Resumen: El estudio evalúa el impacto en Medellín (Colombia) de la financiación de la educación superior con recursos del programa de presupuesto participativo para el periodo 2007 a 2015. Se analiza el impacto en el corto plazo sobre la ocupación, ingresos, tenencia de hijos, estado civil y movilización socioeconómica. Para ello se emplea la base certificada del Sistema de Identificación de Potenciales Beneficiarios de Programas Sociales (Sisbén) de 2015 y la base de inscritos al programa. Se aprovecha la regla de elegibilidad del tratamiento por lo cual se estima un modelo de regresión discontinua nítida. Los resultados indican que la población elegible en el margen presenta características similares a la no elegible y que el programa reduce la probabilidad de ocuparse y por lo tanto de recibir ingresos, así como la de tener hijos, pero incrementa las posibilidades de movilización socioeconómica y de acceso a la educación superior de la población de escasos recursos. No se evidencia ningún efecto en el cambio de estado civil.
Palabras clave: educacióneducación,financiaciónfinanciación,presupuesto participativopresupuesto participativo,regresión discontinuaregresión discontinua,impactoimpacto,MedellínMedellín.
Abstract: This paper assesses the impact that higher education funding has had in Medellin with resources from the participatory budget program during the 2007-2015 period. The short-term impact on employment, income, children, marital status and socio-economic mobilization is analyzed. For the above, the certified base of the Sisben 2015 and the base of enrolled in the program are used. The treatment eligibility rule is used, so a sharp discontinuous regression design is estimated. The results indicate that the non-eligible population in the margin is very similar to the eligible. The program reduces the probability of being employed and receiving income, as well as having children for women but increases the chances that low-income people can access the higher education and mobilization socio-economic level. There is no evidence of any effect on marital status.
Keywords: education, financing, participatory budget, rdd, impact, Medellin.
Artículo de Investigación
Impactos iniciales del presupuesto participativo en la financiación de la educación superior Evidencia para Medellín (Colombia)
Initial Impacts of Participatory Budget in the Financing of Higher Education: Evidence for Medellin (Colombia)
Silvio Fernando López Mera silviofercho@hotmail.comsilvio.lopez@medellin.gov.co
David Eduardo Quintero Rendón dequinteror77@gmail.com
Recepción: 06 Junio 2018
Aprobación: 12 Febrero 2019
Por muchos años, los economistas han reconocido la importancia y ventajas de invertir en educación, tanto por los retornos individuales como sociales y por la inversión costo efectiva que constituye (Heckman, 2000). Con esta premisa, organismos multilaterales promueven el gasto público y la inversión privada en el sector educativo y los gobiernos nacionales y locales han abanderado la focalización y aumento de recursos hacia la educación, tal y como ha venido sucediendo en la ciudad de Medellín en Colombia.
Durante más de trece años las comunidades de las 16 comunas y cinco corregimientos del municipio de Medellín han priorizado los recursos entregados en el marco del programa de Planeación Local y Presupuesto Participativo (PLyPP) de la alcaldía, que corresponden a 5 por ciento del presupuesto anualizado del municipio. De esta manera, se espera que estos recursos contribuyan a mejorar de forma gradual el bienestar y calidad de vida de los medellinenses, bajo el supuesto de que en cada territorio existen unas particularidades y problemáticas que conllevan a la existencia de una desigualdad espacial cuya solución varía según el territorio.
Por supuesto, entre los destinos de las inversiones realizadas con los recursos de PLyPP está el cofinanciamiento de estudios de educación superior, partiendo de la siguiente evidencia empírica: entre las diferencias existentes en los territorios de la ciudad se encuentran el desigual acceso y permanencia en la educación (en todos sus niveles) así como en indicadores de calidad de vida, alfabetización o nivel educativo más alto alcanzado, entre otros. En consecuencia, la administración municipal ha promovido la financiación de la educación superior con becas y créditos condonables.
Aprovechando que la regla de elegibilidad de los beneficiarios del programa ha empleado un puntaje calculado a partir de variables sociodemográficas, es posible identificar el efecto alrededor del puntaje de corte a través de la metodología de regresión discontinua (RD) en su versión nítida (sharp). Se evalúan los efectos locales del programa en las siguientes variables de impacto: ocupación, ingresos individuales y familiares, y condiciones de vida (específicamente, tenencia de hijos, estado civil y cambio de estrato socioeconómico). De esta manera, este trabajo se constituye como pionero en la ciudad al evaluar el impacto de la financiación de estudios de pregrado con recursos de PLyPP y en general de los fondos de financiamiento existentes en Medellín.
Para ello, el presente estudio emplea la base de datos de inscritos al programa para el periodo 2007-2015 de la Agencia Sapiencia y la base certificada municipal del Sisbén de 2015. Los resultados de las estimaciones sugieren que en el margen, los individuos son similares y que el programa reduce la probabilidad de que la población beneficiaria se enganche laboralmente y por lo tanto, de obtener ingresos. Asimismo, disminuye la posibilidad de embarazo pero se incrementa la probabilidad de que la población tratada acceda al sistema de educación superior y mejore de estratificación socioeconómica en el largo plazo. No se encuentra evidencia de efecto en el estado civil.
El documento se divide en seis secciones. En la primera se aborda la teoría económica que respalda la construcción de programas tendientes a facilitar la acumulación de capital humano, también se presentan algunas evidencias a nivel internacional y nacional de programas de financiación. En la segunda sección se describe el contexto educativo de la ciudad y su desigualdad intraterritorial, hechos estilizados que dan respuesta a la necesidad de implementar programas de financiamiento educativo. Igualmente se explica con detalle el programa. En la tercera se presentan la metodología y los datos. En la siguiente se presentan los principales resultados. En la quinta se realiza una discusión y se ofrecen recomendaciones de política. Al final se presentan las conclusiones.
El acceso a la educación es un determinante de las posibilidades futuras de empleos bien remunerados, constituyéndose así en un factor preponderante de movilidad social, desarrollo humano, reducción de la pobreza y desigualdad (López, 2010, 2013; Sen, 1999). La educación y el acceso son elementos indispensables para lograr un legítimo desarrollo y una eficiente organización social.
Basados en la teoría del capital humano, por ejemplo, se argumenta que la educación tiene efectos económicos en los individuos pues es determinante de los ingresos presentes y futuros de las personas, mientras que a la luz del enfoque de desarrollo humano, la educación abre oportunidades y capacidades (Sen, 1999), lo que implica que la educación constituye, para cada persona y nación, una inversión donde se calculan sus beneficios y costos (Pantoja, 2010). Entre los beneficios privados (individuales) de la educación se podrían enumerar los que se indican en el diagrama 1. Además, la educación brinda una serie de beneficios sociales (externalidades) mayoritariamente positivas1 de diversa índole que influyen en la actual generación y en las futuras. El uso y adaptación de la tecnología y menores costos del sistema público de salud son algunos de estos (McMahon, 2010). Algunos de los estudios que evidencian la importancia de la educación se reportan en el cuadro 1. Éstos se diferencian de este estudio en que el programa que es evaluado se aparta de las tradicionales estrategias financiadoras de la educación (y a la fecha no existe en el país un estudio que evalúe este tipo de políticas) y emplea una particular metodología de evaluación -cada vez más usada en la investigación- que permite dar respuestas a si es pertinente continuar con este tipo de financiamiento de la educación.
Las diferencias sociales y económicas al interior de las ciudades motivó la adopción por parte de Colombia de una herramienta de democracia participativa conocida como Presupuesto Participativo. Dicho proceso surgió a finales de la década de 1980 en algunos municipios de Brasil como respuesta a los movimientos sociales que se desarrollaron a lo largo de la década anterior, los cuales reclamaban mejores condiciones de vida para la población y control sobre el destino de los recursos públicos.
En Colombia esta forma de distribución del presupuesto de una forma participativa se ha implementado desde 2004 en algunas ciudades como Bogotá D.C., Ibagué, Pasto y Medellín. Para el caso particular de esta última, presupuesto participativo se concibió como aquel:
Instrumento de planificación anual que ayuda a la priorización de las demandas de la ciudadanía, permitiendo un acceso a ésta en las decisiones sobre inversiones de la ciudad, desde una perspectiva que busca integrar el desarrollo de la ciudad con la planeación y el desarrollo de las comunas y corregimientos (Alcaldía de Medellín, 2005: 5).
En Medellín se evidenciaban entre 2004 y 2005 notables diferencias entre sus 16 comunas y cinco corregimientos. Las gráficas 1 y 2 registran el Índice de Desarrollo Humano (IDH) y el Índice de Condiciones de Vida (ICV) para la ciudad para 2004 y 2005 por comuna o corregimiento a partir de la Encuesta de Calidad de Vida (ECV) de Medellín.
En el ámbito educativo la situación es similar, especialmente en el nivel de básica secundaria, media y mucho más en superior. La tasa de matrícula, por ejemplo, es reflejo de considerables diferencias entre territorios de un mismo municipio (gráfica 3).
En síntesis, la evidencia que arroja estos indicadores si bien sugiere que en su agregado (y para el caso puntual de algunos territorios), la ciudad ha mejorado (el IDH para Medellín era de 79.3 en 2004 y subió a 80.6 en 2005 por ejemplo), se encuentran marcadas diferencias entre sus territorios. Lo anterior indica entonces una evidente desigualdad al interior de la ciudad (Bernal, 2006, citado por Aguirre, 2010):
Entre el periodo de 1996 y 2006 se registra un crecimiento en la desigualdad en Medellín al concentrarse los ingresos en algunos sectores minoritarios. La comuna de mayor ingreso per cápita percibe cinco veces más que las comunas de menos ingresos per cápita y si se toma en cuenta a los corregimientos, la relación es de 37 a uno (Aguirre, 2010: 93).
Son precisamente estas diferencias considerables entre territorios y la baja participación de la comunidad en las decisiones de ciudad, las que motivaron a implementar el programa PLyPP en Medellín, con el fin de cerrar las brechas territoriales y mejorar por ende las condiciones de vida en el agregado.
Entre las opciones para reducir dichas brechas estaba subsidiar la demanda de educación y, específicamente, a los jóvenes de bajos recursos residentes según su ubicación, de acuerdo con la evidencia mostrada en la primera parte. Lo anterior es apoyado además con los resultados de un estudio que contrata anualmente la Secretaría de Educación de Medellín (SEM, 2017b) con el cual se encontró que menos de la mitad de los bachilleres de colegios públicos continúan en el sistema educativo (gráfica 4).
Adicionalmente, el estudio evidencia que entre las razones por las cuales los seis de cada diez estudiantes que desean continuar estudiando no lo hacen están precisamente la falta de dinero para pagar la matrícula y el sostenimiento: 37 por ciento de los bachilleres que se graduaron en el año 2016 manifestaron la falta de dinero para el pago de la matrícula como razón principal para haber dejado de estudiar en una institución de estudios superiores (IES).
En este sentido, la administración anualmente destina 5 por ciento del presupuesto para que cada uno de los 21 territorios2 que conforman la ciudad prioricen iniciativas sociales de toda índole (salud, cultura, recreación, infraestructura y educación, entre otros) mediante votaciones en cada territorio en donde los ciudadanos eligen los proyectos que para la comunidad consideran prioritaria su ejecución en el año siguiente para resolver alguna necesidad o problemática particular. Los proyectos que en cada territorio tengan el mayor número de votos y puedan financiarse completamente con el recurso asignado por la alcaldía son priorizados y ejecutados en la siguiente vigencia. Entre los proyectos que se consideran a votación, año a año ha estado la financiación de estudios superiores por el lado de la demanda. Es así como entre 2005 y 2016 se han beneficiado más de seis mil jóvenes. La gráfica 5 ilustra la evolución del número de beneficiarios de PLyPP. Con respecto al presupuesto focalizado en esta iniciativa, se han invertido más de noventa mil millones de pesos (gráfica 6).
Este programa se diferencia del resto de posibilidades de financiamiento de la educación superior existentes -y usualmente convencionales- en el país y el mundo por un lado, en su objetivo diferencial que es cerrar las brechas socioeconómicas que existen entre los territorios de una misma área y la manera en que se seleccionó el programa y, por otro, la información que considera para la selección de sus beneficiarios: a) el resultado en las pruebas externas estandarizadas que evalúan el conocimiento de los estudiantes de último grado en el país3 y b) condiciones socioeconómicas y demográficas del estudiante y su hogar.4
Para acceder al programa,5 en primer lugar el aspirante debe cumplir con los siguientes requisitos: a) haber nacido en Medellín o llevar domiciliado mínimo los últimos cinco años. Si es víctima del conflicto armado, desplazamiento, población afrocolombiana o indígena, el tiempo de permanencia mínimo es de dos años; b) llevar mínimo dos años de domicilio en la comuna o corregimiento por la cual aplica; c) estar en proceso de admisión, ser admitido o estar estudiando en una institución de educación superior (IES) en la ciudad; d) haber presentado pruebas Saber 11 y e) no poseer título universitario (excepto modalidad de ciclos).
Cumpliéndolos, el proceso de selección que sigue implica el cálculo de un puntaje individual, el cual considera las siguientes variables que inciden en el puntaje de manera positiva o negativa, dependiendo de si constituyen una mayor o menor desventaja, respectivamente:6
A quien sea seleccionado por el programa (según el puntaje total y el de corte) se le financia la matrícula o el sostenimiento hasta por un total de cuatro salarios mínimos mensuales legales vigentes el semestre, durante cada uno de los semestres que dura el programa o que le falta por terminar, previo cumplimiento de mantener un promedio semestral igual o superior a 3.5, actividades de servicio comunitario y entrega en las fechas de la documentación para renovar el beneficio. Aunque en la normativa de PLyPP no se encontró la razón por la cual bajo la estructura del programa se decidió financiar la demanda y no la oferta con los recursos priorizados por las comunidades de los territorios de la ciudad, es de suponer que para reducir las brechas territoriales, para la comunidad era más pertinente subsidiar a la población del territorio que entregarle los recursos a las IES que atienden a población de todo el país. Asimismo, entre los proyectos que la administración anualmente le propone a la comunidad para ejecutar el siguiente año usualmente se encuentran las becas y créditos para los estudiantes y no proyectos que destinen recursos a las IES.
Se utilizaron dos fuentes de información:
Inscritos al Programa de PLyPP. Datos de la Agencia Sapiencia con información de las personas que se inscribieron en cada convocatoria. Se tiene un total de 21 615 inscripciones entre 2007:II y 2015:I (2008:I no disponible). De estos registros, hay 3 480 repetidos (aquellos que se inscribieron más de una vez al programa). Se decidió mantener sólo la información del último registro debido a que, de acuerdo con la metodología de selección, el programa ni premia ni castiga por el número de aplicaciones y no es de esperar una mayor probabilidad de elegibilidad para quienes se presentan más de una vez,7 por lo que finalmente hay 18 135 observaciones. Adicionalmente, 1 448 inscritos se encuentran catalogados como no elegibles, pero tienen un puntaje superior al de corte.8 Éstos también son excluidos de la muestra, quedando al final 16 687 registros. La distribución de la población inscrita a PLyPP se sintetiza en el cuadro 2. Se identifica que para todas las convocatorias se han presentado más mujeres que hombres y que en los últimos periodos las inscripciones aumentaron.
Según los datos, dos de cada tres inscritos al programa son mujeres, reflejando la mayor participación que registran las mujeres (feminización de la educación), dentro del sistema educativo, especialmente el superior particularmente en América Latina (Correa, 2005).
Base certificada Sisbén 2015. Se emplea la base del Sisbén9 versión III de 2015 a nivel de Medellín como base de seguimiento. Tiene 1 869 369 registros con las cuales se obtienen características demográficas de interés. Esta base es el resultado de la recopilación a escala nacional de información de los hogares a través de la aplicación de una encuesta que indaga sobre las principales características de los integrantes del hogar y su vivienda.
Para estimar el impacto inicial del uso del presupuesto participativo en la financiación de la educación superior en indicadores de educación, estado civil, embarazo y mercado laboral se utiliza la metodología de regresión discontinua (RD). Dicha metodología aprovecha la existencia de un puntaje exógeno que define la elegibilidad para recibir el tratamiento (variable de asignación o running variable).
La idea es que el tratamiento se asigna con base en una variable que es calculada por los administradores del programa a partir de un conjunto de variables sociodemográficas descritas más abajo. Si dicho puntaje (variable de asignación) se ubica en un lado del umbral (que para este programa es desconocido por los aspirantes), la persona es asignada al grupo de tratamiento (a la derecha), si la variable se ubica del otro lado del corte o umbral, la persona es asignada al grupo control.
La metodología considera que las observaciones alrededor del puntaje de corte son muy similares entre sí, con la única diferencia relacionada con su condición de elegibilidad (Lee y Lemieux, 2010). De esta manera cualquier diferencia en indicadores posteriores al tratamiento entre personas ubicadas a un lado y otro del umbral de elegibilidad será atribuida al programa (Peña y Bernal, 2011). La ventaja de esta metodología frente a otras como difference-in-difference o matching es que produce estimaciones tan fiables del impacto como un experimento aleatorio, por la forma de elegir el grupo de control, que toma a los individuos no seleccionados cerca al umbral (lo que hace suponer que estas observaciones son muy similares a los tratados) y que la mayoría de los supuestos se dejan testear. La única limitación importante es que las conclusiones solamente se aplican a observaciones alrededor del corte (no se sabría el impacto en aquellos que están lejos del umbral), por lo que cuando se habla de impacto con esta metodología éste corresponde al efecto local (Pomeranz, 2011).
El efecto del tratamiento se estima sobre:10
Con respecto a la probabilidad de emplearse se espera que gracias a la acumulación de capital humano que conlleva la elegibilidad del programa se incremente debido a la mayor cualificación (aunque esto en el largo plazo). Debido a que este outcome se obtiene a partir de la base del Sisbén en la cual se encuentra población informal y formal, la ocupación relacionada es total, dado que no es posible discriminar su situación de (in)formalidad. En esta misma lógica de relación estaría el efecto sobre los ingresos. La evidencia al respecto de estas dos relaciones es abundante (Acosta, Osorno y Rodríguez, 2016; Iriondo, 2016; Freire, Oliveira y Teijeiro, 2016; Martínez, 2016; Sánchez y Velasco, 2014; Monteiro, Almeida y García, 2014; Cañada, 2011; Solis, 2011; Pantoja, 2010; Dynarski, 2000). Reconociendo que ésta es una evaluación que mide impactos iniciales y por la poca disponibilidad de outcomes se acude a las características de tenencia de hijos y cambio de estado civil para verificar si la escolarización incide en éstas.11Finalmente y asumiendo que existe una relación directa entre estrato socioeconómico y calidad de vida u oportunidades, es de esperar que un programa de financiamiento de la educación contribuya a la movilización social y económica.
En este sentido, los indicadores analizados sobre el mercado laboral son: a) un indicador de si la persona está trabajando formal o informalmente según su respuesta en la encuesta de Sisbén;12b) los ingresos totales corrientes mensuales, estos mismos ingresos pero para los ocupados,13e ingresos corrientes familiares per cápita y, c) si percibe algún ingreso mensualmente.14En condiciones de vida las variables de impacto a evaluar son: d) un indicador de si la persona ha mejorado de estrato socioeconómico,15e) otro indicador de si la persona ha estado en embarazo o ha tenido un hijo para el caso de las mujeres16 y f ) un indicador de si la persona en algún momento ha tenido un estado civil distinto al que por defecto es el de nacimiento (correspondiente a la soltería).17
La comparación sobre estos resultados de interés que registran las personas con un puntaje inmediatamente a la izquierda del punto de corte para cada comuna o corregimiento y año, y aquellos con un puntaje inmediatamente a la derecha de ese mismo corte, brinda evidencia de la relación causal del programa PLyPP sobre esos resultados. Lo anterior bajo el supuesto de que las personas cuyo puntaje las ubica cercanamente a cada lado del punto de corte tienen características muy similares; sólo los diferencia el hecho de que aquellos inmediatamente a la derecha son beneficiarios y aquellos inmediatamente a la izquierda no lo son. En la gráfica 718 se muestra esta situación empleando el puntaje normalizado, lo cual permite representar todas las observaciones independientemente del año, el semestre y la comuna o corregimiento. El puntaje normalizado se puede entender como la distancia al punto de corte.
La discontinuidad que se presenta en la probabilidad de ser beneficiario del programa alrededor del puntaje de corte es una condición necesaria para la estimación de la regresión discontinua (en este caso es sharp). Esta versión del RD se emplea con la condición de que el tratamiento sea función determinística y discontinua del puntaje del aspirante (Lemieux y Milligan, 2004), esto es, que la discontinuidad determina precisamente el tratamiento, por lo que la probabilidad cambia necesariamente de 0 a 1. Como se observa en la gráfica 7 la probabilidad de participar en el PLyPP pasa de 0 a 1 indicando que la discontinuidad alrededor del umbral es dicotómica, por lo que el presente estudio se enmarca efectivamente en un diseño nítido.19
Con cualquiera de las dos versiones del RD, dado que con esta metodología el efecto del tratamiento es estimado en la discontinuidad, se tienen menos observaciones por lo que es viable la pérdida de potencia estadística. No obstante, el RD produce una estimación válida (insesgada) del efecto del tratamiento en la discontinuidad alrededor del corte y se constituye como una forma útil para evaluar políticas públicas.20
Luego, como el tratamiento de interés es función determinística y discontinua del puntaje Pi obtenido por el aspirante, bajo la regresión discontinua nítida (sharp RD) se tiene la siguiente variable indicadora de elegibilidad Di:
Donde P0 corresponde al puntaje de corte. Aquí conviene aclarar que este puntaje es definido por Sapiencia y es variable semestre a semestre y por comuna o corregimiento. Asimismo, que está determinado por el número de inscritos en cada convocatoria y por el monto del presupuesto participativo focalizado para educación superior que la junta de acción comunal de cada territorio ha asignado para cada vigencia.21 Ahora, empleando el puntaje normalizado que se reporta en las gráficas que se muestran a continuación, la ecuación (1) quedaría de la siguiente forma:
En este caso, el modelo a estimar por MCO con errores estándares robustos es lineal de la siguiente forma:22
En la ecuación (3)Yi es la variable de impacto para cada individuo i. Cuando Y es dicotómica (ocupado, cambio de estrato, estado civil, recepción de ingresos y tenencia de hijos)23la ecuación se convierte en un modelo de probabilidad lineal, Xi es el vector de covariables compuesto por la edad y el sexo, PNi es el puntaje o variable de selección normalizada, mientras que Di es la dummy indicadora de si el individuo i es tratado (igual a 1) o no, teniendo presente que los individuos seleccionados para las regresiones corresponden a los que están ubicados hasta 10 puntos alrededor del puntaje de corte (a la izquierda y a la derecha)24según la comuna o corregimiento a la que pertenecen y el año. Adicionalmente se incluyen efectos fijos25 del territorio (C) con el fin de capturar las características constantes en el tiempo que son comunes en los inscritos de una misma comuna o corregimiento pero que pueden diferir de las de otra.26εi es el término de error que absorbe todo lo que no es explicado por el resto de variables. Finalmente Δ es el coeficiente de medición del impacto: esto porque en el valor esperado de diferencia en la ecuación (3) se cancelan todos los términos excepto Δ:
Para el interés del presente estudio corresponde al efecto local promedio del tratamiento (LATE),27 el cual sólo es representativo para los individuos en la vecindad del corte.
Ahora, si se evidencia que se requieren términos no lineales de la running variable como un componente cuadrático por ejemplo, la ecuación (3) quedaría así:
Y si adicionalmente se identifica un cambio de pendiente antes y después del umbral, lo que indica que el efecto del tratamiento varía con el puntaje o variable de elegibilidad, es preciso incorporarle a las ecuaciones (3) y (5) una interacción entre la variable de elegibilidad y la dummy del tratamiento, por lo que las ecuaciones se transformarían respectivamente en la siguiente forma:
La metodología implica suponer la continuidad en las funciones de regresión condicional, esto es: E[Y (0)|P = p] y E[Y (1)|P = p] sean continuas en ρ alrededor de Pi= P0.
Adicionalmente a la discontinuidad en la probabilidad de ser beneficiario del programa en el punto de corte, la metodología requiere que las poblaciones a ambos lados del corte no registren una discontinuidad. Esto es, que las características iniciales demográficas cambien de manera continua en el punto de corte. En notación lo anterior equivaldría a tener que E[X |PN] es continuo en PN = 0. Aquí la consideración de que los elegibles y no elegibles comparten características similares y que lo único que los diferencia es que unos fueron tratados y otros no es más fuerte que en otras metodologías como propensity score matching o difference-in-difference (Pomeranz, 2011). Básicamente la elegibilidad de estos aspirantes (los que están cerca al corte) es producto del azar y no de sus características propias.
Esta condición se prueba estimando una ecuación lineal por mínimos cuadrados para cada covariable seleccionada controlando por la variable de tratamiento (D) y para diferentes tamaños de muestra alrededor del puntaje de corte. En estas regresiones también se incluyeron efectos fijos de comuna o corregimiento (C) equivalentes a variables binarias. En este sentido, las ecuaciones lineales a estimar igualmente por MCO con errores estándar robustos siguen la siguiente forma funcional:
Donde las variables a la derecha ya fueron definidas y corresponde al término de error. Estas regresiones se muestran en el Anexo 2, mientras que las pruebas gráficas de continuidad para el conjunto de covariables seleccionadas según la disponibilidad de la información se sintetizan en la gráfica 8, donde en el eje horizontal se ubica el puntaje normalizado (esto es ubicando el puntaje de corte en cero) y en el vertical el valor de la covariable.
Las covariables que se seleccionaron provienen de la base de inscritos y otras de la base de Sisbén. Aquí una dificultad importante fue la disponibilidad de variables para controlar, pues muchas que se podrían utilizar en las regresiones son parte del cálculo del puntaje del programa (que ya se indicaron con anterioridad), como por ejemplo el estrato socioeconómico, el sector del colegio del cual se graduó, etcétera.
De la base de inscritos se seleccionó la edad al momento de la inscripción o postulación al programa, el sexo (uno es hombre) y si es nacido en Medellín u otra ciudad (uno si nació en Medellín) del aspirante como características socio-demográficas iniciales. De la base del Sisbén de 2015 se calculó el tamaño del hogar (de acuerdo con la variable clave que es ficha, hogar y orden de la persona), sexo (hombre) y edad del jefe del hogar al momento de la inscripción al programa y tenencia de servicio de gas en el hogar.
Se emplearon estas características primero porque no inciden o no tienen peso en el cálculo del puntaje de elegibilidad de acuerdo con la regla de selección de beneficiarios de Sapiencia y segundo, se hace el supuesto de que estas características son relativamente constantes en el tiempo. Esto significa por un lado que se asume por ejemplo que la jefatura del hogar no ha cambiado. Para el caso del tamaño del hogar, al analizar algunas estadísticas para la población sisbenizada de Medellín se puede mencionar que el promedio se ubica entre 4.7 y 5 personas, valor que no muestra mayor varianza. No obstante, de acuerdo con las regresiones del Anexo 2 el tamaño del hogar sí muestra discontinuidad, al igual que la tenencia del servicio de gas.
Se podrían haber tomado otras variables de la encuesta del Sisbén que son abundantes, pero es difícil poder argumentar ya sea que desde su postulación al programa dicha característica, tenencia o ausencia, se haya mantenido constante hasta 2010 o 2015 o que el cambio (positivo o negativo) se registró en igual medida tanto para elegibles como para no elegibles.
Pese a ello, se encuentra continuidad en casi todas las variables de control. En el Anexo 2 se reportan las regresiones de la ecuación (8) considerando el total de inscritos.
Para validar la continuidad en las variables de control y previendo efectos de PLyPP a largo plazo se seleccionaron de la población tratada y no tratada aquellos inscritos que se postularon al programa hasta 2010:II. La idea que hay detrás es que los programas de pregrado, específicamente las carreras profesionales universitarias tienen en su gran mayoría una duración de cinco años, por lo que en 2010 prácticamente toda la población tratada (al menos la que no haya desertado) ya en esa fecha debió haber culminado sus estudios. En este sentido, puede esperarse la identificación de efectos superiores con esta selección muestral más pequeña.
En la gráfica 9 se presenta la discontinuidad de las mismas variables de control pero para esta submuestra. En el Anexo 3 se muestran las estimaciones para cada ancho de banda. Como se aprecia, en este caso se observa mayor homogeneidad de la población elegible y no elegible alrededor del umbral, confirmando la continuidad de las variables de control, supuesto clave de esta metodología.
Adicionalmente, como alternativa para verificar qué tan diferente es la población elegible de la no elegible en el margen, también se realiza el análisis gráfico de discontinuidad para los determinantes de la variable de asignación, es decir, de los criterios usados por Sapiencia para calcular el puntaje de cada inscrito. Aquí lo que se espera es que exista discontinuidad para la mayoría de estas variables decisoras, puesto que precisamente éstas definen el puntaje, y por ende, la elegibilidad.
En la gráfica 10 se presenta la discontinuidad para los determinantes y para el total de inscritos. Como se observa, en la mayoría de los determinantes del puntaje de elegibilidad del tratamiento y en la variable de selección (última figura) se registra discontinuidad, siendo esto coherente con el mecanismo de elegibilidad del programa. No es el caso del puntaje en el Sisbén en línea base, lo cual tiene explicación -y contribuye a defender el supuesto de similitud de ambas poblaciones-, basado en que el puntaje del Sisbén sólo se utiliza para la variable de elegibilidad en los casos de que el aspirante es de estrato 4, 5 o 6 (véase Anexo 1), situación que como ya se mostró, ocurre en menor porcentaje.
De igual forma, el nivel de formación deseado y sector del colegio registran continuidad. Esto se debe a que la mayoría de los estudiantes que se inscribieron provienen de colegios públicos, población que comparte un background socioeconómico similar y para la que precisamente este programa está enfocada y porque el nivel de formación más demandado es el profesional, fenómeno que se presenta en ambos grupos. Por lo tanto y a manera de conclusión, hay suficiente evidencia como para determinar que la población tratada y no tratada en el margen es similar, validando la metodología de RD.
Finalmente, otra condición que requiere esta metodología es que ni los aspirantes ni el administrador del programa puedan manipular la elegibilidad alterando el puntaje. Esto significa que no debería observarse una discontinuidad en la función de densidad alrededor del puntaje de corte normalizado, como se evidencia en la gráfica 11.
Aquí se observa, en el eje horizontal, el puntaje centralizado o normalizado, lo que permite mostrar en una sola gráfica diferentes convocatorias del programa a pesar de que se manejan diferentes puntajes de corte o metodologías de cálculo del puntaje de los inscritos. Como se aprecia, el histograma indica que no se evidencia ningún comportamiento concentrado en el puntaje normalizado “0”, que significa que el puntaje calculado es exactamente igual al puntaje de corte.
El agrupamiento en algunos rangos distintos al del corte igual a cero indica concentraciones de aspirantes en dicho rango de puntaje centralizado. Además, con los test de normalidad usuales (Skewness-Kurtosis, Shapiro-Wilk, y Shapiro-Francia) se determina que el puntaje centralizado está normalmente distribuido.
La base final que se emplea es la que corresponde al cruce de los registros de PP con la de Sisbén. De este cruce se identifica un total 15 636 registros de PP en Sisbén de los 21 615 (equivalente a 72.3%), de los cuales al eliminar los registros duplicados se tienen 12 989 registros y al excluir, con el fin de tener un ejercicio más limpio, las observaciones que tienen un puntaje superior al corte pero están reportados como no aprobados o elegibles (1 448), situación que se supone fue producto de falta de documentación o por incumplimiento de alguno de los requisitos habilitantes, se tienen al final 11 926 registros pareados.
Las principales estadísticas descriptivas para el total de inscritos y para los que cruzaron con Sisbén 2015 (sin duplicados en ambos casos) y sin considerar los anchos de banda alrededor del puntaje de corte se presentan en el cuadro 3.
De la población inscrita 85.4 por ciento es soltera, mientras que 22.1 por ciento de las mujeres tienen hijos en 2015 y menos de 10 por ciento han mejorado de estrato entre la fecha de postulación y el año de seguimiento. 22 por ciento están trabajando y de acuerdo con el Sisbén de 2015, el ingreso mensual total es del orden de 102.846 pesos colombianos, aunque si se omiten los ingresos iguales a cero (por supuesta omisión), asciende a 477.441 pesos colombianos. El 60.3 por ciento manifestaron en el Sisbén que se encuentran estudiando y 18. 3 por ciento cursan estudios superiores y de éstos, aproximadamente la mitad lo hacen en instituciones públicas (47.7%).
De los inscritos al programa 38 por ciento son hombres, casi la mitad provienen de hogares cuyo estrato es 2 (consistente con la focalización del programa), la edad promedio al momento de postularse es de 22 años, 77 por ciento son nacidos en Medellín, nueve de cada diez residían al momento de aplicar en la zona urbana (en alguna de las 16 comunas), el puntaje Sisbén promedio es de 49 puntos, muy superior al puntaje estándar de focalización de programas sociales en Medellín (alrededor de los 32 puntos). Más de 70 por ciento de los aplicantes son bachilleres de colegios públicos, más de la tercera parte aspiran a ingresar a una IES pública de la ciudad, dos de cada diez aplicaron a lo sumo al año de haberse graduado de grado 11° y tres cuartas partes aspiran a cursar una carrera profesional universitaria. El puntaje promedio calculado por el programa es del orden de 71 puntos y el porcentaje de aprobados es de 36 por ciento.
La distribución y estadísticas descriptivas de la mayoría de las variables definidoras del puntaje de PLyPP, de control y de impacto para la población tratada y no tratada en todo el periodo de análisis se detallan en los cuadros 4 y 5.
Los porcentajes del cuadro 4 indican, como es de esperarse, que en los determinantes del puntaje del programa (la variable de elegibilidad) la población tratada registra un favorable o mayor valor frente a la no tratada: colegio público, tiempo transcurrido no mayor a un año entre la fecha de graduación de bachillerato y la presentación a la convocatoria, e IES pública deseada por ejemplo, características que le otorgan al aspirante una mayor calificación (que para elegibles es obviamente superior: 78.4 vs 66.7) . Con respecto al puntaje del Sisbén en línea base, esto es, al momento de la inscripción al programa, hay coherencia con que el puntaje promedio para la población tratada sea inferior; lo mismo para el caso del estrato, aunque la diferencia no es estadísticamente significativa como sucede también con la condición de jefe de hogar, la cual no supera 10 por ciento.
En cuanto a las variables de impacto se identifica, producto del cruce con el Sisbén, que la tenencia de hijos, la ocupación y la recepción de ingresos son situaciones menos recurrentes en la población tratada.
De igual manera, se evidencia que alrededor de dos terceras partes del grupo tratado se encuentra estudiando, mientras que para el no tratado esta actividad significa 50 por ciento de acuerdo con la asistencia a un centro educativo. Si se considera el estudio como actividad en el último mes los porcentajes son inferiores y pasan a ser 31 y 44 por ciento, respectivamente. Asimismo, están estudiando con una diferencia de 13 PP en mayor porcentaje en carreras universitarias que por lo general tienen una duración de 10 semestres, sugiriendo que los tratados no solamente se encuentran estudiando en mayor proporción, sino también lo hacen con mayor duración. Finalmente, al considerar el puntaje del Sisbén en 2015 se evidencia que no hay diferencia estadísticamente significativa entre ambos grupos, situación que no implica que PLyPP no haya servido para mejorar la calificación de los elegibles, puesto que dicha calificación depende de muchas otras variables o dimensiones y que los hogares tienen incentivos para mantener su puntaje lo más bajo posible con la intención de tener mayores probabilidades de ingresar a los programas sociales del Estado.
Por su parte, el cuadro 5 representa las estadísticas descriptivas para ocho variables de interés. En el caso de los ingresos individuales y el familiar per cápita se reporta un promedio y desviación inferior para el grupo tratado, más no para el del hogar. Esta menor renta mensual para la población elegible es justificable en el sentido de que ésta ha destinado parte de su tiempo al estudio, generándose un costo de oportunidad de esta actividad que se traduce finalmente en una menor posibilidad de percibir ingresos y en montos menores. En cuanto al tamaño y estrato del hogar y el puntaje en Sisbén (al momento de la aplicación) no hay diferencia estadísticamente significativa, pero sí para la edad y, por supuesto, para el puntaje en PLyPP, pues es de esperarse que la población tratada registre en promedio una mayor calificación a la no elegible. Esta discontinuidad también se identifica en las figuras de la gráfica 12.
Teniendo presente lo anterior, ahora se pasa a estimar el efecto de PLyPP en cada una de las variables de impacto de interés. En la gráfica 12 se muestran las gráficas de discontinuidad asociadas con los outcomes mencionados, las cuales son muy útiles no sólo para identificar si existen o no saltos en el umbral, sino también para determinar la forma funcional del efecto.
Se observa inicialmente una discontinuidad en las figuras, las cuales se deben validar con las estimaciones. No se observan cambios fuertes de pendiente y las aproximaciones lineales parecen ser una correcta especificación aprovechando los rangos cortos alrededor del corte que se emplea.
Sin embargo, para efectos de comparabilidad y conclusiones, se estiman las cuatro regresiones (ecuaciones (3), (5), (6) y (7)) para las variables de impacto y con los seis rangos de puntaje alrededor del punto de corte (PN = 0). Estos intervalos se van acotando desde un rango de ±10 hasta ±1, y cuanto más reducido sea éste, los individuos tenderán a ser más similares, tal como se demostró con las regresiones de los Anexos 2 y 3 y en las gráficas 8, 9 y 10 de la sección anterior.
Los outcomes se controlan con las covariables ya indicadas, la variable de asignación (normalizada), la dummy de tratamiento (D) y los efectos fijos de territorio, considerando las observaciones de todos los inscritos que cruzaron con Sisbén 2015. Los resultados se sintetizan en los cuatro paneles del cuadro 6, en el cual se reporta para cada outcome la dirección del efecto, su valor y el tamaño muestral y se indica la significancia estadística del efecto para cada uno de los seis anchos de banda.
Los resultados indican, en términos generales, que si bien varios de los coeficientes no son estadísticamente significativos para el caso del impacto en la ocupación, la dirección del efecto es siempre negativa, contrario a lo inicialmente esperado. Lo mismo ocurre para los ingresos en sus tres formas, en los que los coeficientes significativos tienen el signo negativo. Esto indica lo mismo hallado atrás en los cuadros 4 y 5: los beneficiarios incurren en el costo de oportunidad de estudiar y, por lo tanto, al encontrarse estudiando no pueden tener trabajos, o si los tienen éstos difícilmente pueden ser de jornada completa y por eso percibirán menores ingresos. Por lo tanto, un efecto local inicial de PLyPP es que restringe la ocupación de los beneficiarios en el margen, al estar desarrollando la actividad de estudio y al esforzarse por salvaguardar la cofinanciación de la carrera manteniendo el promedio por encima del mínimo exigido, y por lo tanto, los ingresos de corto plazo se ven reducidos. Es de esperar que a más largo plazo la población beneficiaria, gracias a su acceso a la educación superior y bajo la luz de la teoría del capital humano, tenga mejores posibilidades de engancharse en el mercado laboral y esté mejor remunerada.
Con respecto al estado civil, los resultados a partir de las regresiones lineales indican un efecto positivo del orden de 6.8 por ciento en la posibilidad de perder la soltería, aunque potencialmente esto no es concluyente por la baja representatividad que tienen en la muestra las personas con un estado civil distinto al de nacimiento (85% del total de los inscritos son solteros). Frente al embarazo o tenencia de hijos, no se encuentra efecto alguno de PLyPP: ninguna de las estimaciones es estadísticamente significativa y no se pueden sacar conclusiones sobre la eventual dirección del efecto. Finalmente, para el caso de la mejora en la calidad de vida medida a través de la migración a un estrato más alto, si bien la dirección del impacto es positivo, ninguno es estadísticamente significativo.
La validación de estos efectos se realiza en primer lugar con la selección de los inscritos hasta 2010:II. Las estadísticas equivalentes a las de los anteriores cuadros 4 y 5 de esta muestra en particular se sintetizan en los cuadros 7 y 8, y dan cuenta de similares conclusiones a las ya expuestas: en las variables que definen el puntaje igualmente se evidencian porcentajes favorables (superiores) a los del grupo de control. En el puntaje de Sisbén Follow up no se observa tampoco diferencia significativa.
Los resultados de la evaluación empleando las cuatro ecuaciones (3, 5, 6 y 7), las mismas covariables y los seis anchos de banda incluyendo los inscritos hasta 2010:II se registran en los cuatro paneles del cuadro 9 (de manera similar a como se presentó en el cuadro 6). Las gráficas de discontinuidad se presentan en el Anexo 4.
En este caso el signo del efecto en la ocupación es igualmente negativo, y en un caso es significativo (con la ecuación (3)) con un coeficiente de 9.4 por ciento, por lo tanto se respalda el impacto negativo que tiene PLyPP en la probabilidad de engancharse en el mercado laboral. Con respecto a los ingresos, se presentan esta vez más signos negativos y algunos de ellos estadísticamente significativos, lo que confirma la conclusión del cuadro 6. Frente al cambio en el estado civil, si bien se registran más coeficientes con signo negativo, no hay significancia estadística. Con la tenencia de hijos, el impacto de PLyPP parece ser negativo del orden de 12 por ciento. Esto indicaría que un efecto local de largo plazo esperable del programa es que se reduzca el embarazo. Al respecto, un eventual trabajo a futuro será incluir en la muestra a los hombres padres para tener una idea global del efecto del presupuesto participativo.
Finalmente, en mejora del estrato la mayoría de los coeficientes no son significativos, pero a partir de las ecuaciones (3) y (7) parece haber un efecto local del programa positivo cercano a 20 por ciento, lo que evidencia que PLyPP contribuiría a mejorar de estrato socioeconómico. Conviene mencionar que la variable mejora incluye tanto a los que pasaron del estrato 1 a 2 como a los que pasaron del 5 al 6 y el resto de posibilidades. Se hizo el ejercicio adicional de considerar para este último outcome no sólo la mejora sino el mantenerse en el estrato, con el fin de considerar también los casos en los cuales no se migra a una zona de menor estratificación. Si bien no se muestran los resultados, los coeficientes aunque tienen el signo positivo no hay significancia estadística.
Ahora, con la intención de verificar si la población no elegible al programa en el margen tuvo acceso a la educación superior a pesar de no ser seleccionado (debido al uso de otras fuentes de financiación por ejemplo), se hizo una regresión en la que se controla por las mismas variables de las cuatro ecuaciones iniciales, pero se adiciona una dummy que toma el valor de uno si el inscrito tiene como último nivel educativo alcanzado (según fuente de Sisbén 2015) una carrera técnica profesional, tecnológica, universitaria o posgrado y cero en otro caso. Los resultados se sintetizan en el cuadro 10 para los seis anchos de banda y se identifica el efecto para inscritos hasta 2010:II y para el total.
De acuerdo con los resultados, se observa efecto positivo significativo cuando se considera el total de la población con un porcentaje entre 6 y 12 por ciento. Esto indica que los beneficiarios tienen mayores posibilidades de acceder al estudio gracias a PLyPP. Sin embargo, es de recalcar que Medellín cuenta con un alto número de opciones para financiamiento de estudios superiores a través de los fondos de Sapiencia, crédito del Instituto Colombiano de Crédito Educativo y Estudios Técnicos en el Exterior (Icetex), créditos y becas directas con las IES y los programas nacionales de financiamiento, como el Programa Ser Pilo Paga. La realidad de Medellín es que es una de las ciudades del país (junto con Manizales y Bucaramanga) con mayores oportunidades de acceso y permanencia a la educación superior (Portafolio, 2017). En la gráfica 13 se muestra la discontinuidad para las dos muestras, evidenciando una discontinuidad en este outcome.
A pesar de que el programa de financiación de educación superior con recursos de PLyPP se ha implementado desde ya hace varios años, a la fecha no se ha efectuado ninguna evaluación de impacto de este tipo de estrategias en Medellín. En este sentido, se hace un llamado a las administraciones públicas para que incluyan dentro de su gestión el componente de evaluaciones para identificar si han sido o no exitosas y tomar la decisión de darles continuidad o no. Al respecto, entonces, hay que hacer un llamado al Ministerio de Educación Nacional, a la alcaldía de Medellín y a los investigadores para hacer visibles los resultados que han tenido este tipo de programas, siendo más necesario cuando involucren un destino importante del erario.
Frente a los resultados hallados con la metodología de RDD, es preciso mencionar que con ésta se estarían analizando individuos muy parecidos (alrededor del puntaje de corte) y, por la misma naturaleza del análisis, podría argüirse que los inscritos son personas hábiles y motivadas y que al no quedar elegidas con PLyPP encuentran posiblemente otras fuentes de financiación, que en Medellín particularmente son varias (los fondos Sapiencia, becas de las universidades, créditos, Ser Pilo Paga ahora llamado Generación E, etc.) que los lleva a comportarse de manera similar que un elegible del programa en el mercado de educación, de empleo y estado civil, etc. Incluso la alternativa del Servicio Nacional de Aprendizaje (Sena)28 puede ser una buena opción para aquellos que no fueron seleccionados por PLyPP, porque no solamente presenta gratuidad en su matrícula sino que también tiene cobertura a lo largo y ancho del país y cuenta con convenios con otras IES.
Se encontraron resultados negativos de PLyPP en la probabilidad de ocuparse, en la percepción de ingresos y su monto y positivos en el embarazo, al reducirse su probabilidad. Así que el programa estaría reduciendo las posibilidades de empleo y de ingresos de los beneficiarios en el margen, lo cual es coherente con la disminución de su jornada diaria para realizar actividades laborales a la par de las académicas. Y estaría reduciendo también la ocurrencia de embarazo.
Para complementar los resultados de esta investigación y como espacios para futuros trabajos, es posible estimar el efecto de PLyPP usando alguna metodología de matching o DID y seleccionar personas parecidas en todas sus características demográficas además del Sisbén (que se usa como criterio de focalización en varios programas sociales del país (DNP, 2016). Adicionalmente, se podría buscar una base más actualizada del Sisbén con el fin de identificar algún efecto de largo plazo adicional. Como otro ejercicio se podría hacer el intento de identificar efectos positivos (reducción) en crimen (como en Ospina y Giménez, 2009), en embarazo adolescente o en matrimonios prematuros (Cañada, 2011) por ejemplo.
Queda también en el abanico de posibilidades de futuras investigaciones preguntarse ¿son suficientes los auxilios económicos del programa? De acuerdo con la OCDE (2017) en los países latinoamericanos la inversión en educación sigue siendo baja e inferior al promedio de la OCDE (10 759 dólares por estudiante): Colombia invierte 3 245 dólares, mientras que Chile 5 153 dólares y Brasil 5 610 dólares. Esto hace pensar que en Colombia se necesita aún más financiamiento para proporcionar una educación con mayor cobertura y calidad y por ello esta financiación no alcanza a cubrir toda la demanda de educación y no es capaz de frenar la deserción por motivos económicos.
Al respecto, entonces, conviene estudiar las mejores formas de financiación de la educación superior y preguntarse si es mejor financiar la oferta o subsidiar (condicionadamente o no) la demanda. Quizá la inversión debe ir en doble vía: subsidiar la demanda y financiar la oferta, evitando que suceda lo producido por el programa Ser Pilo Paga del Ministerio de Educación Nacional (MEN).29 Además, con la información disponible no se puede hacer un análisis sobre deserción, por lo que sería conveniente que a futuro se pueda realizar un estudio que dimensione el efecto de este tipo de auxilios en el abandono escolar.
Es importante también mantener y mejorar los sistemas de orientación vocacional y laboral en las instituciones de educación media, de tal manera que el estudiante que se encuentre próximo a tomar la decisión elegir el programa y la IES en donde estudiará cuente con la información suficiente y pueda analizar las variables importantes para decidir bien. Retomando los resultados del estudio de la SEM (2017b), un porcentaje importante (entre 28 y 46%) de los bachilleres de la ciudad manifiestan, un año después de graduarse, que no les gustó el programa o la IES donde estaba estudiando y que por esa razón desertó del programa que cursaba. Y con otro estudio de la SEM (2017a) se ratifica que hay margen para mejorar el sistema de orientación vocacional que reciben los estudiantes de último grado para su proceso de determinación de su educación postsecundaria.
En este orden de ideas, la orientación debe cubrir varios actores, no sólo el establecimiento educativo. Una alternativa viable es examinar los programas de orientación vocacional con que cuentan los colegios privados, identificar sus fortalezas y tratar de acoplar cuidadosamente las buenas prácticas de estas iniciativas.
Otro reto importante para los hacedores de política es trabajar por mantener un robusto sistema de seguimiento a los bachilleres y a los graduados de estudios superiores, que permita conocer y caracterizar a la población que está dentro del sistema educativo y hacer un monitoreo de la deserción y la permanencia. Si bien en Colombia el MEN construyó hace ya varios años el Sistema para la Prevención de la Deserción en las Instituciones de Educación Superior y creó el Observatorio Laboral para la Educación, estas herramientas no son muy conocidas por la comunidad educativa y no conversan en muchos casos con los escasos departamentos de seguimiento que tienen las IES y las prácticamente nulas unidades de seguimiento a bachilleres de los colegios y las autoridades educativas.
Otra preocupación relacionada con lo anterior y a la que el gobierno debe prestar atención es que el presupuesto estatal para la educación superior pública no ha mostrado ningún cambio significativo en relación con el producto interno bruto (PIB), lo que sugiere que el papel del Estado se ha visto disminuido y no ha sabido responder de forma adecuada y rápida al acelerado crecimiento de la demanda de los jóvenes en el acceso a los cupos de educación superior (Melo, Ramos y Hernández, 2014).
Igualmente conviene preguntarse si la política integral de educación debería atender también a los que no son tan “pilos” y a los que no son tan “pobres”, a través de un modelo más equitativo y eficaz de financiación de la oferta pública que impacte positivamente en los niveles de calidad y cobertura de la educación superior en Colombia.
De igual manera, hay que señalar la necesidad de determinar a quién le está llegando el programa, esto es, la focalización, con el fin de determinar si debe continuar con el mecanismo de elegibilidad descrito o debe pasarse a otro.
Se encontró evidencia suficiente de un efecto local inicial en el mercado laboral: en el margen, los beneficiarios tienen menor probabilidad de ocuparse y por lo tanto, de devengar ingresos. Esto porque dentro de su jornada diaria, está la actividad académica que reduce o limita la alternativa de disponer de tiempo para otras actividades como la laboral. Esto no significa que PLyPP tenga un efecto negativo, sino que es prudente esperar más tiempo para encontrar efectos positivos en el mercado de trabajo para la población beneficiaria tras mejorar su capital humano. Lo realizado en este estudio en la práctica se constituye como una evaluación de corto plazo, ya que la mayoría de los estudiantes beneficiarios se matriculan en programas universitarios (con duración aproximada de cinco años) y unos pocos en carreras técnicas o tecnológicas (con duración media de dos años), por lo que una evaluación en una etapa más avanzada sería útil.
De igual manera, se encontró un efecto positivo en la ocurrencia de embarazo: las mujeres elegibles ubicadas cerca al umbral presentan una menor probabilidad de tener hijos. Asimismo, los elegibles parecen tener más probabilidad de mejorar su estrato socioeconómico y de acceder al sistema educativo superior. No se encontró evidencia con respecto a la pérdida de soltería.
