Evaluación como hipótesis
Tratar el impacto de una política como escenario testeable, no como veredicto cerrado
Evaluar una política pública no es coronar ganadores. Es formular: «bajo estas condiciones, ¿qué resultados son más o menos probables?» y buscar evidencia que actualice esa creencia.
Marco
Una evaluación seria suele combinar:
- Teoría de cambio — supuestos sobre mecanismos (si capacitamos X, entonces Y).
- Indicadores — outputs (talleres) vs outcomes (empleo, pobreza, emisiones).
- Contrafactual — ¿qué habría pasado sin la intervención?
- Heterogeneidad — efectos distintos por región, género, ingreso.
Sin contrafactual explícito, el «antes/después» confunde tendencia secular con impacto.
Ejemplos multi-región
| Tipo de evaluación | Dónde se usa (ilustrativo) | Qué aporta / qué no |
|---|---|---|
| Ensayos aleatorizados (RCT) | Programas sociales en Sur Global, labs en OCDE | Buena identificación local; generalización limitada |
| Diferencias en diferencias | Reformas fiscales, salarios mínimos | Depende de tendencias paralelas |
| Revisiones sistemáticas | Salud, educación (Campbell, Cochrane-like) | Sintetiza; no resuelve contexto político |
| Monitoreo administrativo | Casi todos los ministerios | Barato y sesgado si el incentivo es «cumplir meta» |
| Auditorías de desempeño | Entidades de control (variadas) | Útiles para legalidad; no siempre para causalidad |
Indicadores agregados como I+D / PIB o pobreza extrema son contexto, no prueba de que un programa concreto funcionó.
Escenarios
- Éxito local, fallo al escalar: un piloto RCT positivo se diluye al nacionalizarlo (capacidad, corrupción, selección).
- Buen indicador, mal mecanismo: baja la pobreza monetaria y sube la precariedad no medida.
- Evaluación capturada: el implementador elige métricas fáciles; la hipótesis real nunca se testea.
- Aprendizaje iterativo: ciclos cortos de evidencia ajustan el diseño; la política sobrevive al cambio de gobierno.
Límites
- Tiempo: muchos efectos (educación, I+D) maduran en décadas.
- Ética: no todo se puede aleatorizar.
- Política: evidencia inconveniente se ignora; evidencia conveniente se sobrevende.
- Datos faltantes en países de baja capacidad sesgan el «qué funciona» hacia donde hay labs.