Evaluación de impacto de las políticas públicas

Qué es

Evaluar el impacto de una política pública es responder una pregunta contrafactual: qué le habría pasado a los beneficiarios si el programa no hubiese existido. Esa es toda la dificultad, porque el contrafactual nunca se observa —la misma persona no puede estar simultáneamente dentro y fuera del programa—. Rubin (1974) formalizó el problema en el lenguaje de los resultados potenciales, y Holland (1986) lo bautizó como el problema fundamental de la inferencia causal: el impacto es una diferencia entre un dato y algo que por construcción no existe, así que evaluar es siempre estimar el contrafactual con un grupo de comparación creíble.

De ahí se desprende la distinción que más se confunde en el debate público. Contar beneficiarios, gasto ejecutado, cobertura o satisfacción es monitoreo: dice si el programa hizo lo que prometió hacer, no si sirvió. La evaluación de impacto pregunta otra cosa —cuántos empleos existen que no habrían existido, cuántos ingresos adicionales— y para eso necesita un diseño, no solo una planilla de ejecución.

El error clásico es leer el antes-después como impacto. Ashenfelter (1978), estudiando programas de capacitación, documentó que quienes entran a estos programas vienen saliendo de una caída reciente de ingresos; parte de la recuperación posterior habría ocurrido igual, por simple reversión a la media. Y como los participantes se autoseleccionan (o los selecciona el ejecutor), comparar participantes con no participantes mide la diferencia entre dos poblaciones distintas, no el efecto del programa —el sesgo de selección que Heckman (1979) trató como un error de especificación—. LaLonde (1986) llevó la advertencia al extremo: comparó los métodos no experimentales de su época contra un experimento real y mostró que rara vez reproducían el resultado verdadero.

La caja de herramientas que respondió a eso es conocida. En la cima, la asignación aleatoria, que hace comparables a los dos grupos por construcción (Duflo, Glennerster y Kremer, 2007). Debajo, los diseños cuasi-experimentales que explotan algún accidente de la regla del programa: diferencias en diferencias (el trabajo de Card y Krueger, 1994, sobre salario mínimo es el ejemplo canónico), discontinuidad en la regresión cuando hay un umbral de elegibilidad —edad, puntaje del registro social—, variables instrumentales y pareo. Angrist y Pischke (2009) sistematizaron ese repertorio. La distinción entre validez interna —el efecto estimado es real en esta muestra— y validez externa —se traslada a otro contexto— viene de Campbell y Stanley (1963), y sigue siendo la razón por la que un programa que funcionó en otro país puede no funcionar acá.

Hay dos complicaciones propias de los subsidios al empleo que ningún diseño individual resuelve solo. La primera es el peso muerto: el puesto subsidiado que la empresa habría creado igual. La segunda es el desplazamiento o sustitución: el trabajador subsidiado que toma el lugar de otro no subsidiado, o de una empresa competidora. Cuando ambos operan, el efecto medido sobre la empresa beneficiaria puede ser claramente positivo y el efecto agregado sobre el empleo del país, nulo. El meta-análisis de Card, Kluve y Weber (2018) sobre políticas activas del mercado del trabajo encuentra justamente eso: los subsidios a la contratación en el sector privado muestran efectos pequeños en el corto plazo, mejores a dos o tres años, y muy variables según diseño y ciclo.

Un matiz que conviene guardar: ausencia de evidencia no es evidencia de ausencia. Que no exista el estudio no prueba que el programa no sirva; prueba que nadie construyó el contrafactual. Pero esa ignorancia no es neutral cuando el programa es permanente y caro, porque el costo de oportunidad fiscal se paga igual. Campbell (1969), al proponer tratar las reformas como experimentos, ya describía la economía política del asunto: quien impulsa un programa tiene incentivos para no medirlo, porque una medición seria puede quitarle el programa.

Cómo lo explicó el programa

En Buenos Días Mercado del 23 de septiembre de 2026, el panel revisó la historia chilena de subsidios al empleo —de la bonificación a la contratación de mano de obra de 2001 al subsidio a la contratación y activación laboral— y contó al menos doce programas distintos en treinta años. Willy Díaz lo resumió así: "hay a lo menos 12 programas distintos de subsidio al empleo y estamos igual en crisis laboral". El argumento del programa fue doble: no existen estudios que refrenden que subsidiar el mercado del trabajo ayude, y si los subsidios resuelven algo lo resuelven en el muy corto plazo, de modo que sostenerlos como programas permanentes es insostenible.

Vale la pena separar las dos mitades con el aparato de arriba. La primera mitad —persistencia de la crisis laboral pese a doce programas— es, estrictamente, una comparación antes-después a escala país, sin contrafactual: no sabemos cómo estaría el mercado laboral sin esos doce programas, y es concebible que estuviera peor. La segunda mitad es la que muerde y no depende de ningún método: treinta años de programas sin el estudio que permitiría saber. Eso ya no es un problema de econometría sino de diseño institucional. Un programa que nace sin grupo de comparación, sin línea de base y sin obligación de evaluación ex post se vuelve imposible de juzgar después, y su continuidad pasa a depender de la fe de quien lo defiende. La duodécima repetición es la evidencia de esa falla: si alguna de las once anteriores hubiera sido evaluada en serio, la doceava no tendría que ser un experimento a ciegas.

Relación con otros conceptos

La evaluación de impacto es la pieza que cierra el circuito con el costo de oportunidad fiscal: cada peso en un programa sin efecto medido es un peso que no fue a otro con efecto conocido. Se apoya en la incidencia del subsidio —quién captura el beneficio depende de las elasticidades de oferta y demanda de trabajo, no de a quién se le gira el cheque—, y en los conceptos de peso muerto y efecto desplazamiento, que son los que separan el efecto sobre el beneficiario del efecto agregado. Se relaciona con la histéresis en el desempleo, que es el argumento más fuerte a favor de intervenir rápido aunque el efecto de corto plazo parezca modesto, y con la informalidad, porque un subsidio que solo alcanza al empleo formal puede estar reetiquetando trabajo existente. Por último, conversa con la ley de Campbell: cuando una métrica —colocaciones, personas capacitadas— se vuelve la meta del ejecutor, deja de ser una buena medida del resultado que interesa.

Fuentes y lecturas

• Gertler, P., Martínez, S., Premand, P., Rawlings, L. y Vermeersch, C. (2016), La evaluación de impacto en la práctica, 2.ª ed., Banco Mundial y BID. (Manual introductorio en español, de acceso libre.)
• Angrist, J. y Pischke, J.-S. (2009), Mostly Harmless Econometrics: An Empiricist's Companion, Princeton University Press.
• Imbens, G. y Rubin, D. (2015), Causal Inference for Statistics, Social, and Biomedical Sciences, Cambridge University Press.
• LaLonde, R. (1986), "Evaluating the Econometric Evaluations of Training Programs with Experimental Data", American Economic Review 76(4).
• Card, D., Kluve, J. y Weber, A. (2018), "What Works? A Meta Analysis of Recent Active Labor Market Program Evaluations", Journal of the European Economic Association 16(3).