Impacto del programa Asignación Universal por Hijo en los resultados educativos y las tareas de los estudiantes en Argentina archivos analíticos de políticas educativas Revista académica evaluada por pares, independiente, de acceso abierto y multilingüe Universidad de San Andrés y Arizona State University Volumen 29 Número 1 11 de enero 2021 ISSN 1068-2341 Impacto del Programa Asignación Universal por Hijo en los Resultados Educativos y las Tareas de los Estudiantes en Argentina Monserrat Serio & Martina Herrera Universidad Nacional de Cuyo Argentina Citación: Serio, M., & Herrera, M. (2021). Impacto del programa Asignación Universal por Hijo en los resultados educativos y las tareas de los estudiantes en Argentina. Archivos Analíticos de Políticas Educativas, 29(1). https://doi.org/10.14507/epaa.29.5195 Resumen: Este trabajo explora los efectos del programa de transferencias condicionadas Asignación Universal por Hijo (AUH) de Argentina en resultados educativos como asistencia escolar, desempeño educativo en Lengua y Matemática, repitencia y en la realización de tareas no escolares que podrían disminuir el tiempo de estudio y la permanencia en el establecimiento escolar. Se utilizan datos del operativo Aprender 2016 de la primaria y secundaria, explotando la pregunta sobre percepción de la AUH por parte de la familia del alumno. Se realiza un proceso de Coarsened Exact Matching y se estima el efecto del programa en los tratados. Los resultados sugieren que la AUH tiene un impacto positivo en la asistencia de los alumnos de los últimos años de la secundaria, aumentando en 1,3 p.p. y 1 p.p. la probabilidad de faltar menos de ocho y 17 veces, respectivamente. Página web: http://epaa.asu.edu/ojs/ Artículo recibido: 6-12-2019 Facebook: /EPAAA Revisiones recibidas: 9-8-2020 Twitter: @epaa_aape Aceptado: 9-8-2020 https://doi.org/10.14507/epaa.29.5195 http://epaa.asu.edu/ojs/ Archivos Analíticos de Políticas Educativas Vol. 29, No. 1 2 No obstante, no se encuentran efectos en el desempeño educativo y en la realización de tareas no escolares. A su vez, se encuentran efectos heterogéneos, el programa aumenta la probabilidad de asistencia especialmente en varones tanto de primaria como secundaria entre 0,4 p.p. y 1,5 p.p., mientras que los estudiantes de zonas rurales y de escuelas públicas parecen reasignar sus tareas. Palabras clave: Programa de Transferencias Condicionadas, Asignación Universal por Hijo; educación; emparejamiento; Argentina The impact of the Asignación Universal por Hijo Program on educational outcomes and student tasks in Argentina Abstract: This paper explores the effect of the principal conditional cash transfer program known as Asignación Universal por Hijo (AUH) of Argentina on educational outcomes such as attendance, performance in reading and mathematics, and grade repetition. Also, we analyze the impact on non- school tasks that students performed which can replace the time dedicated to studying and permanence in the school. We use the Aprender 2016 assessment database focusing on data of students from primary and high school. We use non-experimental data exploiting the question about if the student’s family is a beneficiary of the AUH. We perform a Coarsened Exact Matching (CEM) and estimate the average treatment effect on the treated of the program. The results show that the AUH had a positive impact on attendance augmenting the probability of not being absent from class fewer than eight and seventeen days in 1.3 p.p and 1 p.p., respectively. However, positive effects on educational performance and conducting of non-school tasks are not found. We also found heterogeneous effects, for male students the program increases the probability of missing fewer classes at all levels between 0.4 p.p. and 1.5 p.p. and students from rural areas and public schools have reassigned non-school tasks. Key words: Conditional Cash Transfer Program, Asignación Universal por Hijo; education; matching; Argentina O impacto do Programa Asignación Universal por Hijo nos resultados educacionais e nas tarefas dos estudantes na Argentina Resumo: Este artigo explora os efeitos do Programa de Transferência Condicional de Renda Asignación Universal por Hijo (AUH) da Argentina em resultados educacionais, como frequência escolar, desempenho escolar em língua e matemática, repetição e realização de trabalhos de casa que reduzem o tempo de estudo e permanência no estabelecimento escolar. Utilizase bases de informação de Aprender 2016 das escolas primárias e secundárias, explorando a questão sobre a percepção da AUH pela família do aluno. Um processo de Coarsened Exact Matching (CEM) é realizado e o efeito do programa nos tratados é estimado. Os resultados sugerem que a AUH teve um impacto positivo na frequência de alunos nos últimos anos da escola secundária, aumentando em 1,3 p.p. e 1 p.p. a probabilidade de perder menos de oito e 17 vezes dias de aula, respectivamente. No entanto, não há efeitos no desempenho educacional e na realização de tarefas não escolares. Por sua vez, efeitos heterogêneos são encontrados. O programa aumenta a probabilidade de perder menos dias de aula, especialmente nos meninos da escola primária e secundária, entre 0,4 p.p. e 1,5 p.p. e estudantes em áreas rurais e escolas públicas reatribuem sus trabalhos de casa. Palavras-chave: Programa de Transferência Condicional; Asignación Universal por Hijo; educação; emparelhamento; Argentina Impacto del programa Asignación Universal por Hijo en Argentina 3 Introducción1 En las últimas décadas ha surgido a lo largo de la región de América Latina una variedad de programas de transferencias condicionadas (en adelante, PTC; Fiszbein & Schady, 2009). Estos programas consisten en entregas monetarias a familias, quienes a su vez deben cumplir con ciertas condiciones. Siguiendo a Cruces y Gasparini (2013), las condicionalidades exigidas consisten en actividades que generalmente tienen por objetivo la inversión en el capital humano de los niños a través de la educación, la salud y la nutrición, con contraprestaciones como la inscripción de los mismos en la escuela y un mínimo de asistencia a clases, la realización de chequeos de salud regulares, el cumplimiento de los programas de vacunación, etc. A su vez, las transferencias en dinero de estos programas se enfocan en un objetivo de menor plazo, que consiste en la reducción de la pobreza, la indigencia y la desigualdad. Los PTC surgieron en América Latina como una medida rápida de protección social para reducir la pobreza y lograr, a largo plazo, mayor capital humano. Los primeros países en incorporarlos fueron México y Brasil, con PROGRESA y Bolsa Familia, respectivamente.2 Durante la década del 2000, a partir de un contexto de crecimiento que dio lugar a una capacidad fiscal apta para la creación de estos programas, los mismos se expandieron a lo largo de la región (Stampini y Tornarolli, 2012). En 2014 ya eran veinte los países de América Latina y el Caribe que contaban con al menos un programa de estas características, con una cobertura de alrededor de 127 millones de beneficiarios (21% de la población de la región) y alcanzando un costo del 0,4% del PBI regional aproximadamente (CEPAL/OIT, 2014), con una entrega de transferencias de aproximadamente del 20% de los ingresos de los hogares perceptores (Stampini & Tornarolli, 2012). En el marco de estos programas, en el año 2009 se implementó en Argentina la Asignación Universal por Hijo (en adelante, AUH). El programa está destinado a niños, niñas y adolescentes menores de 18 años (sin límite de edad para discapacitados), cuyos padres estén desempleados, sean monotributistas sociales, personal de casas particulares, o bien se desempeñen en la economía informal obteniendo un salario inferior al mínimo, vital y móvil.3 Adicionalmente, en 2011 se incluyó a las mujeres embarazadas, con la Asignación por Embarazo para Protección Social y en 2016 a monotributistas de menores categorías. La asignación consiste en transferencias monetarias mensuales por cada hijo menor de edad, con un tope de hasta cinco beneficiarios por hogar, y mientras que las familias perciben el 80% de la transferencia, el otro 20% se acumula y es entregado anualmente al momento en que se demuestra haber cumplido con las condiciones exigidas: controles sanitarios y vacunaciones del Calendario Nacional Obligatorio hasta los cuatro años de edad, y desde los cinco hasta los 18 años se agrega el requisito de concurrencia a establecimientos educativos. Estos establecimientos pueden ser públicos, privados con subsidio total del Estado y cuota cero, o bien privados que sean la única oferta educativa de la zona (Marchionni & Edo, 2017). En sus inicios también se exigía la no percepción de otras prestaciones sociales, sin embargo, este requisito se eliminó en el año 2016 a través del decreto 593/2016, quedando a discreción de la Administración Nacional de la Seguridad Social (ANSES) la definición del régimen de compatibilidades. En sus 1 Este trabajo ha sido parcialmente financiado por el proyecto de investigación D025 2019-2020 Res. 3922/R de la Secretaría de Investigación, Internacionales y Posgrado (SIIP) de la Universidad Nacional de Cuyo. 2 El programa de México ha sido denominado de diferentes maneras a través de los años: PROGRESA (1997–2002), Oportunidades (2002–2014) y desde 2014 hasta 2019 se lo conoce como Prospera. 3 Esto se considera una particularidad de la AUH, dado que la mayoría de los programas no contributivos de la región no se focalizan por condición laboral (Bertranou & Maurizio (2012) citado en CEPAL/OIT (2014)), sino que lo hacen a través de líneas de pobreza (Bustos et al., 2011) o bien en base a criterios de focalización geográfica y test de medias indirectas (Cruces & Gasparini, 2013). Archivos Analíticos de Políticas Educativas Vol. 29, No. 1 4 primeros casi 10 años de funcionamiento, la AUH ha alcanzado una cobertura de cuatro millones de beneficiarios, los cuales representan alrededor del 30% del total de niños, niñas y adolescentes del país (ANSES, 2018). Según algunos autores, los PTC han tenido efectos positivos en cuanto a reducción de pobreza y desigualdad, y acumulación de capital humano, por lo que se los considera uno de los mayores logros en política social de la región (Gasparini & Marchionni, 2015). En cuanto a la acumulación del capital humano, Castillo, Musante y Mendoza Jaramillo (2013) señalan que en la literatura hay consenso en cuanto a los efectos positivos en el nivel de escolarización de los menores, utilización de servicios de salud, vacunación y asistencia a centros de atención primaria. Sin embargo, el acuerdo no es el mismo en cuanto al impacto en el aprendizaje escolar, la calidad educativa ni la calidad de los servicios de salud. El objetivo de este estudio es analizar el impacto de la AUH no solo en la asistencia escolar sino también en otros outcomes educativos como el desempeño educativo y la realización de tareas fuera del ámbito escolar por parte de los menores, los cuales han sido menos explorados hasta el momento. Para ello se computa el efecto del programa en la probabilidad de inasistencia según la cantidad de días para alumnos de distintos niveles educativos del país, también se examina si existe algún efecto en el desempeño en pruebas de Lengua y Matemática, y si existe algún efecto en la tasa de no repitencia y en la probabilidad de que los menores trabajen fuera de sus casas y/o con sus padres, o bien se ocupen de tareas del hogar. Se utilizan los datos provistos por el operativo Aprender del año 2016, enfocándose en los alumnos de sexto grado del nivel primario, de segundo/tercer año del nivel secundario y de quinto/sexto año del nivel secundario. En particular, en este trabajo no se discute si la AUH es una herramienta útil para el alivio de la pobreza a corto plazo, cuya evidencia hasta el momento demostraría que sí lo es (Ferreira & Leite, 2002; Morley & Coady, 2003; Skoufias & McClafferty, 2001; Stampini & Tornarolli, 2012; Villatoro, 2007), sino que se provee evidencia sobre la efectividad del programa como herramienta para la formación del capital humano. Es decir, se examina si simplemente a partir de las condicionalidades exigidas los beneficiarios del programa tienen oportunidades educativas, al menos en el corto plazo, que luego serán reflejadas en opciones de vida reales. Esto considerando a la educación como una vía clave para fomentar la movilidad social ascendente. No obstante, siguiendo a Reimers, Silva, y Trevino (2006), obtener evidencia de los efectos de los PTC sobre la movilidad intergeneracional puede ser algo que nunca ocurra debido a las complejidades y los costos involucrados de dicha tarea. Sin esta evidencia, el mérito de los PTC continuará siendo evaluado con información limitada y mediante la extrapolación de los resultados a largo plazo a partir de los impactos observados a corto plazo. El trabajo se estructura de la siguiente manera: en la segunda sección se presentan los antecedentes revisados y en la tercera sección se describen los datos y las variables a utilizar. En la cuarta sección se presenta la metodología, en la quinta sección se exponen los principales resultados y, finalmente, en la sexta sección se presentan las conclusiones del trabajo. Antecedentes En la literatura existen antecedentes que analizan el impacto de los PTC en la acumulación del capital humano (Fiszbein & Schady, 2009, para más detalles). Como se mencionó anteriormente, si bien pareciera haber evidencia de efectos positivos en el uso del servicio educativo a partir del nivel de escolarización de los menores y asistencia a establecimientos educativos (García y Saavedra, 2017), no hay un acuerdo en cuanto al impacto en el desempeño educativo, entendido como progresividad en los años del sistema educativo, tasa de abandono, tasa de repitencia, aprendizaje escolar y desarrollo de competencias. Impacto del programa Asignación Universal por Hijo en Argentina 5 Skoufias, Parker, Behrman y Pessino (2001) analizan el impacto de PROGRESA en el trabajo infantil y la tasa de escolaridad en México. A partir de datos cuasi-experimentales estiman el efecto en los tratados y encuentran un impacto significativo en el aumento de la tasa de escolaridad, tanto en niños como en niñas, acompañado por una disminución en la participación en actividades laborales, particularmente para el caso de los varones. Schultz (2004) también analiza el impacto de PROGRESA en la tasa de asistencia encontrando efectos positivos. Behrman, Sengupta y Todd (2005) encuentran que este programa reduce la probabilidad de abandono y aumenta la probabilidad de pasar de grado, especialmente en la transición entre la escuela primaria y secundaria. De forma similar, De Brauw y Hoddinott (2008) encuentran que la ausencia de monitoreo de la condicionalidad educativa reduce la asistencia, principalmente en la transición a la secundaria. Behrman, Parker, y Todd (2011) van más allá y analizan efectos de mayor plazo, utilizando estimadores experimentales y no experimentales basados en grupos con diferente exposición al programa, y encuentran impactos positivos en escolaridad y reducciones en el trabajo para los más jóvenes (consistente con la postergación de la entrada a la fuerza laboral) sugiriendo que los efectos escolares del programa son robustos en el tiempo. Glewwe y Kassouf (2012) encuentran que en Brasil el programa Bolsa Familia aumenta la inscripción en los primeros años del sistema escolar (grados uno a cuatro), reduce la tasa de deserción escolar y aumenta la tasa de promoción de calificaciones. Resultados similares encuentran también para niños de los grados cinco a ocho. Por su parte, De Brauw, Gilligan, Hoddinott y Roy (2015) encuentran un efecto agregado débil debido principalmente a la heterogeneidad: el programa aumenta significativamente la participación escolar (en 8 p.p.) y la progresión de la calificación (en 10 p.p.) de las niñas, mientras que la mayoría de los efectos que se encuentran entre los niños no son significativos. En línea con estos resultados, Melo y Duarte (2010) hallan que el programa aumenta la asistencia escolar de niñas al nordeste de Brasil, mientras que no es efectivo para los varones. Profundizando el análisis, Cireno, Silva y Proença (2013) evalúan el impacto de Bolsa Familia en los resultados de las Pruebas Brasil. A pesar de que el rendimiento de los alumnos beneficiarios resulta menor al rendimiento promedio, los autores hallan una reducción en la brecha, atribuible al cumplimiento de las condicionalidades. Galiani y McEwan (2013) analizan el impacto en Honduras del Programa de Asignación Familiar (PRAF) que asignó al azar transferencias monetarias condicionadas a 40 de 70 municipios pobres. Los autores encuentran que los niños elegibles son 8 p.p. más propensos a inscribirse en la escuela y 3 p.p. menos propensos a trabajar. A su vez, estos efectos son mucho mayores en los dos estratos más pobres. En la misma línea, Glewwe y Olinto (2004) analizan los efectos del PRAF II y encuentran incrementos en la probabilidad de matriculación, asistencia y promoción, y disminución en la probabilidad de abandono. Attanasio et al. (2010) encuentran para Colombia que el programa Familias en Acción aumenta la tasa de asistencia más fuertemente en el nivel secundario que en el nivel primario, lo que puede deberse a las altas tasas de asistencia del nivel primario antes de la implementación del programa. También encuentran que la distribución del tiempo en favor de la escuela se debe a la disminución del tiempo dedicado a tareas del hogar más que a actividades laborales infantiles. Por su parte, García y Hill (2010) estudian el efecto del programa en el rendimiento escolar medido a partir de repitencia y puntajes en pruebas, y encuentran un efecto positivo en el rendimiento escolar para niños de 7 a 12 años que viven en zonas rurales pero prácticamente ningún efecto para la misma población que vive en zonas urbanas. Además, el programa tiene un efecto negativo en el rendimiento escolar de los adolescentes. Barrera-Osorio, Linden, y Saavedra (2019) muestran como tres programas colombianos de transferencias condicionadas para escuelas secundarias mejoran los resultados educativos luego de 8 y 12 años de la asignación aleatoria. Uno de los programas obliga a las familias a guardar una parte de las transferencias hasta que tomen decisiones de inscripción para Archivos Analíticos de Políticas Educativas Vol. 29, No. 1 6 el próximo año académico, y los autores encuentran que esto aumenta la inscripción a tiempo en la escuela secundaria, disminuye las tasas de abandono escolar y promueve la matriculación terciaria y la finalización a largo plazo. También encuentran que las transferencias bimensuales mejoran las tasas de inscripción a tiempo y de finalización del examen de egreso de la escuela secundaria a mediano plazo, pero no afectan los resultados terciarios a largo plazo. Con respecto a otros programas de la región, Levy y Ohls (2007) analizan el impacto del PATH (Programme of Advancement Through Health and Education) de Jamaica y encuentran para los menores un aumento en la asistencia escolar de medio día mensual, que representa un 3% del nivel de asistencia inicial. Este efecto, según los autores, debe ser entendido en un contexto inicial de alta asistencia escolar en ese país. Por otro lado, Brauw y Gilligan (2011) evalúan el impacto del Programa Comunidades Solidarias Rurales de El Salvador y encuentran aumentos en las tasas de matriculación primaria y pre-escolar. Este último resultado es similar al hallado por Galasso (2006) para el programa Chile Solidario. Para el programa Red de Oportunidades de Panamá, Arráiz y Rozo (2011) encuentran aumentos en las tasas de matriculación y reducciones en el trabajo infantil, tanto en zonas indígenas como en zonas rurales no indígenas. Por su lado, Duryea y Morrison (2004) analizan el programa Superémonos, implementado en Costa Rica, y encuentran evidencia de efectos positivos en la asistencia escolar, no así en el desempeño ni en el trabajo infantil, áreas donde el impacto del programa es más limitado. Perova y Vakis (2009) analizan el impacto de Juntos, implementado en Perú, y encuentran efectos positivos en distintos puntos de transición: inicio y finalización de la educación primaria. En cuanto al programa Tekoporã, de Paraguay, tanto Teixeira, Soares, Ribas, Silva y Hirata (2011) como Soares, Ribas y Hirata (2008) encuentran efectos positivos en la asistencia escolar, mientras que el segundo estudio advierte además que el efecto es más fuerte entre varones. Por otro lado, al analizar el programa PANES de Uruguay, Amarante, Ferrando y Vigorito (2011) no hallan efectos sobre la asistencia escolar ni el trabajo infantil. Con respecto al programa ecuatoriano Bono de Desarrollo Humano, Schady y Araujo (2006) hallan un aumento de 10 p.p. en la matriculación escolar y una caída de 17 p.p. en el trabajo infantil. Por su parte, Ponce (2006) no encuentra efectos significativos de este último programa en los puntajes de pruebas de desempeño. Reimers et al. (2006) cuestionan los efectos de los PTC en la educación de sus beneficiarios, concluyendo que son muy limitados para considerarlos instrumentos educativos efectivos, particularmente con respecto a su capacidad para mejorar el aprendizaje. En gran medida esto se debe a que las teorías en las que se basan estos programas son deficientes ya que asumen que la calidad de la instrucción disponible para los niños de familias pobres es adecuada y que los estudiantes aprenden más si pasan más tiempo en la escuela. En cuanto al trabajo infantil, De Janvry, Finan, Sadoulet y Vakis (2006) analizan si los niños que se benefician de los PTC están o no protegidos de los impactos de los shocks de corto plazo. Para este fin desarrollan un modelo de decisión del hogar con respecto a la escuela y el trabajo infantil, incluyendo un costo de reingreso a la escuela, transferencias condicionadas, y exposición a shocks utilizando predicciones del modelo en base a un panel de datos de la experiencia del programa PROGRESA en México. Los resultados muestran que las transferencias condicionadas ayudan a proteger la inscripción en las escuelas, pero no impiden que los padres aumenten el trabajo infantil en respuesta a los shocks. Por otro lado, Edmonds y Schady (2012) realizan un experimento aleatorio a partir de una lotería. Las familias pobres son seleccionadas al azar para recibir una transferencia en efectivo que es equivalente al 7% de los gastos mensuales. Esta transferencia es mayor que los costos de escolaridad, pero representa menos del 20% del ingreso pagado a niños en el mercado laboral. A pesar de ser menor que los ingresos no percibidos, las familias pobres parecen utilizar el premio de la lotería para retrasar la entrada del niño a un empleo remunerado y proteger su escolaridad. Los gastos de Impacto del programa Asignación Universal por Hijo en Argentina 7 educación aumentan con la lotería, pero los gastos totales en el hogar disminuyen debido a los ingresos por trabajo infantil renunciados. En cuanto a la AUH, hasta el alcance de nuestro conocimiento existen pocos trabajos que exploren el impacto del programa en resultados educativos, tales como asistencia o matriculación, y menos aún que se enfoquen en otros resultados como el desempeño educativo y la formación de competencias. Esto debido principalmente a la escasa disponibilidad de datos. En particular para logros educativos, Edo, Marchionni, y Garganta (2017) llevan a cabo un análisis de diferencias en diferencias a partir de la información provista por la Encuesta Permanente de Hogares (EPH), con el objetivo de estimar el impacto atribuible a la AUH sobre las tasas de asistencia a la escuela (efecto Intention to Treat). Los autores encuentran un aumento en la tasa de asistencia entre los niños de 15 a 17 años (últimos años de la secundaria) de 3,9 p.p. Este impacto es más relevante para niños que viven en familias más numerosas, con jefes de hogar menos educados y principalmente para varones. En el caso de estos últimos el efecto de aumento de la tasa de asistencia es casi de 6 p.p. En el trabajo de Edo y Marchionni (2019), se analiza además el impacto de la AUH en la tasa de abandono durante el año escolar (continuidad intra-anual de asistencia) y la probabilidad de graduarse de la escuela primaria. Una vez más el análisis se realiza para los beneficiarios potenciales y se estima el efecto Intention to Treat usando diferencias en diferencias utilizando información de la EPH. Las autoras encuentran que el programa reduce la tasa de abandono escolar entre niñas elegibles. La tasa de abandono cae 3,7 p.p. entre niñas de 12 a 14 años y 5,6 p.p. entre niñas de 15 a 17 años. No encuentran efectos en niñas de menos de 11 años ni en varones independientemente de la edad. En cuanto a la probabilidad de finalizar la educación primaria, esta también se ve aumentada, aunque levemente, para niños y niñas de 12 a 14 años. Por otro lado, para los varones de 15 a 17 años el impacto es mayor y significativo siendo alrededor de 2 p.p. Por su lado, Cigliutti, Echeverri Gómez, Golinsky, Gutiérrez y Sorá (2015) se enfocan en la tasa bruta de matriculación en el nivel secundario y, mediante la utilización del método Contrafactual Sintético, hallan un efecto positivo y creciente en el tiempo sobre la tasa mencionada, atribuible al programa durante sus primeros tres años de funcionamiento. Los autores concluyen que el número de menores en el colegio es un 2% mayor del que tendría lugar si no existiera la AUH. Paz y Golovanevsky (2014) encuentran que la escolaridad de los jóvenes es muy sensible a la AUH. En el mismo sentido, Salvia, Tuñón y Poy Piñeiro (2015) analizan el impacto de la AUH entre 2010–2012 sobre distintas dimensiones del bienestar y desarrollo infantil, a partir de los datos de la Encuesta de la Deuda Social Argentina del Programa del Observatorio de la Deuda Social Argentina. Con respecto a la asistencia escolar, hallan un efecto positivo y más fuerte para varones que para mujeres, con mayor significatividad en el nivel secundario. Por otro lado, encuentran que el impacto sobre el trabajo infantil es menor, puesto que parece reducirse principalmente en hogares sin necesidades básicas insatisfechas. En hogares de mayor vulnerabilidad, la AUH pareciera ser insuficiente para alejar a los menores del mercado laboral. A su vez, Jiménez y Jiménez (2016) realizan un análisis con datos de la Encuesta Nacional de Gasto de los Hogares 2012/2013 y mediante un método de Propensity Score Matching (PSM) encuentran una reducción en la tasa de deserción escolar de 8,3 a 8,6 p.p. entre los adolescentes de 14 a 17 años atribuible a la AUH. Además, hallan una reducción en el nivel de ocupación de esos jóvenes, principalmente entre aquellos que tienen entre 16 y 17 años. Por su parte, D’Elia y Navarro (2013) utilizan datos de la EPH entre 2009 y 2010 y aplican un método de PSM para concluir que la AUH no es efectiva en la reducción de la brecha escolar (schooling gap), entendida como la diferencia entre los años de educación que cada niño debería tener de acuerdo a su edad y aquellos que efectivamente tiene. De hecho, observan que esta aumenta a partir de la AUH para niños de hasta 12 años. Archivos Analíticos de Políticas Educativas Vol. 29, No. 1 8 Datos Para el análisis se utiliza la base de datos de Aprender del año 2016. Aprender es el dispositivo nacional de evaluación de los aprendizajes e información sobre las condiciones en las que los alumnos se desarrollan en el sistema educativo. El mismo abarca cuatro etapas del sistema educativo: tercer grado del nivel primario, sexto grado del nivel primario, segundo/tercer año del nivel secundario y quinto/sexto año del nivel secundario.4 En los casos de tercer grado de la primaria y segundo/tercer año de la secundaria Aprender 2016 se aplicó a una muestra de escuelas, mientras que para sexto grado de la primaria y quinto/sexto año de la secundaria tuvo un carácter censal.5 El operativo revela datos del desempeño educativo de los alumnos, así como datos complementarios de características de las familias y de la escuela que permiten contextualizar los resultados de los estudiantes. El desempeño educativo de los alumnos se computa a partir de evaluaciones estandarizadas. En todas las etapas se evalúa Lengua y Matemática, y en el caso de quinto/sexto año de la secundaria además se incluyen las áreas de Ciencias Sociales y Naturales. El contenido y las capacidades que se evalúan se basan en núcleos de aprendizaje prioritarios y en los diseños curriculares jurisdiccionales. La prueba de Lengua se centra en la comprensión y el conocimiento acotado de algunos conceptos de la disciplina que el estudiante realiza sobre dos textos que pueden ser artículos periodísticos de opinión con argumentación, artículos de divulgación científica con trama expositiva o relatos breves de autores consagrados (relatos maravillosos, fantásticos, realistas, policiales, de ciencia ficción, relatos de autor). Las capacidades que se evalúan son las de extraer información literal de los textos, interpretar a partir de inferencias, y reflexionar y evaluar desde conocimientos previos. En la prueba de Matemática se evalúa la capacidad cognitiva general, la resolución de problemas y se evalúan tres capacidades específicas incluidas en la resolución de problemas: la comunicación en Matemática, el reconocimiento de conceptos y la resolución de situaciones. Los contenidos evaluados consisten en geometría y medida, números, estadística y probabilidad, funciones y ecuaciones. A su vez, en esta onda se pregunta específicamente al alumno si alguien de su familia recibe la Asignación Universal por Hijo u otro programa social similar, lo que permite identificar a los alumnos que pueden verse de alguna manera beneficiados por el programa. En adelante, se considera que aquellos que respondieron sí a esta pregunta son beneficiarios de la AUH, a pesar de que en la misma se incluye la posibilidad de que la familia sea perceptora de otro programa social similar. Si bien también se encuentran disponibles los datos correspondientes a Aprender 2017, en ese año no se indagó acerca de la percepción de la AUH u otros programas sociales debido a la alta tasa de no respuesta que hubo para ese ítem en el año 2016. El porcentaje de alumnos de la base de datos de Aprender 2016 que no tienen información a esa pregunta y, por lo tanto, quedan fuera del estudio, es del 51% para sexto grado de primaria, del 40% para segundo/tercer año de secundaria y del 25% para quinto/sexto año de secundaria. 4 La denominación de segundo o tercer año del nivel secundario, al igual que quinto o sexto para el último año de ese mismo nivel, dependen de la estructura del sistema educativo en cada jurisdicción, dado que algunas escuelas cuentan con siete años de primaria y cinco de secundaria, mientras que otras se estructuran con seis años en cada nivel. 5 Según la información metodológica de Aprender 2016, para tercer grado de primaria y segundo/tercer año de secundaria se realizó un muestreo de escuelas por conglomerados y en forma estratificada por jurisdicción, sector (estatal o privado) y ámbito (rural o urbano). Dentro de cada escuela se subseleccionó una sección en forma aleatoria, dentro de la cual se encuestó a todos los estudiantes. Impacto del programa Asignación Universal por Hijo en Argentina 9 En este trabajo se opta por utilizar los datos 2016 correspondientes a sexto grado de la primaria, segundo/tercer año de la secundaria y quinto/sexto año de la secundaria de los estudiantes que tienen información en la pregunta de percepción de AUH. En la Tabla A1 del Apéndice se presentan las estadísticas descriptivas de los alumnos que presentan dato faltante en la pregunta de percepción de AUH y la respectiva diferencia de media con los alumnos que tienen información en esa variable (diferencia entre las columnas de “Media estudiantes con missing AUH” de la Tabla A1 y las columnas “Total” de la Tabla 1). Como puede verse, para la mayoría de las características observables existe una diferencia estadísticamente significativa entre los estudiantes que respondieron a la pregunta sobre AUH y aquellos que no lo hicieron. Es posible advertir que los estudiantes fuera del estudio son más jóvenes que los estudiantes de la muestra con la que se trabaja, son más proclives a ser varones y menos proclives a vivir en hacinamiento crítico (más de tres miembros por habitación) y a tener padres menos educados. A su vez, los alumnos de sexto grado de primaria fuera del estudio tienen más acceso a TICs. Por otro lado, los resultados no sugieren una diferencia significativa en cuanto a asistencia. Sin embargo, son menos proclives a realizar actividades no escolares y a no haber repetido de año, y presentan en promedio un menor puntaje en Lengua y Matemática, aunque resulta una diferencia económicamente no significativa. En la Tabla 1 se presentan las características de los alumnos con información sobre percepción de AUH a partir de los cuales se lleva a cabo el análisis. Para los tres niveles, los beneficiarios del programa representan el 59%, 57% y 59% de la muestra para cada nivel educativo, respectivamente. Los beneficiarios tienen más edad y es menos probable que sean varones al comparar con los estudiantes sin AUH. Además, se observa que el nivel de hacinamiento crítico parece ser mayor para los estudiantes que son beneficiarios del programa. Luego, el porcentaje de alumnos con madres que alcanzaron como máximo un nivel de educación primaria es mayor para los alumnos beneficiarios que para aquellos no beneficiarios, al igual que el porcentaje de alumnos cuyas madres no finalizaron la educación secundaria. En contraposición, el número de alumnos con madres que finalizaron la educación secundaria es superior entre los estudiantes que no cobran la AUH que entre alumnos beneficiarios. Con respecto al alcance de estudios universitarios de las madres, la brecha se amplía y el porcentaje de alumnos es más alto entre los estudiantes que no cobran la AUH. Esta situación se repite al analizar la educación de los padres para los tres niveles educativos. También puede observarse que un 53% de los alumnos de sexto grado del nivel primario beneficiarios de la AUH tienen internet en sus hogares, mientras que el porcentaje se eleva a un 73% cuando se considera a los estudiantes sin AUH de ese mismo nivel. A su vez, aproximadamente el 60% de los estudiantes con AUH en segundo/tercero y en quinto/sexto año del secundario responden tener internet, mientras que estos porcentajes alcanzan un 79 y 81%, respectivamente, para aquellos sin AUH de esos dos niveles. Por otro lado, el porcentaje de acceso a una computadora en el hogar es más alto que el de acceso a internet, y para los tres niveles es mayor entre los alumnos que no cobran la AUH. Los porcentajes de aquellos que tienen televisor en casa también son más bajos para los beneficiarios de la AUH. En promedio, se refleja que la proporción de alumnos que responden tener algún celular en casa es levemente superior entre los que no perciben AUH. Por su lado, la posesión de un celular propio alcanza a un 73% de los menores que cobran AUH en sexto grado de la primaria. Para ese mismo nivel, un 80% de los no beneficiarios tienen su propio celular. Para los otros dos niveles, la tenencia de un teléfono móvil propio se incrementa, al aumentar la edad promedio de los menores: para aquellos de segundo/tercer año los porcentajes alcanzan 87 y 94%, según se cobre o no la AUH, mientras que para aquellos de quinto/sexto año estos valores llegan a 94 y 97%. Es decir, casi la totalidad de alumnos en último año de secundaria tiene su propio celular, tanto aquellos que son beneficiarios del programa como los que no lo son. Archivos Analíticos de Políticas Educativas Vol. 29, No. 1 10 Por último, para los tres niveles educativos se observa que el porcentaje de estudiantes que habita en la Ciudad Autónoma de Buenos Aires (CABA) y en la Región Pampeana es mayor para la muestra de alumnos sin AUH. En cambio, los alumnos con AUH parecen vivir en mayor proporción que los no beneficiarios en Cuyo, Noroeste y Noreste del país. Con respecto a la Patagonia, se observa que un 5% de los estudiantes de quinto/sexto de secundaria habitan en esa región, cobren o no la AUH. Tabla 1 Estadísticas descriptivas de la muestra. Total Argentina, 2016 sexto grado de la primaria segundo/tercer año de la secundaria quinto/sexto año de la secundaria VARIABLES Total Con AUH Sin AUH Total Con AUH Sin AUH Total Con AUH Sin AUH Edad 11,54 11,60 11,46 14,80 14,88 14,69 17,69 17,76 17,64 Es varón 48% 46% 49% 46% 45% 48% 43% 40% 44% Hacinamiento crítico 8% 11% 4% 5% 7% 2% 3% 5% 2% Educación de la madre Primaria 20% 26% 12% 20% 26% 11% 20% 30% 13% Secundaria incompleta 28% 34% 19% 26% 32% 17% 21% 27% 16% Secundaria completa 31% 30% 34% 27% 26% 27% 27% 26% 27% Educación superior 20% 10% 35% 27% 16% 45% 33% 17% 43% Educación del padre Primaria 22% 28% 13% 24% 32% 14% 24% 35% 17% Secundaria incompleta 29% 33% 23% 27% 31% 21% 23% 28% 20% Secundaria completa 32% 30% 35% 27% 24% 30% 27% 24% 29% Educación superior 17% 9% 29% 23% 13% 36% 26% 13% 34% TICs Tiene internet en casa 61% 53% 73% 68% 60% 79% 72% 61% 81% Tiene computadora en casa 73% 67% 83% 84% 82% 89% 89% 86% 92% Tiene televisor en casa 77% 74% 83% 84% 81% 88% 87% 84% 90% Tiene celular en casa 82% 81% 84% 90% 89% 91% 95% 94% 96% Tiene celular propio 76% 73% 80% 90% 87% 94% 96% 94% 97% Región CABA 4% 2% 7% 5% 3% 7% 6% 3% 8% Región pampeana 57% 54% 62% 58% 55% 63% 57% 52% 60% Cuyo 7% 8% 7% 7% 8% 6% 7% 8% 6% Noroeste 14% 16% 11% 14% 16% 11% 14% 18% 12% Patagonia 5% 4% 6% 5% 5% 6% 5% 5% 5% Noreste 13% 16% 8% 11% 13% 8% 11% 14% 9% Nota: Elaboración propia en base a Aprender, 2016. Impacto del programa Asignación Universal por Hijo en Argentina 11 Metodología Como se mencionó anteriormente, el cuestionario del operativo Aprender 2016 incluye una pregunta sobre la percepción de AUH de tal manera que nos permite identificar los alumnos cuyas familias reciben dicho programa. En este trabajo se asume una relación directa, esto es si la familia es perceptora de alguna AUH entonces el alumno es el beneficiario de la asignación ya que de alguna manera se vería beneficiado por la misma. Asimismo, de acuerdo con la manera en que se pregunta en el cuestionario: ¿Alguien de tu familia recibe la Asignación Universal por Hijo u otro programa social?, la pregunta también contempla la posibilidad de que se perciba otro tipo de programa social que podría interactuar o no con la AUH y/o provocar que el grupo de beneficiarios sea mayor al que existiría si solo se tuviera en cuenta la AUH. Si bien los documentos metodológicos e informes de Aprender hacen referencia solamente a la AUH, esto podría resultar particularmente limitante en el caso de los últimos años de la secundaria, en los cuales el sistema de becas comienza a cumplir un rol. Por ejemplo, se encuentra el programa de Becas Progresar destinado a jóvenes de entre 18 a 24 años que completan sus estudios en los niveles primario, secundario y superior. Más del 45% de la muestra de alumnos de quinto/sexto año de la secundaria tienen entre 18 y 20 años o más, edad exigible para ser beneficiario de Progresar. Teniendo en cuenta esta posible limitación y el supuesto de que el alumno es un beneficiario directo de la AUH de la familia, se decide utilizar los microdatos de Aprender para medir el efecto causal de la AUH en outcomes educativos como la asistencia a clases, el desempeño educativo medido a partir de los puntajes de Lengua y Matemática, la probabilidad de no repetir de año y la ejecución de otras tareas que podrían sustituir el tiempo dedicado al estudio y a la permanencia en el establecimiento escolar. Las tareas no escolares consideradas son trabajar fuera de casa; ayudar a papá o a mamá en su trabajo; realizar tareas de cuidado como cuidar a un hermano u otro familiar; realizar tareas del hogar como cocinar, limpiar, lavar la ropa, hacer las compras; y realizar otras tareas como cultivar, cosechar, trabajar la tierra, cuidar animales de granja para utilizar como consumo en el hogar, ayudar a alguien de su familia en la construcción y/o reparación de la vivienda.6 Según Rubin (1974), la estimación de efectos causales, más allá de un experimento aleatorio o un estudio no experimental, se basa principalmente en una comparación de resultados/outcomes potenciales. Intuitivamente, la estimación del efecto causal de un programa (tratamiento) en un outcome 𝑌 para una unidad particular, por ejemplo, un individuo 𝑖, es la diferencia entre el outcome del individuo si hubiese sido expuesto al programa (𝑌𝑖(1)) y el outcome del mismo individuo si no hubiese sido expuesto al programa (𝑌𝑖(0)). Es así que es posible identificar el efecto causal promedio en los tratados (Average Treatment Effect on the Treated —ATT—) como: 𝐴𝑇𝑇 = 𝐸(𝑌𝑖(1)− 𝑌𝑖(0)| 𝑇 = 1) = 𝐸(𝑌𝑖(1)| 𝑇 = 1) − 𝐸(𝑌𝑖(0)| 𝑇 = 1), (1) en donde se requiere el supuesto de independencia ((𝑌𝑖(1),𝑌𝑖(0)) ⊥ 𝑇). En el caso de datos no experimentales a veces es posible argumentar que este supuesto es válido al condicionar por un conjunto de características observadas 𝑋 ((𝑌𝑖(1),𝑌𝑖(0)) ⊥ 𝑇 | 𝑋). El principal problema de medir este efecto radica en que no observamos ambos resultados, 𝑌𝑖(1) y 𝑌𝑖(0), para el mismo individuo. Para cada individuo solo podemos observar uno de los dos y, por lo tanto, el ATT no es observado. De esta manera, Stuart (2010) manifiesta que la estimación de efectos causales puede ser entendida como un problema de missing data (datos faltantes). Una 6 Específicamente, se pregunta si en la semana anterior al operativo Aprender el alumno realizó alguna de estas tareas. Archivos Analíticos de Políticas Educativas Vol. 29, No. 1 12 solución a este problema es estimar de la mejor manera posible el outcome potencial no observado, aquí 𝑌𝑖(0) de los tratados, teniendo un grupo de control lo más similar posible al de tratados. Esto es obtener un contrafactual de tal manera de asegurar entre el grupo de tratados y no tratados un balance en sus características. En el caso de un experimento aleatorio, el mismo resuelve este problema (en características observadas y no observadas). En este caso los datos con los que se trabaja no son experimentales por lo que no tienen los beneficios de la aleatorización y, por lo tanto, es necesario tener cuidado a la hora del diseño de la evaluación (ver Rubin, 1974). Los experimentos aleatorios garantizan que el grupo de tratados y de control sean en sus características observables y no observables diferentes solamente de una forma aleatoria. Si el objetivo es estimar efectos causales usando datos observacionales que no son elegidos a partir de un proceso aleatorio, resulta conveniente tratar esos datos lo más parecidos a los que se obtendrían con un experimento aleatorio teniendo un grupo de tratados y un grupo de control con distribuciones de covariables lo más similares posibles. Los métodos de emparejamiento (“matching” a partir de ahora) resultan ser herramientas útiles cuando se trabaja con este tipo de datos y se suelen utilizar para elegir ambos grupos de comparación. En este estudio se cuenta con dos grupos de alumnos, aquellos que responden que su familia es beneficiaria de la AUH (grupo de tratamiento) y aquellos que responden que no (grupo de control o no tratado). La idea consiste en implementar un mecanismo de asignación, un método de matching, tal que a cada observación del grupo de tratamiento se le asigne un “gemelo estadístico”. Es posible que en este proceso de emparejamiento se pierdan algunas observaciones que no puedan ser emparejadas con ninguna otra observación. Una vez realizado dicho emparejamiento se puede calcular el resultado contrafactual para cada alumno �̂�𝑖(0) y el estimador del ATT es: 𝐴�̂�𝑇 = 1 𝑚𝑇 ∑ (𝑌𝑖 − �̂�𝑖(0)) 𝑖∈ℳ𝑇 = 1 𝑚𝑇 ∑ (𝑌𝑖 − ∑ 𝑤𝑖𝑗𝑌𝑗 𝑗∈ℳ𝐶 ), 𝑖∈ℳ𝑇 donde ℳ𝑇 es el conjunto de alumnos tratados emparejados y 𝑚𝑇 el número total de alumnos tratados emparejados. Por otra parte, ℳ𝐶 es el conjunto de alumnos no tratados emparejados y 𝑤𝑖𝑗 es un ponderador específico de acuerdo a la similitud entre el alumno tratado 𝑖 y el alumno no tratado 𝑗. Siguiendo a Stuart (2010), los métodos de matching siguen básicamente tres pasos para el diseño. Primero, es necesario definir la cercanía entre las covariables que definirá si un individuo es un buen match o no. Segundo, elegir un método de matching dada la distancia escogida. Tercero, verificar la calidad de las muestras a comparar que surgen como resultado del matching. Para definir la cercanía entre dos individuos se elige un conjunto de variables observables 𝑋 y una medida de distancia. Se define a 𝑋 como 𝑋 = 𝑋1, . . . ,𝑋𝐾 donde cada 𝑋𝑘 es una covariable con información de 𝑁 individuos. En este estudio se decide trabajar con las siguientes covariables: edad del alumno, género, hacinamiento crítico, educación de la madre y del padre, tenencia de TICs (internet, computadora y televisión).7 7 Es importante notar que no es posible incluir entre estas variables alguna que pueda ser afectada por la asignación del tratamiento. Es por esto mismo que no se incluye el tipo de establecimiento educativo, privado o público, ya que en la decisión de enviar a un hijo a una escuela pública o a una escuela privada subvencionada por el Estado la AUH podría ejercer algún tipo de influencia. No obstante, se realiza un ejercicio bloqueando esta variable al estimar los efectos de la AUH dividiendo la muestra entre alumnos que asisten a la escuela pública y alumnos que asisten a la escuela privada. Impacto del programa Asignación Universal por Hijo en Argentina 13 Para realizar el matching se opta por el método “Coarsened Exact Matching” (CEM) propuesto por Iacus, King, y Porro (2011). Para este método las variables 𝑋 se tienen que ajustar (“coarsen”) de tal manera que se agrupen categóricamente 𝐶(𝑋), por ejemplo, la educación de la madre en años se tendría que ajustar en variables dummies de educación máxima alcanzada. Luego se ordenan las observaciones en s estratos, 𝑠 ∈ 𝑆, cada uno con valores únicos de 𝐶(𝑋). Los estratos que solo contienen observaciones del grupo de control u observaciones solo del grupo de tratados son eliminados, es así que solo se trabaja con los estratos que contienen observaciones tanto del grupo de tratados como del grupo de control. Sea 𝑚𝑇=1 𝑠 = 𝑚𝑇 𝑠 el número de los alumnos tratados del estrato 𝑠 y 𝑚𝑇=0 𝑠 = 𝑚𝐶 𝑠 el número de los alumnos no tratados del estrato 𝑠. Y a su vez, 𝑚𝑇 = ∑ 𝑚𝑇=1 𝑠 𝑠∈𝑆 el número total de alumnos tratados emparejados y 𝑚𝐶 = ∑ 𝑚𝑇=0 𝑠 𝑠∈𝑆 el número total de alumnos no tratados emparejados, el método genera los siguientes ponderadores para cada alumno 𝑖: 𝑤𝑖 = { 1 si el alumno 𝑖 es emparejado y tratado 𝑚𝐶 𝑚𝑇 . 𝑚𝑇 𝑠 𝑚𝐶 𝑠 si el alumno 𝑖 es emparejado y no tratado 0 si el alumno 𝑖 no es emparejado. (3) En los casos donde se utilicen estos ponderadores se hará referencia a un CEM ajustado por peso de strata. No obstante, en el caso de las bases de datos de Aprender, las mismas incluyen ponderadores muestrales 𝑤𝑚. Al considerar los mismos para el análisis, se decide ajustar los ponderadores por strata de la siguiente manera: 𝑤𝑖 = { 1 si el alumno 𝑖 es emparejado y tratado 𝑚𝐶 𝑚𝑇 . 𝑚𝑇 𝑠 𝑚𝐶 𝑠 .( 𝑤𝑚𝐶 𝑤𝑚𝑇 . 𝑤 𝑚𝑇 𝑠 𝑤 𝑚𝐶 𝑠 ) si el alumno 𝑖 es emparejado y no tratado 0 si el alumno 𝑖 no es emparejado (4) donde 𝑤𝑚𝑇 𝑠 es la suma de los ponderadores de los tratados emparejados en cada estrato 𝑠, 𝑤𝑚𝐶 𝑠 es la suma de los ponderadores de los emparejados no tratados en cada estrato 𝑠, 𝑤𝑚𝑇 = ∑ 𝑤𝑚𝑇 𝑠 𝑠∈𝑆 y 𝑤𝑚𝐶 = ∑ 𝑤𝑚𝐶 𝑠 𝑠∈𝑆 Cuando se utilizan estos últimos ponderadores se hace referencia a un CEM ajustado por peso de strata y ponderadores muestrales. Utilizando los ponderadores �̂�𝑖 se estima la siguiente regresión: 𝑦𝑖 = 𝛼 + 𝛽𝑇𝑖 + 𝜖𝑖 (5) donde 𝑖 = 1, . . . ,𝑁, 𝑦𝑖 es un resultado educativo como puede ser el puntaje de la prueba de Lengua, 𝑇𝑖 es una variable dummy que toma valor 1 si el individuo es tratado (percibe AUH), 𝜖𝑖 es un término de error. El efecto del programa viene dado por el coeficiente 𝛽. A su vez, se estima la ecuación 6 que incluye controles por características de los alumnos: 𝑦𝑖 = 𝛼 + 𝛽𝑇𝑖 + 𝛾𝐻𝑖 + 𝑢𝑖 (6) Archivos Analíticos de Políticas Educativas Vol. 29, No. 1 14 donde el vector 𝐻𝑖 incluye las variables de género, edad y hacinamiento crítico del hogar para cada alumno 𝑖. También se lleva a cabo un análisis por género, tipo de establecimiento y zona para explorar la posibilidad de que existan efectos heterogéneos en cada uno de estos grupos. Para ello se estima la siguiente regresión: 𝑦𝑖 = 𝛼 + 𝛽𝑇𝑖 + 𝜃𝑇𝑖𝐺𝑖 + 𝛿𝐺𝑖 + 𝛾𝑀𝑖 + 𝑣𝑖 (7) donde 𝜃 es el efecto heterógeneo de interés, 𝑀𝑖 es un vector de variables de control que incluye edad y hacinamiento crítico y 𝐺𝑖 una variable dummy que toma valor uno si el individuo pertenece a un grupo específico y 0 caso contrario. En el análisis por género la ecuación 7 se estima incluyendo la variable 𝐺𝑖 que toma valor uno si el alumno 𝑖 es varón. En el análisis por tipo de establecimiento la variable 𝐺𝑖 toma valor uno si el alumno asiste a la escuela pública y el análisis por zona toma el valor uno si el alumno asiste a una escuela ubicada en zona rural. Si bien Iacus et al. (2011) muestran las ventajas que tienen los métodos Monotonic Imbalance Bounding (MIB) como es el CEM respecto de los métodos de la familia de Equal Percent Bias Reducing (EPBR), como ejercicio de robustez también se lleva a cabo un matching multivariado de la familia de EPBR utilizando la distancia Euclídea (MDM): 𝑀𝐷(𝑋𝑖|𝑇=1,𝑋𝑗|𝑇=0) = √(𝑋𝑖|𝑇=1 − 𝑋𝑗|𝑇=0) ′ 𝑉−1(𝑋𝑖|𝑇=1 − 𝑋𝑗|𝑇=0) , (8) donde 𝑉 es la matriz identidad.8,9 Esta medida considera la cercanía de dos individuos en un espacio multivariado. Es decir, emparejan observaciones que son cercanas, pero no necesariamente iguales en 𝑋. Una vez seleccionada como medida de distancia la Euclídea, como segundo paso se elige el método de emparejamiento. Algunos de estos algoritmos conocidos en la literatura son el vecino más cercano (nearest neighbor matching), matching por pares (one-to-one matching), caliper matching, radius matching. En este caso se utiliza el Kernel matching con la función Epanechnikov Kernel. Este algoritmo le da más peso (𝑤𝑖𝑗) a aquellas observaciones del grupo de control con menor 𝑀𝐷.10 Cabe destacar que en este trabajo se decidió realizar un CEM y un MDM y no el matching más utilizado en la literatura como lo es el Propensity Score Matching (PSM) que también es de la familia de métodos de EPBR. King y Nielsen (2019) muestran que el método de PSM, muchas veces suele ir en contraposición con el efecto deseado aumentando las diferencias en 𝑋 (imbalance) y la ineficiencia como así también la dependencia del modelo y el sesgo. Esta deficiencia del método reside porque el mismo intenta aproximarse a un experimento completamente aleatorio a diferencia de otros métodos de matching que intentan llegar a una más eficiente organización de unidades en bloques según observaciones similares en 𝑋, lo que se conoce como un “fully blocked randomized experiment”. Más aún, los autores muestran que un proceso de eliminación de observaciones aleatorio independiente de (𝑇,𝑋), que puede asemejarse con el PSM cuando el mismo es bien 8 Cuando se realiza un Multivariate Distance Matching utilizando la distancia Mahalanobis (MDM), 𝑉 corresponde a la matriz de varianza-covarianzas de 𝑋. 9 Esta medida funciona bastante bien cuando la dimensión de 𝑋 no es muy grande, como en este caso. 10 Según el matching que se use (CEM o MDM) se utilizarán los respectivos ponderadores 𝑤𝑖𝑗. Impacto del programa Asignación Universal por Hijo en Argentina 15 logrado, no solo reduce la información de los datos, sino que también aumenta el nivel de desequilibrio entre los grupos de tratamiento y de control (imbalance). Los autores introducen el término “Paradoja del Propensity Score” para referirse a los problemas que puede generar la eliminación de observaciones a partir del PSM incrementando el “imbalance”, la dependencia del modelo y el sesgo. Es así que demuestran que métodos que intentan aproximar a un “fully blocked randomized experiment” como el CEM y MDM resultan sustancialmente superiores que el PSM. En particular, el CEM resulta no solo superior al PSM sino que a diferencia del MDM trabaja mejor en el caso de variables discretas y es menos intensivo computacionalmente. Como último paso antes de pasar a los resultados, se verifican y comparan las muestras de alumnos tratados y no tratados que surgen del matching. En la Tabla A2 del Apéndice se presentan las medias de las covariables luego del proceso de CEM para cada nivel educativo. Se observa que este proceso de matching reduce las diferencias a cero en todas las variables bloqueándolas. En el caso de la distancia Euclídea, las diferencias también se achican, pero para hacinamiento y edad se visualizan diferencias entre el grupo tratado y no tratado significativas, aunque pequeñas económicamente (estos resultados están disponibles para el lector a pedido a los autores). Resultados Análisis a Nivel Nacional En esta sección se presentan los resultados a nivel nacional. La Tabla 2 presenta los efectos de la AUH sobre la asistencia escolar, para cada nivel educativo. Los resultados sugieren que existe un leve impacto positivo de la AUH sobre la asistencia, únicamente para estudiantes del último año de la secundaria y para niveles bajos de inasistencia. En el panel c de la tabla se analizan los efectos para quinto/sexto año de la secundaria. La probabilidad de faltar menos de ocho veces a clases aumenta en 1,3 p.p. para los estudiantes beneficiarios de la AUH, ceteris paribus.11 Además, se observa que la probabilidad de faltar menos de 17 veces aumenta en 1 p.p. para esos menores. Los mismos pueden interpretarse, de forma inversa, como una disminución en la probabilidad de faltar más de ocho y 17 veces a clases en el año. No obstante, como se observa en las últimas dos columnas, los resultados muestran que la AUH no tiene efectos para un mayor nivel de inasistencia. Para aquellos alumnos de niveles educativos menores, la AUH parece reflejar ausencia de efectos positivos e incluso leves efectos negativos. En alumnos de segundo/tercer año de secundaria, se observa en el panel b de la tabla que la probabilidad de ausentarse menos de ocho veces en el ciclo escolar es entre 0,3 a 0,4 p.p. menor para los beneficiarios. A su vez, la AUH reduce para estos alumnos la probabilidad de faltar menos de 17 veces entre 1,4 a 1,6 p.p. y de faltar menos de 24 veces entre 1,6 a 2 p.p. Los mismos pueden interpretarse, de forma inversa, como aumentos en la probabilidad de faltar más de ocho, 17 y 24 veces a clases en el año. Todos los efectos mencionados resultan significativos desde el punto de vista estadístico. Es decir, no se estaría encontrando evidencia de efectos positivos del programa en la asistencia para este nivel educativo. En alumnos de sexto grado de la primaria tampoco se observa que la AUH disminuya los niveles de inasistencia. La probabilidad de faltar menos de ocho veces a clases en el año para beneficiarios del programa es 0,2 p.p. menor, aunque de forma no significativa. La probabilidad de faltar menos de 17 veces y 24 veces es 1 p.p. y 0,9 p.p. menor para los beneficiarios. Éstos últimos efectos resultan significativos, aunque de magnitud muy baja al compararlos con las medias del grupo de control. 11 A partir de ahora se realizará la interpretación de los resultados suponiendo todo lo demás constante, es decir, ceteris paribus. Archivos Analíticos de Políticas Educativas Vol. 29, No. 1 16 Tabla 2 Efectos de la AUH sobre la asistencia escolar. Total Argentina VARIABLES Ha faltado menos de ocho veces a lo largo del año Ha faltado menos de 17 veces a lo largo del año Ha faltado menos de 24 veces a lo largo del año Ha faltado más de 24 veces a lo largo del año (1) (2) (3) (4) (5) (6) (7) (8) Panel a: sexto grado de la primaria AUH -0,002 -0,002 -0,010 -0,010 -0,009 -0,009 0,009 0,009 [0,002] [0,002] [0,001]*** [0,001]*** [0,001]*** [0,001]*** [0,001]*** [0,001]*** Media del grupo de control 0,651 0,888 0,949 0,051 Controles NO SI NO SI NO SI NO SI Obs. 329.540 265.427 329.540 265.427 329.540 265.427 329.540 265.427 R-cuadrado 0,000 0,002 0,000 0,004 0,000 0,004 0,000 0,004 Panel b: segundo/tercer año de la secundaria AUH -0,003 -0,004 -0,016 -0,014 -0,020 -0,016 0,020 0,016 [0,001]*** [0,001]*** [0,001]*** [0,001]*** [0,001]*** [0,001]*** [0,001]*** [0,001]*** Media del grupo de control 0,050 0,106 0,207 0,793 Controles NO SI NO SI NO SI NO SI Obs. 387.261 312.336 387.261 312.336 387.261 312.336 387.261 312.336 R-cuadrado 0,000 0,002 0,001 0,004 0,001 0,006 0,001 0,006 Panel c: quinto/sexto año de la secundaria AUH 0,013 0,013 0,010 0,010 -0,001 -0,001 0,001 0,001 [0,002]*** [0,002]*** [0,002]*** [0,002]*** [0,001] [0,001] [0,001] [0,001] Media del grupo de control 0,262 0,664 0,862 0,138 Controles NO SI NO SI NO SI NO SI Obs. 310.515 258.865 310.515 258.865 310.515 258.865 310.515 258.865 R-cuadrado 0,000 0,003 0,000 0,005 0,000 0,006 0,000 0,006 Nota: Los coeficientes de AUH reflejan los Average Treatment on the Treated (ATT) del programa. CEM ajustado por peso de strata y ponderadores muestrales. Errores estándar en corchetes. *** significativo al 1%, ** significativo al 5%, * significativo al 10%. Fuente: Elaboración propia en base a Aprender, 2016. Impacto del programa Asignación Universal por Hijo en Argentina 17 Es usual encontrar en la literatura efectos mayores sobre las tasas de asistencia en el nivel secundario que en el nivel primario (Attanasio et al., 2010; De Brauw & Hoddinott, 2008; Edo et al., 2017; Salvia et al., 2015; Schultz, 2004). En el caso de Edo et al. (2017), los autores encuentran un incremento en la probabilidad de asistir a la escuela entre alumnos de 15 a 17 años de 3,9 p.p., por otro lado, estos efectos disminuyen a 0,8 p.p. en niños entre 12 y 14 años y a 0,4 p.p. para aquellos que tiene entre 6 años y 11 años. Salvia et al. (2015) hallan un efecto positivo de la AUH en la asistencia escolar reduciendo la probabilidad de no asistir en 6 p.p., asimismo el efecto es significativamente mayor en el nivel secundario. Estos resultados robustecen los encontrados en este trabajo, dado que a partir de diferentes metodologías y bases de datos aquí también se obtienen efectos mayores en el último nivel. Siguiendo a Edo et al. (2017), en Argentina las tasas de asistencia en primaria y en los primeros años de la secundaria ya son de por sí muy altas, por lo cual es posible que los incentivos que otorga la AUH no sean suficientes para atraer o mantener en el sistema al sector que abandona en un nivel temprano. Y, por el contrario, pareciera que estos incentivos empiezan a activarse en los últimos años de la secundaria.12 Con respecto al impacto de la AUH en el desempeño educativo, en la Tabla 3 se analizan los efectos sobre los puntajes obtenidos en Lengua y Matemática y sobre la repitencia escolar. Para sexto grado de la primaria, en el panel a puede observarse que el efecto promedio del programa en el puntaje obtenido por los beneficiarios en la prueba de Lengua está dado por una diferencia de aproximadamente 15 puntos a favor de los no beneficiarios. Para interpretar este resultado es necesario considerar el puntaje promedio en esta asignatura para los estudiantes que conforman el grupo de control de este nivel que asciende a 500, con un desvío estándar de 100,2 puntos, por lo cual 15 puntos resulta ser menos de un quinto del desvío estándar. Con respecto a Matemática, el efecto promedio del programa es de entre 10 a 12 puntos menos para aquellos estudiantes que perciben la asignación. En este caso el impacto de la AUH resulta ser de aproximadamente el 10– 11,9% del desvío estándar de los puntajes de Matemática del grupo de control. En el panel b de la Tabla 3 se observa que el efecto promedio del programa en Lengua en los beneficiarios de segundo/tercer año de la secundaria está dado por una reducción de aproximadamente 17 puntos, frente a un puntaje promedio del grupo de control de 505 con un desvío de 101,2 puntos. En cuanto a Matemática, el efecto promedio del programa para los beneficiarios es de alrededor de 20 puntos menos, que representa un quinto del desvío estándar para la muestra utilizada. En el panel c de la Tabla 3 se refleja que la AUH provoca una caída de aproximadamente seis puntos en Lengua en los beneficiarios de quinto/sexto año de la secundaria. Esta magnitud es despreciable considerando que el promedio del grupo de control es de 494 puntos con un desvío de 96,8. Por otro lado, puede atribuirse a la AUH una reducción de 11 puntos en el puntaje de Matemática para los estudiantes beneficiarios, efecto relativamente modesto considerando que el puntaje promedio del grupo de control es de 491 puntos con un desvío de 92,8. 12 Las tasas relativamente altas de asistencia en primaria y de los primeros años de la secundaria, frente a las tasas de los últimos años de secundaria, pueden relacionarse con el hecho de que la obligatoriedad escolar para jóvenes de 15 a 17 años fue reglamentada en el año 2006, dado que previamente solo se exigía la escolarización hasta los 15 años, y siguiendo a Edo et al. (2017), “ni la ley ni su reglamentación incorporaron mecanismos capaces de afectar los incentivos de los niños o de sus padres/tutores para reforzar la obligatoriedad de asistir a clases”. Archivos Analíticos de Políticas Educativas Vol. 29, No. 1 18 Tabla 3 Efectos de la AUH sobre el desempeño educativo. Total Argentina VARIABLES Puntaje de la prueba de Lengua Puntaje de la prueba de Matemática No ha repetido de año (1) (2) (3) (4) (5) (6) Panel a: sexto grado de la primaria AUH -15,595 -14,449 -12,551 -10,923 -0,025 -0,023 [0,331]*** [0,369]*** [0,334]*** [0,376]*** [0,001]*** [0,001]*** Media del grupo de control 500,4 499,8 0,798 Controles NO SI NO SI NO SI Obs. 361.212 286.997 361.913 282.288 357.901 278.167 R-cuadrado 0,006 0,022 0,004 0,009 0,001 0,246 Panel b: segundo/tercer año de la secundaria AUH -17,645 -17,891 -20,216 -19,059 -0,028 -0,021 [0,310]*** [0,338]*** [0,297]*** [0,327]*** [0,001]*** [0,001]*** Media del grupo de control 504,9 503,9 0,757 Controles NO SI NO SI NO SI Obs. 409.284 333.663 409.144 330.839 398.158 319.338 R-cuadrado 0,008 0,037 0,011 0,029 0,001 0,332 Panel c: quinto/sexto año de la secundaria AUH -6,673 -6,444 -11,305 -11,032 0,002 -0,001 [0,336]*** [0,367]*** [0,316]*** [0,342]*** [0,002] [0,001] Media del grupo de control 494,2 491,0 0,754 Controles NO SI NO SI NO SI Obs. 331.296 269.158 332.245 271.797 327.636 265.513 R-cuadrado 0,001 0,033 0,004 0,038 0,000 0,367 Nota: Los coeficientes de AUH reflejan los Average Treatment on the Treated (ATT) del programa. CEM ajustado por peso de strata y ponderadores muestrales. Errores estándar en corchetes. *** significativo al 1%, ** significativo al 5%, * significativo al 10%. Fuente: Elaboración propia en base a Aprender, 2016. En resumen, para los tres niveles educativos se observa que la AUH no tiene efectos promedios positivos en el desempeño educativo de los menores beneficiarios en competencias fundamentales como Lengua y Matemática. De esta forma el impacto del programa sobre el desempeño en las pruebas de estas asignaturas parece ser escaso. Siguiendo a Ponce (2006), factores como las mayores tasas de asistencia, la mejor nutrición y consumo o la disminución en el trabajo Impacto del programa Asignación Universal por Hijo en Argentina 19 infantil podrían llevar a esperar un mejor desempeño y aprendizaje escolar en los beneficiarios de los PTC. Sin embargo, en este caso esos factores parecen estar siendo neutralizados por otros componentes, como los mencionados en Fiszbein y Schady (2009): restricciones a nivel familiar que no son alcanzadas por los PTC, como prácticas deficientes en el cuidado, o bien la baja calidad de los servicios educativos, que lleva a que la simple utilización de los mismos no implique mejores resultados. En cuanto a los resultados presentados en la última columna de la Tabla 3, se observa que la AUH no ha tenido efectos positivos en la probabilidad de no repitencia. Para los beneficiarios de sexto grado de primaria y de segundo/tercer año de secundaria, la probabilidad de no repetir de los beneficiarios es entre 2,1 a 2,8 p.p. menor que la de los no beneficiarios. Para aquellos beneficiarios del último año del nivel secundario el efecto de la AUH no es significativo. De esta manera pareciera que la AUH no tiene efectos positivos significativos en el desempeño de los alumnos. En la Tabla 4 se presentan los efectos de la AUH sobre las actividades en las cuales los menores se desempeñan fuera del ámbito escolar. En este caso, siguiendo los resultados de Attanasio et al. (2010) para el programa colombiano Familias en Acción, se esperaría observar una caída en la dedicación que los menores asignan a las tareas del hogar y a actividades laborales. Sin embargo, en los resultados para el total del país no se encuentran tales efectos. La probabilidad de trabajar fuera del hogar es mayor para beneficiarios de la AUH de sexto grado de primaria en 3,5 p.p. Para aquellos beneficiarios del último año de secundaria el efecto es de entre 1,6 a 1,8 p.p. El impacto en la probabilidad de ayudar a padres o madres en sus trabajos se manifiesta de forma similar, alcanzando una diferencia de 6 p.p. para los beneficiarios que asisten a la primaria. A su vez, la probabilidad de realizar tareas de cuidado y del hogar también parece ser mayor para los beneficiarios de la asignación. Para el caso de tareas de cuidado, el mayor efecto se observa para aquellos beneficiarios del último año de secundaria, quienes registran una diferencia de 11 p.p. en la probabilidad de realizar tareas de cuidado de un hermano o familiar respecto a los no beneficiarios. En la última columna se observa que la probabilidad de realización de tareas como cultivar, cosechar, cuidar animales tampoco disminuye como respuesta al programa. En este caso los beneficiarios de sexto grado de primaria registran la mayor diferencia, ascendiendo la misma a 6,5 p.p. Como ejercicio de robustez en la Tabla A3 se comparan los resultados explicados en esta sección con los obtenidos mediante el MDM. En la primera fila de cada panel se presentan los coeficientes estimados con MDM, utilizando la distancia Euclidea. En la siguiente fila se presentan los resultados utilizando CEM y ajustando únicamente por el peso de los estratos y en la tercera los que incorporan el ajuste por ponderadores muestrales. En todos los casos se utilizan para el matching las covariables de edad, género, hacinamiento crítico, educación de madre y padre, y TICs en el hogar. Esta comparación permite robustecer los resultados hallados aquí para la mayoría de las variables de interés y para cada nivel educativo. Archivos Analíticos de Políticas Educativas Vol. 29, No. 1 20 Tabla 4 Efectos de la AUH sobre actividades. Total Argentina VARIABLES Además de asistir a la escuela trabajó fuera de su casa la semana pasada Ha ayudado a su papá o a su mamá en su trabajo la semana pasada Ha realizado tareas de cuidado la semana pasada Ha realizado tareas del hogar la semana pasada Ha realizado otras tareas del hogar la semana pasada (1) (2) (3) (4) (5) (6) (7) (8) (9) (10) Panel a: sexto grado de la primaria AUH 0,035 0,035 0,06 0,059 0,079 0,078 0,024 0,024 0,065 0,066 [0,001]*** [0,002]*** [0,002]*** [0,002]*** [0,002]*** [0,002]*** [0,002]*** [0,002]*** [0,002]*** [0,002]*** Media del grupo de control 0,160 0,458 0,427 0,654 0,345 Controles NO SI NO SI NO SI NO SI NO SI Obs. 357.901 278.167 357.901 278.167 357.901 278.167 357.901 278.167 357.901 278.167 R-cuadrado 0,002 0,022 0,003 0,02 0,006 0,009 0,001 0,012 0,004 0,055 Panel b: segundo/tercer año de la secundaria AUH 0,027 0,029 0,024 0,025 0,078 0,083 0,012 0,001 0,031 0,021 [0,001]*** [0,001]*** [0,001]*** [0,002]*** [0,002]*** [0,002]*** [0,001]*** [0,001] [0,001]*** [0,002]*** Media del grupo de control 0,137 0,305 0,398 0,750 0,265 Controles NO SI NO SI NO SI NO SI NO SI Obs. 398.158 319.338 398.158 319.338 398.158 319.338 398.158 319.338 398.158 319.338 R-cuadrado 0,001 0,06 0,001 0,036 0,006 0,011 0 0,02 0,001 0,099 Impacto del programa Asignación Universal por Hijo en Argentina 21 Tabla 4 (Cont.) Efectos de la AUH sobre actividades. Total Argentina VARIABLES Además de asistir a la escuela trabajó fuera de su casa la semana pasada Ha ayudado a su papá o a su mamá en su trabajo la semana pasada Ha realizado tareas de cuidado la semana pasada Ha realizado tareas del hogar la semana pasada Ha realizado otras tareas del hogar la semana pasada (1) (2) (3) (4) (5) (6) (7) (8) (9) (10) Panel c: quinto/sexto año de la secundaria AUH 0,018 0,016 0,026 0,025 0,106 0,11 0,025 0,022 0,036 0,035 [0,002]*** [0,002]*** [0,002]*** [0,002]*** [0,002]*** [0,002]*** [0,001]*** [0,001]*** [0,002]*** [0,002]*** Media del grupo de control 0,268 0,347 0,390 0,819 0,261 Controles NO SI NO SI NO SI NO SI NO SI Obs. 327.636 265.513 327.636 265.513 327.636 265.513 327.636 265.513 327.636 265.513 R-cuadrado 0,000 0,036 0,001 0,015 0,011 0,022 0,001 0,023 0,002 0,086 Nota: Los coeficientes de AUH reflejan los Average Treatment on the Treated (ATT) del programa. Errores estándar en corchetes. *** significativo al 1%, ** significativo al 5%, * significativo al 10%. Tareas de cuidado incluye cuidar a un hermano u otro familiar. Tareas del hogar incluye cocinar, limpiar, lavar la ropa, hacer las compras, entre otras. Otras tareas del hogar incluye cultivar, cosechar, trabajar la tierra, o cuidar animales de granja para utilizar como consumo en el hogar, ayudar a alguien de tu familia en la construcción y/o reparación de la vivienda. Fuente: Elaboración propia en base a Aprender 2016. Archivos Analíticos de Políticas Educativas Vol. 29, No. 1 22 No obstante, como ya se mencionó, la manera en que se pregunta en el cuestionario por la percepción de la AUH obliga a tener cautela con la interpretación de los resultados obtenidos dado que podrían existir otros programas sociales o sistemas de becas, como por ejempo el programa Progresar, que podrían estar interactuando con la AUH y, por lo tanto, los efectos encontrados podrían no ser completamente atribuibles a este último programa.13 En el caso de la primaria esto no debería ser tan limitante ya que la AUH es el programa más importante y extendido del país destinado a niños y niñas, pero sí en la secundaria donde el sistema de becas es importante. Como ejercicio de robustez se eliminaron de la muestra los alumnos que podrían reportar la edad exigida para ser beneficiario de Progresar (esto es aquellos que reportan tener 18 años o más). Se estimaron nuevamente los resultados para estos grupos de alumnos para los tres niveles y los mismos resultaron ser muy similares a los ya encontrados no solo en asistencia sino también en desempeño y asignación de tareas. Efectos Heterogéneos Los resultados descriptos en la subsección anterior pueden presentar efectos heterogéneos según el género de los menores, el tipo de establecimiento, es decir, si asisten a una institución educativa pública o privada, y la zona, rural o urbana, donde se encuentra la escuela. En este apartado se explora la existencia de tales efectos utilizando los grupos de control y tratamiento obtenidos a partir del matching por CEM que fueron utilizados en el análisis principal. En la Tabla 5 se analizan los efectos sobre el nivel de asistencia según el género de los alumnos. Los resultados ofrecen evidencia de que la AUH aumenta la probabilidad de faltar menos, especialmente en varones en todos los niveles educativos entre 0,4 p.p. y 2,1 p.p. Para beneficiarios de sexto grado de primaria puede advertirse que el efecto de la AUH sobre la probabilidad de ausentarse menos de 17 y 24 veces se torna positivo para varones y muestra un aumento de 0,4 p.p., con mayor significatividad para el nivel de 24 inasistencias. Para segundo/tercer año de la secundaria ocurre algo similar para niveles de ocho y 17 inasistencias, en donde los varones beneficiarios aumentan su probabilidad de ausentarse menos en forma significativa. Para quinto/sexto año de la secundaria, los varones que perciben la AUH aumentan en 1 p.p. la probabilidad de faltar menos de 17 veces y en aproximadamente 1,5 p.p. la probabilidad de faltar menos de 24 veces, mientras que no registran efectos significativos para el nivel de 8 inasistencias, similar a lo que se observa para sexto grado de primaria. En resumen, a diferencia de lo que se observó en la Tabla 2, estos resultados reflejan que la AUH parece tener un impacto positivo en el nivel de asistencia en varones en todos los niveles educativos y el mismo es mayor en el nivel secundario. En Edo et al. (2017) los autores encuentran también un efecto mayor sobre la tasa de asistencia en los varones que en las mujeres (6 p.p. vs. 1,65 p.p.). Los autores consideran la posibilidad de que algunas cuestiones culturales pesen más que los incentivos económicos que el programa ofrece para atraer al sistema educativo a estas niñas. Salvia et al. (2015) también encuentran un efecto mayor de la AUH sobre la tasa de no asistencia en los varones. Más aún, existe evidencia para Argentina de que la asistencia de las niñas es más inelástica a los incentivos económicos que la de los varones (Sosa & Marchionni, 1999). 13 El programa estudiantil Progresar se implementó en Argentina en el año 2014, como una entrega monetaria mensual para jóvenes de 18 a 24 años que demuestran estar estudiando, en cualquier nivel educativo. Impacto del programa Asignación Universal por Hijo en Argentina 23 Tabla 5 Efectos de la AUH en asistencia según género. Total Argentina VARIABLES Ha faltado menos de ocho veces a lo largo del año Ha faltado menos de 17 veces a lo largo del año Ha faltado menos de 24 veces a lo largo del año Ha faltado más de 24 veces a lo largo del año (1) (2) (3) (4) (5) (6) (7) (8) Panel a: sexto grado de la primaria AUH -0,001 -0,002 -0,012 -0,012 -0,011 -0,011 0,011 0,011 [0,003] [0,003] [0,002]*** [0,002]*** [0,001]*** [0,001]*** [0,001]*** [0,001]*** AUH*Varón -0,002 -0,001 0,004 0,004 0,004 0,004 -0,004 -0,004 [0,004] [0,004] [0,003] [0,003]* [0,002]** [0,002]** [0,002]** [0,002]** Varón -0,034 -0,033 -0,024 -0,022 -0,017 -0,016 0,017 0,016 [0,003]*** [0,003]*** [0,002]*** [0,002]*** [0,001]*** [0,001]*** [0,001]*** [0,001]*** Controles NO SI NO SI NO SI NO SI Obs. 277.060 265.427 277.060 265.427 277.060 265.427 277.060 265.427 R-cuadrado 0,001 0,002 0,001 0,004 0,001 0,004 0,001 0,004 Panel b: segundo/tercer año de la secundaria AUH -0,006 -0,005 -0,023 -0,022 -0,017 -0,014 0,017 0,014 [0,001]*** [0,001]*** [0,001]*** [0,001]*** [0,002]*** [0,002]*** [0,002]*** [0,002]*** AUH*Varón 0,005 0,004 0,021 0,018 -0,002 -0,004 0,002 0,004 [0,002]*** [0,002]** [0,002]*** [0,002]*** [0,003] [0,003] [0,003] [0,003] Varón 0,012 0,015 0,009 0,014 0,040 0,045 -0,040 -0,045 [0,001]*** [0,001]*** [0,002]*** [0,002]*** [0,002]*** [0,002]*** [0,002]*** [0,002]*** Controles NO SI NO SI NO SI NO SI Obs. 318.409 312.336 318.409 312.336 318.409 312.336 318.409 312.336 R-cuadrado 0,001 0,002 0,002 0,004 0,003 0,006 0,003 0,006 Archivos Analíticos de Políticas Educativas Vol. 29, No. 1 24 Tabla 5 (Cont.) Efectos de la AUH en asistencia según género. Total Argentina VARIABLES Ha faltado menos de ocho veces a lo largo del año Ha faltado menos de 17 veces a lo largo del año Ha faltado menos de 24 veces a lo largo del año Ha faltado más de 24 veces a lo largo del año (1) (2) (3) (4) (5) (6) (7) (8) Panel c: quinto/sexto año de la secundaria AUH 0,013 0,013 0,006 0,007 -0,007 -0,007 0,007 0,007 [0,002]*** [0,002]*** [0,002]** [0,002]*** [0,002]*** [0,002]*** [0,002]*** [0,002]*** AUH* Varón 0,000 0,001 0,010 0,010 0,015 0,016 -0,015 -0,016 [0,004] [0,004] [0,004]*** [0,004]** [0,003]*** [0,003]*** [0,003]*** [0,003]*** Varón 0,030 0,033 0,011 0,016 -0,001 0,002 0,001 -0,002 [0,002]*** [0,002]*** [0,002]*** [0,002]*** [0,002] [0,002] [0,002] [0,002] Controles NO SI NO SI NO SI NO SI Obs. 265.333 258.865 265.333 258.865 265.333 258.865 265.333 258.865 R-cuadrado 0,001 0,003 0,000 0,005 0,000 0,006 0,000 0,006 Nota: Los coeficientes de AUH reflejan los Average Treatment on the Treated (ATT) del programa. CEM ajustado por peso de strata y ponderadores muestrales. Errores estándar en corchetes. *** significativo al 1%, ** significativo al 5%, * significativo al 10%. Fuente: Elaboración propia en base a Aprender, 2016. Impacto del programa Asignación Universal por Hijo en Argentina 25 En la Tabla 6 se observa que el efecto descripto en la subsección anterior sobre el desempeño educativo de Lengua y Matemática cambia de signo para los varones beneficiarios y presenta aumentos en los puntajes para casi la totalidad de los casos, aunque los mismos se mantienen en valores que no pueden considerarse relevantes económicamente. Por otro lado, se puede ver en la última columna que para varones beneficiarios de sexto año del nivel primario y de quinto/sexto año del nivel secundario no se hallan efectos significativos en la repitencia, mientras que para aquellos de segundo/tercer año del nivel secundario se advierte un aumento de entre 1,7 a 1,8 p.p. en la probabilidad de no haber repetido de año, a diferencia de lo que se observaba para el análisis general. Por otro lado, los resultados presentados en la Tabla 7 sugieren que la AUH no genera incentivos en los varones para reducir la probabilidad de desempeñarse en trabajos fuera del hogar en los tres niveles educativos. Además, a excepción de los del último año, los varones beneficiarios también son más proclives a ayudar a sus padres en sus trabajos. También se observa que los varones beneficiarios (a excepción de los de segundo/tercer año) son más proclives a llevar a cabo tareas de cultivo, cosecha, cuidado de animales, etc. En cambio, parece reflejarse que los niños beneficiarios son los menos propensos a realizar tareas de cuidado o del hogar. En resumen, los resultados sugieren que la AUH no provoca un efecto sustitución fuerte que lleve a los varones beneficiarios a reducir las tareas fuera del ámbito escolar para dedicarle mayor tiempo al estudio. Es decir, la AUH no ha logrado tener un efecto positivo en la asignación de tareas reduciendo la probabilidad de los varones de trabajar, lo que se condice con los resultados del trabajo de Attanasio et al. (2010) que encuentran que la distribución del tiempo en favor de la escuela se debe a la disminución del tiempo dedicado a tareas del hogar más que a actividades laborales infantiles. También van en línea con Edo y Marchionni (2019), quienes no encuentran efectos positivos de la AUH en la disminución de las tasas de abandono de los varones. Se podría pensar que los incentivos de abandono todavía se encuentran latentes. En cuanto al tipo de establecimiento educativo, en la Tabla A4 del Apéndice se observa que la AUH no ha tenido efectos positivos reduciendo algunos niveles de inasistencia en las escuelas públicas, principalmente para el nivel secundario. Por otro lado, parece haber tenido un efecto positivo en el desempeño de los alumnos de escuelas públicas aunque de magnitud leve. Finalmente, en las últimas cinco columnas parece reflejarse que existe cierto efecto sustitución que lleva a los beneficiarios de escuelas públicas a reducir la probabilidad de desempeñarse en actividades no escolares a partir de la AUH. Respecto a la zona de la escuela, en la Tabla A5 del Apéndice se encuentra que, a excepción del nivel primario, los beneficiarios de zonas rurales atraviesan ciertos efectos negativos en su nivel de asistencia. No obstante, sus puntajes de las pruebas parecen haber aumentado a raíz de la AUH, aunque en bajas magnitudes. En Garcia y Hill (2010) los autores también hallan una mejora en el desempeño educativo de los estudiantes de zonas rurales de 7 a 12 años a partir del cobro del programa colombiano Familias en Acción, no así para aquellos de secundaria. En este caso se advierte que la mejora en el desempeño ocurre principalmente para los beneficiarios de zonas rurales de segundo/tercer año del secundario, quienes tienen alrededor de 14 años de edad. También se observa para los beneficiarios en zonas rurales una disminución en la probabilidad de desempeñarse en actividades no escolares, principalmente para los que cursan el último año del secundario. En particular, los resultados sugieren que la AUH ha disminuido la probabilidad de trabajar fuera de casa o trabajar con los padres en 1,9 p.p. y 1,2 p.p., respectivamente. Así también se encuentra para todos los niveles educativos que la AUH ha reducido entre 2,5 p.p. y 3,7 p.p. la probabilidad de llevar a cabo tareas del hogar como cultivar, cosechar, labrar la tierra, cuidar animales y ayudar en la construcción. Archivos Analíticos de Políticas Educativas Vol. 29, No. 1 26 Tabla 6 Efectos de la AUH en desempeño educativo según género. Total Argentina VARIABLES Puntaje de la prueba de Lengua Puntaje de la prueba de Matemática No ha repetido de año (1) (2) (3) (4) (5) (6) Panel a: sexto grado de la primaria AUH -16,029 -15,620 -11,218 -10,697 -0,022 -0,022 [0,494]*** [0,501]*** [0,504]*** [0,512]*** [0,002]*** [0,002]*** AUH* Varón 2,219 2,554 -0,362 -0,493 -0,005 -0,004 [0,727]*** [0,740]*** [0,740] [0,755] [0,003]* [0,003] Varón -17,842 -16,951 7,323 8,278 -0,068 -0,039 [0,563]*** [0,574]*** [0,573]*** [0,586]*** [0,002]*** [0,002]*** Controles NO SI NO SI NO SI Obs. 300.334 286.997 295.567 282.288 291.377 278.167 R-cuadrado 0,013 0,022 0,004 0,009 0,009 0,246 Panel b: segundo/tercer año de la secundaria AUH -22,035 -21,909 -24,014 -24,183 -0,029 -0,029 [0,454]*** [0,451]*** [0,441]*** [0,439]*** [0,002]*** [0,002]*** AUH* Varón 9,219 9,138 11,876 11,543 0,018 0,017 [0,683]*** [0,680]*** [0,659]*** [0,659]*** [0,003]*** [0,003]*** Varón -20,373 -16,444 2,273 5,824 -0,092 -0,035 [0,521]*** [0,521]*** [0,503]*** [0,504]*** [0,002]*** [0,002]*** Controles NO SI NO SI NO SI Obs. 339.714 333.663 336.894 330.839 325.543 319.338 R-cuadrado 0,014 0,038 0,013 0,030 0,009 0,332 Panel c: quinto/sexto año de la secundaria AUH -8,714 -8,666 -11,229 -11,166 -0,002 -0,002 [0,476]*** [0,475]*** [0,443]*** [0,443]*** [0,002] [0,002] AUH* Varón 5,438 5,490 0,331 0,331 0,003 0,003 [0,747]*** [0,747]*** [0,696] [0,698] [0,003] [0,003] Varón -19,134 -17,690 20,315 21,550 -0,066 -0,032 [0,480]*** [0,482]*** [0,451]*** [0,453]*** [0,002]*** [0,002]*** Controles NO SI NO SI NO SI Obs. 276.202 269.158 278.593 271.797 272.514 265.513 R-cuadrado 0,009 0,034 0,016 0,038 0,006 0,367 Nota: Los coeficientes de AUH reflejan los Average Treatment on the Treated (ATT) del programa. CEM ajustado por peso de strata y ponderadores muestrales. Errores estándar en corchetes. *** significativo al 1%, ** significativo al 5%, * significativo al 10%. Fuente: Elaboración propia en base a Aprender, 2016. Impacto del programa Asignación Universal por Hijo en Argentina 27 Tabla 7 Efectos de la AUH en actividades según género. Total Argentina VARIABLES Además de asistir a la escuela trabajó fuera de su casa la semana pasada Ha ayudado a su papá o a su mamá en su trabajo la semana pasada Ha realizado tareas de cuidado la semana pasada Ha realizado tareas del hogar la semana pasada Ha realizado otras tareas del hogar la semana pasada (1) (2) (3) (4) (5) (6) (7) (8) (9) (10) Panel a: sexto grado de la primaria AUH 0,022 0,022 0,050 0,050 0,090 0,088 0,028 0,028 0,053 0,054 [0,002]*** [0,002]*** [0,003]*** [0,003]*** [0,003]*** [0,003]*** [0,002]*** [0,002]*** [0,002]*** [0,002]*** AUH* Varón 0,029 0,028 0,020 0,019 -0,022 -0,022 -0,009 -0,008 0,027 0,025 [0,003]*** [0,003]*** [0,004]*** [0,004]*** [0,004]*** [0,004]*** [0,004]** [0,004]** [0,004]*** [0,004]*** Varón 0,092 0,092 0,115 0,116 0,010 0,010 -0,093 -0,092 0,200 0,201 [0,002]*** [0,002]*** [0,003]*** [0,003]*** [0,003]*** [0,003]*** [0,003]*** [0,003]*** [0,003]*** [0,003]*** Controles NO SI NO SI NO SI NO SI NO SI Obs. 291.377 278.167 291.377 278.167 291.377 278.167 291.377 278.167 291.377 278.167 R-cuadrado 0,022 0,023 0,020 0,020 0,006 0,009 0,011 0,012 0,054 0,055 Panel b: segundo/tercer año de la secundaria AUH 0,008 0,009 0,003 0,004 0,074 0,074 0,009 0,006 0,028 0,026 [0,002]*** [0,002]*** [0,002] [0,002]* [0,002]*** [0,002]*** [0,002]*** [0,002]*** [0,002]*** [0,002]*** AUH* Varón 0,049 0,046 0,048 0,049 0,020 0,020 -0,014 -0,012 -0,012 -0,011 [0,003]*** [0,003]*** [0,003]*** [0,003]*** [0,004]*** [0,004]*** [0,003]*** [0,003]*** [0,003]*** [0,003]*** Varón 0,117 0,109 0,148 0,145 -0,070 -0,072 -0,104 -0,108 0,292 0,288 [0,002]*** [0,002]*** [0,003]*** [0,003]*** [0,003]*** [0,003]*** [0,002]*** [0,002]*** [0,002]*** [0,002]*** Controles NO SI NO SI NO SI NO SI NO SI Obs. 325.543 319.338 325.543 319.338 325.543 319.338 325.543 319.338 325.543 319.338 R-cuadrado 0,042 0,061 0,035 0,037 0,010 0,011 0,019 0,020 0,097 0,099 Archivos Analíticos de Políticas Educativas Vol. 29, No. 1 28 Tabla 7 (Cont.) Efectos de la AUH en actividades según género. Total Argentina VARIABLES Además de asistir a la escuela trabajó fuera de su casa la semana pasada Ha ayudado a su papá o a su mamá en su trabajo la semana pasada Ha realizado tareas de cuidado la semana pasada Ha realizado tareas del hogar la semana pasada Ha realizado otras tareas del hogar la semana pasada (1) (2) (3) (4) (5) (6) (7) (8) (9) (10) Panel c: quinto/sexto año de la secundaria AUH 0,012 0,012 0,024 0,025 0,115 0,115 0,023 0,023 0,021 0,021 [0,002]*** [0,002]*** [0,002]*** [0,002]*** [0,002]*** [0,003]*** [0,002]*** [0,002]*** [0,002]*** [0,002]*** AUH* Varón 0,012 0,011 0,002 0,002 -0,013 -0,012 -0,001 -0,001 0,036 0,035 [0,004]*** [0,004]*** [0,004] [0,004] [0,004]*** [0,004]*** [0,003] [0,003] [0,003]*** [0,003]*** Varón 0,120 0,115 0,114 0,115 -0,075 -0,072 -0,105 -0,104 0,245 0,244 [0,002]*** [0,002]*** [0,002]*** [0,002]*** [0,003]*** [0,003]*** [0,002]*** [0,002]*** [0,002]*** [0,002]*** Controles NO SI NO SI NO SI NO SI NO SI Obs. 272.514 265.513 272.514 265.513 272.514 265.513 272.514 265.513 272.514 265.513 R-cuadrado 0,019 0,036 0,014 0,015 0,018 0,022 0,023 0,023 0,083 0,087 Nota: Los coeficientes de AUH reflejan los Average Treatment on the Treated (ATT) del programa. Errores estándar en corchetes. *** significativo al 1%, ** significativo al 5%, * significativo al 10%. Tareas de cuidado incluye cuidar a un hermano u otro familiar. Tareas del hogar incluye cocinar, limpiar, lavar la ropa, hacer las compras, entre otras. Otras tareas del hogar incluye cultivar, cosechar, trabajar la tierra, o cuidar animales de granja para utilizar como consumo en el hogar, ayudar a alguien de tu familia en la construcción y/o reparación de la vivienda. Fuente: Elaboración propia en base a Aprender 2016. Impacto del programa Asignación Universal por Hijo en Argentina 29 Conclusiones En este trabajo se exploran los efectos directos de la AUH de Argentina en la asistencia escolar para tres niveles educativos. Además, se examinan los efectos indirectos del programa en el desempeño educativo, medido a través de los puntajes obtenidos en las pruebas estandarizadas Aprender de Lengua y Matemática y a través de la probabilidad de no repitencia. A su vez, se analizan los posibles efectos indirectos del programa sobre la realización de tareas del hogar, de cuidado y de trabajo infantil, es decir, actividades desempeñadas fuera del ámbito escolar. Este trabajo contribuye a la literatura de evaluación de programas de transferencias condicionadas en términos de outcomes educativos. El mismo provee evidencia de los efectos de la AUH no solo sobre las tasas de asistencias sino también sobre el desempeño educativo y asignación de tareas no escolares, efectos según nuestro conocimiento no explorados hasta el momento, lo que permite arrojar luz sobre posibles futuros trayectos de cambios o mejoras del programa. El operativo Aprender 2016 es el único que cuenta con información acerca de la percepción de la AUH por parte de las familias, a la vez que proporciona información del desempeño educativo de los menores e incluye preguntas específicas sobre la realización de tareas no escolares. Esto permite indagar acerca de los efectos de la AUH en la acumulación de capital humano, explorando más allá de la escolarización y asistencia escolar. Para analizar los posibles efectos se utiliza como estrategia empírica el proceso de matching conocido como “Coarsened Exact Matching” (CEM), con el objetivo de conformar los grupos de tratamiento y control. A partir del mismo se estiman los efectos promedios del programa en los alumnos beneficiarios de la AUH sobre cada resultado educativo. Los resultados sugieren un aumento en los niveles de asistencia únicamente para beneficiarios que cursan el último año de la secundaria, incrementando específicamente la probabilidad de que se ausenten menos de ocho y 17 veces en el año en 1,3 p.p. y 1 p.p, respectivamente. Por otro lado, no se encuentran efectos positivos del programa en el desempeño educativo de los beneficiarios, así como tampoco se puede concluir que disminuya la probabilidad de que estos menores realicen tareas o trabajos no escolares. De hecho, los resultados sugieren que los alumnos cuyas familias perciben la asignación son más proclives a trabajar fuera de sus casas o con sus padres, a realizar tareas de cuidado o del hogar como cocinar, cosechar, labrar, etc. A su vez, se encuentran efectos heterogéneos por género: los resultados sugieren que en el caso de los varones la AUH aumenta la probabilidad de faltar menos entre 0,4 a 1,5 p.p., para los tres niveles educativos. Esto resulta similar a lo encontrado en otros estudios. Según el tipo de establecimiento parecen reflejarse mayores efectos negativos en los niveles de asistencia de los beneficiarios que asisten a escuelas públicas. Sin embargo, estos beneficiarios parecen atravesar algún efecto de sustitución que los lleva a disminuir la ejecución de tareas no escolares. Además, se encuentra que los alumnos de zonas rurales parecen aumentar levemente su desempeño, a la vez que parecen reducir su dedicación a tareas fuera del ámbito escolar. Especialmente en los últimos años en zonas rurales la AUH disminuye la probabilidad de trabajar fuera de casa en 1,9 p.p. y trabajar con los padres en 1,2 p.p. En términos generales se observa que los resultados van en línea con la literatura. Particularmente, resulta relevante que los resultados de este estudio sean robustos a distintos datos y metodologías. En este trabajo se estiman efectos promedio de los tratados bajo un esquema de matching utilizando datos de Aprender y al menos los de asistencia escolar se condicen con los encontrados en los trabajos de Edo et al. (2017) y Edo y Marchionni (2019) en donde utilizan una fuente de información distinta (EPH), estiman efectos “Intention to Treat” y aplican una metodología de diferencias en diferencias. Archivos Analíticos de Políticas Educativas Vol. 29, No. 1 30 Ahora bien, existen algunas limitaciones importantes a destacar que pueden afectar la validez interna de los resultados. En todo el análisis hay un supuesto implícito que es el de Stable Unit Treatment Value Assumption (SUTVA), el cual asume que los outcomes de los alumnos no tienen que estar afectados por la asignación del tratamiento de los demás individuos. Este supuesto puede no ser plausible en el contexto escolar donde los alumnos tratados y no tratados pueden interactuar dentro de una misma clase o escuela dando lugar a efectos “spillover”. A esto se suma el problema de la alta tasa de no respuesta a la pregunta de AUH, el cual puede estar generando algún tipo de sesgo, si la misma no es aleatoria. Esto último se constata a través de la Tabla A1. Otra limitación que ya fue mencionada a lo largo del estudio tiene que ver con la manera en la que se pregunta en el cuestionario sobre la percepción de AUH: ¿Alguien de tu familia recibe la Asignación Universal por Hijo u otro programa social? Si bien los documentos metodológicos e informes de Aprender hacen referencia solamente a la AUH, la pregunta también contempla la posibilidad de que se perciba otro tipo de programa social. En el caso de la primaria no se considera tan limitante ya que la AUH es el programa más importante y con mayor cobertura del país destinado a niños y niñas. No obstante, esta sí puede ser una limitación importante en la secundaria, en particular para los últimos años en los cuales el sistema de becas cumple un rol. Por ejemplo, se encuentra el programa de Becas Progresar destinado a jóvenes de entre 18 a 24 años que completan sus estudios en los niveles primario, secundario y superior. Más del 45% de la muestra de alumnos de quinto/sexto año de la secundaria tienen entre 18 y 20 años o más, edad exigible para ser beneficiario de Progresar. En ese caso se debería tener cautela con los resultados obtenidos para este nivel educativo ya que podrían no ser efectos completamente atribuibles a la AUH. Para los tres niveles educativos se estimaron los efectos de la AUH eliminando a aquellos alumnos que reportaban tener 18 años o más. Los resultados encontrados para estos grupos de alumnos no difieren a los presentados. Una última limitación está más relacionada con el método de matching utilizado (CEM), el cual permite que ambos grupos de comparación, el de control y el de tratamiento, resulten similares en promedio, medida central de la distribución de cualquier variable. Sin embargo, no dice nada respecto a cómo son si se considera toda la distribución u otros momentos de la distribución de cada covariable. Tampoco es posible indagar sobre las características no observables de cada grupo. Finalmente, a partir de los resultados aparecen nuevos interrogantes, como por ejemplo la existencia de efectos de la AUH sobre la repitencia escolar en el margen, es decir, en el número de años repetidos, más allá de que el alumno haya repetido o no alguna vez. Por otro lado, se cuestiona que si a pesar de que no se encuentra un efecto positivo de la AUH en el puntaje de los beneficiarios en las pruebas de Lengua y Matemática, es posible que el programa haya podido reducir la brecha con los no beneficiarios. También surgen preguntas metodológicas como, por ejemplo, cómo se comparan los resultados obtenidos con los resultados que surgirían utilizando otros métodos de matching de la clase “Equal Percent Bias Reducing” y de la clase de “Monotonic Imbalance Bounding” (Iacus et al., 2011). Todo esto se deja como tarea futura. Agradecimientos Agradecemos los valiosos comentarios de dos evaluadores anónimos. También agradecemos los comentarios y sugerencias de Mariana Marchionni y Cecilia Adrogué los cuales llevaron a mejorar el trabajo, así también los comentarios y observaciones recibidos en el seminario del Departamento de Economía de la Universidad de San Andrés y en la LIV Reunión Anual de la Asociación Argentina de Economía Política. Impacto del programa Asignación Universal por Hijo en Argentina 31 Referencias Amarante, V., Ferrando, M., & Vigorito, A. (2011). School attendance, child labor and cash transfers. An impact evaluation of PANES. Poverty and Economic Policy Working Paper No. 22. PEP- PIERI. ANSES. (2018). Asignación Universal por Hijo para la Protección Social (Inf. Téc.). ANSES. Arráiz, I., & Rozo, S. (2011). Same bureaucracy, different outcomes in human capital? How indigenous and rural non-indigenous areas in Panama responded to the CCT. Office of Evaluation and Oversight Working Paper (03/11). https://doi.org/10.2139/ssrn.1847124 Attanasio, O., Fitzsimons, E., Gomez, A., Gutierrez, M. I., Meghir, C., & Mesnard, A. (2010). Child education and work choices in the presence of a conditional cash transfer programme in rural Colombia. Economic Development and Cultural Change, 58(2), 181-210. https://doi.org/10.1086/648188 Barrera-Osorio, F., Linden, L. L., & Saavedra, J. E. (2019, July). Medium- and Long-Term Educational Consequences of Alternative Conditional Cash Transfer Designs: Experimental Evidence from Colombia. American Economic Journal: Applied Economics, 11(3), 54-91. https://doi.org/10.1257/app.20170008 Behrman, J. R., Parker, S. W., & Todd, P. E. (2011). Do conditional cash transfers for schooling generate lasting benefits? A five-year followup of PROGRESA/Oportunidades. Journal of Human Resources, 46(1), 93–122. https://doi.org/10.3368/jhr.46.1.93 Behrman, J. R., Sengupta, P., & Todd, P. (2005). Progressing through PROGRESA: An impact assessment of a school subsidy experiment in rural Mexico. Economic Development and Cultural Change, 54(1), 237–275. https://doi.org/10.1086/431263 Bertranou, F., & Maurizio, R. (2012). Monetary transfers for children and adolescents in Argentina: Characteristics and coverage of a system with three components. Policy Research Brief 30. International Policy Centre for Inclusive Growth. Brauw, A., & Gilligan, D. (2011). Using the regression discontinuity design with implicit partitions: the impacts of comunidades solidarias rurales on schooling in El Salvador. IFPRI-Discussion Papers 1116. IFPRI. Bustos, J., Villafañe, S., & Trujillo, L. (2011). Asignación universal por hijo: Impacto en ingresos y mercado de trabajo. En Buenos Aires, ponencia presentada en el II Congreso anual de AEDA. Castillo, N., Musante, B., & Mendoza Jaramillo, A. (2013). Aproximación a posibles efectos de la Asignación Universal por Hijo sobre el mercado de trabajo. Working paper. Instituto de Investigaciones Gino Germani. CEPAL/OIT. (2014). Coyuntura laboral en América Latina y el Caribe. Los programas de transferencias condicionadas y el mercado laboral. Boletín CEPAL OIT No. 10. Edición coordinada por G. Reinecke & J. Weller. Organización de las Naciones Unidas. Cigliutti, I. M., Echeverri Gómez, M., Golinsky, F., Gutiérrez, A., & Sorá, M. (2015). Conditional cash transfer programs: Measuring the impact on education. Anales de la Asociación Argentina de Economía Política. L Reunión Anual, Salta, Argentina. Cireno, F., Silva, J., & Proença, R. (2013). Condicionalidades, desempenho e percurso escolar de beneficiários do programa Bolsa Família. En Programa Bolsa Família: Uma década de inclusão e cidadania (pp. 297–304). IPEA. Cruces, G., & Gasparini, L. (2013). Políticas sociales para la reducción de la desigualdad y la pobreza en América Latina y el Caribe. Documentos de Trabajo, No. 142. CEDLAS. De Brauw, A., Gilligan, D. O., Hoddinott, J., & Roy, S. (2015). The impact of Bolsa Familia on schooling. World Development, 70, 303–316. https://doi.org/10.1016/j.worlddev.2015.02.001 https://doi.org/10.2139/ssrn.1847124 https://doi.org/10.1086/648188 https://doi.org/10.1257/app.20170008 https://doi.org/10.3368/jhr.46.1.93 https://doi.org/10.1086/431263 https://doi.org/10.1016/j.worlddev.2015.02.001 Archivos Analíticos de Políticas Educativas Vol. 29, No. 1 32 De Brauw, A., & Hoddinott, J. (2008). Must conditional cash transfer programs be conditioned to be effective? The impact of conditioning transfers on school enrollment in Mexico. IFPRI-Discussion Papers. IFPRI. https://doi.org/10.2139/ssrn.1011901 De Janvry, A., Finan, F., Sadoulet, E., & Vakis, R. (2006). Can conditional cash transfer programs serve as safety nets in keeping children at school and from working when exposed to shocks? Journal of Development Economics, 79(2), 349–373. https://doi.org/10.1016/j.jdeveco.2006.01.013 D’Elia, V. V., & Navarro, A. I. (2013). Universal child allowance and school delay of children in Argentina. Revista de Análisis Económico, 28(2), 63-90. https://doi.org/10.4067/S0718-88702013000200003 Duryea, S., & Morrison, A. (2004). The effect of conditional transfers on school performance and child labor: Evidence from an ex-post impact evaluation in Costa Rica. IDB Working Paper No. 418. IDB. https://doi.org/10.2139/ssrn.1818707 Edmonds, E. V., & Schady, N. (2012). Poverty alleviation and child labor. American Economic Journal: Economic Policy, 4(4), 100–124. https://doi.org/10.1257/pol.4.4.100 Edo, M., & Marchionni, M. (2019). The impact of a conditional cash transfer programme on education outcomes beyond school attendance in Argentina. Journal of Development Effectiveness, 11(3), 230-252. https://doi.org/10.1080/19439342.2019.1666898 Edo, M., Marchionni, M., & Garganta, S. (2017). Compulsory education laws or incentives from conditional cash transfer programs? explaining the rise in secondary school attendance rate in Argentina. Education Policy Analysis Archives, 25(76). http://dx.doi.org/10.14507/epaa.25.2596 Ferreira, F., & Leite, P. (2002). Ex-ante evaluation of conditional cash transfer programs: The case of Bolsa Escola. The World Bank. Fiszbein, A., & Schady, N. R. (2009). Conditional cash transfers: reducing present and future poverty. World Bank. https://doi.org/10.1596/978-0-8213-7352-1 Galasso, E. (2006). With their effort and one opportunity: Alleviating extreme poverty in Chile. Unpublished manuscript. World Bank. Galiani, S., & McEwan, P. J. (2013). The heterogeneous impact of conditional cash transfers. Journal of Public Economics, 103, 85–96. https://doi.org/10.1016/j.jpubeco.2013.04.004 Garcia, S., & Hill, J. (2010). Impact of conditional cash transfers on children’s school achievement: evidence from Colombia. Journal of Development Effectiveness, 2(1), 117–137. https://doi.org/10.1080/19439341003628681 García, S., & Saavedra, J. E. (2017). Educational impacts and cost-effectiveness of conditional cash transfer programs in developing countries: A meta-analysis. Review of Educational Research, 87(5), 921–965. https://doi.org/10.3102/0034654317723008 Gasparini, L., & Marchionni, M. (2015). La participación laboral femenina en América Latina: avances, retrocesos y desafíos. Documentos de Trabajo, No. 185. CEDLAS. Glewwe, P., & Kassouf, A. L. (2012). The impact of the Bolsa Escola/Familia conditional cash transfer program on enrollment, dropout rates and grade promotion in Brazil. Journal of Development Economics, 97(2), 505–517. https://doi.org/10.1016/j.jdeveco.2011.05.008 Glewwe, P., & Olinto, P. (2004). Evaluating the impact of conditional cash transfers on schooling: An experimental analysis of Honduras’ PRAF program. Unpublished manuscript. University of Minnesota. Iacus, S. M., King, G., & Porro, G. (2011). Multivariate matching methods that are monotonic imbalance bounding. Journal of the American Statistical Association, 106(493), 345–361. https://doi.org/10.1198/jasa.2011.tm09599 https://doi.org/10.2139/ssrn.1011901 https://doi.org/10.1016/j.jdeveco.2006.01.013 https://doi.org/10.4067/S0718-88702013000200003 https://doi.org/10.2139/ssrn.1818707 https://doi.org/10.1257/pol.4.4.100 https://doi.org/10.1080/19439342.2019.1666898 http://dx.doi.org/10.14507/epaa.25.2596 https://doi.org/10.1596/978-0-8213-7352-1 https://doi.org/10.1016/j.jpubeco.2013.04.004 https://doi.org/10.1080/19439341003628681 https://doi.org/10.3102/0034654317723008 https://doi.org/10.1016/j.jdeveco.2011.05.008 https://doi.org/10.1198/jasa.2011.tm09599 Impacto del programa Asignación Universal por Hijo en Argentina 33 Jiménez, M., & Jiménez, M. (2016). Efectos del programa asignación universal por hijo en la deserción escolar adolescente. Cuadernos de Economía, 35 (69), 709-752. https://doi.org/10.15446/cuad.econ.v35n69.54261 King, G., & Nielsen, R. (2019). Why propensity scores should not be used for matching. Political Analysis, 27, 435–454. https://doi.org/10.1017/pan.2019.11 Levy, D., & Ohls, J. (2007). Evaluation of Jamaica’s PATH program. Mathematica Policy Research Inc. Marchionni, M., & Edo, M. (2017). Condicionalidades educativas en la AUH: Diagnóstico y alternativas. En UNICEF (Ed.), Análisis de propuestas de mejoras para ampliar la Asignación Universal por Hijo (pp. 273 - 325). UNICEF. Melo, R. d. M. S., & Duarte, G. B. (2010). Impacto do programa Bolsa Família sobre a frequência escolar: O caso da agricultura familiar no nordeste do Brasil. Revista de Economia e Sociologia Rural, 48(3), 635–657. https://doi.org/10.1590/S0103-20032010000300007 Morley, S., & Coady, D. (2003). From social assistance to social development: Targeted education subsidies in developing countries. Peterson Institute Press: All Books. Paz, J., & Golovanevsky, L. (2014). Asignación Universal por Hijo. Una aproximación a sus efectos sobre los hogares. Documento de Trabajo, 06/301. FLACSO. Perova, E., & Vakis, R. (2009). Welfare impacts of the “Juntos” Program in Peru: Evidence from a non- experimental evaluation. The World Bank. Ponce, J. (2006). The impact of a conditional cash transfer program on student’s cognitive achievements: The case of the -Bono de Desarrollo Humano- of Ecuador. Documento de Trabajo, 6/301. FLACSO. Reimers, F., Silva, C. D. D., & Trevino, E. (2006). Where is the “education” in conditional cash transfers in education? UNESCO Institute for Statistics Montreal. Rubin, D. B. (1974). Estimating causal effects of treatments in randomized and nonrandomized studies. Journal of Educational Psychology, 66(5), 688-701. https://doi.org/10.1037/h0037350 Salvia, A., Tuñón, I., & Poy Piñeiro, S. (2015). Asignación universal por hijo para la protección social: Impacto sobre el bienestar económico y el desarrollo humano de la infancia. Población & Sociedad, 22(2). Schady, N., & Araujo, M. C. (2006). Cash transfers, conditions, school enrollment, and child work: Evidence from a randomized experiment in Ecuador. Policy Research Working Papers. The World Bank. https://doi.org/10.1596/1813-9450-3930 Schultz, T. P. (2004). School subsidies for the poor: evaluating the Mexican PROGRESA poverty program. Journal of Development Economics, 74(1), 199–250. https://doi.org/10.1016/j.jdeveco.2003.12.009 Skoufias, E., & McClafferty, B. (2001). Is PROGRESA working? Summary of the results of an evaluation by IFPRI. FCND Discussion paper NO. 118. International Food Policy Research Institute. Skoufias, E., Parker, S. W., Behrman, J. R., & Pessino, C. (2001). Conditional cash transfers and their impact on child work and schooling: Evidence from the Progresa program in Mexico. Economia, 2(1), 45–96. https://doi.org/10.1353/eco.2001.0016 Soares, F., Ribas, R., & Hirata, G. (2008). Achievements and shortfalls of conditional cash transfers: Impact evaluation of Paraguay’s Tekoporã programme. Working paper, No. 3. International Policy Centre for Inclusive Growth. Sosa, W., & Marchionni, M. (1999). Household structure, gender, and the economic determinants of school attendance in Argentina. Working paper. World Bank Group. http://documents.worldbank.org/curated/en/999431468205791084/Household-structure- gender-and-the-economic-determinants-of-school-attendance-in-Argentina Stampini, M., & Tornarolli, L. (2012). The growth of conditional cash transfers in Latin America and the Caribbean: Did they go too far? IZA Policy Paper No 49. IZA. https://doi.org/10.15446/cuad.econ.v35n69.54261 https://doi.org/10.1017/pan.2019.11 https://doi.org/10.1590/S0103-20032010000300007 https://doi.org/10.1037/h0037350 https://doi.org/10.1596/1813-9450-3930 https://doi.org/10.1016/j.jdeveco.2003.12.009 https://doi.org/10.1353/eco.2001.0016 http://documents.worldbank.org/curated/en/999431468205791084/Household-structure-gender-and-the-economic-determinants-of-school-attendance-in-Argentina http://documents.worldbank.org/curated/en/999431468205791084/Household-structure-gender-and-the-economic-determinants-of-school-attendance-in-Argentina Archivos Analíticos de Políticas Educativas Vol. 29, No. 1 34 Stuart, E. A. (2010). Matching methods for causal inference: A review and a look forward. Statistical science: a review journal of the Institute of Mathematical Statistics, 25(1), 1-21. https://doi.org/10.1214/09-STS313 Teixeira, C. G., Soares, F. V., Ribas, R. P., Silva, E., & Hirata, G. I. (2011). Externality and behavioral change effects of a non-randomized CCT programme: Heterogeneous impact on the demand for health and education. Working paper, No 82. International Policy Centre for Inclusive Growth (IPC-IG). https://www.econstor.eu/handle/10419/71835 Villatoro, P. (2007). Las transferencias condicionadas en América Latina: Luces y sombras. En documento presentado en el seminario internacional evolución y desafíos de los programas de transferencias condicionadas, CEPAL y el Instituto de Investigación Económica Aplicada (IPEA) del Gobierno de Brasil, 20 y 21 de noviembre de 2007 (Vol. 20). https://doi.org/10.1214/09-STS313 https://www.econstor.eu/handle/10419/71835 Impacto del programa Asignación Universal por Hijo en Argentina 35 Apéndice Tabla A1 Diferencias de medias entre la muestra de estudiantes con missing en AUH y la muestra utilizada con información de AUH. Total Argentina sexto grado de la primaria segundo y tercer grado de la secundaria quinto y sexto grado de la secundaria Variables Media Media Media estudiantes con Diferencia estudiantes con Diferencia estudiantes con Diferencia missing AUH missing AUH missing AUH Edad 11,48 -0,06 *** 14,72 -0,08 *** 17,64 -0,05 *** Es varón 51% 3% *** 53% 7% *** 51% 9% *** Hacinamiento crítico 7% -2% *** 4% -1% *** 3% 0% * Educación de la madre Primaria 15% -5% *** 17% -3% *** 17% -3% *** Secundaria incompleta 27% -1% *** 24% -2% *** 19% -2% *** Secundaria completa 36% 5% *** 30% 3% *** 29% 2% *** Superior 21% 1% *** 30% 2% *** 35% 3% *** Educación del padre Primaria 17% -5% *** 21% -4% *** 21% -3% *** Secundaria incompleta 29% 0% 26% 0% 23% 0% * Secundaria completa 36% 4% *** 28% 2% *** 29% 2% *** Superior 19% 1% *** 24% 2% *** 27% 1% *** TICs En su casa tiene internet 65% 4% *** 71% 4% *** 72% 0% En su casa tiene computadora 77% 3% *** 83% -1% *** 89% -1% *** En su casa tiene televisión 78% 1% *** 82% -2% *** 85% -2% *** Región CABA 7% 3% *** 7% 2% *** 8% 2% *** Región pampeana 56% -1% *** 53% -5% *** 56% -1% *** Cuyo 7% 0% 7% 0% 6% -1% *** Noreste 10% -3% *** 10% -1% *** 9% -2% *** Noroeste 14% 0% 16% 2% *** 14% 0% Patagonia 6% 2% *** 8% 3% *** 7% 2% *** Archivos Analíticos de Políticas Educativas Vol. 29, No. 1 36 Tabla A1 (Cont.) Diferencias de medias entre la muestra de estudiantes con missing en AUH y la muestra utilizada con información de AUH. Total Argentina sexto grado de la primaria segundo y tercer grado de la secundaria quinto y sexto grado de la secundaria Variables Media Media Media estudiantes con Diferencia estudiantes con Diferencia estudiantes con Diferencia missing AUH missing AUH missing AUH Resultados educativos Ha faltado menos de ocho veces a lo largo del año 64% -1% *** 5% 1% *** 26% 2% *** Ha faltado menos de 17 veces a lo largo del año 89% 0% * 10% 2% *** 67% 1% *** Ha faltado menos de 24 veces a lo largo del año 95% 0% 20% 2% *** 87% 1% *** Ha faltado más de 24 veces a lo largo del año 5% 0% 80% -2% *** 13% -1% *** Además de asistir a la escuela trabajó fuera de su casa la semana pasada 16% -2% *** 12% -2% *** 19% -6% *** Ha ayudado a su papá o a su mamá en su trabajo la semana pasada 41% -7% *** 27% -3% *** 26% -8% *** Ha realizado tareas de cuidado la semana pasada 43% -5% *** 39% -5% *** 35% -8% *** Ha realizado tareas del hogar la semana pasada 61% -7% *** 65% -10% *** 64% -19% *** Ha realizado otras tareas del hogar la semana pasada 32% -6% *** 24% -3% *** 23% -3% *** No ha repetido de año 77% -3% *** 69% -5% *** 65% -13% *** Puntaje de la prueba de Lengua 499,5 -1,0 *** 496,7 -5,2 *** 492,8 -9,4 *** Puntaje de la prueba de Matemática 498,6 -2,8 *** 498,5 -2,4 *** 496,9 -4,1 *** Observaciones sin ponderar 290.484 48% 24.333 60% 83.245 75% Observaciones ponderadas 287.043 49% 276.078 61% 82,744 75% Nota: Muestra ponderada. *** significativo al 1 %, ** significativo al 5 %, * significativo al 10 %. Fuente: Elaboración propia en base a Aprender, 2016. Impacto del programa Asignación Universal por Hijo en Argentina 37 Tabla A2 Diferencias de medias de estudiantes antes y después del emparejamiento. Total Argentina Inicial Después del matching (CEM) Variables Tratado No tratado Diferencia Tratado No tratado Diferencia Sexto grado de la primaria Edad 11,60 11,46 0,145*** 11,58 11,58 0,000 Es varón 0,464 0,492 -0,028*** 0,464 0,464 0,000 Hacinamiento crítico 0,107 0,041 0,066*** 0,093 0,093 0,000 Educación de la madre Primaria 0,261 0,116 0,145*** 0,258 0,258 -0,000 Secundaria incompleta 0,340 0,192 0,148*** 0,341 0,341 -0,000 Secundaria completa 0,295 0,343 -0,048*** 0,298 0,298 -0,000 Superior 0,104 0,349 -0,245*** 0,104 0,104 0,000 Educación del padre Primaria 0,279 0,134 0,145*** 0,277 0,277 0,000 Secundaria incompleta 0,328 0,229 0,099*** 0,329 0,329 0,000 Secundaria completa 0,299 0,35 -0,051*** 0,301 0,301 -0,000 Superior 0,094 0,287 -0,193*** 0,093 0,093 -0,000 TICs En su casa tiene internet 0,526 0,73 -0,204*** 0,53 0,53 -0,000 En su casa tiene computadora 0,674 0,829 -0,155*** 0,681 0,681 0,000 En su casa tiene televisión 0,737 0,831 -0,094*** 0,745 0,745 -0,000 Observaciones 160.228 111.238 48.990 155.178 110.422 44.756 Segundo/tercer año de la secundaria Edad 14,88 14,69 0,188*** 14,820 14,82 -0,000 Es varón 0,449 0,478 -0,0295*** 0,442 0,442 0,000 Hacinamiento crítico 0,069 0,0208 0,048*** 0,026 0,0262 0,000 Educación de la madre Primaria 0,259 0,106 0,153*** 0,253 0,253 -0,000 Secundaria incompleta 0,32 0,174 0,146*** 0,314 0,314 -0,000 Secundaria completa 0,264 0,27 -0,006*** 0,267 0,267 0,000 Superior 0,157 0,45 -0,293*** 0,166 0,166 0,000 Educación del padre Primaria 0,321 0,135 0,186*** 0,32 0,32 -0,000 Secundaria incompleta 0,306 0,211 0,095*** 0,306 0,306 0,000 Secundaria completa 0,243 0,295 -0,052*** 0,242 0,242 0,000 Superior 0,13 0,358 -0,228*** 0,132 0,132 0,000 TICs En su casa tiene internet 0,601 0,791 -0,190*** 0,633 0,633 0,000 Archivos Analíticos de Políticas Educativas Vol. 29, No. 1 38 Tabla A2 (Cont.) Diferencias de medias de estudiantes antes y después del emparejamiento. Total Argentina Inicial Después del matching (CEM) Variables Tratado No tratado Diferencia Tratado No tratado Diferencia En su casa tiene computadora 0,8162 0,886 -0,069*** 0,849 0,849 0,000 En su casa tiene televisión 0,813 0,877 -0,064*** 0,844 0,844 0,000 Observaciones 20.869 15.602 5.267 18.246 14.940 3.306 Quinto/sexto año de la secundaria Edad 17,752 17,64 0,112*** 17,740 17,74 0,000 Es varón 0,403 0,443 -0,040*** 0,402 0,402 -0,000 Hacinamiento crítico 0,051 0,016 0,035*** 0,040 0,040 0,000 Educación de la madre Primaria 0,3 0,135 0,165*** 0,299 0,299 0,000 Secundaria incompleta 0,27 0,162 0,105*** 0,267 0,267 0,000 Secundaria completa 0,26 0,27 -0,010*** 0,26 0,26 0,000 Superior 0,173 0,433 -0,260*** 0,174 0,174 -0,000 Educación del padre Primaria 0,35 0,167 0,183*** 0,349 0,349 0,000 Secundaria incompleta 0,282 0,2 0,082*** 0,281 0,281 0,000 Secundaria completa 0,239 0,294 -0,055*** 0,239 0,239 -0,000 Superior 0,13 0,34 -0,210*** 0,13 0,13 -0,000 TICs En su casa tiene internet 0,61 0,808 -0,198*** 0,615 0,615 -0,000 En su casa tiene computadora 0,855 0,923 -0,068*** 0,862 0,862 -0,000 En su casa tiene televisión 0,835 0,897 -0,062*** 0,841 0,841 -0,000 Observaciones 100.830 147.777 -46.947 98.736 146.038 -47.302 Nota: *** significativo al 1%, ** significativo al 5%, * significativo al 10%. CEM ajustado por peso de strata y ponderadores muestrales. Fuente: Elaboración propia en base a Aprender, 2016. Impacto del programa Asignación Universal por Hijo en Argentina 39 Tabla A3 Análisis de robustez utilizando ponderadores y método de matching diferentes. (1) (2) (3) (4) (1) (2) (3) Variables Ha faltado menos de ocho veces a lo largo del año Ha faltado menos de 17 veces a lo largo del año Ha faltado menos de 24 veces a lo largo del año Ha faltado más de 24 veces a lo largo del año Puntaje de la prueba de Lengua Puntaje de la prueba de Matemática No ha repetido de año Panel a: sexto grado de la primaria AUH (MDM)(a) 0,002 -0,014 -0,010 0,010 -22,429 -18,858 -0,050 [0,003] [0,002]*** [0,002]*** [0,002]*** [0,747]*** [0,755]*** [0,003]*** AUH (CEM)(a,b) 0,001 -0,009 -0,009 0,009 -16,602 -13,514 -0,025 [0,002] [0,001]*** [0,001]*** [0,001]*** [0,404]*** [0,401]*** [0,002]*** AUH (CEM)(c) -0,002 -0,010 -0,009 0,009 -15,595 -12,551 -0,025 [0,002] [0,001]*** [0,001]*** [0,001]*** [0,331]*** [0,334]*** [0,001]*** AUH (CEM)(c,d) -0,010 -0,014 -0,011 0,011 -15,124 -11,293 -0,021 [0,002]*** [0,001]*** [0,001]*** [0,001]*** [0,341]*** [0,342]*** [0,001]*** Controles NO NO NO NO NO NO NO Obs. Total matched MDM 132.736 132.736 132.736 132.736 129.888 129.110 137.010 Obs. Total matched CEM(b) 244.618 244.618 244.618 244.618 240.296 245.005 265.600 Obs. Total matched CEM(c) 329.540 329.540 329.540 329.540 361.212 361.913 357.901 Panel b: segundo/tercer año de la secundaria AUH (MDM)(a) 0,004 0,001 -0,006 0,006 -20,972 -27,362 -0,029 [0,005] [0,008] [0,011] [0,011] [3,114]*** [3,085]*** [0,014]** AUH (CEM)(a,b) 0,000 -0,003 0,001 -0,001 -14,696 -17,385 -0,010 [0,003] [0,004] [0,005] [0,005] [1,128]*** [1,088]*** [0,005]** AUH (CEM)(c) -0,003 -0,016 -0,020 0,020 -17,645 -20,216 -0,028 [0,001]*** [0,001]*** [0,001]*** [0,001]*** [0,310]*** [0,297]*** [0,001]*** AUH (CEM)(c,d) -0,003 -0,018 -0,015 0,015 -17,708 -18,557 -0,033 [0,001]*** [0,001]*** [0,001]*** [0,001]*** [0,340]*** [0,322]*** [0,001]*** Archivos Analíticos de Políticas Educativas Vol. 29, No. 1 40 Tabla A3 (Cont.) Análisis de robustez utilizando ponderadores y método de matching diferentes. (1) (2) (3) (4) (1) (2) (3) Variables Ha faltado menos de ocho veces a lo largo del año Ha faltado menos de 17 veces a lo largo del año Ha faltado menos de 24 veces a lo largo del año Ha faltado más de 24 veces a lo largo del año Puntaje de la prueba de Lengua Puntaje de la prueba de Matemática No ha repetido de año Controles NO NO NO NO NO NO NO Obs. Total matched MDM 20.651 20.651 20.651 20.651 19.686 19.494 20.938 Obs. Total matched CEM(b) 32.405 32.405 32.405 32.405 30.243 30.423 33.186 Obs. Total matched CEM(c) 387.261 387.261 387.261 387.261 409.284 409.144 398.158 Panel c: quinto/sexto año de la secundaria AUH (MDM)(a) 0,025 0,011 -0,004 0,004 -12,950 -17,725 -0,022 [0,003]*** [0,003]*** [0,002]** [0,002]** [0,733]*** [0,617]*** [0,003]*** AUH (CEM)(a,b) 0,016 0,013 -0,002 0,002 -6,780 -12,030 0,000 [0,002]*** [0,002]*** [0,001] [0,001] [0,443]*** [0,407]*** [0,002] AUH (CEM)(c) 0,013 0,010 -0,001 0,001 -6,673 -11,305 0,002 [0,002]*** [0,002]*** [0,001] [0,001] [0,336]*** [0,316]*** [0,002] AUH (CEM)(c,d) -0,000 -0,002 -0,006 0,006 -6,524 -9,090 -0,002 [0,002] [0,002] [0,001]*** [0,001]*** [0,343]*** [0,321]*** [0,002] Controles NO NO NO NO NO NO NO Obs. Total matched MDM 155.137 155.137 155.137 155.137 129.666 139.845 157.592 Obs. Total matched CEM(b) 232.261 232.261 232.261 232.261 195.094 211.128 244.774 Obs. Total matched CEM(c) 310.515 310.515 310.515 310.515 331.296 332.245 327.636 Nota: Los coeficientes de AUH reflejan los Average Treatment on the Treated (ATT) del programa. Errores estándar en corchetes. *** significativo al 1 %, ** signifcativo al 5 %, * significativo al 10 %. Para MDM se utiliza la distancia euclídea. (a) MDM y CEM se realizan considerando la edad del alumno, género, hacinamiento crítico, educación de la madre y padre y TICs en el hogar. (b) CEM ajustado por peso de strata. (c) CEM ajustado por peso de strata y ponderadores muestrales. Fuente: Elaboración propia en base a Aprender 2016. Impacto del programa Asignación Universal por Hijo en Argentina 41 Tabla A3 (Cont.) Análisis de robustez utilizando ponderadores y método de matching diferentes. (1) (2) (3) (4) (5) Variables Además de asistir a la escuela trabajó fuera de su casa la semana pasada Ha ayudado a su papá o a su mamá en su trabajo la semana pasada Ha realizado tareas de cuidado la semana pasada Ha realizado tareas del hogar la semana pasada Ha realizado otras tareas del hogar la semana pasada Panel a: sexto grado de la primaria AUH (MDM)(a) 0,042 0,069 0,083 0,012 0,074 [0,003]*** [0,004]*** [0,003]*** [0,003]*** [0,003]*** AUH (CEM)(a,b) 0,035 0,062 0,079 0,022 0,066 [0,002]*** [0,002]*** [0,002]*** [0,002]*** [0,002]*** AUH (CEM)(c) 0,035 0,060 0,079 0,024 0,065 [0,001]*** [0,002]*** [0,002]*** [0,002]*** [0,002]*** AUH (CEM)(c,d) 0,032 0,052 0,078 0,025 0,065 [0,001]*** [0,002]*** [0,002]*** [0,002]*** [0,002]*** Controles NO NO NO NO NO Obs. Total matched MDM 137.010 137.010 137.010 137.010 137.010 Obs. Total matched CEM(b) 265.600 265.600 265.600 265.600 265.600 Obs. Total matched CEM(c) 357.901 357.901 357.901 357.901 357.901 Panel b: segundo/tercer año de la secundaria AUH (MDM)(a) 0,036 0,045 0,106 -0,002 0,040 [0,012]*** [0,015]*** [0,015]*** [0,011] [0,015]*** AUH (CEM)(a,b) 0,032 0,028 0,078 0,016 0,033 [0,004]*** [0,005]*** [0,005]*** [0,005]*** [0,005]*** AUH (CEM)(c) 0,027 0,024 0,078 0,012 0,031 [0,001]*** [0,001]*** [0,002]*** [0,001]*** [0,001]*** AUH (CEM)(c,d) 0,025 0,025 0,095 0,027 0,037 [0,001]*** [0,002]*** [0,002]*** [0,001]*** [0,002]*** Controles NO NO NO NO NO Obs. Total matched MDM 20.938 20.938 20.938 20.938 20.938 Obs. Total matched CEM(b) 33.186 33.186 33.186 33.186 33.186 Obs. Total matched CEM(c) 398.158 398.158 398.158 398.158 398.158 Archivos Analíticos de Políticas Educativas Vol. 29, No. 1 42 Tabla A3 (Cont.) Análisis de robustez utilizando ponderadores y método de matching diferentes. (1) (2) (3) (4) (5) Variables Además de asistir a la escuela trabajó fuera de su casa la semana pasada Ha ayudado a su papá o a su mamá en su trabajo la semana pasada Ha realizado tareas de cuidado la semana pasada Ha realizado tareas del hogar la semana pasada Ha realizado otras tareas del hogar la semana pasada Panel c: quinto/sexto año de la secundaria AUH (MDM)(a) 0,035 0,036 0,116 0,016 0,053 [0,003]*** [0,003]*** [0,003]*** [0,002]*** [0,003]*** AUH (CEM)(a,b) 0,020 0,027 0,108 0,024 0,036 [0,002]*** [0,002]*** [0,002]*** [0,002]*** [0,002]*** AUH (CEM)(c) 0,018 0,026 0,106 0,025 0,036 [0,002]*** [0,002]*** [0,002]*** [0,001]*** [0,002]*** AUH (CEM)(c,d) 0,020 0,020 0,107 0,027 0,035 [0,002]*** [0,002]*** [0,002]*** [0,001]*** [0,002]*** Controles NO NO NO NO NO Obs. Total matched MDM 157.592 157.592 157.592 157.592 157.592 Obs. Total matched CEM(b) 244.774 244.774 244.774 244.774 244.774 Obs. Total matched CEM(c) 327.636 327.636 327.636 327.636 327.636 Nota: Los coeficientes de AUH reflejan los Average Treatment on the Treated (ATT) del programa. Errores estándar en corchetes. *** significativo al 1 %, ** signifcativo al 5 %, * significativo al 10 %. Para MDM se utiliza la distancia euclídea. (a) MDM y CEM se realizan considerando la edad del alumno, género, hacinamiento crítico, educación de la madre y padre y TICs en el hogar. (b) CEM ajustado por peso de strata. (c) CEM ajustado por peso de strata y ponderadores muestrales. Fuente: Elaboración propia en base a Aprender 2016. Impacto del programa Asignación Universal por Hijo en Argentina 43 Tabla A4 Efectos de la AUH según tipo de establecimiento. (1) (2) (3) (4) (1) (2) (3) (1) (2) (3) (4) (5) Variables Ha faltado menos de ocho veces Ha faltado menos de 17 veces Ha faltado menos de 24 veces Ha faltado más de 24 veces Puntaje Lengua Puntaje Matemáti ca No ha repetido de año Trabajó fuera de su casa Ayuda papá/ mamá en su trabajo Ha realizado tareas de cuidado Ha realizado tareas del hogar Ha realizado otras tareas del hogar Panel a: sexto grado de la primaria AUH -0,003 -0,012 -0,007 0,007 -13,225 -12,633 -0,000 0,042 0,078 0,098 0,047 0,080 [0,004] [0,003]*** [0,002]*** [0,002]*** [0,754]*** [0,767]*** [0,003] [0,003]*** [0,004]*** [0,004]*** [0,004]*** [0,004]*** AUH *Esc. pública -0,008 0,006 0,000 -0,000 9,459 9,956 -0,002 -0,014 -0,037 -0,020 -0,015 -0,033 [0,004]* [0,003]* [0,002] [0,002] [0,839]*** [0,854]*** [0,004] [0,003]*** [0,004]*** [0,004]*** [0,004]*** [0,004]*** Esc. pública 0,049 -0,014 -0,015 0,015 -60,204 -48,670 -0,129 0,035 0,081 -0,001 -0,060 0,078 [0,003]*** [0,002]*** [0,001]*** [0,001]*** [0,549]*** [0,558]*** [0,002]*** [0,002]*** [0,003]*** [0,003] [0,003]*** [0,003]*** Controles NO NO NO NO NO NO NO NO NO NO NO NO Obs. 329.540 329.540 329.540 329.540 361.212 361.913 357.901 357.901 357.901 357.901 357.901 357.901 R-cuadrado 0,001 0,000 0,001 0,001 0,054 0,034 0,015 0,003 0,006 0,006 0,004 0,007 Panel b: segundo/tercer año de la secundaria AUH 0,010 0,010 0,009 -0,009 -12,996 -13,439 -0,026 0,037 0,048 0,078 0,021 0,023 [0,001]*** [0,002]*** [0,003]*** [0,003]*** [0,621]*** [0,590]*** [0,003]*** [0,002]*** [0,003]*** [0,003]*** [0,003]*** [0,003]*** AUH *Esc. pública -0,019 -0,042 -0,052 0,052 6,936 3,770 0,028 -0,028 -0,044 0,002 -0,011 -0,013 [0,002]*** [0,002]*** [0,003]*** [0,003]*** [0,716]*** [0,681]*** [0,003]*** [0,003]*** [0,004]*** [0,004] [0,003]*** [0,003]*** Esc. pública 0,018 0,049 0,079 -0,079 -55,174 -53,366 -0,139 0,074 0,076 -0,007 -0,000 0,108 [0,001]*** [0,002]*** [0,002]*** [0,002]*** [0,484]*** [0,461]*** [0,002]*** [0,002]*** [0,002]*** [0,003]*** [0,002] [0,002]*** Controles NO NO NO NO NO NO NO NO NO NO NO NO Obs. 387.261 387.261 387.261 387.261 409.284 409.144 398.158 398.158 398.158 398.158 398.158 398.158 R-cuadrado 0,001 0,003 0,005 0,005 0,057 0,064 0,016 0,007 0,004 0,006 0,000 0,010 Archivos Analíticos de Políticas Educativas Vol. 29, No. 1 44 Tabla A4 (Cont.) Efectos de la AUH según tipo de establecimiento. (1) (2) (3) (4) (1) (2) (3) (1) (2) (3) (4) (5) Variables Ha faltado menos de ocho veces Ha faltado menos de 17 veces Ha faltado menos de 24 veces Ha faltado más de 24 veces Puntaje Lengua Puntaje Matemáti ca No ha repetido de año Trabajó fuera de su casa Ayuda papá/ mamá en su trabajo Ha realizado tareas de cuidado Ha realizado tareas del hogar Ha realizado otras tareas del hogar Panel c: quinto/sexto año de la secundaria AUH 0,030 0,028 0,005 -0,005 -4,392 -9,476 0,022 0,023 0,024 0,119 0,039 0,043 [0,003]*** [0,003]*** [0,003]** [0,003]** [0,665]*** [0,615]*** [0,003]*** [0,003]*** [0,003]*** [0,004]*** [0,003]*** [0,003]*** AUH * Esc. pública -0,043 -0,039 -0,009 0,009 5,080 6,794 -0,002 -0,023 -0,008 -0,020 -0,020 -0,026 [0,004]*** [0,004]*** [0,003]*** [0,003]*** [0,768]*** [0,711]*** [0,004] [0,004]*** [0,004]* [0,004]*** [0,003]*** [0,004]*** Esc. pública 0,131 0,091 0,004 -0,004 -46,139 -53,157 -0,141 0,100 0,054 0,020 0,015 0,104 [0,002]*** [0,002]*** [0,002]** [0,002]** [0,446]*** [0,417]*** [0,002]*** [0,002]*** [0,002]*** [0,002]*** [0,002]*** [0,002]*** Controles NO NO NO NO NO NO NO NO NO NO NO NO Obs. 310.515 310.515 310.515 310.515 331.296 332.245 327.636 327.636 327.636 327.636 327.636 327.636 R-cuadrado 0,014 0,006 0,000 0,000 0,044 0,068 0,022 0,009 0,003 0,011 0,001 0,011 Nota: Los coeficientes de AUH reflejan los Average Treatment on the Treated (ATT) del programa. CEM ajustado por peso de strata y ponderadores muestrales. Errores estándar en corchetes. *** significativo al 1 %, ** significativo al 5 %, * significativo al 10 %. Tareas de cuidado incluye cuidar a un hermano u otro familiar. Tareas del hogar incluye cocinar, limpiar, lavar la ropa, hacer las compras, entre otras. Otras tareas del hogar incluye cultivar, cosechar, trabajar la tierra, o cuidar animales de granja para utilizar como consumo en el hogar, ayudar a alguien de tu familia en la construcción y/o reparación de la vivienda. Fuente: Elaboración propia en base a Aprender, 2016. Impacto del programa Asignación Universal por Hijo en Argentina 45 Tabla A5 Efectos de la AUH según tipo de establecimiento. (1) (2) (3) (4) (1) (2) (3) (1) (2) (3) (4) (5) Variables Ha faltado menos de ocho veces Ha faltado menos de 17 veces Ha faltado menos de 24 veces Ha faltado más de 24 veces Puntaje Lengua Puntaje Matemá tica No ha repetido de año Trabajó fuera de su casa Ayuda papá/ mamá en su trabajo Ha realizado tareas de cuidado Ha realizado tareas del hogar Ha realizado otras tareas del hogar Panel a: sexto grado de la primaria AUH -0,003 -0,011 -0,010 0,010 -17,382 -14,424 -0,021 0,035 0,059 0,079 0,023 0,065 [0,002] [0,001]*** [0,001]*** [0,001]*** [0,355]*** [0,356]*** [0,002]*** [0,001]*** [0,002]*** [0,002]*** [0,002]*** [0,002]*** AUH * Zona rural -0,009 0,002 0,006 -0,006 12,222 8,824 -0,010 -0,006 -0,030 0,008 0,014 -0,026 [0,005]* [0,003] [0,002]** [0,002]** [0,987]*** [0,992]*** [0,004]** [0,004] [0,005]*** [0,005] [0,005]*** [0,005]*** Zona rural 0,078 0,029 0,008 -0,008 0,717 24,419 -0,092 0,062 0,212 -0,047 -0,052 0,156 [0,004]*** [0,003]*** [0,002]*** [0,002]*** [0,787] [0,792]*** [0,003]*** [0,003]*** [0,004]*** [0,004]*** [0,004]*** [0,004]*** Controles NO NO NO NO NO NO NO NO NO NO NO NO Obs. 329.540 329.540 329.540 329.540 361.212 361.913 357.901 357.901 357.901 357.901 357.901 357.901 R-cuadrado 0,003 0,001 0,001 0,001 0,007 0,015 0,008 0,005 0,021 0,007 0,002 0,014 Panel b: segundo/tercer año de la secundaria AUH 0,004 -0,010 -0,008 0,008 -22,729 -25,078 -0,037 0,036 0,033 0,075 0,005 0,041 [0,001]*** [0,001]*** [0,001]*** [0,001]*** [0,330]*** [0,316]*** [0,002]*** [0,001]*** [0,002]*** [0,002]*** [0,001]*** [0,002]*** AUH * Zona rural -0,030 -0,002 -0,022 0,022 22,045 24,224 0,081 -0,035 -0,004 -0,013 0,023 -0,037 [0,002]*** [0,003] [0,004]*** [0,004]*** [0,943]*** [0,910]*** [0,004]*** [0,004]*** [0,005] [0,005]*** [0,004]*** [0,004]*** Zona rural 0,076 0,100 0,171 -0,171 -47,027 -44,196 -0,017 0,098 0,141 -0,073 -0,083 0,108 [0,001]*** [0,002]*** [0,003]*** [0,003]*** [0,646]*** [0,627]*** [0,003]*** [0,002]*** [0,003]*** [0,003]*** [0,003]*** [0,003]*** Controles NO NO NO NO NO NO NO NO NO NO NO NO Obs. 387.261 387.261 387.261 387.261 409.284 409.144 398.158 398.158 398.158 398.158 398.158 398.158 R-cuadrado 0,009 0,012 0,018 0,018 0,024 0,025 0,002 0,007 0,010 0,009 0,003 0,005 Archivos Analíticos de Políticas Educativas Vol. 29, No. 1 46 Tabla A5 (Cont.) Efectos de la AUH según zona (rural o urbana). (1) (2) (3) (4) (1) (2) (3) (1) (2) (3) (4) (5) Variables Ha faltado menos de ocho veces Ha faltado menos de 17 veces Ha faltado menos de 24 veces Ha faltado más de 24 veces Puntaje Lengua Puntaje Matemá tica No ha repetido de año Trabajó fuera de su casa Ayuda papá/ma má en su trabajo Ha realizado tareas de cuidado Ha realizado tareas del hogar Ha realizado otras tareas del hogar Panel c: quinto/sexto año de la secundaria AUH 0,014 0,010 -0,001 0,001 -6,928 -11,837 0,001 0,019 0,025 0,109 0,026 0,037 [0,002]*** [0,002]*** [0,001] [0,001] [0,352]*** [0,330]*** [0,002] [0,002]*** [0,002]*** [0,002]*** [0,001]*** [0,002]*** AUH * Zona rural -0,042 -0,024 -0,008 0,008 5,539 8,281 0,003 -0,019 -0,012 -0,020 -0,011 -0,025 [0,006]*** [0,006]*** [0,004]* [0,004]* [1,176]*** [1,110]*** [0,005] [0,006]*** [0,006]** [0,006]*** [0,005]** [0,006]*** Zona rural 0,245 0,186 0,075 -0,075 -23,564 -25,705 0,062 0,059 0,166 -0,058 -0,022 0,136 [0,004]*** [0,004]*** [0,003]*** [0,003]*** [0,782]*** [0,738]*** [0,004]*** [0,004]*** [0,004]*** [0,004]*** [0,003]*** [0,004]*** Controles NO NO NO NO NO NO NO NO NO NO NO NO Obs. 310.515 310.515 310.515 310.515 331.296 332.245 327.636 327.636 327.636 327.636 327.636 327.636 R-cuadrado 0,021 0,011 0,003 0,003 0,005 0,009 0,002 0,001 0,010 0,013 0,001 0,008 Nota: Nota: Los coeficientes de AUH reflejan los Average Treatment on the Treated (ATT) del programa. CEM ajustado por peso de strata y ponderadores muestrales. Errores estándar en corchetes. *** significativo al 1 %, ** significativo al 5 %, * significativo al 10 %. Tareas de cuidado incluye cuidar a un hermano u otro familiar. Tareas del hogar incluye cocinar, limpiar, lavar la ropa, hacer las compras, entre otras. Otras tareas del hogar incluye cultivar, cosechar, trabajar la tierra, o cuidar animales de granja para utilizar como consumo en el hogar, ayudar a alguien de tu familia en la construcción y/o reparación de la vivienda. Fuente: Elaboración propia en base a Aprender, 2016. Impacto del programa Asignación Universal por Hijo en Argentina 47 Sobre los Autores Monserrat Serio Universidad Nacional de Cuyo monserrat.serio@fce.uncu.edu.ar Es Doctora en Economía por la Universidad Nacional de La Plata (UNLP), Argentina. Docente investigadora de la Universidad Nacional de Cuyo. Investigadora afiliada del Centro de Estudios de Desarrollo Humano de la Universidad de San Andrés y miembro de la RedNIE. Áreas de investigación de interés: economía de la educación, economía de la salud, distribución y desigualdad, microeconometría aplicada. ORCID: https://orcid.org/0000-0002-4427-4324 Martina Herrera Universidad Nacional de Cuyo martina.herrera@fce.uncu.edu.ar Es Licenciada en Economía por la Universidad Nacional de Cuyo (UNCuyo), Argentina. Investigadora de la Secretaría de Investigación, Internacionales y Posgrado de la Universidad Nacional de Cuyo. Áreas de investigación de interés: economía de la educación, política económica. archivos analíticos de políticas educativas Volumen 29 Número 1 11 de enero 2021 ISSN 1068-2341 Los/as lectores/as pueden copiar, mostrar, distribuir, y adaptar este articulo, siempre y cuando se de crédito y atribución al autor/es y a Archivos Analíticos de Políticas Educativas, los cambios se identifican y la misma licencia se aplica al trabajo derivada. Más detalles de la licencia de Creative Commons se encuentran en https://creativecommons.org/licenses/by- sa/4.0/. Cualquier otro uso debe ser aprobado en conjunto por el autor/es, o AAPE/EPAA. La sección en español para Sud América de AAPE/EPAA es publicada por el Mary Lou Fulton Teachers College, Arizona State University y la Universidad de San Andrés de Argentina. Los artículos que aparecen en AAPE son indexados en CIRC (Clasificación Integrada de Revistas Científicas, España) DIALNET (España), Directory of Open Access Journals, EBSCO Education Research Complete, ERIC, Education Full Text (H.W. Wilson), PubMed, QUALIS A1 (Brazil), Redalyc, SCImago Journal Rank, SCOPUS, SOCOLAR (China). Por errores y sugerencias contacte a Fischman@asu.edu Síganos en EPAA’s Facebook comunidad at https://www.facebook.com/EPAAAAPE y en Twitter feed @epaa_aape. https://orcid.org/0000-0002-4427-4324 https://creativecommons.org/licenses/by-sa/4.0/ https://creativecommons.org/licenses/by-sa/4.0/ http://www.doaj.org/ https://www.facebook.com/EPAAAAPE Archivos Analíticos de Políticas Educativas Vol. 29, No. 1 48 archivos analíticos de políticas educativas consejo editorial Editor Consultor: Gustavo E. Fischman (Arizona State University) Coordinador (Español/Latinoamérica): Ignacio Barrenechea (Universidad de San Andrés), Ezequiel Gomez Caride (Universidad de San Andres/ Pontificia Universidad Católica Argentina) Editor Coordinador (Español/Norteamérica): Armando Alcántara Santuario (Universidad Nacional Autónoma de México) Editor Coordinador (Español/España): Antonio Luzon (Universidad de Granada) Editores Asociados: Jason Beech (Monash University), Angelica Buendia, (Metropolitan Autonomous University), Gabriela de la Cruz Flores (Universidad Nacional Autónoma de Mëxico), Alejandra Falabella (Universidad Alberto Hurtado, Chile), Carmuca Gómez-Bueno (Universidad de Granada), Carolina Guzmán-Valenzuela (Universidade de Chile), Cesar Lorenzo Rodriguez Uribe (Universidad Marista de Guadalajara), Antonia Lozano-Díaz (University of Almería), Sergio Gerardo Málaga Villegas (Instituto de Investigación y Desarrollo Educativo, Universidad Autónoma de Baja California (IIDE-UABC)), María Teresa Martín Palomo (University of Almería), María Fernández Mellizo- Soto (Universidad Complutense de Madrid), Tiburcio Moreno (Autonomous Metropolitan University-Cuajimalpa Unit), José Luis Ramírez, (Universidad de Sonora), Axel Rivas (Universidad de San Andrés), Maria Veronica Santelices (Pontificia Universidad Católica de Chile) Claudio Almonacid Universidad Metropolitana de Ciencias de la Educación, Chile Ana María García de Fanelli Centro de Estudios de Estado y Sociedad (CEDES) CONICET, Argentina Miriam Rodríguez Vargas Universidad Autónoma de Tamaulipas, México Miguel Ángel Arias Ortega Universidad Autónoma de la Ciudad de México Juan Carlos González Faraco Universidad de Huelva, España José Gregorio Rodríguez Universidad Nacional de Colombia, Colombia Xavier Besalú Costa Universitat de Girona, España María Clemente Linuesa Universidad de Salamanca, España Mario Rueda Beltrán Instituto de Investigaciones sobre la Universidad y la Educación, UNAM, México Xavier Bonal Sarro Universidad Autónoma de Barcelona, España Jaume Martínez Bonafé Universitat de València, España José Luis San Fabián Maroto Universidad de Oviedo, España Antonio Bolívar Boitia Universidad de Granada, España Alejandro Márquez Jiménez Instituto de Investigaciones sobre la Universidad y la Educación, UNAM, México Jurjo Torres Santomé, Universidad de la Coruña, España José Joaquín Brunner Universidad Diego Portales, Chile María Guadalupe Olivier Tellez, Universidad Pedagógica Nacional, México Yengny Marisol Silva Laya Universidad Iberoamericana, México Damián Canales Sánchez Instituto Nacional para la Evaluación de la Educación, México Miguel Pereyra Universidad de Granada, España Ernesto Treviño Ronzón Universidad Veracruzana, México Gabriela de la Cruz Flores Universidad Nacional Autónoma de México Mónica Pini Universidad Nacional de San Martín, Argentina Ernesto Treviño Villarreal Universidad Diego Portales Santiago, Chile Marco Antonio Delgado Fuentes Universidad Iberoamericana, México Omar Orlando Pulido Chaves Instituto para la Investigación Educativa y el Desarrollo Pedagógico (IDEP) Antoni Verger Planells Universidad Autónoma de Barcelona, España Inés Dussel, DIE-CINVESTAV, México José Ignacio Rivas Flores Universidad de Málaga, España Catalina Wainerman Universidad de San Andrés, Argentina Pedro Flores Crespo Universidad Iberoamericana, México Juan Carlos Yáñez Velazco Universidad de Colima, México javascript:openRTWindow('http://epaa.asu.edu/ojs/about/editorialTeamBio/819') javascript:openRTWindow('http://epaa.asu.edu/ojs/about/editorialTeamBio/820') javascript:openRTWindow('http://epaa.asu.edu/ojs/about/editorialTeamBio/4276') javascript:openRTWindow('http://epaa.asu.edu/ojs/about/editorialTeamBio/1609') javascript:openRTWindow('http://epaa.asu.edu/ojs/about/editorialTeamBio/825') javascript:openRTWindow('http://epaa.asu.edu/ojs/about/editorialTeamBio/797') javascript:openRTWindow('http://epaa.asu.edu/ojs/about/editorialTeamBio/823') javascript:openRTWindow('http://epaa.asu.edu/ojs/about/editorialTeamBio/798') javascript:openRTWindow('http://epaa.asu.edu/ojs/about/editorialTeamBio/555') javascript:openRTWindow('http://epaa.asu.edu/ojs/about/editorialTeamBio/814') javascript:openRTWindow('http://epaa.asu.edu/ojs/about/editorialTeamBio/2703') javascript:openRTWindow('http://epaa.asu.edu/ojs/about/editorialTeamBio/801') javascript:openRTWindow('http://epaa.asu.edu/ojs/about/editorialTeamBio/826') javascript:openRTWindow('http://epaa.asu.edu/ojs/about/editorialTeamBio/802') javascript:openRTWindow('http://epaa.asu.edu/ojs/about/editorialTeamBio/3264') javascript:openRTWindow('http://epaa.asu.edu/ojs/about/editorialTeamBio/804') Impacto del programa Asignación Universal por Hijo en Argentina 49 education policy analysis archives editorial board Lead Editor: Audrey Amrein-Beardsley (Arizona State University) Editor Consultor: Gustavo E. Fischman (Arizona State University) Associate Editors: Melanie Bertrand, David Carlson, Lauren Harris, Danah Henriksen, Eugene Judson, Mirka Koro-Ljungberg, Daniel Liou, Scott Marley, Keon McGuire, Molly Ott, Iveta Silova (Arizona State University) Madelaine Adelman Arizona State University Amy Garrett Dikkers University of North Carolina, Wilmington Gloria M. Rodriguez University of California, Davis Cristina Alfaro San Diego State University Gene V Glass Arizona State University R. Anthony Rolle University of Houston Gary Anderson New York University Ronald Glass University of California, Santa Cruz A. G. Rud Washington State University Michael W. Apple University of Wisconsin, Madison Jacob P. K. Gross University of Louisville Patricia Sánchez University of Texas, San Antonio Jeff Bale University of Toronto, Canada Eric M. Haas WestEd Janelle Scott University of California, Berkeley Aaron Benavot SUNY Albany Julian Vasquez Heilig California State University, Sacramento Jack Schneider University of Massachusetts Lowell David C. Berliner Arizona State University Henry Braun Boston College Kimberly Kappler Hewitt University of North Carolina Greensboro Noah Sobe Loyola University Casey Cobb University of Connecticut Aimee Howley Ohio University Nelly P. Stromquist University of Maryland Arnold Danzig San Jose State University Steve Klees University of Maryland Jaekyung Lee SUNY Buffalo Benjamin Superfine University of Illinois, Chicago Linda Darling-Hammond Stanford University Jessica Nina Lester Indiana University Adai Tefera Virginia Commonwealth University Elizabeth H. DeBray University of Georgia Amanda E. Lewis University of Illinois, Chicago A. Chris Torres Michigan State University David E. DeMatthews University of Texas at Austin Chad R. Lochmiller Indiana University Tina Trujillo University of California, Berkeley Chad d'Entremont Rennie Center for Education Research & Policy Christopher Lubienski Indiana University Federico R. Waitoller University of Illinois, Chicago John Diamond University of Wisconsin, Madison Sarah Lubienski Indiana University Larisa Warhol University of Connecticut Matthew Di Carlo Albert Shanker Institute William J. Mathis University of Colorado, Boulder John Weathers University of Colorado, Colorado Springs Sherman Dorn Arizona State University Michele S. Moses University of Colorado, Boulder Kevin Welner University of Colorado, Boulder Michael J. Dumas University of California, Berkeley Julianne Moss Deakin University, Australia Terrence G. Wiley Center for Applied Linguistics Kathy Escamilla University of Colorado, Boulder Sharon Nichols University of Texas, San Antonio John Willinsky Stanford University Yariv Feniger Ben-Gurion University of the Negev Eric Parsons University of Missouri-Columbia Jennifer R. Wolgemuth University of South Florida Melissa Lynn Freeman Adams State College Amanda U. Potterton University of Kentucky Kyo Yamashiro Claremont Graduate University Rachael Gabriel University of Connecticut Susan L. Robertson Bristol University Miri Yemini Tel Aviv University, Israel Archivos Analíticos de Políticas Educativas Vol. 29, No. 1 50 arquivos analíticos de políticas educativas conselho editorial Editor Consultor: Gustavo E. Fischman (Arizona State University) Editoras Coordenadores: Marcia Pletsch, Sandra Regina Sales (Universidade Federal Rural do Rio de Janeiro) Editores Associadas: Andréa Barbosa Gouveia (Universidade Federal do Paraná), Kaizo Iwakami Beltrao, (EBAPE/FGVl), Sheizi Calheira de Freitas (Federal University of Bahia), Maria Margarida Machado, (Federal University of Goiás / Universidade Federal de Goiás), Gilberto José Miranda, (Universidade Federal de Uberlândia) Almerindo Afonso Universidade do Minho Portugal Alexandre Fernandez Vaz Universidade Federal de Santa Catarina, Brasil José Augusto Pacheco Universidade do Minho, Portugal Rosanna Maria Barros Sá Universidade do Algarve Portugal Regina Célia Linhares Hostins Universidade do Vale do Itajaí, Brasil Jane Paiva Universidade do Estado do Rio de Janeiro, Brasil Maria Helena Bonilla Universidade Federal da Bahia Brasil Alfredo Macedo Gomes Universidade Federal de Pernambuco Brasil Paulo Alberto Santos Vieira Universidade do Estado de Mato Grosso, Brasil Rosa Maria Bueno Fischer Universidade Federal do Rio Grande do Sul, Brasil Jefferson Mainardes Universidade Estadual de Ponta Grossa, Brasil Fabiany de Cássia Tavares Silva Universidade Federal do Mato Grosso do Sul, Brasil Alice Casimiro Lopes Universidade do Estado do Rio de Janeiro, Brasil Jader Janer Moreira Lopes Universidade Federal Fluminense e Universidade Federal de Juiz de Fora, Brasil António Teodoro Universidade Lusófona Portugal Suzana Feldens Schwertner Centro Universitário Univates Brasil Debora Nunes Universidade Federal do Rio Grande do Norte, Brasil Lílian do Valle Universidade do Estado do Rio de Janeiro, Brasil Geovana Mendonça Lunardi Mendes Universidade do Estado de Santa Catarina Alda Junqueira Marin Pontifícia Universidade Católica de São Paulo, Brasil Alfredo Veiga-Neto Universidade Federal do Rio Grande do Sul, Brasil Flávia Miller Naethe Motta Universidade Federal Rural do Rio de Janeiro, Brasil Dalila Andrade Oliveira Universidade Federal de Minas Gerais, Brasil