem:
Encontrar as unidades em que estamos
interessados
Depende do tamanho e do tipo de experiência
Sorteio entre as povoações
Exemplo: Programa de Capacitação de Instituições ao Nível Local, em províncias onde o parceiro de implementação está presente
Podemos utilizar unidades de tratamento e comparação da pool de povoações Se não é possivel (50,000 recebem o tratamento), é necessário uma amostra
para medir o impacto Alteração de política
Exemplo: Alteração em províncias seleccionadas aleatoriamente das regras de capacitação institucional
Para medir o impacto na qualidade das decisões ao nível local, não se pode criar uma amostra de todas as povoações nas províncias seleccionadas É necessário uma amostra de povoações dentro das províncias
Informação necessária antes da amostragem
Listagem completa de todas as unidades de observação disponíveis para amostragem em cada área ou grupo
Sumário
1. Base da amostragem
Que populações ou grupos estamos interessados
Como é que conseguimos encontrá-los?
2. Tamanho da amostra
Porque é tão importante: confiança nos resultados
Determinantes do tamanho apropriado da amostra
Outras questões
Exemplos
Tamanho da amostra e confiança
Comece com uma questão mais simples que o impacto
do programa
Digamos que queremos saber a média da assiduidade
escolar na província do Kwanza Sul em Angola
Opção 1: Saímos à rua e procuramos 5 povoações-escolas,
calculando nós a sua média em termos de assiduidade de
alunos
Opção 2: Obtemos 130 escolas e calculamos a média
correspondente
Tamanho da amostra e confiança:
5 escolas
120 escolas
assiduidade (% diasNo de escolas
0 - 20%
1
20 - 40%
1
40 - 60%
1
60 - 80%
1
80 - 100%
1
assiduidade (% diasNo de escolas
0 - 20%
10
20 - 40%
20
40 - 60%
30
60 - 80%
40
Tamanho da amostra e
confiança
Da mesma forma, quando calculamos o impacto do programa
Necessitamos de muitas observações para dizermos com confiança se o resultado médio do grupo de tratamento é superior/inferior ao do grupo de comparação
O que significa com confiança?
Minimizar o erro estatístico
Tipos de erros
Erro tipo 1: Dizemos que há um impacto do programa quando na realidade não existe
Erro tipo 2: Existe um impacto do programa mas não conseguimos detectá-lo
Tamanho da amostra e
confiança
Erro tipo 1: Detectar um impacto do programa quando não existe
Erro pode ser minimizado depois da recolha de dados, durante a fase de análise estatística
Necessário ajustar os níveis de significado das estimativas de impacto (ex. Intervalos de confiança de 99% ou 95%)
Erro tipo 2: não se consegue detectar que de facto há um impacto do programa
Na gíria: teste estatístico tem um poder baixo
Erro tem de ser minimizado antes da recolha de dados
Melhor forma de garantir isso: Assegurar que se tem uma amostra suficientemente grande
O objetivo da avaliação do impacto do programa é aprender alguma coisa
Ex-ante: não sabemos qual a dimensão do impacto do programa
Ex-post com poder baixo: Este programa pode ter aumentado a assiduidade nas escolas em 50%, mas não conseguimos distinguir com confiança a
Calcular o tamanho da amostra
Na realidade, há uma formula. Mas não fique
assustado.
Principais aspectos a ter em conta:
1. Tamanho suficiente para detectar o efeito
2. Probabilidade de erros tipo 1 e tipo 2
3. Variância dos resultados
4. Unidades (povoações) por área tratada
[
1
(
1
)
]
)
(
4
2 2 2 / 2−
+
+
=
H
D
z
z
N
σ
α βρ
Calcular o tamanho da amostra
Tamanho suficiente para detectar o efeito
O efeito mínimo que queremos distinguir de zero
Aumento de 30% na assiduidade de alunos, uma queda em 25% na faltas de professores
Amostras maiores mais fácil detectar efeitos menores
Trabalham as mulheres e os homens o mesmo número de horas?
Hipótese: Em média, as mulheres trabalham 40 horas por semana, enquanto que os homens trabalham 44 horas por semana
Se estes dados são resultado de uma amostra de 10 mulheres e 10 homens
É díficil dizer que são diferentes
Sería mais fácil dizer que são diferentes se as mulheres trabalhassem 30 horas por semana e os homens 80 horas por semana
Mas se os dados resultam de uma amostra de 500 mulheres e 500 homens
Calcular o tamanho da amostra
Como é que escolhemos o tamanho do efeito
detectável?
O efeito mínimo que implicaria uma resposta política
O efeito mínimo que permitiria dizer que o programa
não foi um falhanço
Este programa aumentou a assiduidade nas escolas em 40% e este efeito é significativo do ponto de vista estatístico
Óptimo - Vamos pensar como é que conseguimos expandi-lo
Este programa aumentou a assiduidade nas escolas em 10% e este efeito é significativo do ponto de vista estatístico
Calcular o tamanho da amostra
Erro tipo 1 e erro tipo 2
Tipo 1
Nível de significado das estimativas é normalmente estabelecido a 1% ou 5%
1% ou 5% é a probabilidade de não existir impacto no cenário em que acreditamos que encontrámos um efeito
Tipo 2
Poder normalmente colocado a 80% ou 90%
20% ou 10% é a probabilidade que haja um efeito que não conseguimos detectar
Calcular o tamanho da amostra
Variância dos
resultado(s)
Menor variância mais
fácil detectar a diferença
pode-se ter uma
Calcular o tamanho da amostra
Variância de resultados
Como é que sabemos a variância dos resultados antes
de decidirmos o tamanho da amostra e recolhermos os
dados?
O ideal é dados prévios, mas normalmente ….são
não-existentes
Pode-se usar dados prévios de uma população semelhante
Exemplo: inquéritos aos agregados familiares, escolas e
outros serviços públicos
Torna isto um pouco um trabalho de adivinhação, não
exactamente uma ciência
Outras questões
1. Braços de tratamento múltiplos
2. Resultados desagregados por grupos
3. Adesão
Outras questões
Braços de tratamento múltiplos
Compara-se cada tratamento separadamente com o grupo de comparação
Comparar grupos de tratamento implica amostras muito grandes
Especialmente se os tratamentos forem parecidos, as diferenças entre os grupos de tratamento serão provavelmente menores
De facto, é como corrigir um tamanho do efeito detectável muito pequeno
Resultados desagregados por grupos
São os efeitos diferentes para homens e mulheres? E para diferentes sectores?
Se o sexos/sectores são esperados reagir de uma forma semelhante, então estimar as diferenças no impacto do tratamento também requer amostras muito grandes
Outras questões
Resultados desagregados por grupos
Para garantir equilíbrio entre os grupos de tratamento
e de comparação, é aconselhavel estratificar a
amostra antes de alocar o grupo de tratamento
Estratos
Sub-populações
Estratos habituais: localização, sexo, sector, valores
iniciais do resultado de interesse
Alocação ao grupo de tratamento(ou amostragem) é
efectuada dentro destes grupos
Porque é que necessitamos
de estratos?
Exemplo de estratos com base na região
= T
Porque é que necessitamos
de estratos?
Qual é o impacto numa região em particular?
Por vezes é dificil de dizer com confiança
Porque é que necessitamos
de estratos?
Randomização do tratamento dentro das
unidades geográficas
Dentro de cada tratamento, ½ sera tratada, ½ será do
grupo de comparação.
Lógica semelhante para sexos, sector, tamanho
da empresa, etc
Outras questões
Adesão
Adesão baixa aumenta o tamanho do efeito
detectável
Só se consegue detectar um efeito se for realmente grande Na prática diminui o tamanho da amostra
Exemplo: Organização de reuniões com encarregados
de educação em escolas em que se discutem
questionários de feedback
Oferta a 60 escolas Apenas 5 participam
Outras questões
Qualidade dos dados
Dados de pouca qualidade aumentam na prática o
tamanho da amostra necessário
Observações em falta
Aumento do ruído
Pode ser mitigado em parte com um coordenador
no terreno a monitorizar a recolha de dados
Exemplo de Angola
• Cálculos podem ser efectuados em vários pacotes estatísticos – e.g. STATA, OD • Experiência em Angola para aumentar os gastos escolares das famílias
• Gastos-base
– 50 kwanzas por dia
– Dados dos gastos com ruído, o que leva a que o coeficiente de variação maior >1 seja habitual
• Exemplo do código em STATA para detectar um aumento de 10% nos gastos:
– sampsi 50 55, p(0.8) pre(1) post(1) r1(0.5) sd1(50) sd2(50)
– Ter dados antes e depois da intervenção diminui o tamanho da amostra necessário (pre e post)
• Resultados
– Aumento de 10% (de 50 para 55): 1,178 famílias em cada grupo
– Aumento de 20% (de 50 para 60): 295 famílias em cada grupo
– Aumento de 50% (de 50 para 75): 48 famílias em cada grupo (Mas este efeito não é realista)
• E se a adesão for apenas de 50%
Sumário
1. Base da amostragem
Que populações ou grupos estamos interessados
Como é que conseguimos encontrá-los?
2. Tamanho da amostra
Porque é tão importante: confiança nos resultados
Determinantes do tamanho apropriado da amostra
Outras questões
Exemplos
Orçamentos
O que é necessário?
Recolha de dados
Empresa de inquéritos Entrada dos dados
Coordenador no terreno para garantir que o
tratamento está de acordo com o protocolo de
Orçamentos
Quanto é que tudo custa?
Varia muito. Normalmente depende do
Tamanho da amostra
Facilidade de encontrar inquiridos Dispersão geográfica dos inquiridos Questões de segurança
Nível de formação do entrevistador Et cetera….
Dados para um inquérito a empresas:$40-350/empresa
Dados para um inquérito a agregados familiares: $40+/lar
Coordenador no terreno: $10,000-$40,000/ano
Depende se se consegue um coordenador local
Dados administrativos: Normalmente grátis
Por vezes tem resultados limitados, pode não ter informação sobre o sector informal