El Programa Ser Pilo Paga: impactos iniciales en equidad en el acceso a la educación superior y el desempeño académico

María José Álvarez Carlos CastroJavier Corredor Juliana LondoñoCarolina MaldonadoCatherine RodríguezFabio SánchezTatiana VelascoDaniel Mateo ÁngelMaría Camila Ayala Xiomara Pulido

Documentos CEDEISSN 1657-7191 Edición electrónica.

No.59 OCTUBRE DE 2017

Serie Documentos Cede, 2017-59 ISSN 1657-7191 Edición electrónica.Octubre de 2017

© 2017, Universidad de los Andes, Facultad de Economía, CEDE. Calle 19A No. 1 – 37 Este, Bloque W.Bogotá, D. C., Colombia Teléfonos: 3394949- 3394999, extensiones 2400, 2049, 2467infocede@uniandes.edu.cohttp://economia.uniandes.edu.co

Impreso en Colombia – Printed in Colombia

La serie de Documentos de Trabajo CEDE se circula con propósitos de discusión y divulgación. Los artículos no han sido evaluados por pares ni sujetos a ningún tipo de evaluación formal por parte del equipo de trabajo del CEDE.

El contenido de la presente publicación se encuentra protegido por las normas internacionales y nacionales vigentes sobre propiedad intelectual, por tanto su utilización, reproducción, comunicación pública, transformación, distribución, alquiler, préstamo público e importación, total o parcial, en todo o en parte, en formato impreso, digital o en cualquier formato conocido o por conocer, se encuentran prohibidos, y sólo serán lícitos en la medida en que se cuente con la autorización previa y expresa por escrito del autor o titular. Las limitaciones y excepciones al Derecho de Autor, sólo serán aplicables en la medida en que se den dentro de los denominados Usos Honrados (Fair use), estén previa y expresamente establecidas, no causen un grave e injustificado perjuicio a los intereses legítimos del autor o titular, y no atenten contra la normal explotación de la obra.

Universidad de los Andes | Vigilada Mineducación Reconocimiento como Universidad: Decreto 1297 del 30 de mayo de 1964. Reconocimiento personería jurídica: Resolución 28 del 23 de febrero de 1949 Minjusticia.

1

El Programa Ser Pilo Paga: Impactos Iniciales en Equidad en el Acceso a la Educación Superior y el Desempeño Académico *María José Álvarez†, Carlos Castro‡, Javier Corredor§, Juliana Londoñoζ, Carolina Maldonado**, Catherine Rodríguez †† , Fabio Sánchez‡‡, Tatiana Velasco§§, Daniel Mateo Ángel*** María Camila Ayala ††† , Xiomara Pulido‡‡‡ Resumen En 2014 el Ministerio de Educación Nacional de Colombia lanzó el programa Ser Pilo Paga como parte del objetivo de convertir el país en el más educado de América Latina en el 2025. Desde su creación, el programa ha beneficiado a más de 30,000 jóvenes de escasos recursos que presentaron la prueba Saber 11 entre el 2014-2 y el 2016-2. En el presente documento se lleva a cabo la evaluación de impacto de corto plazo del crédito-beca Ser Pilo Paga para las cohortes 2014-2 y 2015-2, con base en datos administrativos y 1,487 encuestas representativas realizadas a jóvenes elegibles y no elegibles de la cohorte 2015-2. Se utiliza la metodología de regresión discontinua para evaluar el impacto del crédito-beca sobre variables de acceso a educación superior y la metodología de variables instrumentales para analizar el efecto sobre el desempeño académico de los beneficiarios. El aumento en la probabilidad de acceso a educación superior para los jóvenes de Ser Pilo Paga 1 fue de 31.8 puntos porcentuales, mientras que para los jóvenes de Ser Pilo Paga 2 fue de 25.8 puntos porcentuales. Además, el efecto sobre el acceso a educación de calidad (IES acreditadas) fue de 46.1 puntos porcentuales y 41.2 puntos porcentuales, respectivamente. También se encuentra que la ausencia intersemestral de los beneficiarios de la primera cohorte es 7.1 puntos porcentuales menor, en comparación a sus compañeros de IES acreditadas mientras a primer semestre la tasa de deserción es inferior en 6 puntos porcentuales. Por último, los beneficiarios del programa presentan mejores índices de calidad de vida pese a que muestran mayores niveles de depresión, menores niveles de perseverancia y apoyo social. Palabras clave: acceso a educación superior, crédito-beca, ayuda financiera, Ser Pilo Paga, Colombia. JEL: H52, H53, I2, I22, I28, I38 * Los autores agradecen a Felipe Castro, Patricia Moreno, Laura Pabón, Norma Gómez y Ximena Pardo del DNP y al comité de expertos en educación superior convocado por el DNP. Este documento se benefició de los resultados e información de la evaluación de impacto de corto plazo y levantamiento de línea de base realizada por la Unión Temporal Educación CNC-Universidad de los Andes y el DNP (Contrato 656-2015). † Universidad de los Andes, Facultad de Ciencias Sociales. E-mail: mj.alvarez@uniandes.edu.co ‡ Centro Nacional de Consultoría. E-mail: cacastro@cnccol.com § Universidad Nacional de Colombia, Departamento de Psicología. E-mail: jacoreedora@unal.edu.co ζ Universidad de California, Berkeley, j.londonovelez@gmail.com ** Universidad de los Andes, Facultad de Educación. E-mail: ca-maldo@uniandes.edu.co †† Universidad de los Andes, Facultad de Economía. E-mail: cathrodr@uniandes.edu.co ‡‡ Universidad de los Andes, Facultad de Economía E-mail: fasanche@uniandes.edu.co §§ Universidad de Columbia. Teachers College. E-mail: tatianavelasco.ro@gmail.com *** Universidad de los Andes, CEDE. E-mail: dm.angel1494@uniandes.edu.co ††† Universidad de los Andes, CEDE. E-mail: mc.ayala182@uniandes.edu.co ‡‡‡ Universidad de los Andes, CEDE. E-mail: x.pulido2365@uniandes.edu.co

2

Ser Pilo Paga Educational Program: Initial Impacts on Equity in Access to Higher Education and Academic Performance* María José Álvarez†, Carlos Castro‡, Javier Corredor§, Juliana Londoñoζ, Carolina Maldonado**, Catherine Rodríguez †† , Fabio Sánchez‡‡, Tatiana Velasco§§, Daniel Mateo Ángel*** María Camila Ayala ††† , Xiomara Pulido‡‡‡ Abstract The Ministry of Education in Colombia launched the program Ser Pilo Paga in 2014 as part of its objective of turning the country as the most educated in Latin America by 2025. Since its inception the program has benefitted more than 30,000 students from low income households who took the Saber 11 test between 2014-2 and 2016-2. We evaluate the short run impact of this scholarship-loan Ser Pilo Paga for cohorts 2014-2 and 2015-2 using administrative data and 1,487 surveys applied to eligible and non-eligible students of the 2015-2 cohort. We use Regression Discontinuity methodology to evaluate the impact of scholarship- loan on access to higher education and instrumental variables to determine the effect of the program on the academic performance its beneficiaries. We find the program increases the probability of accessing to higher education in 31.8 percentage points for the 2014-2 cohort of beneficiaries and in 25.8 percentage points for the 2015-2 cohort. Moreover, the effect on access to high quality higher education (accredited institutions) was 46.1 and 41.2 percentage points respectively. In addition, we find that the absenteeism rate is 7.1 percentage points lower than their peers from accredited institutions while the first semester dropout rate is 6 percentage points lower. Lastly, the beneficiaries of the program exhibit a better life quality yet show report higher levels of depression and a lower levels of perseverance and social support. Keywords: postsecondary enrollment, scholarship-loan, financial aid, Ser Pilo Paga, Colombia JEL: H52, H53, I2, I22, I28, I38 * We are grateful to Felipe Castro, Patricia Moreno, Laura Pabón, Norma Gómez and Ximena Pardo from DNP and the discussion panel organized by DNP. This paper benefited from results and information included in the program evaluation of Ser Pilo Paga from Unión Temporal Educación CNC-Universidad de los Andes and DNP (Contract 656-2015). † University of Los Andes, Department of Social Science. E-mail: mj.alvarez@uniandes.edu.co ‡ CNC. E-mail: cacastro@cnccol.com § National University of Colombia, Department of Psychology. E-mail: jacoreedora@unal.edu.co ζ University of California, Berkeley, j.londonovelez@gmail.com ** University of Los Andes, Department of Education. E-mail: ca-maldo@uniandes.edu.co †† University of Los Andes, Department of Economics. E-mail: cathrodr@uniandes.edu.co ‡‡ University of Los Andes, Department of Economics E-mail: fasanche@uniandes.edu.co §§ Columbia University. Teachers College. E-mail: tatianavelasco.ro@gmail.com *** University of Los Andes, CEDE. E-mail: dm.angel1494@uniandes.edu.co †††University of Los Andes, CEDE. E-mail: mc.ayala182@uniandes.edu.co ‡‡‡University of Los Andes, CEDE. E-mail: x.pulido2365@uniandes.edu.co

3

1. Introducción En 2014, el Ministerio de Educación Nacional de Colombia lanzó el programa Ser Pilo Paga como parte del objetivo de ser el país más educado de América Latina en el 2025. El diseño del programa surgió de estudios previos que mostraban que cerca del 60% de los 27,000 puntajes más altos de la prueba Saber 11 de 2012 eran obtenidos por estudiantes de estrato 1, 2 y 3 y que, dos años después de la prueba de Estado, alrededor del 23% de los jóvenes no habían logrado acceder a una institución de educación superior (IES) por falta de recursos económicos. Desde su creación en el segundo semestre de 2014, el programa ha beneficiado a más de 30,000 jóvenes de escasos recursos que presentaron la prueba Saber 11 entre el 2014-2 y el 2016-2. Los requisitos principales para ser beneficiario del programa consistían en la obtención de un puntaje mínimo en la prueba Saber 11, contar con un puntaje Sisbén máximo de acuerdo al lugar de residencia y haber sido admitido a una IES acreditada en alta calidad en el país. El programa cubría los costos de matrícula durante lo semestres establecidos por el programa elegido y, además, brindaba subsidios de sostenimiento de acuerdo al lugar escogido por el estudiante para cursar sus estudios. La literatura ha evaluado los efectos de las ayudas financieras para educación superior sobre variables de acceso, deserción, desempeño académico, calidad de vida y variables no cognitivas. En general, se han encontrado efectos positivos sobre el acceso a educación superior (Heller, 1997; Dynarski, 2003; Castleman y Long, 2013; Angrist, Autor, Hudson y Pallais, 2014; Andrews, Imberman y Lovenheim, 2016; Bettinger, Gurantz, Kawano y Sacerdote, 2016; Fack y Grenet, 2015; Rau, Rojas, y Urzúa, 2013; Melguizo, Sánchez, y Velasco, 2016), reducción en las tasas de deserción de educación superior (Rau et al., 2014; Melguizo et al., 2016; Fack y Grenet, 2015; Andrews et al., 2016 ) y reducción en las tasas de deserción de educación secundaria (Cáceres-Delpiano, Giolito y Castillo, 2015). Asimismo, la literatura señala efectos positivos sobre variables de desempeño académico (Angrist, Lang, y Oreopoulos, 2009; Melguizo et al., 2016). Por su parte, no se encuentra trabajos que muestren los efectos de programas de ayuda financiera sobre la calidad de vida de los beneficiarios, aunque hay otros que resaltan el rol de la autoeficacia (Zajacova, Lynch y Espenshade, 2005; Chemers, Hu y Garcia, 2001) y los efectos del contexto universitario sobre los niveles de estrés de los jóvenes (Dyson y Renk, 2006; Larose, Ratelle, Guay, Senécal y Harvey, 2006).

4

El presente documento complementa de manera importante la literatura arriba mencionada al llevar a cabo la evaluación de impacto de corto plazo del crédito-beca Ser Pilo Paga para las cohortes 2014-2 y 2015-21. Para este fin se usan dos fuentes de información. La primera son los datos administrativos de todos los estudiantes que tomaron la prueba Saber 11 en el segundo semestre del 2013, 2014 y 2015 junto con la información del puntaje Sisbén provista por el Departamento Nacional de Planeación (DNP) y la información que proviene del Sistema para la Prevención y Análisis de la Deserción en Instituciones de Educación Superior – SPADIES. La segunda fuente son 1,487 encuestas aplicadas por la unión temporal Centro Nacional de Consultoría (CNC)- Universidad de los Andes para la evaluación de corto plazo y levantamiento de línea de basa del programa Ser Pilo Paga contratada por el DNP en el año 2015. En ellas, se encuestó una muestra representativa de jóvenes elegibles y no elegibles, beneficiarios y no beneficiarios que tomaron la prueba Saber 11 en el periodo 2015-2. Dado el diseño y la implementación del programa, se obtienen los impactos causales sobre variables de acceso a educación superior por medio de la metodología de regresión discontinua (RD). Debido al tiempo que ha transcurrido desde la implementación del programa, en este documento solo se estiman resultados de impacto de corto plazo. Particularmente, se estima el impacto del programa sobre variables de acceso a educación superior como acceso básico (matriculado en alguna IES colombiana), acceso a educación de calidad (matriculado en alguna IES acreditada), sector de la IES (oficial o no oficial), la metodología del programa (presencial o a distancia) y el nivel del programa (universitario, técnico profesional o tecnológico). En adición, mediante variables instrumentales se evalúa el impacto del programa sobre el desempeño académico de los jóvenes y con estimaciones de intención de tratamiento se estima el impacto sobre indicadores de calidad de vida, expectativas y percepciones y variables no cognitivas. Los resultados de la evaluación muestran impactos positivos y significativos del programa Ser Pilo Paga sobre variables de acceso a educación superior. Para los jóvenes que presentaron la prueba Saber 11 en el 2014-2, el aumento en la probabilidad de acceso a educación superior fue de 31.8 puntos porcentuales, lo que equivale a un aumento de 112%. Para la segunda ronda del programa, el impacto fue de 25.8 puntos porcentuales que representa un aumento de 112%. El impacto sobre el acceso a educación de calidad es aún más alto dado el contexto socioeconómico de los jóvenes beneficiarios del crédito-beca. Se encuentra que ser elegible 1 No se realiza la evaluación para la tercera ronda del programa ya que no hay disponibilidad de datos.

5

aumenta la probabilidad de acceder a IES acreditadas en 46.1 puntos porcentuales y 41.2 puntos porcentuales para la primera y la segunda ronda del programa, respectivamente. Por su parte, los resultados señalan que existe un aumento significativo en la probabilidad de acceder a IES acreditadas no oficiales en ambas rondas del programa, mientras que no se encuentra ningún impacto en IES acreditadas no oficiales para la cohorte 2014-2 y un impacto negativo para la cohorte 2015-2. En ambas cohortes, el impacto sobre IES no acreditadas es negativo y significativo. En relación al desempeño académico, se encuentra que los beneficiarios de Ser Pilo Paga 1 tienen una menor probabilidad de ausentarse inter semestralmente (-7.1 puntos porcentuales-pp) en comparación a sus compañeros de IES acreditadas, menor probabilidad de desertar en primer y segundo semestre (-6 pp y -7.9 pp respectivamente), igual proporción de materias aprobadas a primer semestre y una menor proporción de materias aprobadas a segundo semestre (-0.8 pp). En relación a la calidad de vida, los beneficiarios de la segunda ronda tienen menor probabilidad de no contar con todos los servicios básicos, una mayor probabilidad de tener computador y computador con internet. Asimismo, los tratados tienen una mayor satisfacción de vida y perspectivas de salarios pese a que el efecto sobre el buen clima familiar es negativo. En las variables no cognitivas, los beneficiarios presentan un mayor índice de depresión, menor perseverancia y menor apoyo social. Estos resultados pueden ser consecuencia de los nuevos retos académicos que enfrentan los jóvenes y al ajuste de hábitos y expectativas consecuencia de su nuevo contexto. El presente documento se divide en nueve secciones, siendo la primera la presente introducción. La segunda sección presenta la revisión de literatura y la tercera muestra el contexto educativo colombiano. Luego, se describen los datos utilizados en la evaluación de impacto y posteriormente se explican los requisitos y beneficios del programa Ser Pilo Paga en la primera y segunda ronda del programa. Después, se presenta la metodología utilizada seguida de los resultados en variables de acceso y desempeño académico. En la octava sección se realiza la caracterización y el análisis de impacto con base en la encuesta. Por último, se señalan las conclusiones principales de la evaluación. 2. Revisión de literatura El presente documento, genera aportes a diversas ramas de la literatura económica. Particularmente, existe un grupo amplio de trabajos que han estudiado el efecto de créditos y

6

becas para ingresar a educación terciaria sobre variables de resultado como acceso, deserción y desempeño académico. Asimismo, la literatura existente estudia los casos de Estados Unidos, de países desarrollados y de Chile y Colombia. Estos últimos dos países se destacan en el grupo de países en vía de desarrollo debido a que han llevado a cabo políticas de gran escala para financiar el acceso a educación terciaria. Por ejemplo, en Chile existe el programa “Crédito con Aval del Estado” mientras que en Colombia existió el crédito ACCES, ahora transformado en el crédito Tú Eliges. Respecto a los efectos sobre acceso a educación superior, Heller (1997) revisa 20 estudios publicados entre las décadas del ochenta y noventa que buscaban algún tipo de relación entre la ayuda financiera y el acceso a educación superior. En general, la revisión señala que casi todos los trabajos encuentran una relación directa: la reducción en la ayuda financiera conlleva a una caída en el acceso a educación superior. En la misma línea, Dynarski (2003) encuentra que en Estados Unidos un aumento de 1,000 dólares en ayuda financiera, aumenta la probabilidad de asistir a la Universidad entre 3.6 y 7 puntos porcentuales. Más recientemente, el estudio de Castleman y Long (2013) refuerzan los resultados previos ya que encuentran un efecto positivo de los créditos educativos sobre la probabilidad de matricularse en una universidad pública con programas de cuatro años. Específicamente, muestran que hay un aumento en la probabilidad de acceso de 3.2 puntos porcentuales por cada 1,300 dólares adicionales de ayuda. Asimismo, Angrist et al. (2014) evalúan el programa de becas ofrecidas por la “Susan Thompson Buffet Foundation” (STBF) por medio de un experimento aleatorio controlado. La beca beneficia a estudiantes de educación media que quieran estudiar en universidades públicas de Nebraska. Los estudiantes son seleccionados de acuerdo a la necesidad financiera, el promedio obtenido en la educación media y las cartas de recomendación. En este caso, los autores encuentran que la beca incremente el acceso a las IES públicas en dos puntos porcentuales. Asimismo, Andrews et al. (2016) encuentran efectos positivos en la matrícula para los jóvenes beneficiarios del programa “Longhorn Opportunity Scholars” (LOS) en Texas. Este tenía como objetivo beneficiar a grupos de bajos ingresos y pertenecientes a grupos minoritarios. Por su parte, Bettinger et al. (2016) evalúan el impacto del programa “Cal Grant” que consiste en ayuda financiera basada en necesidad y mérito en California. La beca provee matrícula completa en cualquier universidad privada. Los requisitos son tener un promedio mínimo en educación media, estar por debajo de un nivel de ingresos dado, ser residente de California y no

7

tener título profesional. En este caso, al igual que en los anteriores, se encuentra un efecto positivo de 7 a 10 puntos porcentuales sobre la matrícula. En adición a los programas que existen en Estados Unidos, en Francia se encuentra el programa Bourses sur Critères Sociaux” (BCS). Este, es un programa a gran escala que brinda becas a estudiantes de bajos ingresos. El programa tiene 7 niveles, el más bajo solo cubre la matrícula y los gastos de seguridad social mientras que el más alto cubre la matrícula, la seguridad social y el 90% de los costos de vida. Fack y Grenet (2015) evalúan el programa y encuentran que becas de 1,500 euros aumentan la matrícula de potenciales beneficiarios entre 5% y 7%. Para Chile, Rau et al. (2013) evaluaron el programa “Crédito con Aval del Estado” (CAE) que consiste en un préstamo del cual el Estado es el fiador, con tasa de interés subsidiada, con un periodo de gracia de 18 meses posterior a la graduación y, en caso de deserción, la IES se hace responsable del saldo adeudado. Los autores encuentran que el programa aumenta la probabilidad de matrícula en 24%, luego de controlar por la habilidad. Para Colombia, Melguizo, et al. (2016) evalúan el programa a “Acceso con Calidad a la Educación Superior” (ACCES) que pretendía atacar las disparidades de acceso a educación post-secundaria. Este, era un préstamo a largo plazo que prestaba hasta el 75% del costo de la matrícula según el estrato socioeconómico del solicitante, ofrecía una tasa de interés real de 0% y daba hasta 10 años de plazo para repagar la deuda. El impacto encontrado es de 20% sobre la probabilidad de acceso a educación superior. Otro programa implementado en Colombia fue el de “Subsidios Condicionados a la Asistencia Escolar” en Bogotá en el 2005. El piloto se aplicó por medio de una aleatorización y los autores encuentran un aumento de 48.9 puntos porcentuales en la matrícula en IES. En general, los programas mencionados anteriormente tienen impactos positivos sobre la tasa de matrícula. Respecto a los impactos sobre deserción, también se encuentran efectos positivos para este tipo de programas que ofrecen ayudas a jóvenes de bajos recursos. El crédito ACCES, disminuye la probabilidad de deserción de los beneficiarios en 7% (Melguizo et al., 2016). El “Crédito con Aval del Estado” en Chile redujo la deserción del primer año en 6.8% para los programas de cinco años y en 64.3% para los programas de 2 a 4 años (Rau et al., 2014). Adicionalmente, Fack y Grenet (2015) encuentran efectos positivos sobre las tasas de graduación en Francia al igual que Andrews et al. (2016) en Texas. Además, el trabajo de Cáceres-Delpiano, Giolito y Castillo (2015) evalúa el efecto del programa “Crédito con Aval del Estado” sobre la

8

educación primaria y media y encuentran que el programa logra reducir la probabilidad de deserción de la educación secundaria. La literatura investiga también los impactos de este tipo de programas sobre variables de desempeño académico. Angrist, Lang, y Oreopoulos (2009) evalúan el programa “Student Achievement and Retention Project” o Proyecto STAR. El programa consistía en tres tratamientos: al primer grupo se les ofrecían servicios de apoyo académico, al segundo se le otorgaban incentivos financieros por la obtención de buenas notas y al tercero se le brindaba una combinación de ambas. La evaluación se llevó a cabo mediante un diseño experimental y el resultado muestra un efecto positivo sobre el desempeño. Asimismo, para Colombia Melguizo et al. (2016) encuentran que los beneficiarios del crédito ACCES tienen un mejor desempeño, medido como porcentaje de materias aprobadas. Por otro lado, existen trabajos que muestran los posibles impactos de los procesos de transición a contextos universitarios sobre la autoeficacia y los niveles de estrés. En primer lugar, Bandura (1977) define la autoeficacia como la autoevaluación que los individuos hacen respecto a su competencia para realizar un curso de acción que le permita llegar a un resultado. De acuerdo a Zajacova, Lynch, y Espenshade (2005) la autoeficacia académica y social es importante porque favorece la persistencia y la motivación para enfrentar nuevos retos y, además, porque puede reducir los niveles de estrés (Zajacovaet al. ,2005). Además, los estudiantes con mayores niveles de autoeficacia evalúan las demandas a las que se enfrentan como un reto y no como una amenaza (Chemers, Hu y Garcia, 2001). Otros autores han encontrado también que el nivel de estrés se relaciona positivamente con síntomas depresivos (Dyson y Renk, 2006). Aunque se han realizado pocos estudios en relación al efecto de la transición a la universidad sobre los niveles de autoeficacia, Larose, Ratelle, Guay, Senécal y Harvey (2006) siguen a un grupo de adolescentes canadienses desde el último año de colegio hasta el segundo año de universidad y encuentra que el 50% de la muestra sufrió cambios en sus niveles de autoeficacia y la mayoría presentó niveles adecuados de esta variable. 3. Contexto educativo colombiano Esta sección presenta un análisis de contexto educativo colombiano reciente acerca de las diferencias en los resultados de la prueba Saber 11 y en el acceso a educación superior de acuerdo a la condición económica de los jóvenes. Para esto, se recurre a los resultados de la prueba Saber 11 en los periodos 2012-2, 2013-2, 2014-2 y 2015-2 y el estrato socioeconómico al que

9

pertenecen los jóvenes. En general, se encuentra que pertenecer a un estrato socioeconómico bajo está asociado con un peor desempeño en la prueba Saber 11 y, por consiguiente, con menores tasas de acceso a educación superior en el semestre inmediatamente siguiente. Sin embargo, para los jóvenes que se ubican en el decil superior de la prueba Saber 11 el panorama es más alentador y ha experimentado una mejoría importante en acceso en los periodos 2014-2 y 2015-2. En primer lugar, se encuentra que la mayoría de jóvenes que presentaron la prueba Saber 11 en los periodos estudiados pertenecen al estrato 1 y 2. En 2015-2, el 78.8% de los estudiantes que presentaron la prueba de Estado se ubicaban en dichos estratos, mientras que tan solo el 1.3% pertenecían al estrato 5 y 6 (Gráfico 1). Pese a la alta participación de los jóvenes provenientes de estratos bajos en la prueba Saber 11, se encuentra que el desempeño de estos es bajo en comparación con los jóvenes que cuentan con mejores condiciones socioeconómicas (Gráfico 2). Este resultado se observa en todas las cohortes estudiadas (2012-2, 2013-2, 2014-2 y 2015-2). De acuerdo al Gráfico 2, menos del 5% de los jóvenes estrato 1 se ubicaba en el decil superior de la prueba en todos los periodos observados. Por el contrario, más del 50% de los estudiantes estrato 6 se ubicaron en el 10% superior de la distribución. Gráfico 1. Distribución de estudiantes que presentan la prueba Saber 11 según estrato socioeconómico

Gráfico 2. Porcentaje de estudiantes en el decil superior de la prueba Saber 11 según estrato socioeconómico

Fuente: ICFES – Saber 11 (2015) y SPADIES (2016) En cuanto a la tasa de acceso a educación superior en el semestre inmediatamente posterior a la presentación de la prueba Saber 11, las desigualdades por estrato se mantienen. La diferencia en 2012-2 entre el acceso de los jóvenes estrato 1 y los jóvenes estrato 6 fue de 47.5 puntos porcentuales. Aunque para los jóvenes que tomaron la prueba en 2015-2 la brecha se

0%20%40%60%

1 2 3 4 5 6Estrato socioeconómico20122 20132 20142 201520%

20%40%60%

1 2 3 4 5 6Estrato socioeconómico20122 20132 20142 20152

10

redujo, está aún se mantiene por encima de 40 puntos porcentuales (Gráfico 3). En línea con el resultado anterior, la brecha se mantiene en el acceso a IES acreditadas entre los jóvenes de estratos bajos y aquellos con mejores condiciones económicas. Como se observa en el Gráfico 4, menos del 5% de los estudiantes que pertenecen a estrato 1 logran ingresar a una IES acreditada en el semestre posterior a haber presentado la prueba de estado. Por el contrario, más del 40% de los jóvenes estrato 6 acceden a educación superior de calidad en el semestre siguiente a la prueba Saber 11. Gráfico 3. Tasa de acceso a educación superior (semestre siguiente a Saber 11) según estrato socioeconómico

Gráfico 4. Tasa de acceso a IES acreditadas (semestre siguiente a Saber 11) según estrato socioeconómico

Fuente: ICFES – Saber 11 (2015) y SPADIES (2016) Al realizar el análisis de acceso a educación superior para los jóvenes que se ubican en el decil superior de la prueba Saber 11, se encuentra que la diferencia en acceso era de 24.5 pp entre los jóvenes en estrato 1 y los jóvenes en estrato 6 que presentaron la prueba en el 2012-2 (Gráfico 5). Sin embargo, se observa que las diferencias entre los más vulnerables y aquellos con mejores condiciones económicas desaparecen para la cohorte que presentó la prueba de estado en el 2014-2. Más aún, para la cohorte que presentó la prueba en el 2015-2 el porcentaje de jóvenes pertenecientes a estrato 1 que ingresó a educación superior superó en 1.5 pp el porcentaje de jóvenes estrato 6 que ingresaron a alguna institución de educación superior. Al indagar por el acceso a IES acreditadas de los jóvenes ubicados en el 10% superior de la prueba Saber 11 (Gráfico 6), se encuentra que la diferencia entre el estrato 1 y el estrato 6 era más grande para la cohorte que presentó la prueba de estado en el 2012-2. Mientras que menos del 20% de los jóvenes vulnerables de esta cohorte accedía a educación de calidad, el 59.3% de los estudiantes de estrato 6 accedían a IES acreditadas. Sin embargo, a partir del 2014-2 la brecha

0%20%40%60%

1 2 3 4 5 6Estrato socioeconómico20122 20132 20142 201520%

20%40%60%

1 2 3 4 5 6Estrato socioeconómico20122 20132 20142 20152

11

se redujo y se ubicó en 9.4 pp. Del mismo modo, para la cohorte de 2015-2 esta brecha se redujo aún más y se ubicó en 6.2 pp, lo cual implica una reducción importante en la desigualdad del acceso a educación superior de calidad. Gráfico 5. Tasa de acceso a educación superior (semestre siguiente) del decil superior de la prueba SB11 según estrato socioeconómico

Gráfico 6. Tasa de acceso a IES acreditadas (semestre siguiente) del decil superior de la prueba SB11 según estrato socioeconómico

Fuente: ICFES – Saber 11 (2015) y SPADIES (2016) Luego de caracterizar el acceso a educación superior de acuerdo al estrato socioeconómico de los jóvenes, se analizan las tasas de acceso en un contexto regional. Lo anterior, debido a que, si bien el programa Ser Pilo Paga beneficia a los jóvenes más vulnerables, también puede incrementar las brechas regionales. Por ejemplo, los jóvenes que pertenecen a regiones con mejores condiciones económicas y que se destacaron en la prueba Saber 11 pueden tener una mayor probabilidad de acceder a educación superior en comparación con los jóvenes igualmente destacados en la prueba Saber 11 pero que pertenecen a regiones más vulnerables. Dada esta posible correlación, se indaga sobre las tasas de acceso a educación superior del decil superior de la prueba Saber 11 de acuerdo a las características socioeconómicas del municipio en el que presentó la prueba cada joven. Para esto, se estima la relación entre la tasa de acceso a educación superior de los jóvenes vulnerables (estrato 1 y 2) que se ubicaron en el 10% superior de la prueba Saber 11 y el índice de Necesidades Básicas Insatisfechas (NBI) del municipio en el que presentaron la prueba. El ejercicio se realiza para las cohortes que presentaron la prueba Saber 11 en el 2013-2, 2014-2 y 2015-2 y que ingresaron a alguna institución de educación superior en el semestre inmediatamente siguiente (2014-1, 2015-1 y 2016-1).

0%10%20%30%40%50%60%70%

1 2 3 4 5 620122 20132 20142 201520%10%20%30%40%50%60%70%

1 2 3 4 5 620122 20132 20142 20152

12

En primer lugar, para la cohorte que toma la prueba Saber 11 en 2013-2 se observa que la dispersión en la proporción de jóvenes (estrato 1 y 2) que se ubicaron en el 10% superior de la prueba Saber 11 y accedieron a educación superior pareciera ser levemente mayor a medida que aumenta el NBI del municipio en el que presentaron la prueba (Gráfico 7, panel a)). Sin embargo, la correlación entre ambas variables no es estadísticamente diferente de cero (Tabla 1) lo cual implica que, para esta cohorte, no hay relación entre la proporción de jóvenes de estratos bajos que ingresan a educación superior y el índice de pobreza (NBI) del municipio en el que tomaron la prueba. Es decir, los jóvenes que presentaron la prueba Saber 11 en municipios con menores índices de pobreza no accedieron en mayor proporción que aquellos ubicados en los municipios más vulnerables. El mismo ejercicio se realiza para la cohorte que toma la prueba Saber 11 en el periodo 2014-2, que se caracteriza por ser el periodo en el que inicia el programa Ser Pilo Paga. En este caso, se encuentra que la relación entre el NBI y la proporción de jóvenes (estrato 1 y 2) en el 10% superior de la prueba Saber 11 que ingresan a educación superior es positiva y significativa (ver Tabla 1). Esto indica que, para esta cohorte, la proporción de jóvenes en estratos bajos que se ubicaban en el decil superior de la prueba y que accedía a educación superior en el semestre siguiente era superior para los municipios con un mayor índice de pobreza. Aunque, cabe resaltar que la dispersión continua siendo menor para los municipios con mejores condiciones económicas. Para la cohorte que presenta la prueba en el 2015-2 la relación es positiva pero no es significativa (ver Tabla 1). Esto implica que las oportunidades de ingreso a educación superior para los jóvenes en el 10% superior de la prueba Saber 11 siguen siendo iguales entre los municipios más vulnerables y aquellos con mejores condiciones. Dado el aumento de la proporción de jóvenes en municipios vulnerables que acceden a educación superior en el 2015-1 y 2016-1, se estudia la relación entre el NBI municipal y el cambio en la proporción de jóvenes estrato 1 y 2, en el decil superior de la prueba Saber 11, que accede a educación superior entre el 2014-1 y el 2015-1. Se encuentra que el cambio en la proporción de jóvenes que accedió a educación superior en promedio fue positivo (0.194). Además, la relación con el NBI es positiva y significativa al 5% (ver Tabla 1), lo cual indica que el cambio en la proporción de jóvenes que accede a educación superior fue aún más grande para los municipios con peores condiciones económicas.

13

Gráfico 7. Correlación entre NBI y la proporción de jóvenes (estrato 1 y 2) en el 10% superior de la prueba Saber 11 que ingresan a educación superior

Tabla 1. Relación entre NBI y proporción de jóvenes (estrato 1 y 2) en el 10% de la prueba Saber 11 que ingresan a educación superior Proporción de jóvenes (estrato 1 y 2) en el 10% de la prueba Saber 11 que ingresan a educación superior Saber 11 - 20132 Saber 11 - 20142 Saber 11 - 20152 Cambio 20142-20132 (1) (2) (3) (4) NBI 0.000 0.001*** 0.001 0.001** (0.001) (0.000) (0.000) (0.001) Constante 0.376*** 0.515*** 0.578*** 0.139*** (0.023) (0.021) (0.022) (0.030) Observaciones 927 945 956 865 R-cuadrado 0.000 0.011 0.001 0.005 Errores estándar entre paréntesis *** p<0.01, ** p<0.05, * p<0.1 4. El programa Ser Pilo Paga El programa Ser Pilo Paga ha otorgado créditos-beca a tres cohortes de estudiantes que presentaron la prueba Saber 11 en el segundo semestre de 2014, 2015 y 2016, que se desatacaron

0.2.4.6

.81Propor

ción que ingre

sa a ES

0 20 40 60 80 100NBI

a) Saber 2013-2

0.2.4.6

.81Propor

ción que ingre

sa a ES

0 20 40 60 80 100NBI

b) Saber 2014-20.2

.4.6.81

Proporción qu

e ingresa a ES

0 20 40 60 80 100NBI

c) Saber 2015-2

-.50

.51

Cambio en la p

roporción

0 20 40 60 80 100NBI

d) Cambio entre 2013-2 y 2014-2

14

en los puntajes obtenidos y que, adicionalmente, cumplían con una serie de requisitos que permitían focalizar el programa a la población más vulnerable del país. En la primera fase del programa (Ser Pilo Paga 1), los beneficiarios obtenían un crédito 100% condonable para estudiar el programa de su preferencia en IES acreditadas en alta calidad si cumplían con tres requisitos: a) Haber presentado las pruebas SABER 11 el 3 de agosto de 2014 y haber obtenido 310 puntos o más b) Ser beneficiario del Sisbén con puntaje igual o inferior al establecido de acuerdo al lugar de residencia del estudiante: Área Puntaje máximo 14 ciudades principales sin sus áreas metropolitanas: Bogotá, Medellín, Cali , Barranquilla, Cartagena, Cúcuta, Bucaramanga, Ibagué, Pereira, Villavicencio, Pasto, Manizales, Santa Marta 57.21 Resto urbano: zonas urbanas diferentes a las 14 principales ciudades, los centros poblados y la zona rural dispersa de las 14 principales ciudades 56.32 Rural 40.75 c) Haber sido aceptado en una de las 33 universidades acreditadas en alta calidad Luego, en la segunda fase (Ser Pilo Paga 2) los requisitos cambiaron marginalmente: a) Ser colombiano b) Haber presentado las pruebas Saber 11 el 2 de agosto de 2015 y haber obtenido un puntaje global igual o superior 318 c) Haber cursado y aprobado el grado 11 en el año 2015 d) Tener un puntaje específico individual de SISBÉN según ubicación geográfica y de acuerdo con el corte DNP de la base SISBÉN al 19 de junio de 2015 (mismos puntajes de corte de Ser Pilo Paga 1) o en caso de ser indígena estar registrado en Base Censal del Ministerio del Interior con corte a 30 de junio de 2015. e) Ser admitido en uno de los programas ofertados por alguna de las 39 Instituciones de Educación Superior acreditada en alta calidad.

15

En el 2016, los requisitos en la tercera fase del programa (Ser Pilo Paga 3) solo se vieron modificados en el puntaje de corte de la prueba Saber 11: a) Ser colombiano b) Haber presentado las pruebas Saber 11 el 31 de julio de 2016 y haber obtenido un puntaje global igual o superior 342 c) Haber cursado y aprobado el grado 11 en el año 2016 d) Tener un puntaje específico individual de SISBÉN según ubicación geográfica y de acuerdo con el corte DNP de la base SISBÉN al 22 de septiembre de 2016 (mismos puntajes de Ser Pilo Paga 1) o en caso de ser indígena, estar registrado en Base Censal del Ministerio del Interior con corte a 30 de septiembre de 2015. e) Ser admitido en uno de los programas ofertados por alguna de las 44 Institución de Educación Superior acreditada en alta calidad. Además de cubrir los costos de matrícula durante el tiempo establecido por el programa elegido, el crédito-beca también otorga un beneficio de sostenimiento cuyo monto depende del lugar elegido por los jóvenes beneficiarios para cursar sus estudios de educación superior. Para las tres rondas de Ser Pilo Paga el subsidio se otorga de acuerdo a los siguientes criterios: SM.M.L.V Área 1 S.M.M.L.V por semestre Estudiantes que no requieran desplazarse del lugar de residencia de su núcleo familiar para cursar sus estudios 1.5 S.M.M.L.V por semestre

Ser Pilo Paga 1 y 2: Estudiantes que no requieran desplazarse del lugar de residencia de su núcleo familiar y estén ubicados en áreas metropolitanas. Ser Pilo Paga 3: Estudiantes cuyo lugar de residencia del núcleo familiar sea diferente al lugar donde se oferta el programa académico que cursa y estos municipios estén agrupados dentro de la misma región. 4 S.M.M.L.V por semestre Para estudiantes que requieran desplazarse del lugar de residencia de su núcleo familiar a la ciudad donde cursará sus estudios y que no correspondan a áreas metropolitanas Ser Pilo Paga financia programas técnicos profesionales, tecnológicos y universitarios en IES acreditadas en alta calidad, garantizando el crédito condonable durante el número de periodos del programa académico sobre el que se otorga el beneficio. Para la primera cohorte, el programa permite cambios de programa académico o IES por una sola vez dentro de los

16

cuatro primeros semestres del programa inicial, siempre y cuando la nueva institución se encuentre acreditada. Además, el reglamento indica que los semestres adicionales, resultado del cambio, deben ser financiados con recursos propios del beneficiario. Para la segunda cohorte de Ser Pilo Paga, el reglamento también permite cambios de programa o IES pero estos se deben realizar durante los 2 primeros periodos académicos del programa inicial. Al igual que para la primera versión, los beneficiarios de Ser Pilo Paga 2 deben asumir los costos de los semestres adicionales que resultan del cambio de IES o programa. Para las dos cohortes, la pérdida de un semestre no implica la suspensión de los desembolsos pero el programa solo cubrirá los semestres establecidos inicialmente lo cual implica que el beneficiario deberá cubrir los restantes. Igualmente, los beneficiarios que no puedan tomar el crédito condonable por razones justificadas como el servicio militar obligatorio, problemas de salud, calamidades domésticas, entre otros, y que tengan garantizado el cupo en una IES acreditada podrán aplazar el beneficio hasta por dos periodos académicos. Por otro lado, existen casos particulares en los que se suspenden definitivamente los desembolsos. Por ejemplo, el abandono injustificado del programa, la adulteración de documentos, la no presentación de los documentos para la legalización inicial del crédito condonable, el aplazamiento del beneficio por más de dos periodos consecutivos, la suspensión definitiva de los estudios o por expresa voluntad del beneficiario, entre otros. 4.1 Los beneficiarios del programa Con base en la información provista por ICETEX, se observa en la Tabla 2 que lo beneficiarios del programa Ser Pilo Paga son jóvenes que pertenecen en mayor proporción al estrato 1 y 2. En promedio, son estudiantes de 16 años y en su mayoría hombres, tanto en la primera como en la segunda ronda del programa. El promedio del puntaje Sisbén es cercano entre ambas cohortes, aunque es inferior para los beneficiarios de Ser Pilo Paga 2. Adicionalmente, la proporción de jóvenes beneficiarios que pertenecen al área 2 de Sisbén pasó de 35.22% a 52.05% lo cual indica que hay una mayor participación de jóvenes residentes de áreas metropolitanas y zonas rurales de las 14 principales ciudades. Asimismo, en la segunda ronda del programa el 0.59% de los beneficiarios no contaban con puntaje Sisbén pero se encontraban registrados en la Base Censal del Ministerio del Interior la cual los identifica como indígenas. En cuanto al promedio de la prueba Saber 11, este aumentó para la segunda ronda de Ser Pilo Paga. Este resultado va en línea con el aumento del punto de corte de la prueba puesto

17

que pasó de 310 puntos a 318 puntos. En total, se registraron 10,131 beneficiarios de Ser Pilo Paga 1 y 12,600 beneficiarios de la segunda ronda del programa. Tabla 2. Características socioeconómicas y de desempeño académico beneficiarios Ser Pilo Paga 1 y Ser Pilo Paga 2 Ser Pilo Paga 1 Ser Pilo Paga 2 Características Media Desv. Media Desv. Edad 16,53 2.05 16.69 1.05 Hombres 56.90% 57.63% Estrato Estrato 1 39.02% 38.8% Estrato 2 45.29% 45.2% Estrato 3 15.09% 15.3% Estrato 4 o más 0.60% 0.75% Puntaje Sisbén 34.90 14.07 32.21 14.29 Área Sisbén Área 1 (14 principales ciudades) 56.17% 38.62% Área 2 (resto urbano) 35.22% 52.05% Área 3 (rural) 8.61% 8.75% Indígenas 0.59% Puntaje Saber 11 331.67 20.09 343.92 23.73 Total beneficiarios 10,131 12,600 Fuente: Bases Ser Pilo Paga DNP (2016) Respecto a la procedencia de los jóvenes, se encuentra que en las dos rondas todos los departamentos contaron con becarios. Los departamentos que más tuvieron beneficiarios de Ser Pilo Paga 1 como proporción de los jóvenes que presentaron Saber 11 fueron San Andrés, Arauca y Santander. Por su parte, dentro de los cinco municipios que aportaron la mayor proporción de beneficiarios se encuentran tres que pertenecen al departamento de Santander: Páramo, Contratación y Jordán. El municipio con la mayor proporción de beneficiarios fue Panchavita (Boyacá) ya que el 20% de los jóvenes que presentaron la prueba Saber 11 en 2014-2 fueron seleccionados para recibir el crédito-beca.

18

Figura 1. Proporción de beneficiarios Ser Pilo Paga 1 de acuerdo al número de jóvenes que tomaron la prueba Saber 11 a) Departamento b) Municipio

Fuente: Bases Ser Pilo Paga DNP (2016) En la segunda ronda, dentro de los departamentos con más beneficiarios como proporción de los estudiantes que tomaron la prueba Saber 11 seguían presentes San Andrés y Santander. A estos se sumó Nariño, Guainía y Norte de Santander. Dentro de los cinco municipios que contaron con la mayor proporción de beneficiarios, en esta ronda, se encontraban tres pertenecientes a Nariño: Colón, San Pablo y La Cruz, y dos pertenecientes a Boyacá: Corrales y Monguí.

19

Figura 2. Proporción de beneficiarios Ser Pilo Paga 2 de acuerdo al número de jóvenes que tomaron la prueba Saber 11 a) Departamento b) Municipio

Fuente: Bases Ser Pilo Paga DNP (2016) En relación a los subsidios recibidos por los beneficiarios del programa, se encuentra que para las dos cohortes la mayoría de subsidios otorgados fueron de 4 SMMLV. Es decir, una mayor proporción de jóvenes decidió desplazarse de la ciudad donde residía su núcleo familiar para cursar sus estudios. Esta proporción fue de 56.69% en la primera ronda y aumentó a 62.98% en la segunda ronda del programa. Asimismo, el 35.72% de los jóvenes de Ser Pilo Paga 1 decidieron cursar sus estudios en la misma ciudad que residía su familia mientras que esta cifra descendió a 29.21% para los beneficiarios de Ser Pilo Paga 2. En menor proporción, los jóvenes viven en áreas metropolitanas a la ciudad en la que se encuentra la IES a la que asisten.

20

Tabla 3. Distribución de subsidios para los beneficiarios de Ser Pilo Paga 1 y Ser Pilo Paga 2 Ser Pilo Paga 1 Ser Pilo Paga 2 Subsidio Frecuencia Porcentaje Frecuencia Porcentaje 1 SMMLV 3,619 35.72% 3,680 29.21% 1.5 SMMLV 769 7.59% 984 7.81% 4 SMMLV 5,743 56.69% 7,936 62.98% Total 10.131 100 12.600 100 Fuente: Bases Ser Pilo Paga DNP (2016) Aunque en la primera ronda de Ser Pilo Paga se autorizó el crédito-beca a 10,131 jóvenes no todos tomaron o legalizaron el crédito. Como se observa en la Tabla 4, el 90.87% de los jóvenes legalizaron el crédito mientras que el 5% no utilizó el cupo y el 2.64% aplazaron el beneficio. Para la segunda cohorte de Ser Pilo Paga, el porcentaje de créditos-beca legalizados aumentó a 94.54% y el de cupos no utilizados disminuyó a 0.33%. Tabla 4. Estado del crédito-beca en el primer semestre del 2015 (Ser Pilo Paga 1) y el primer semestre del 2016 (Ser Pilo Paga 2) Ser Pilo Paga 1 Ser Pilo Paga 2 Estado del crédito-beca Frecuencia Porcentaje Frecuencia Porcentaje Sin estado 15 0.15% Aplazado 1ra vez 267 2.64% 178 1.41% Cupo no utilizado 507 5.00% 42 0.33% Ingresó en 2015-2 126 1.24% Legalizado con viabilidad jurídica 9,198 90.79% 11,876 94.25% Legalizado sin viabilidad jurídica 8 0.08% 36 0.29% Pendiente de legalizar 10 0.10% 468 3.71% Total 10,131 100 12,600 100 Fuente: Bases Ser Pilo Paga DNP (2016)

21

4.2 Instituciones de educación superior a las que acceden los beneficiarios La distribución de los beneficiarios de acuerdo al origen de la IES en la que se matricularon en primer semestre se muestra a continuación. Para esta caracterización solo se tienen en cuenta aquellos beneficiarios que legalizaron el crédito. Es decir, aquellos cuyo estado en 2015-1 para Ser Pilo Paga 1 y 2016-1 para Ser Pilo Paga 2 es legalizado con viabilidad jurídica o sin viabilidad jurídica. Para la primera ronda, se cuenta con 9,206 beneficiarios y para la segunda ronda con 11,912 beneficiarios. Como se observa en la Tabla 5, tanto en la primera como en la segunda ronda la mayoría de beneficiarios accedieron a instituciones no oficiales. En Ser Pilo Paga 1 esta cifra se ubicó en 84.63% mientras que en el Ser Pilo Paga 2 disminuyó a 83.77%. Tabla 5. Origen de las IES acreditadas a las que asisten los beneficiarios de Ser Pilo Paga 1 y Ser Pilo Paga 2 Origen IES Ser Pilo Paga 1 Ser Pilo Paga 2 Frecuencia Porcentaje Frecuencia Porcentaje Oficial 1,415 15.37% 1.933 16.23% No oficial 7,791 84.63% 9.979 83.77% Total 9,206 100 11,912 100 Fuente: Bases Ser Pilo Paga DNP (2016) Las IES que más beneficiarios recibieron en 2015-1 fueron la Universidad del Norte con el 10.83% de los becarios, La Universidad de la Salle con el 10.58% de los jóvenes y la Fundación Universidad de Bogotá Jorge Tadeo Lozano con el 7.09%. En la segunda ronda del programa, la Fundación Universidad del Norte recibió la mayor proporción de beneficiarios (9.57%) seguida de la Universidad Pontificia Bolivariana que recibió el 5,61% de los becarios y luego la Universidad de la Salle con el 5,49% de los jóvenes que recibieron el beneficio. Tabla 6. IES a las que accedieron los beneficiarios de Ser Pilo Paga 1 y Ser Pilo Paga 2 Código IES Nombre IES Origen Municipio Bene. SPP1 Porcentaje Bene. SPP2 Porcentaje

1713 Fundación Universidad Del Norte No oficial Barranquilla 997 10.83% 1140 9.57% 1803 Universidad De La Salle No oficial Bogotá D.C 974 10.58% 654 5.49% 1707 Fund. Univ. De Bogotá Jorge Tadeo Lozano No oficial Bogotá D.C 653 7.09% 588 4.94%

22

1710 Universidad Pontificia Bolivariana No oficial Medellín 613 6.66% 668 5.61% 1823 Univ. Auto. De Bucaramanga – Unab No oficial Bucaramanga 602 6.54% 487 4.09% 1813 Universidad De Los Andes No oficial Bogotá D.C 529 5.75% 608 5.10% 1828 Universidad Icesi No oficial Cali 389 4.23% 473 3.97% 1711 Universidad De La Sabana No oficial Chía 388 4.21% 634 5.32% 1701 Pontificia Universidad Javeriana No oficial Bogotá D.C 350 3.80% 552 4.63% 1832 Universidad Tecnológica De Bolivar No oficial Cartagena 329 3.57% 445 3.74% 1712 Universidad Eafit No oficial Medellín 316 3.43% 500 4.20% 1704 Universidad Santo Tomás No oficial Bogotá D.C 265 2.88% 200 1.68% 2812 Universidad Ean No oficial Bogotá D.C 264 2.87% 211 1.77% 1812 Universidad De Medellín No oficial Medellín 255 2.77% 459 3.85% 1702 Pontificia Universidad Javeriana No oficial Cali 240 2.61% 460 3.86% 1111 Universidad Tecnológica De Pereira - Utp Oficial Pereira 204 2.22% 219 1.84% 1204 Universidad Industrial De Santander Oficial Bucaramanga 184 2.00% 255 2.14% 1830 Universidad Autónoma De Occidente No oficial Cali 169 1.84% 171 1.44% 1101 Universidad Nacional De Colombia Oficial Bogotá D.C 164 1.78% 203 1.70% 1106 Univ. Ped. Y Tecnológica De Colombia - Uptc Oficial Tunja 152 1.65% 153 1.28% 1102 Universidad Nacional De Colombia Oficial Medellín 134 1.46% 177 1.49% 1714 Col. Mayor De Nuestra Señora Del Rosario No oficial Bogotá D.C 131 1.42% 274 2.30% 2708 Universidad Ces No oficial Medellín 123 1.34% 173 1.45% 2813 Escuela De Ingeniería De Antioquia No oficial Medellín 119 1.29% 129 1.08% 1203 Universidad Del Valle Oficial Cali 112 1.22% 333 2.80% 1201 Universidad De Antioquia Oficial Medellín 104 1.13% 93 0.78% 1112 Universidad De Caldas Oficial Manizales 93 1.01% 95 0.80%

23

1205 Universidad De Cartagena Oficial Cartagena 76 0.83% 76 0.64% 1706 Universidad Externado De Colombia No oficial Bogotá D.C 76 0.83% 147 1.23% 1110 Universidad Del Cauca Oficial Popayán 74 0.80% 48 0.40% 1103 Universidad Nacional De Colombia Oficial Manizales 53 0.58% 67 0.56% 3302 Instituto Tecnológico Metropolitano Oficial Medellín 34 0.37% 26 0.22% 1108 Univ. Ped. Y Tecnológica De Colombia - Uptc Oficial Sogamoso 21 0.23% 47 0.39% 1104 Universidad Nacional De Colombia Oficial Palmira 10 0.11% 12 0.10% 3710 Fundacion Tecnológica Antonio De Arevalo No oficial Cartagena 7 0.08% 1107 Univ. Ped. Y Tecnológica De Colombia - Uptc Oficial Duitama 1 0.01% 19 0.16% 1728 Universidad Sergio Arboleda No oficial Bogotá D.C 1 0.01% 291 2.44% 1117 Universidad Militar - Nueva Granada Oficial Bogotá D.C 109 0.92% 1722 Universidad De Manizales No oficial Manizales 43 0.36% 1825 Universidad Autónoma De Manizales No oficial Manizales 315 2.64% 2704 Col. De Est. Sup. De Administracion - Cesa No oficial Bogotá D.C 2 0.02% 2811 Esc. Colombiana De Ingeniería Julio Garavito No oficial Bogotá D.C 355 2.98% 9102 Esc. De Suboficiales De La F.A.C. Andres M. Diaz Oficial Madrid 1 0.01%

Total Beneficiarios 9,206 100% 11,912 100% Fuente: Bases Ser Pilo Paga DNP (2016) A continuación, se muestran los departamentos en los que se ubican las IES escogidas por los beneficiarios para cursar sus estudios. El 37.01% de los becarios de la primera ronda que legalizaron el crédito se encuentran estudiando en Bogotá, seguido de Antioquia con el 18.44%. Para la segunda ronda del programa, Bogotá y Antioquia seguían liderando la recepción de beneficiarios aunque la primera disminuyó su participación a 35.21%. Sin embargo, es notable

24

que tan solo 11 departamentos contaban con oferta de IES acreditadas para los beneficiarios, lo cual implica que aquellos que provenían de regiones más apartadas tuvieron que movilizarse para poder recibir el crédito-beca. Figura 3. Departamentos receptores de beneficiarios del programa Ser Pilo Paga 1 y Ser Pilo Paga 2 a) Departamento b) Municipio

Fuente: Bases Ser Pilo Paga DNP (2016) 5. Datos Para el análisis de los resultados de corto plazo del programa Ser Pilo Paga se cuenta con dos tipos de información. La primera, son los datos administrativos recolectados por el Ministerio de Educación Nacional, el Departamento Nacional de Planeación, ICETEX y el ICFES, los cuales permiten identificar a cada uno de los jóvenes junto con sus características individuales y las de sus hogares. La segunda fuente de información, son los datos de jóvenes elegibles y no elegibles recogidos a través de encuestas.

25

5.1 Datos Administrativos Los datos del ICFES proveen información individual de los estudiantes que tomaron la prueba Saber 11 en los periodos 2013-2, 2014-2 y 2015-2. Esta base permite identificar el puntaje que obtuvieron los estudiantes en la prueba de estado. Además, cuenta con información socioeconómica de los jóvenes como lo es el nivel educativo de los padres, el estrato socioeconómico, el municipio de residencia, entre otros. La base de datos del Sistema para la Prevención y Análisis de la Deserción en Instituciones de Educación Superior – SPADIES permite conocer si un individuo ingresó a educación superior entre el 2014-1 y el 2016-1. Adicionalmente, permite identificar la IES en la que se matricula cada persona, el programa y su trayectoria académica en educación superior. Se cuenta con la información de Sisbén que permite identificar el universo de jóvenes elegibles del programa. Esta base provee el puntaje Sisbén y el lugar de residencia de los jóvenes que son potenciales beneficiarios del programa. Por su parte, el ICETEX brindó el listado de beneficiarios de Ser Pilo Paga 1 y Ser Pilo Paga 2 incluyendo el estado del crédito-beca a primer semestre, información de la IES en la que fueron admitidos, el monto del subsidio recibido por cada beneficiarios, entre otros. Para la evaluación de impacto se utilizaron las bases de Saber 11, Sisbén, SPADIES y los listados de las dos rondas de beneficiarios de Ser Pilo Paga. En la Tabla 7 y en la Tabla 8 se muestran los diferentes filtros realizados para obtener la muestra final de evaluación. En el 2014-2, 541,874 jóvenes presentaron la prueba Saber 11. De estos, 50,719 jóvenes (9.3%) tuvieron un puntaje superior a 310 puntos y 13,987 cumplían con el puntaje de corte del Sisbén. De esta población elegible, se encontraron 9,294 beneficiarios efectivos del programa que contaban con puntaje Sisbén y puntaje Saber 11. Es decir, el 66.4% de la población elegible resulta beneficiaria del programa.

26

Tabla 7. Muestra Ser Pilo Paga 1 Panel A: Puntaje mayor a 310 Frecuencia Porcentaje Acumulado NO 491,155 90.64 90.64 SI 50,719 9.36 100 TOTAL 541,874 100 Panel B: Puntaje mayor a 310 y elegibilidad de acuerdo al puntaje Sisbén Frecuencia Porcentaje Acumulado NO 36,732 72.42 72.42 SI 13,987 27.58 100 TOTAL 50,719 100 Panel C: Elegibles y Beneficiarios de Ser Pilo Paga Frecuencia Porcentaje Acumulado Elegible no beneficiario 4,693 33.55 33.55 Elegible y beneficiario 9,294 66.45 100 TOTAL 13,987 100 Fuente: Icfes-Saber 11, Departamento Nacional de Planeación, ICETEX y SPADIES (2016) En la Tabla 8, se muestra que 546,654 jóvenes presentaron la prueba Saber 11 en el 2015-2. De estos, 46,420 (8.5%) obtuvieron un puntaje igual o superior a 318 puntos. Adicionalmente, se tienen en cuenta aquellos que cumplen con el puntaje de corte de Sisbén, entonces la muestra se reduce a 14,905 estudiantes. Para esta cohorte, se encontraron 12,064 becarios del programa, es decir, el 80.9% de la población elegible resultó beneficiaria. Tabla 8. Muestra Ser Pilo Paga 2 Panel A: Puntaje mayor a 318 Frecuencia Porcentaje Acumulado NO 500,234 91.51 91.51 SI 46,420 8.49 100 TOTAL 546,654 100 Panel B: Puntaje mayor a 318 y Sisbén menor al contemplado por área Frecuencia Porcentaje Acumulado NO 31,515 67.89 67.89 SI 14,905 32.11 100 TOTAL 46,420 100 Panel C: Beneficiarios de Ser Pilo Paga Frecuencia Porcentaje Acumulado NO 2,841 19.06 19.06 SI 12,064 80.94 100 TOTAL 14,905 100 Fuente: Icfes-Saber 11, Departamento Nacional de Planeación, ICETEX y SPADIES (2016)

27

5.2 Encuesta En adición a los datos administrativos, se realizaron 1,487 encuestas a población elegible y no elegible que presentó la prueba Saber 11 en el segundo semestre del 2015. Los jóvenes de la muestra obtuvieron un puntaje en la prueba de estado cercano al punto de corte (318 puntos) para esta ronda del programa y además, cumplían con los puntajes requeridos de Sisbén. Para escoger el ancho de banda óptimo, se utilizó como variable de respuesta una dummy que toma el valor de 1 si el individuo ingresó a educación superior y 0 de lo contrario. La selección muestral de elegibles y no elegibles tuvo en consideración un estrato de inclusión forzosa que incluye municipios donde se ubican las sedes de las instituciones de educación superior acreditadas que son receptoras de beneficiarios del programa y otros tres estratos de selección de municipios de acuerdo al número de elegibles y no elegibles que hay en cada uno de ellos y de acuerdo a su representatividad dentro de la muestra. Adicionalmente, dado los problemas de pérdida de muestra de los no elegibles para su eventual seguimiento, se estableció un sobremuestreo de esta población. Los detalles de la muestra se exponen en la Tabla 9. Tabla 9. Muestra encuestas a elegibles y no elegibles que tomaron la prueba Saber 11 en 2015-2 Cod. Mun. Municipio Elegible No Elegible Total 5001 Medellín 66 74 140 5615 Rionegro 10 19 29 8001 Barranquilla 52 59 111 8296 Galapa 5 5 10 11001 Bogotá, D.C. 110 117 227 13001 Cartagena 32 38 70 15001 Tunja 13 18 31 15759 Sogamoso 15 21 36 15776 Sutamarchán 2 4 6 17001 Manizales 18 21 39 19001 Popayán 20 23 43 19698 Santander de Quilichao 17 21 38 23001 Montería 30 35 65 25758 Sopó 3 10 13 52001 Pasto 44 47 91

28

52480 Nariño 5 8 13 54001 Cúcuta 51 58 109 63001 Armenia 21 29 50 66001 Pereira 26 30 56 68001 Bucaramanga 30 35 65 73001 Ibagué 31 35 66 76001 Cali 38 50 88 76036 Andalucía 5 8 13 76834 Tuluá 17 20 37 76869 Vijes 2 3 5 5001 Yopal 19 17 36 Total general 682 805 1,487 6. Metodología Al realizar el análisis de las características de los jóvenes elegibles, no elegibles y beneficiarios se observan posibles fuentes de sesgos que se presentan al evaluar el programa. La primera, está relacionada con que no todos los individuos de escasos recursos se ubicaron en el decil superior de la prueba Saber 11. De hecho, solo una baja proporción de jóvenes vulnerables lograron resultados destacados en la prueba de estado lo cual indica que este es un grupo con características particulares. Adicionalmente, no todos los elegibles fueron beneficiarios del programa por lo que dentro de ellos existe una selección que implica diferencias en las características intrínsecas de los jóvenes. Dado esto, comparaciones sencillas entre grupos resultaría en estimaciones sesgadas. Sin embargo, el diseño del programa presenta diversas ventajas para la evaluación. Los potenciales beneficiarios debían cumplir con dos requisitos principales: (i) un puntaje global en la prueba Saber 11 de al menos 310/500 puntos en la primera ronda y 318/500 puntos en la segunda ronda; y (ii) un puntaje Sisbén por debajo de los cortes anteriormente mencionados de acuerdo a la ubicación geográfica del estudiante. Dado que la probabilidad de ser beneficiario del programa varía discontinuamente con estas dos variables continuas, el programa se evalúa mediante la metodología de regresión discontinua –RD. Particularmente, se utiliza una metodología regresión discontinua borrosa – RDB- ya que la regla de asignación no tiene

29

cumplimiento perfecto. Es decir que, algunos individuos elegibles no fueron beneficiarios del programa como se mencionó anteriormente. En este trabajo, se lleva a cabo la estimación de intento de tratamiento (Intent To Treat- ITT) y la estimación de efecto promedio local de tratamiento (Local Average Treatment Effect-LATE). Estas estimaciones se encuentran definidas por las siguientes ecuaciones: a) ITT �� = �� + ����� _���� + ���������_� 11�� + ���� + �� Donde �� son las variables de resultado de interés, ��� _���� es una dummy igual a 1 si el individuo es elegible para el programa, ���������_� 11�� es el polinomio de grado dos respecto al puntaje Saber 11 obtenido por el estudiante, �� son las variable sociodemográficas del individuo y �� es el error. b) LATE Primera Etapa ������ ��!�"�� = #� + #���� _���� + ��$ ������_� 11_�% + #��� + &� Segunda Etapa �� = �� + �������' '�!'"( �� + ���������_� 11�� + ���� + �� La estimación LATE se divide en dos etapas. La primera estima el efecto de ser elegible ���� _����� sobre la probabilidad de ser beneficiario ����� ��!�"��, controlando por el polinomio de grado dos respecto a la prueba Saber 11 ��$ ������_� 11_�% y las variables observables de los jóvenes ����. Posteriormente, se analiza el efecto de la probabilidad estimada �����' '�!'"( �� sobre las variables de interés ����, controlando de nuevo por el polinomio y las variables sociodemográficas de los individuos. En términos generales, se busca comparar a los individuos que cumpliendo con los requisitos del puntaje Sisbén están justo por encima (elegibles) y justo por debajo (no elegibles) del puntaje 310 y 318 en las pruebas Saber 11 de las cohortes 2014-2 y 2015-2, respectivamente. El supuesto básico es que las características socioeconómicas de elegibles y no elegibles son lo suficientemente parecidas y que por consiguiente la única diferencia entre los individuos de ambos grupos es ser beneficiario del programa Ser Pilo Paga. Adicionalmente, es importante

30

mencionar que los análisis de impacto están separados por cohorte de la prueba Saber 11 (2014-1 y 2015-2). Lo anterior, debido a que la comparación entre la primera y las demás rondas es problemática ya que después de Ser Pilo Paga 1 existieron cambios en los incentivos para esforzarse en la prueba de estado. Por otro lado, en la segunda ronda el programa ya era conocido y la tasa de jóvenes que terminaron siendo beneficiarios fue mayor que la tasa de la primera ronda. Esto genera a su vez un problema de endogeneidad en donde ambas cohortes de beneficiarios pueden ser distintas en dimensiones no observables. A continuación, se presentan las diferentes pruebas de validez de la metodología RDB. En primer lugar, para comprobar que los criterios de elegibilidad no hayan sido manipulados se realizan dos pruebas: (i) McCrary de McCrary (2008) y (ii) el test de manipulación de Cattaneo, Jansson & Ma (2016). Los resultados confirman que no existió manipulación alrededor del punto de corte para la primera y la segunda ronda de Ser Pilo Paga (Gráfico 8 y Gráfico 9). Este resultado es el esperado puesto que la prueba Saber 11 es una prueba estandarizada y los puntajes de corte para cada ronda fueron anunciados después de que los estudiantes presentaron la prueba de Estado. Gráfico 8. Prueba de no manipulación de criterios de elegibilidad – Puntaje Saber 11 a) Puntaje Saber 11 2014-2 (elegibles Sisbén) b) Puntaje Saber 11 2015-2 (elegibles Sisbén)

Test de Manipulación (Cattaneo, Jansson & Ma, 2016): P-value 0.2175 Test de Manipulación (Cattaneo, Jansson & Ma, 2016): P-value 0.5807

01

23

4

-10 -5 0 5 01

23

4

-10 -5 0 5

31

Gráfico 9. Prueba de no manipulación de criterios de elegibilidad – Puntaje Sisbén a) Puntaje Sisbén (elegibles Saber 11 2014-2) b) Puntaje Sisbén (elegibles Saber 11 2015-2)

Test de Manipulación (Cattaneo, Jansson & Ma, 2016): P-value 0.4395 Test de Manipulación (Cattaneo, Jansson & Ma, 2016): P-value 0.7055 En cuanto a la escogencia del ancho de banda, se sigue un procedimiento de validación cruzada (cross-validation) sugerido por Imbens y Lemieux (2008) en donde se estima el impacto bajo el modelo de RD con distintos anchos de banda, omitiendo siempre una observación dentro de los cálculos. Esto se repite para cada observación y se escoge aquel ancho de banda que minimice el error tanto del impacto en la variable de interés como de la probabilidad de participación en el programa. Otros de los supuestos para verificar la validez de RD es que exista continuidad de las covariables alrededor del punto de corte. Este análisis se hace con el propósito de comprobar que los individuos que se encuentran por debajo del umbral son similares a los individuos por encima del umbral y por lo tanto, constituyen un buen contrafactual. El Gráfico 10 y el Gráfico 11, muestran la continuidad, o discontinuidad, de las variables socioeconómicas sobre el punto de corte de la prueba Saber 11 exigido el programa Ser Pilo Paga. En este caso se hace el análisis sobre los jóvenes que cumplían con el criterio de elegibilidad de Sisbén. Como se observa en los distintos paneles, hay continuidad en las variables socioeconómicas de los individuos analizados. Cabe decir que en la primera ronda (Ser Pilo Paga), solo hay dos variables que muestran cierta discontinuidad (ver Tabla A 1). Estas son: (i) el nivel educativo de la madre (educación superior)

0.005

.01.015

.02.025

-50 0 50 100 0.005

.01.015

.02-50 0 50 100

32

y (ii) los ingresos del hogar (de 7 SMLV a 10 SMLV). Por el contrario, para la segunda ronda del programa se observa continuidad en todas las covariables de los jóvenes evaluados (ver Tabla A 1). Gráfico 10. Variables socioeconómicas con respecto al puntaje de la prueba Saber 11 – Ser Pilo Paga 1 a) Edad y género b) Ingresos del hogar

c) Educación del padre d) Educación de la Madre

33

Gráfico 11. Variables socioeconómicas con respecto al puntaje de la prueba Saber 11 – Ser Pilo Paga 2 a) Edad y género b) Ingresos del hogar

c) Educación del padre d) Educación de la Madre

En adición a las pruebas de validez anteriormente mencionadas, es necesario comprobar que existe un salto en la probabilidad de tratamiento en el umbral definido por el programa. Entonces, se evalúa si hay un salto en la probabilidad de ser beneficiario de Ser Pilo Paga para los jóvenes que cumplen con el puntaje Sisbén y que se encuentran por encima del puntaje de corte de la prueba Saber 11: 310 para el 2014-2 y 318 para el 2015-2. El Gráfico 12, muestra el cambio en la probabilidad de ser beneficiario con respecto a la distancia al punto de corte para cada cohorte. Se observa que efectivamente existe un salto en la probabilidad de tratamiento cuando los individuos se encuentran por encima del umbral. Estos saltos son en promedio entre 60 y 80 puntos porcentuales. Sin embargo, la probabilidad por encima del punto de corte no es igual a uno debido a que no todos los potenciales jóvenes elegibles son beneficiarios. Entonces,

34

se comprueba que la metodología de estimación de impacto debe ser una regresión discontinua borrosa. Gráfico 12. Probabilidad de ser beneficiario de Ser Pilo Paga a) Ser Pilo Paga 1 b) Ser Pilo Paga 2

7. Resultados A continuación, se muestran los gráficos de los resultados obtenidos a partir de la metodología de regresión discontinua. Para llevar a cabo este ejercicio, se dividen en bins las observaciones antes y después del punto de corte, luego se calculan los valores promedio de la variable de resultado de interés y después de grafican los resultados. Asimismo, se presentan las regresiones a lado y lado del umbral que, en este caso, se estiman mediante un polinomio de segundo grado y muestran los resultados ITT. El Gráfico 13, muestra que en el corto plazo el programa ha tenido un impacto positivo en el acceso a educación superior para aquellos jóvenes que presentaron la prueba Saber 11 en 2014-2 y 2015-2 y obtuvieron un puntaje superior a 310 y 318, respectivamente. Como se observa, el salto en la probabilidad de acceder a una IES en el periodo inmediatamente posterior a la prueba Saber 11 es de alrededor de 35 puntos porcentuales en cada periodo observado (Ser Pilo Paga 1 y Ser Pilo Paga 2).

35

Gráfico 13. Probabilidad de acceso a Educación Superior a) Resultados Ser Pilo Paga 1 b) Resultados Ser Pilo Paga 2

Dado el impacto positivo en acceso a educación superior, se indaga por el tipo de IES elegidas por los jóvenes. En primer lugar, el programa asegura que el acceso a educación superior de alta calidad. Dada esta característica, el Gráfico 14 muestra el salto en la probabilidad de acceso a instituciones de educación superior acreditadas. Como se observa, para ambas cohortes se ubica entre 40 y 45 puntos porcentuales para los jóvenes elegibles. Gráfico 14. Probabilidad de acceso a IES acreditadas c) Resultados Ser Pilo Paga 1 d) Resultados Ser Pilo Paga 2

Asimismo, los beneficiarios del programa tienen la libertad de escoger una IES acreditada oficial o no oficial. En el Gráfico 15 y el Gráfico 16 se muestra el salto en la probabilidad, para ambas cohortes, de acuerdo al sector y la acreditación de la IES. En general, se observa que los jóvenes elegibles tienen una probabilidad más alta de elegir IES no oficiales acreditadas, mientras que no existe una diferencia significativa, entre elegibles y no elegibles al programa, en la probabilidad de escoger IES oficiales acreditadas. Por su parte, en el panel c y d de cada gráfico

36

se muestra que ser elegible disminuye significativamente la probabilidad de acceder a IES no acreditadas, tanto oficiales como no oficiales. Gráfico 15. Probabilidad de acceso por acreditación y sector de la IES – Ser Pilo Paga 1 a) Acceso a IES no oficiales acreditadas b) Acceso a IES oficiales acreditadas

c) Acceso a IES no oficiales no acreditadas d) Acceso a IES oficiales no acreditadas

37

Gráfico 16. Probabilidad de acceso por acreditación y sector de la IES – Ser Pilo Paga 2 a) Acceso a IES no oficiales acreditadas b) Acceso a IES oficiales acreditadas

c) Acceso a IES no oficiales no acreditadas d) Acceso a IES oficiales no acreditadas

Dada la evidencia gráfica del impacto del programa, se muestra a continuación los estimadores puntuales del impacto del crédito-beca mediante la metodología de regresión discontinua borrosa. Se presentan los resultados obtenidos para el impacto de la intención de tratamiento (impacto de ser elegibles) y el impacto local de tratamiento en los tratados (impacto de recibir el crédito-beca) del programa Ser Pilo Paga. Se estiman las regresiones mediante un polinomio de grado dos y todas las estimaciones se hacen utilizando las observaciones que se encuentran en el ancho de banda óptimo obtenido mediante validación cruzada. En adición, hay variables como la elección de la metodología o el nivel del programa que no se deben responder con la muestra completa ya que se estaría comparando con individuos que no fueron beneficiarios y que ni siquiera ingresaron a educación superior. Dado esto, se realizaron

38

estimaciones que comparan individuos que ingresaron al sistema de educación superior con y sin el programa Ser Pilo Paga, dentro del ancho de banda óptimo. La Tabla 10 y la Tabla 11 muestran los resultados obtenidos para las cohortes que presentaron la prueba Saber 11 en 2014-2 y en 2015-2, respectivamente. En primer lugar, se analiza el impacto en la población elegible (ITT) sobre variables como acceso a educación superior, a instituciones acreditadas en alta calidad y el sector de la IES al que van los jóvenes, entre otras. Las primeras tres columnas muestran los resultados ITT para todos los jóvenes que se encuentran dentro del ancho de banda óptimo, mientras que las últimas tres columnas presentan los resultados ITT para la muestra de jóvenes que efectivamente ingresan a educación superior y se encuentran en el ancho de banda óptimo. En primer lugar, se presenta el número de observaciones utilizadas para cada estimación. Luego, se muestra el promedio para cada variable de interés en el grupo de control (jóvenes no elegibles), lo cual permite estimar la importancia de los impactos encontrados. Por último, se presentan los coeficientes estimados y su error estándar. En la Tabla 10, se observa que ser elegible para el programa en el 2014-2 aumenta la probabilidad de acceso a educación superior en 31.8 puntos porcentuales. Para la primera cohorte la magnitud del impacto es equivalente a un aumento de 112% en la probabilidad de acceder a una IES ya que solo el 28.3% de los jóvenes al lado izquierdo del umbral logran acceder a educación superior. Por otro lado, uno de los requisitos del programa es que los jóvenes sean aceptados a una IES de alta calidad. Como se muestra en la tercera columna de la Tabla 10, ser elegible para el programa aumenta la probabilidad de acceso a IES acreditadas en alta calidad en 46.1 puntos porcentuales, mientras que solo el 7.4% de los jóvenes al lado izquierdo del punto de cohorte ingresan a este tipo de instituciones. Cuando se examina el impacto del programa sobre esta variable, pero limitando la muestra a aquellos que ingresan a educación superior, se encuentra que el incremento en la probabilidad de acceso a IES acreditadas es de 56.2 puntos porcentuales. También resulta interesante analizar el impacto del programa sobre la elección de IES oficiales y no oficiales. Se encuentra que ser elegible aumenta la probabilidad de ingresar a una IES no oficial acreditada en 48.6 puntos porcentuales para los jóvenes que toman la prueba Saber 11 en el 2014-2 y se encuentran en el ancho de banda óptimo. En contraposición, no se encuentra un impacto significativo del programa sobre el acceso a las IES acreditadas oficiales. No

39

obstante, las estimaciones sobre la muestra de los individuos que ingresan a educación superior señalan que el impacto en acceso a IES no oficiales acreditadas es de 62.9 puntos porcentuales, mientras que el impacto en IES acreditadas oficiales es de -11.2 puntos porcentuales. Es decir, ser elegible reduce la probabilidad de acceder a una IES acreditada oficial en 11 puntos. Cabe resaltar que ser elegible para el programa reduce la probabilidad de ingresar a una IES no acreditada, tanto oficial como no oficial, en la muestra completa y en aquella que solo tiene en cuenta a los que ingresan a educación superior. Además, para los jóvenes que ingresan a educación superior y se encuentran en el ancho de banda óptimo, ser elegible aumenta la probabilidad de ingresar a un programa presencial en 3.1 puntos porcentuales y reduce la probabilidad de ingresar a programas técnicos y tecnológicos en 2.8 puntos porcentuales y 6.7 puntos porcentuales, respectivamente. Esto implica una reducción en la probabilidad de acceso a programas técnicos de 53% y de 59% a programas tecnológicos. Tabla 10. Resultados de impacto ITT para Ser Pilo Paga 1 (cohorte 2014-2) Variable de resultado Obs. Media control ITT-Toda la muestra Obs. Media control ITT- ingresan a ES Acceso a IES 29,338 0.283 0.318*** N.A N.A N.A (0.0161) Acceso a IES acreditadas 22,371 0.074 0.461*** 5,965 0.273 0.562*** (0.0147) (0.0365) Acceso a IES no oficiales acreditadas 66,615 0.0162 0.486*** 5,402 0.0896 0.629*** (0.006) (0.0393) Acceso a IES oficiales acreditadas 62,596 0.0385 -0.002 13,531 0.1617 -0.112*** (0.006) (0.0177) Acceso a IES no oficiales no acreditadas 60,224 0.0929 -0.067*** 16,621 0.347 -0.228*** (0.007) (0.017) Acceso a IES oficiales no acreditadas 44,545 0.113 -0.085*** 21,303 0.408 -0.325*** (0.009) (0.016) Metodología presencial N.A N.A N.A 17,777 0.930 0.031*** (0.0087) Programas técnicos N.A N.A N.A 10330 0.053 -0.028*** (0.0097) Programas tecnológicos N.A N.A N.A 13,833 0.113 -0.067*** (0.0123) Errores estándar entre paréntesis. * Significancia 10%; ** significancia 5%; *** significancia 1%.

40

Los resultados para la segunda ronda del programa se muestran en la Tabla 11. Los estimadores son similares en dirección a los encontrados para la primera ronda pero varían en magnitud. Primero, se encuentra que el impacto sobre la probabilidad de acceso a educación superior es de 25.8 puntos porcentuales, lo cual representa un aumento de 112%. Por su parte, el efecto del programa en la probabilidad de acceso a IES acreditadas es de 41.2 puntos porcentuales en la muestra completa y de 54.6 puntos porcentuales en la muestra que solo contiene a los que ingresan a educación superior. En este caso, la media de acceso a IES acreditadas para aquellos que se encuentran por debajo del umbral en la prueba Saber 11 de 2015-2 es más alta que la media de los jóvenes que presentaron la prueba en 2014-2. En relación al tipo de IES que eligen los jóvenes por sector y acreditación, se encuentra que el impacto en la probabilidad de acceso a IES acreditadas no oficiales sigue siendo mayor al de IES acreditadas oficiales, que para esta cohorte presenta un impacto negativo tanto en la muestra completa como en la muestra de aquellos que ingresan a educación superior. El aumento en la probabilidad de acceso a IES acreditadas no oficiales es de 54.4 puntos porcentuales en la muestra total y de 67.3 puntos porcentuales en la muestra de los que ingresan a educación superior. Por otro lado, el impacto en la metodología presencial es positivo e igual a 2.9 puntos porcentuales mientras que el impacto en la probabilidad de acceso a programas técnicos para la segunda cohorte de Ser Pilo Paga es de -2.3 puntos porcentuales y el impacto en programas tecnológicos es de -6.6 puntos porcentuales.

41

Tabla 11. Resultados de impacto ITT para Ser Pilo Paga 2 (cohorte 2015-2) Variable de resultado Obs. Media control ITT-Toda la muestra Obs. Media control ITT- ingresan a ES Acceso a IES 66,150 0.231 0.258*** N.A N.A N.A (0.0117) Acceso a IES acreditadas 102,299 0.036 0.412*** 8,325 0.308 0.546*** (0.0060) (0.027) Acceso a IES no oficiales acreditadas 27,417 0.0385 0.544*** 7,823 0.115 0.673*** (0.012) (0.028) Acceso a IES oficiales acreditadas 76,746 0.0391 -0.019*** 29,618 0.140 -0.113*** (0.005) (0.011) Acceso a IES no oficiales no acreditadas 57,776 0.113 -0.074*** 11,134 0.319 -0.252*** (0.008) (0.021) Acceso a IES oficiales no acreditadas 43,235 0.128 -0.124*** 10,583 0.388 -0.297*** (0.009) (0.022) Metodología presencial N.A N.A N.A 22,430 0.941 0.029*** (0.007) Programas técnicos N.A N.A N.A 21,356 0.0429 -0.023*** (0.006) Programas tecnológicos N.A N.A N.A 22,430 0.113 -0.066*** (0.009) Errores estándar entre paréntesis. * Significancia 10%; ** significancia 5%; *** significancia 1%. Ahora, se presentan los resultados de impacto del programa sobre los individuos efectivamente tratados (LATE). Este estimador es relevante debido a que, como se mencionó anteriormente, no todos los elegibles al programa fueron tratados y, por lo tanto, el efecto encontrado para los elegibles puede ser diferente al efecto del programa sobre los beneficiarios. Para llevar a cabo la estimación, se realiza una regresión instrumental en dos etapas. En la primera etapa se estima el impacto de ser elegible sobre la probabilidad de ser tratado y en la segunda etapa se estima el efecto de dicha probabilidad estimada sobre las variables de resultados de interés.

42

A continuación, se muestran los resultados de la primera etapa relacionada con el acceso a una institución de educación superior acreditada2 (Tabla 12). Se muestran los resultados para la primera y la segunda cohorte de Ser Pilo Paga, tanto para toda la muestra como para la muestra limitada a aquellos que ingresaron a educación superior. Como se observa, pertenecer al grupo de elegibles aumenta la probabilidad de ser beneficiario en ambas cohortes y para todas las muestras, con un nivel de significancia del 1%. Cabe resaltar que para todos los casos el F estadístico supera ampliamente el corte de 10, por lo que se cuenta con una primera etapa fuerte que permite identificar los efectos LATE del programa. Tabla 12. Probabilidad de ser beneficiarios del programa Ser Pilo Paga – Primera etapa Ser Pilo Paga 1 Ser Pilo Paga 2 Toda la muestra Ingresan a IES Toda la muestra Ingresan a IES

Elegible 0.5402*** 0.7659*** 0.5428*** 0.882*** (0.01209) (0.02926) (0.00434) (0.017) Estadístico F 1997.51 685.35 15639.60 2608.72 Observaciones 22371 5965 102,299 8325 Errores estándar entre paréntesis. * Significancia 10%; ** significancia 5%; *** significancia 1%. La Tabla 13 resume los resultados LATE de la cohorte que presento las pruebas Saber 11 en el 2014-2. Se encuentra que ser beneficiario de Ser Pilo Paga 1 aumenta la probabilidad de acceder a educación superior en 58 puntos porcentuales. Es decir, el acceso se incrementa en 205% en comparación al acceso promedio del grupo de control. Este impacto es 1.8 veces el impacto ITT presentado anteriormente. En relación al impacto sobre el acceso a IES acreditadas, se observa que la probabilidad de acceder a educación de calidad se incrementa en 85.3 puntos porcentuales para toda la muestra y en 73.4 puntos porcentuales para aquellos que ingresan a educación superior. El impacto es mayor al encontrado en acceso a educación superior debido a que estos jóvenes cuentan con características socioeconómicas que dificultan acceder a este tipo de instituciones en ausencia del programa. 2 Las regresiones de la primera etapa fueron estimadas para cada variable dependiente de interés, los resultados son muy similares a los presentados en la Tabla 12 y están disponibles a solicitud del lector.

43

En relación al tipo de IES al que acceden los jóvenes de la primera ronda del programa, se encuentra que el efecto más alto es sobre la probabilidad de acceso a IES acreditadas no oficiales: 87.3 puntos porcentuales en la muestra completa y 82.0 puntos porcentuales en la muestra de los jóvenes que acceden. Por el contrario, no se encuentra un efecto significativo sobre las IES acreditadas oficiales en la muestra completa y un impacto negativo de 14.3 puntos porcentuales en la muestra de jóvenes que ingresa. El impacto sobre las IES no acreditadas se mantiene negativo, lo cual indica que existe una reducción en la probabilidad de acceso a este tipo de instituciones que es absorbida por el aumento a IES acreditadas no oficiales. El efecto sobre acceso a programas de metodología presencial es positiva y significativa (3.8 puntos porcentuales) y el efecto sobre programas técnicos y tecnológicos es negativo. Tabla 13. Resultados de impacto LATE para Ser Pilo Paga 1 (cohorte 2014-2) Variable de resultado Obs. Media control LATE-Toda la muestra Obs. Media control LATE- ingresan a ES Acceso a IES 29338 0.283 0.580*** N.A N.A N.A (0.0269) Acceso a IES acreditadas 22,371 0.074 0.853*** 5,965 0.273 0.734*** (0.0185) (0.0384) Acceso a IES no oficiales acreditadas 66,615 0.0162 0.873*** 5,402 0.0896 0.820*** (0.008) (0.0379) Acceso a IES oficiales acreditadas 62,596 0.0379 -0.004 13,531 0.1617 -0.143*** (0.010) (0.0225) Acceso a IES no oficiales no acreditadas 60,224 0.0929 -0.121*** 16,621 0.347 -0.291*** (0.013) (0.021) Acceso a IES oficiales no acreditadas 44,545 0.113 -0.153*** 21,303 0.408 -0.412*** (0.016) (0.020) Metodología presencial N.A N.A N.A 17,777 0.930 0.038*** (0.0107) Programas técnicos N.A N.A N.A 10,330 0.053 -0.035*** (0.0121) Programas tecnológicos N.A N.A N.A 13,833 0.113 -0.0838*** (0.0153) Errores estándar entre paréntesis. * Significancia 10%; ** significancia 5%; *** significancia 1%.

44

Los resultados para la segunda cohorte del programa se presentan en la Tabla 14. Al igual que en los resultados ITT, los estimadores para la cohorte que tomó la prueba Saber 11 en el 2015-2 son similares en signo a los jóvenes que tomaron la prueba en 2014-2 aunque las magnitudes presentan variaciones. El efecto de ser beneficiario del programa sobre el acceso a educación superior es de 47.5 puntos porcentuales, lo cual representa un aumento de 205% respecto al promedio de acceso del grupo de control. El impacto sobre el acceso a educación de calidad para toda la muestra es de 75.8 puntos porcentuales y para la muestra de los que ingresan es de 61.9 puntos porcentuales. Esto significa un aumento de 210% en toda la muestra y de 200% en la muestra limitada en acceso a IES acreditadas respecto al promedio de los controles. Por su parte, el tipo de IES que eligen los beneficiarios de la segunda ronda son las IES acreditadas no oficiales. En este caso, la probabilidad de acceder a este tipo de instituciones aumenta en 79.4 puntos porcentuales para los tratados en toda la muestra y en 76.5 para los tratados de la muestra que sólo contiene a los jóvenes que ingresan a educación superior. El impacto del programa sobre las IES acreditadas oficiales y las no acreditadas, tanto oficiales como no oficiales, es negativo y significativo. En cuanto a la metodología presencial, el impacto es positivo y cercano a 3 puntos porcentuales. El efecto sobre el acceso a programas técnicos y tecnológicos es negativo y de -2.7 puntos porcentuales y -7.5 puntos porcentuales, respectivamente.

45

Tabla 14. Resultados de impacto LATE para Ser Pilo Paga 2 (cohorte 2015-2) Variable de resultado Obs. Media control LATE-Toda la muestra Obs. Media control LATE- ingresan a ES Acceso a IES 66,150 0.231 0.475*** N.A N.A N.A (0.0200) Acceso a IES acreditadas 102,299 0.036 0.758*** 8,325 0.308 0.619*** (0.00850) (0.027) Acceso a IES no oficiales acreditadas 27,417 0.0385 0.794*** 7,823 0.115 0.765*** (0.013) (0.027) Acceso a IES oficiales acreditadas 76,746 0.0391 -0.028*** 29,618 0.140 -0.130*** (0.008) (0.013) Acceso a IES no oficiales no acreditadas 57,776 0.113 -0.109*** 11,134 0.319 -0.289*** (0.012) (0.024) Acceso a IES oficiales no acreditadas 43,235 0.128 -0.180*** 10,583 0.388 -0.341*** (0.014) (0.024) Metodología presencial N.A N.A N.A 22,430 0.941 0.033*** (0.008) Programas técnicos N.A N.A N.A 21,356 0.0429 -0.027*** (0.007) Programas tecnológicos N.A N.A N.A 22,430 0.113 -0.075*** (0.011) Errores estándar entre paréntesis. * Significancia 10%; ** significancia 5%; *** significancia 1%. 7.1 Efectos heterogéneos Después de conocer los resultados de impacto del programa Ser Pilo Paga, se analiza si estos dependen del género y la región de donde provienen los jóvenes. A continuación, se presentan los resultados ITT para la muestra completa de ambas cohortes del programa dentro del ancho de banda óptimo. En el Gráfico 17, se observa que para los no tratados el acceso a educación superior es mayor para las mujeres en comparación a los hombres, tanto para Ser Pilo Paga 1 como para Ser Pilo Paga 2. Para la primera cohorte, el acceso promedio del primer grupo es de 29.4% mientras que el acceso del segundo grupo es de 28.0%. Asimismo, para la segunda cohorte el 36.4% de las mujeres no elegibles accedían a educación superior en comparación al 34.4% de los hombres. No obstante, ser elegible para el programa en ambas cohortes aumentó la probabilidad de acceso de los hombres en mayor proporción (significativo al 5% y 1%

46

respectivamente). En Ser Pilo Paga 1, el acceso a educación superior para las mujeres elegibles es de 60.7% y la de los hombres elegibles es de 60.1%. En Ser Pilo Paga 2, estas proporciones eran 65.9% y 67.0% respectivamente. En relación al acceso a IES acreditadas, el porcentaje de acceso para las mujeres y hombres no elegibles es muy inferior al porcentaje de acceso a educación superior. Esta diferencia está relacionada con las condiciones de vulnerabilidad de la población que aquí se analiza. Para esta variable, el acceso de hombres y mujeres no elegibles es igual: 7.9% en la primera ronda y 10.3% en la segunda ronda. Sin embargo, ser elegible aumenta en mayor proporción la probabilidad de acceder a educación superior de calidad para el grupo de mujeres en ambas cohortes, siendo significativo al 1%. En Ser Pilo Paga 1, ser elegible aumenta el acceso a IES acreditadas en alta calidad a 55.0% para las mujeres y a 52.7% para los hombres. En la segunda ronda, el acceso de las mujeres en el ancho de banda a IES acreditadas es de 64.1% y el de los hombres es de 62.1%. Gráfico 17. Efectos heterogéneos del programa Ser Pilo Paga de acuerdo al género – ITT muestra completa a) Ser Pilo Paga 1 b) Ser Pilo Paga 2

En el Gráfico 18 se muestran los resultados del impacto heterogéneo por región. En la primera ronda, la región que tuvo el mayor impacto en acceso a educación superior fue Bogotá ya que la probabilidad de ingresar a alguna IES para los jóvenes de esta región aumentó en 40.5 puntos porcentuales. La región con el menor impacto en acceso a educación superior fue Centro Sur con un aumento de la probabilidad de 21.8 puntos porcentuales que sigue siendo un cifra considerable. En la segunda cohorte, Bogotá también fue la región con el mayor impacto en acceso a educación superior. El aumento en la probabilidad para la capital fue de 42.8 puntos porcentuales mientras la región con el menor impacto en la segunda ronda fue el Pacífico con un aumento en la probabilidad de acceso de 18.3 puntos porcentuales. Además, se encuentra

0%10%20%30%40%50%60%70%

Mujeres noelegible Hombres noelegible MujeresElegible HombreselegibleAcceso a IES Acceso a IES acreditadas0%10%20%30%40%50%60%70%

Mujeres noelegible Hombres noelegible MujeresElegible HombreselegibleAcceso a IES Acceso a IES acreditadas

47

que el efecto diferencial del programa sobre el acceso a educación superior en las distintas regiones, en su mayoría, es significativo al 1% para ambas cohortes. Por su parte, la región con el impacto más alto sobre el acceso a IES acreditadas en la primera ronda fue el Caribe con un aumento en la probabilidad de 57.1 punto porcentuales para los jóvenes elegibles. La región con el menor impacto en la probabilidad de acceso a educación de calidad fue la región Centro Sur, con un aumento de 32.6 puntos porcentuales. Para los jóvenes que presentaron la prueba Saber 11 en 2015-2, la región que más aumento el acceso a IES acreditadas fue Bogotá con 62.6 puntos porcentuales para los jóvenes elegibles y la que tuvo el impacto más bajo fue la región del Llano con un aumento de 39.3 puntos porcentuales. En este caso, el efecto diferencial del programa de acuerdo a la región de procedencia se mantiene con una significancia de 1%, excepto para los jóvenes procedentes del Llano que no muestran una diferencia significativa, en el acceso a IES acreditadas, en comparación con Bogotá. Gráfico 18. Efectos heterogéneos del programa Ser Pilo Paga de acuerdo a la región de procedencia– ITT muestra completa a) Ser Pilo Paga 1

00.10.20.30.40.50.60.70.8

Bogotá Centro Sur

Eje Cafetero

Centro oriente Caribe Pacífico Llano Bogotá Centro

SurEje Cafe

teroCentro

oriente Caribe Pacífico Llano

Acceso a IES Acceso a IES acreditadas

No elegibles Elegibles

48

b) Ser Pilo Paga 2

7.2 Resultados académicos Los resultados anteriormente presentados permiten evidenciar que el programa Ser Pilo Paga ha tenido impactos significativos en variables de corto plazo como lo es el acceso a educación superior de jóvenes elegibles y beneficiarios de este. Sin embargo, para que el programa pueda tener un impacto a largo plazo y logre mejorar la calidad de vida de los beneficiarios, es necesario que los jóvenes culminen los programas académicos que escogieron y, además, que se puedan vincular al mercado laboral. Dado que el tiempo transcurrido entre el inicio del programa y el presente documento es muy corto, los resultados de estas variables aún no se pueden estimar y es necesario llevar a cabo dicho análisis en el mediano y largo plazo. No obstante, para los elegibles y tratados de la primera cohorte es posible evaluar el impacto del programa sobre algunas variables de desempeño académico en su primer año en educación superior. Particularmente, se presentan los resultados para: ausencia inter semestral, materias aprobadas a primer semestre, materias aprobadas a segundo semestre, deserción a primer semestre y deserción a segundo semestre. La primera variable es una dummy igual a uno si el estudiante estuvo matriculado en el 2015-1 pero no se matriculó en 2015-2 y cero de lo contrario. Aunque esta variable no representa deserción, estudios internacionales han

00.10.20.30.40.50.60.70.8Bogotá Centro

SurEje Cafe

teroCentro

oriente Caribe Pacífico Llano Bogotá Centro Sur

Eje Cafetero

Centro oriente Caribe Pacífico Llano

Acceso a IES Acceso a IES acreditadas

No elegibles Elegibles

49

demostrado que la ausencia inter semestral está fuertemente correlacionada con el abandono del sistema educativo. La proporción de materias aprobadas a primer semestre es una variable continua que representa la cantidad de materias que aprobó el estudiante en el primer semestre respecto al total de materias inscritas. La tercera variable de interés es similar a la anteriormente descrita pero se diferencia en que, en esta, se tiene en cuenta las materias aprobadas en primer y segundo semestre respecto a las materias inscritas en ambos semestres. La penúltima variable toma el valor de uno si el estudiante se matriculó en el primer semestre y luego no se volvió a matricular por dos periodos o más en la IES, mientras que la última variable es igual a uno para los desertores de primer semestre y para aquellos que se matricularon en 2015-1 y 2015-2 pero que después de dos periodos no regresaron a la IES en la que se inscribieron inicialmente. En este caso, la metodología de regresión discontinua no es la más apropiada debido a que los que están por encima del umbral entran a IES y programas distintos a los que ingresan los jóvenes que están por debajo del punto de corte de Saber 11. De acuerdo a los resultados de acceso a educación superior, ser elegible incrementa la probabilidad de acceso a IES acreditadas en 46.1 puntos porcentuales y la probabilidad de acceso a IES acreditadas no oficiales en 48.6 puntos porcentuales. Entonces, hacer la comparación del rendimiento académico entre el grupo de tratamiento y control implica una comparación entre IES y, por tanto, calidad educativa muy distinta. Una mejor comparación es evaluar el desempeño de los beneficiarios de Ser Pilo Paga con el resto de sus compañeros de IES acreditadas y programas académicos donde cada beneficiario ingresó. La Tabla 15 muestra las características socioeconómicas promedio de los beneficiarios del programa y sus compañeros del programa académico e IES de su elección. Las bases de datos administrativas permiten encontrar 8,717 tratados de la primera ronda (columna 2) y 26,100 compañeros de beneficiarios (columna 3). La última columna presenta las diferencias normalizadas, sugeridas por Imbens y Rubin (2007), para cada grupo y variable. En general, se observan diferencias importantes en varias características socioeconómicas, reflejando que la población objetivo de este programa son jóvenes destacados y vulnerables. En primer lugar, el promedio de edad y la proporción de hombres en el grupo de beneficiarios y sus compañeros es muy similar. Por su parte, la educación de los padres muestra diferencias significativas. Mientras que alrededor del 65% de madres y padres de los jóvenes beneficiarios alcanzan educación secundaria o menos, esta proporción es cercana a 40% para los

50

otros alumnos de IES acreditadas. Asimismo, solo el 18% de los padres de los tratados alcanzan educación superior mientras que más del 40% de los padres de sus compañeros alcanzan este nivel educativo. En cuanto a las diferencias en estrato, se encuentra que el 74% de los beneficiarios de la primera ronda del programa pertenecen a estrato 1 y 2 entretanto solo el 34% de sus compañeros pertenecen a este grupo. Algo similar ocurre con los ingresos del hogar, el porcentaje de beneficiarios que cuentan con ingresos iguales o inferiores a dos salarios mínimos legales vigentes (SMLV) son el 66% frente al 33% de sus compañeros de IES acreditadas. Respecto a factores académicos, se encuentra que la mayoría de beneficiarios del programa asistieron a la jornada matutina de sus colegios mientras que la mayoría de sus compañeros asistieron a jornada completa. Además, el desempeño promedio en la prueba Saber 11 del colegio de graduación es inferior para los beneficiarios y la diferencia con sus compañeros es significativa. Tabla 15. Características socioeconómicas de los estudiantes que ingresaron a primer semestre en IES acreditadas en 2015-1 (1) (2) Diferencias VARIABLES Beneficiarios Ser Pilo Paga Otros alumnos Normalizadas Género (Hombre=1) 0.566 0.511 0.077 (0.496) (0.499) Edad 16.310 16.511 -0.122 (1.066) (1.242) Nivel Educativo Madre=Primaria 0.185 0.080 0.215 (0.388) (0.272) Nivel Educativo Madre=Secundaria 0.456 0.313 0.205 (0.498) (0.464) Nivel Educativo Madre=Técnico o tecnológico 0.175 0.165 0.018 (0.380) (0.372) Nivel Educativo Madre=Superior/Postgrado 0.179 0.437 -0.380 (0.383) (0.496) Nivel Educativo Padre=Primaria 0.239 0.114 0.228 (0.426) (0.318) Nivel Educativo Padre=Secundaria 0.419 0.299 0.176 (0.493) (0.458) Nivel Educativo Padre=Técnico o tecnológico 0.129 0.132 -0.005 (0.336) (0.338) Nivel Educativo Padre=Superior/Postgrado 0.187 0.438 -0.370 (0.390) (0.496) Estrato 1 0.283 0.099 0.321 (0.450) (0.299)

51

Estrato 2 0.459 0.243 0.312 (0.498) (0.429) Estrato 3 0.229 0.355 -0.192 (0.421) (0.478) Estrato 4 0.023 0.190 -0.368 (0.151) (0.392) Estrato 5 0.004 0.077 -0.257 (0.065) (0.267) Estrato 6 0.001 0.035 -0.183 (0.024) (0.184) Jornada Escolar= Completa 0.225 0.469 -0.353 (0.417) (0.499) Jornada Escolar= Mañana 0.594 0.423 0.238 (0.491) (0.494) Jornada Escolar=Tarde 0.169 0.095 0.154 (0.375) (0.293) Jornada Escolar=Sábados/Domingos 0.006 0.005 0.009 (0.075) (0.069) Jornada Escolar=Nocturno 0.006 0.007 -0.009 (0.079) (0.085) Ingresos del hogar: Menos de 1 SMLV 0.183 0.075 0.225 (0.387) (0.263) Ingresos del hogar: De 1 SMLV a 2 SMLV 0.479 0.254 0.322 (0.499) (0.435) Ingresos del hogar: De 2 SMLV a 3 SMLV 0.211 0.206 0.009 (0.408) (0.404) Ingresos del hogar: De 3 SMLV a 5 SMLV 0.094 0.193 -0.198 (0.292) (0.395) Ingresos del hogar: De 5 SMLV a 7 SMLV 0.021 0.108 -0.246 (0.144) (0.311) Ingresos del hogar: De 7 SMLV a 10 SMLV 0.008 0.079 -0.242 (0.089) (0.270) Ingresos del hogar: Más de a 10 SMLV 0.003 0.085 -0.274 (0.059) (0.278) Observaciones 8,717 26,100 Dadas las diferencias anteriormente mencionadas, para llevar a cabo la comparación del desempeño académico entre los beneficiarios de Ser Pilo Paga y sus compañeros de IES acreditadas es necesario incluir como variables de control en la regresión las características observables de los individuos. El modelo de probabilidad lineal (MPL) que describe la primera estimación es: )*� = �� + �� ∗ ����� + ,-� + ./0 + &�

52

Donde )*� es cualquiera de las cinco variables de desempeño académico de corto plazo de interés, ����� es una dummy igual a uno si el estudiante observado es beneficiario de Ser Pilo Paga y cero de lo contrario, -� es el vector de características socioeconómicas, ./0 es el efecto fijo de programa académico e IES (es un efecto fijo único para cada programa en cada IES) y &� es el error individual. Cabe decir que a pesar de incluir todos los controles y el efecto fijo es posible que existan variables no observables que generen un estimador �� sesgado. Por lo tanto, una segunda estrategia de identificación es un modelo de variable instrumentales en donde la elegibilidad del programa (cumple con puntaje Saber 11 y Sisbén) se utiliza como instrumento. En la Tabla 16 se muestran los resultados obtenidos bajo el modelo de probabilidad lineal y el modelo instrumentado. En la primera columna se presentan las cinco variables de desempeño académico de interés para los jóvenes que ingresaron a educación superior en el periodo 2015-1. La segunda columna muestra el número de observaciones utilizadas en cada regresión y la tercera columna presenta la media para el grupo de compañeros de los beneficiarios del programa. En relación a los resultados, se encuentra que después de controlar por las variables observables, los beneficiarios de Ser Pilo Paga tienen una menor probabilidad de ausencia inter semestral que el resto de sus compañeros primíparos. En el modelo de probabilidad lineal, mientras el 11.2% de los estudiantes que ingresaron a una IES acreditada en 2015-1 no se matricularon en 2015-2, esta cifra es inferior en 4.5 puntos porcentuales para los beneficiarios del programa. Es decir, el porcentaje de jóvenes beneficiarios que no se matricularon en 2015-2 fue de 6.7%. La reducción en la probabilidad de ausencia en el modelo instrumentado es un poco inferior, pero sigue siendo negativo (-3.5 puntos porcentuales). Por otro lado, no se encuentra una diferencia significativa en la proporción de materias aprobadas a primer semestre entre los beneficiarios y no beneficiarios del programa, pero se observa una diferencia significativa y marginal en la proporción de materias aprobadas a segundo semestre. En promedio, los jóvenes matriculados en IES acreditadas aprueban el 82.2% de las materias inscritas hasta segundo semestre y los beneficiarios aprueban una proporción inferior en 0.8 puntos porcentuales, es decir que aprueban 81.4% de las materias que inscriben. Un resultado más interesante es el que se encuentra en deserción, siendo esta variable una dummy igual a uno si el estudiante no se observa matriculado por dos periodos o más en la IES en la que se inscribió en primer semestre. Los resultados señalan que la deserción promedio de los

53

compañeros de los beneficiarios es de 10.9% mientras que los jóvenes que reciben el crédito-beca, en promedio, tienen una deserción de 4.9% (6 puntos porcentuales menos). Este resultado tiene la misma dirección pero es inferior para el modelo instrumentado. Finalmente, se observa que el efecto sobre la deserción a segundo semestre es más alto que el encontrado para la deserción a primer semestre. Esto indica que el efecto sobre deserción se amplía a través del tiempo para los beneficiarios del programa. Tabla 16. Resultados de impacto en desempeño académico temprano para Ser Pilo Paga 1 (cohorte 2014-2) Modelo de Probabilidad Lineal Probabilidad lineal Observaciones Media control Sin Instrumentar Instrumentado Ausencia inter semestral 30,331 0.167 -0.071*** -0.051*** (0.006) (0.007) Proporción de materias aprobadas a primer semestre 27,187 0.772 0.00004 -0.001 (0.004) (0.005) Proporción de materias aprobadas a segundo semestre 30,656 0.822 -0.008** -0.009** (0.003) (0.004) Deserción a primer semestre 30,331 0.145 -0.066*** -0.049*** (0.006) (0.007) Deserción a segundo semestre 34,182 0.177 -0.079*** -0.072*** (0.007) (0.007) Controles socioeconómicos SI SI Efectos Fijos de IES SI SI Errores estándar entre paréntesis. * Significancia 10%; ** significancia 5%; *** significancia 1%. Nota: Las 7.3 Placebo con datos del 2013-2 Un ejercicio de robustez adicional son los resultados de las estimaciones RD utilizando información de los estudiantes que presentaron la prueba Saber 11 en el periodo 2013-2. En primer lugar, se espera que los jóvenes que tomaron la prueba de Estado en 2014-2 y en 2013-2 sean parecidos en habilidades y características socioeconómicas. La única diferencia esperada es la existencia del programa Ser Pilo Paga y las oportunidades que este brinda a los jóvenes vulnerables de la cohorte 2014-2. Por lo tanto, se realizan las estimaciones de RD con los datos de los jóvenes que presentaron la prueba Saber 11 un año antes de la aparición del programa. En general, se espera que los impactos locales encontrados en acceso y tipo de IES para la primera cohorte de Ser Pilo Paga no se observen para esta cohorte.

54

Para seleccionar el grupo se debe tener en cuenta que la forma en la que se pondera el puntaje total cambió entre el 2013-2 y el 2014-2. En el primer periodo, el puntaje se calculaba por medio de un promedio ponderado de las 8 áreas principales (química, biología, física, ciencias sociales, filosofía, lenguaje, matemáticas e inglés)3 y arrojada un puntaje entre 0 y 100. En el periodo 2014-2, el puntaje variaba entre 0 y 500 y se calculó como un promedio ponderado entre lectura crítica, ciencias naturales, ciencias sociales y competencias ciudadanas, inglés y matemáticas4. Estas diferencias se concilian a través de la estandarización de los puntajes de cada semestre de forma que la media sea igual a cero y la desviación estándar sea igual a uno. Después, considerando que el puntaje de corte para la primera ronda del programa fue de 310 en la prueba Saber 11 y que el 9.34% de jóvenes resultaron elegibles, se calcula la misma proporción para la cohorte que presentó la prueba en 2013-2. Luego, se realiza el filtro de acuerdo al puntaje Sisbén dado que es una de las condiciones para ser beneficiario del programa. Se encuentra que si el programa Ser Pilo Paga hubiera existido en el periodo 2013-2 habrían 12,883 jóvenes elegibles, mientras que en el 2014-2 hubo 15,422 elegibles que cumplían con el puntaje Saber 11 y con el puntaje Sisbén. De esta forma, se lleva a cabo el análisis de regresión discontinua por medio del cálculo óptimo del ancho de banda. En el Gráfico 19 se muestra la probabilidad de estar matriculado en educación superior en el 2014-1 para la cohorte que presentó la prueba Saber 11 en 2013-2 y que cumple con el puntaje Sisbén requerido para ser beneficiario del programa. Se observa que la probabilidad es continua en el ancho de banda óptimo y, por lo tanto, haber obtenido un puntaje en la prueba Saber 11 igual o superior al punto de corte requerido por el programa no generó una probabilidad mayor de acceder a educación superior. Entonces, el salto en la probabilidad observado para la muestra de jóvenes que presentó la prueba en 2014-2 y 2015-2 sí es causado por el crédito-beca Ser Pilo Paga. 3 El cálculo del puntaje de la prueba Saber 11 para el período 20132 considera la suma entre el puntaje obtenido en las áreas de química, física, biología, filosofía, idioma extranjero, junto con, dos veces el puntaje obtenido en el área de ciencias sociales, tres veces el puntaje obtenido en leguajes, y tres veces el puntaje que correspondiente a matemáticas. Dicha suma se divide en 13, y de esta forma se consigue el puntaje global. 4 El cálculo del puntaje obtenido en la prueba Saber 11 20142 corresponde a la suma del puntaje obtenido en inglés, más tres veces lo obtenido en matemáticas, lectura crítica, ciencias naturales y ciencias sociales. Toda la suma se pondera por último por 500/1300.

55

Gráfico 19. Probabilidad de entrar a educación superior dado el puntaje de la prueba Saber11 – 2013-2

8. Resultados con base en la encuesta 8.1 Caracterización En esta sección se realiza una caracterización breve5 de los jóvenes beneficiarios del programa Ser Pilo Paga con base en la encuesta realizada a los jóvenes que tomaron la prueba Saber 11 en el 2015-2. Las encuestas se realizaron a una muestra representativa de individuos que cumplieron con el puntaje Sisbén y que estuvieron alrededor del punto de corte de Saber 11 (318 puntos). La muestra se puede dividir en elegibles y no elegibles o beneficiarios y no beneficiarios. Los elegibles son aquellos que obtuvieron un puntaje igual o mayor a 318 mientras que los no elegibles son aquellos con un puntaje por debajo de 318 pero muy cerca a este. Asimismo, los no beneficiarios se componen de los jóvenes que obtuvieron un puntaje inferior a 318 y, por lo tanto, no fueron elegibles para el programa y de los jóvenes que siendo elegibles no recibieron el crédito-beca. Se realizó el levantamiento de la línea de base con encuestas a 1,487 jóvenes que cumplían con el requisito de Sisbén requerido por el programa Ser Pilo Paga y que se encontraban alrededor del punto de corte de Saber 11. Dentro de la muestra, 682 jóvenes obtuvieron un puntaje igual o superior a 318 en la prueba Saber 11 mientras que 805 obtuvieron un puntaje 5 Se realizó una caracterización más extensa con base en toda la encuesta y que está disponible en “Evaluación de impacto de corto plazo del programa Ser Pilo Paga: http://sinergiapp.dnp.gov.co/#Evaluaciones/EvalFin”. En el presente documento solo se presentan los resultados que se consideran más relevantes.

56

inferior. Luego, se realizó una validación interna de los datos y se encontraron 24 jóvenes beneficiarios de Ser Pilo Paga que habían aplazado semestre y otros cuatro individuos que no reportaron estar estudiando pese a que estaban matriculados en IES acreditadas según SPADIES. Dado la falta de información y al no tener claridad sobre la condición de tratamiento, se decidió no usar estas 28 observaciones En primer lugar, se analizan las respuestas de los beneficiarios de Ser Pilo Paga 2 respecto al escenario hipotético en el que el programa no hubiese existido. El ráfico 20 presenta las respuestas de los jóvenes beneficiarios en relación a la pregunta: Si el programa Ser Pilo Paga no hubiese existido, ¿qué estaría haciendo en estos momentos? Se observa que el 46% estaría estudiando en otra universidad mientras que el 22% estaría trabajando para poder ingresar a una institución de educación superior. Solo el 5% considera que estaría estudiando en la misma IES a la que ingresó con el programa y alrededor del 10% estaría esperando para ingresar a la educación superior. En adición, para aquellos que respondieron que estarían estudiando en ausencia del programa o pretendían ingresar en algún momento a educación superior, también se les preguntó ¿A qué nivel de educación asistiría? Una mayor proporción de jóvenes (70%) respondió que estaría o pretendía ingresar al nivel profesional universitario, seguido de un 18% de jóvenes que respondieron que estarían en un tecnólogo y un 12% en un técnico profesional. Estos resultados muestran que en ausencia del programa los jóvenes no estudiarían en la IES deseada y en la que efectivamente ingresaron, además tendrían que optar por programas de un nivel educativo diferente como técnico profesionales y tecnólogos.

57

Gráfico 20. Si el programa Ser Pilo Paga no hubiese existido, ¿qué estaría haciendo en estos momentos? Gráfico 21. ¿A qué nivel de educación asistiría?

En relación a la distribución del subsidio de manutención que reciben los beneficiarios del crédito-beca, en el Gráfico 22 se observa que el rubro que más participación tiene es el gasto en transporte (28%) seguido de alimentación (25%), arriendo o cuota hipotecaria (15%) y materiales para clase (14%). Entre los otros rubros, se destaca que en promedio el 6% del subsidio se destina a ayuda de familiares. Estas son las respuestas promedio de los beneficiarios, pero pueden existir diferencias en la distribución del subsidio entre aquellos beneficiarios que permanecieron en su hogar y aquellos que debieron cambiar de ciudad para acceder a las instituciones de educación superior acreditadas. Por lo tanto, el Gráfico 23 muestra los rubros en los cuales los beneficiarios que se movilizaron gastan el subsidio otorgado por el programa. En este caso, el gasto que implica la mayor proporción es arriendo o cuota hipotecaria con un 29.4% seguido del gasto en alimentación (28.1%) y transporte (13.1%).

0102030

4050Propor

ción

N: 7.421

Trabajando hasta jubilarseTrabajando para entrar a ESEstudiando en esta universidadEstudiando en otra universidadEsperando para ingresar a ESHaciendo nadaEstudiando en el SenaOtro

0102030

40506070

80Propor

ción

N: 7.235

Técnico profesionalTecnológicoProfesional universitarioFormación para el trabajo

58

Gráfico 22. Del 100% del apoyo de sostenimiento que recibió, ¿qué porcentaje ha gastado en?-Todos los beneficiarios Gráfico 23. Del 100% del apoyo de sostenimiento que recibió, ¿qué porcentaje ha gastado en? – Beneficiarios que tuvieron que trasladarse de ciudad

Luego, se preguntó a los jóvenes elegibles y no elegibles que accedieron a educación superior por su elección de programa. En relación al momento en el que tomaron la decisión, la mayor proporción de jóvenes elegibles escogió el programa de educación superior que está cursando antes de matricularse en grado noveno (32.5%), seguido por aquellos que tomaron la decisión cuando terminaron el colegio (30.3%). La mayor proporción de jóvenes no elegibles también tomó la decisión antes de cursar noveno (37.5%), seguido de una proporción importante que tomó la decisión al terminar el colegio (34.1%). Sin embargo, dentro de los elegibles el 14% tomó la decisión cuando era pequeño en comparación con un 10% de los no elegibles que tomaron la decisión en esa época. En cuanto a la razón por la cual eligieron el programa, se encuentra que tanto los elegibles como los no elegibles reportan que la elección se basó en preferencias (era el que quería) y también consideraron relevante el prestigio del programa. No obstante, dentro de los jóvenes elegibles fue importante el pensum del programa mientras que dentro de los no elegibles también fue importante el precio del programa al que se matricularon y que este se encontraba en una IES pública6. 6 En la pregunta los jóvenes podían escoger hasta tres opciones por lo que la suma de los porcentajes no es igual a 100%.

05101

5202530

Promedio

N: 7.421

Alimentación Arriendo o cuota hipotecariaInternet y celular Servicios públicosTransporte Materiales de claseOcio VestuarioAyuda a familiares AhorroCréditos o préstamos Otros

05101

5202530

Promedio

N: 3.543

Alimentación Arriendo o cuota hipotecariaInternet y celular Servicios públicosTransporte Materiales de claseOcio VestuarioAyuda a familiares AhorroCréditos o préstamos Otros

59

Gráfico 24. La carrera que escogió la tuvo en mente desde Gráfico 25. ¿Por qué eligió este programa?

Posteriormente, se les pregunto a quienes reportaron no estar inscritos en un programa de educación superior, tanto elegibles como no elegibles, por las barreras que impidieron que continuaran en el sistema educativo. En el Gráfico 26 se observa que la principal razón de los elegibles para no asistir a educación superior es la falta de recursos económicos (23.9%), seguida de otras razones (23.2%) y, luego, por no saber que estudiar (16.3%). Asimismo, dentro de los no elegibles la principal razón para no asistir a educación superior es la falta de recursos económicos (67.9%%). Gráfico 26. ¿Cuál es la principal razón por la que no asiste a educación superior?

Adicionalmente, se realizaron preguntas acerca del proyecto de vida de los jóvenes. A continuación, en el Gráfico 27 se presentan las respuestas de elegibles y no elegibles frente a sus expectativas salariales en 30 años. Se observa que los jóvenes elegibles tienen expectativas

010

2030

40Propor

ción

Elegible No elegible Total

N: 19.706, Elegibles: 8.698, No elegibles: 11.008

Cuando era pequeñoPoco antes de cursar novenoCuando terminó el colegioDecidió solicitar admisiónCuando conoció puntaje Saber11

020

4060

80Propor

ción

Elegible No elegible Total

N: 19.706, Elegibles: 8.698, No elegibles: 11.008

Prestigio Estaba en IES privadaEstaba en IES pública Precio asequibleÚnico en mi región Conocidos en el prog.Era el que quería Pensum me gustó másÚnico en el que me recibieron

0102030

40506070

Proporción

Elegible No elegible Total

N: 11.858, Elegibles: 1.184, No elegibles: 10.674

Falta de recursos económicos No sabía qué estudiarEstá esperando para ingresar Está esperando algún tramiteProblemas con trámites Problemas de ofertaEstá estudiando No cumplía los requisitosOtros

60

salariales más altas que los no elegibles. El 25.4% de los elegibles esperan un ingreso entre $4.9 millones y $7.0 millones a los 30 años, mientras que el 20% de los no elegibles esperan estar en este rango salarial. Asimismo, el 18.8% de los no elegibles espera recibir entre $2.1 millones y $3.5 millones en comparación al 12.8% de los elegibles. No obstante, el 9.2% de los elegibles esperan recibir más de $15 millones frente a un 11.5% de los no elegibles. Gráfico 27. Cuando usted tenga 30 años, el total de ingresos mensuales que usted aspira ganar es (a precios de hoy)

8.2 Resultados Después de caracterizar a los jóvenes elegibles y no elegibles, se miden los efectos del programa con los datos de línea de base. Se intenta hacer un análisis paralelo al que se llevó a cabo con los datos administrativos, pero no se estiman los efectos sobre desempeño académico debido a que los jóvenes encuestados presentaron la prueba Saber 11 en 2015-2 y al momento de realizar el levantamiento de datos los que ingresaron a educación superior se encontraban cursando primer semestre. No obstante, se analiza el impacto del programa sobre educación superior, calidad de vida, percepciones y expectativas de los jóvenes e índices no cognitivos. En primer lugar, se realizan estimaciones de intención de tratamiento (ITT) con la información de la encuesta. El Gráfico 28 presenta el cambio en la probabilidad de acceder a educación superior (programa profesional, técnico profesional o tecnológico) de acuerdo a la elegibilidad de los jóvenes. Para los no elegibles la probabilidad de acceso es cercana a 50% mientras que los jóvenes que obtuvieron un puntaje igual o superior a 318 puntos en la prueba Saber 11 (elegibles) tienen una probabilidad de acceso cercana a 90%.

051

0152

025

Proporción

Elegible No elegible Total

N: 31.564, Elegibles: 9.882, No elegibles: 21.682

Menos de $700.000 Entre $700.001 y $1.400.000Entre $1.400.001 y $2.100.000 Entre $2.100.001 y $3.500.000Entre $3.500.001 y $4.900.000 Entre $4.900.001 y $7.000.000Entre $7.000.001 y $15.000.000 Más de $15.000.000

61

Gráfico 28. Probabilidad de acceder a educación superior – Datos de línea de base

En la Tabla 17, se observan los resultados de la regresión. Se encuentra que ser elegible aumenta la probabilidad de acceso a educación superior en 41.6 puntos porcentuales. Este resultado es más alto que el encontrado con los datos administrativos debido a que pueden existir problemas de sub-reporte por parte de la IES en la base SPADIES. En la encuesta, por su parte, el reporte lo hace el mismo joven. Tabla 17. Efecto sobre acceso a educación superior – ITT con línea de base Toda la muestra (N=1,459) Variable resultado Media Control Elegible

Acceso a Educación Superior 0.482 0.416*** (0.021) Errores estándar entre paréntesis. * Significancia 10%; ** significancia 5%; *** significancia 1%. Un segundo grupo de variables de interés que no estaban disponibles en los datos administrativos pero que se preguntaron en la encuesta son aquellas relacionadas con la calidad de vida de los jóvenes. Dado que la encuesta se llevó a cabo a mitad del primer semestre, es probable que algunos jóvenes hayan cambiado de vivienda y ya no habiten la casa en la que estaban al momento de tomar la prueba Saber 11. Para este fin, se construyeron cuatro variables:

.2.4

.6.8

1Fracció

n

-.5 0 .5Distancia al punto de corte

Acceso a educación superior

62

hacinamiento crítico7, acceso a servicios públicos inadecuados, si tenía computador y si tenía computador con internet. Se asume que un joven tiene acceso a servicios públicos inadecuados si le faltaba al menos un servicio entre energía electica, acueducto, alcantarillado o recolección de basuras. En el Gráfico 29 se hace una aproximación visual del impacto del programa. Al parecer, los elegibles tienen menos hacinamiento, tienen más probabilidad de contar con computador e internet. Gráfico 29. Representación gráfica de efectos sobre calidad de vida – Datos de línea de base

En la Tabla 18, se analiza el efecto de ser elegible sobre las variables relacionadas con la calidad de vida de los jóvenes. El efecto sobre toda la muestra (Panel A) es negativo para acceso a servicios públicos inadecuados, es decir que ser elegible disminuye la probabilidad de no contar con todos los servicios básicos. Asimismo, ser elegible aumenta la probabilidad de tener computador en 13% y la probabilidad de tener internet en 19%. Los efectos estimados sobre la muestra que ingresa a educación superior (Panel B), señalan que los jóvenes elegibles tienen una mayor probabilidad de contar con computador y computador con internet. El aumento en la probabilidad es de 6% y 9%, respectivamente. 7 De acuerdo a la definición de la Encuesta Nacional de Calidad de Vida del DANE(2009)

0.05.1

.15.2

Fracción

-.5 0 .5Distancia al punto de corte

Hacinamiento crítico

0.05.1.15

.2.25Fracció

n-.5 0 .5Distancia al punto de corte

Servicios inadecuados

.6.7.8

.91Fracció

n

-.5 0 .5Distancia al punto de corte

Tiene computador.5.6

.7.8.91

Fracción

-.5 0 .5Distancia al punto de corte

Tiene computador con internet

63

Tabla 18. Efecto sobre calidad de vida – ITT con línea de base Variable resultado Observaciones Media Control Elegible

Panel A: Toda la muestra Hacinamiento crítico 1459 0.041 -0.013 (0.009) Servicios públicos inadecuados 1459 0.07 -0.022* (0.012) Tiene computador 1458 0.762 0.098*** (0.02) Tiene computador con internet 1458 0.659 0.124*** (0.023) Panel B: Ingresan a Educación Superior Hacinamiento crítico 975 0.041 -0.019 (0.012) Servicios inadecuados 975 0.057 -0.006 (0.015) Tiene computador 975 0.82 0.048** (0.024) Tiene computador con internet 975 0.727 0.064** (0.028) Errores estándar entre paréntesis. * Significancia 10%; ** significancia 5%; *** significancia 1%. En la encuesta, se midieron expectativas y percepciones de los jóvenes respecto a su vida. Las cinco variables de interés son: expectativa de movilidad social, satisfacción de vida, expectativa de salarios, auto-percepción de pobreza y clima familiar. La primera, es una variable dicótoma que toma el valor de 1 si el joven considera que cuando tenga 30 años va a pertenecer a una clase social superior a la que cree que pertenece ahora. La variable de satisfacción de vida captura que tan satisfecho se encuentra un joven con su vida en una escala de 1 a 5, donde 5 es muy satisfecho. La expectativa de salarios está compuesta de 5 intervalos, donde 5 es el rango de mayor salario en el que el joven aspira a estar cuando tenga 30 años. La auto-percepción de pobreza es una variable dicótoma igual a 1 si el joven se considera pobre. El clima familiar es una variable que va de 1 a 5 y captura si el joven pasa tiempo con su familia, si hay apoyo, si hay discusiones, entre otros.

64

En el Gráfico 30 se hace una primera aproximación al efecto de ser beneficiario sobre las variables anteriormente mencionadas. Se observa que, al parecer, los jóvenes elegibles tienen una menor expectativa de movilidad social y un peor clima familiar. Además, muestran una mayor satisfacción con su vida y una mayor expectativa de salarios. Ser elegible no afecta la auto-percepción de pobreza. Gráfico 30. Representación gráfica de efectos sobre calidad de vida – Datos de línea de base

Luego, se realizan las regresiones para conocer con certeza el impacto de ser elegible y si este es estadísticamente diferente de cero. En el Panel A se muestran los impactos sobre toda la muestra. Se encuentra que ser elegible mejora la satisfacción de vida, aumenta la expectativa de salarios y disminuye el índice de clima familiar. En relación a los estimadores de la muestra de jóvenes que ingresan a educación superior (Panel B), se observan efectos positivos sobre la satisfacción de vida, expectativas de salarios y autopercepción de pobreza mientras que el efecto negativo sobre el índice de clima familiar se mantiene. Es importante resaltar que tanto elegibles como no elegibles reportaron altos y positivos niveles en sus relaciones familiares. Sin embargo, los jóvenes elegibles en su mayoría ingresaron a educación superior y se trasladaron de ciudad, lo cual implica mayor dificultad para comunicarse con su familia y compartir tiempo con ellos (variables relevantes dentro del índice de clima familiar). Entonces, la disminución de este índice en los elegibles no necesariamente se encuentra asociado a peores relaciones familiares.

.7.8

.91

Fracción

-.5 0 .5Distancia al punto de corte

Expecativa de movilidad social

33.5

44.5

Fracción

-.5 0 .5Distancia al punto de corte

Satisfacción de vida

55.5

66.5

Fracción

-.5 0 .5Distancia al punto de corte

Expectativa de salarios

0.1

.2.3

.4Fracció

n

-.5 0 .5Distancia al punto de corte

Auto-percepción de pobreza

3.63.8

44.2

Fracción

-.5 0 .5Distancia al punto de corte

Clima familiar

65

Tabla 19. Efecto sobre expectativas y percepciones de los jóvenes – ITT con línea de base Variable resultado Observaciones Media Control Elegible

Panel A: Toda la muestra Expectativa de movilidad social 1459 0.906 -0.005 (0.016) Satisfacción de vida 1459 3.824 0.325*** (0.048) Expectativa de salarios 1459 5.307 0.513*** (0.077) Auto-percepción de pobreza 1459 0.123 0.028 (0.018) Clima familiar 1457 3.952 -0.071** (0.032) Panel B: Ingresan a Educación Superior Expectativa de movilidad social 975 0.928 -0.028 (0.018) Satisfacción de vida 975 4.101 0.106* (0.057) Expectativa de salarios 975 5.469 0.364*** (0.097) Auto-percepción de pobreza 975 0.088 0.061*** (0.021) Clima familiar 974 3.974 -0.081** (0.04) Errores estándar entre paréntesis. * Significancia 10%; ** significancia 5%; *** significancia 1%. La encuesta también permitió medir algunas variables no cognitivas como autoeficacia8, depresión, agencia9, perseverancia y apoyo social. En el Gráfico 31 se muestra el efecto de ser 8 La autoeficacia hace referencia a habilidades en aspectos como organizar el horario, tomar notas y obtener buenos resultados en los exámenes, se consideran a sí mismos mejores estudiando y escribiendo, y con buenas calificaciones. Para crear este índice se usaron preguntas que sólo se hicieron a personas que habían ingresado a educación superior, lo que explica por qué no se hace la regresión para toda la muestra. 9 La agencia hace referencia a la sensación de control y conciencia sobre la propia capacidad para iniciar y ejecutar sus acciones y su situación.

66

elegible sobre las variables anteriormente mencionadas. Se observa que ser elegible tiene un efecto negativo en autoeficacia, en perseverancia y apoyo social. Además, ser elegible aumenta la depresión y no tiene efecto sobre agencia. Gráfico 31. Representación gráfica de efectos sobre variables no cognitivas – Datos de línea de base

La Tabla 20, presenta los efectos de ser elegible y su significancia. Se encuentra que, en toda la muestra (Panel A), ser elegible aumenta la depresión, disminuye la perseverancia y el apoyo social en línea con lo observado en el Gráfico 31. Los efectos sobre aquellos que ingresan a educación superior se mantienen: los elegibles tienen mayores niveles de depresión, menos perseverancia y menos apoyo social, además, su autoeficacia es menor. Estos resultados pueden ser consecuencia del momento en el que se realizó la encuesta dado que los jóvenes ya se encontraban cursando primer semestre y deben enfrentarse a nuevos retos, ajustar hábitos y expectativas dado su nuevo contexto. En este caso, se hace relevante pensar en los efectos no esperados del programa que pueden tener secuelas en la calidad de vida y el desempeño de los jóvenes beneficiarios del programa.

3.63.8

44.24

.4Fracció

n

-.5 0 .5Distancia al punto de corte

Autoeficacia

1.61.71.8

1.922.1

Fracción

-.5 0 .5Distancia al punto de corte

Depresión

44.24

.44.64

.8Fracció

n

-.5 0 .5Distancia al punto de corte

Agencia3.53.

63.73.83.

94Fracció

n

-.5 0 .5Distancia al punto de corte

Perseverancia3.4

3.63.8

44.2

Fracción

-.5 0 .5Distancia al punto de corte

Apoyo social

67

Tabla 20. Efecto sobre variables no cognitivas – ITT con línea de base Variable resultado Observaciones Media Control Elegible Panel A: Toda la muestra Autoeficacia N.A N.A N.A Depresión 1,459 1.734 0.125*** (0.026) Agencia 1,459 4.536 -0.009 (0.036) Perseverancia 1,458 3.809 -0.099*** (0.029) Apoyo social 1,459 3.823 -0.090** (0.036) Panel B: Ingresan a Educación Superior Autoeficacia 975 4.19 -0.306*** (0.038) Depresión 975 1.741 0.136*** (0.033) Agencia 975 4.547 -0.002 (0.044) Perseverancia 974 3.82 -0.130*** (0.037) Apoyo social 975 3.879 -0.145*** (0.044) Errores estándar entre paréntesis. * Significancia 10%; ** significancia 5%; *** significancia 1%. 9. Conclusiones Dadas las bajas tasas de acceso a educación superior de la población vulnerable y destacada en la prueba Saber 11 en 2012, el Ministerio de Educación Nacional lanzó en 2014 el programa Ser Pilo Paga. En general, el crédito-beca cubre los costos de matrícula del programa elegido por el beneficiario en IES acreditadas y, además, otorga un subsidio de manutención diferencial. La evaluación de impacto que se presenta en este trabajo tiene dos fuentes de información. La primera, es la base de datos administrativa de los jóvenes que presentaron la prueba Saber 11 en el 2013-2, 2014-2 y 2015-2 y que, además, contiene información del puntaje Sisbén y de variables

68

de acceso a educación superior. La segunda, son 1,487 encuestas realizadas a una muestra representativa de jóvenes elegibles y no elegibles cercana al punto de corte del Saber 11 en 2015 para la evaluación de corto plazo y levantamiento de línea de base contratada por el DNP. Con base en esta información y dado el diseño del programa, el análisis de los efectos sobre variables de acceso a educación superior se llevó a cabo mediante la metodología de regresión discontinua. Asimismo, se utilizó la metodología de variables instrumentales para encontrar el impacto sobre el desempeño académico de los jóvenes. En adición, se realizaron estimaciones con base en la encuesta que permiten analizar el efecto del programa sobre la calidad de vida de los jóvenes, sus aspiraciones y expectativas y sobre variables no cognitivas. Los resultados de la evaluación proveen evidencia contundente sobre los altos impactos del programa Ser Pilo Paga en la probabilidad de acceso a educación superior y, particularmente, en el acceso a educación de calidad de los jóvenes focalizados. En primer lugar, se estima el impacto de intención de tratamiento (Intent To Treat- ITT) que determina el impacto de ser elegible sobre el acceso a IES, el acceso a IES acreditadas y el acceso a IES de acuerdo a su origen (oficial o no oficial), así como al tipo de metodología (presencial o virtual) y el nivel del programa (universitario, técnico profesional o tecnológico). Se encuentra que ser elegible para la primera ronda del programa, en la muestra completa, incrementa la probabilidad de acceder a educación superior en 31.8 puntos porcentuales, este valor es equivalente a un aumento del 112% dado que solo el 28.3% de los jóvenes no elegibles logran acceder a educación superior. Asimismo, ser elegible en el periodo 2014-2 aumentó la probabilidad de acceso a IES acreditadas en 46.1 puntos porcentuales mientras que para los elegibles de Ser Pilo Paga 2 el impacto es de 41.2 puntos porcentuales. En relación al sector de la IES a la que acceden los jóvenes elegibles, se encuentra que el aumento en la probabilidad de acceder a una IES acreditada no oficial es de 48.6 puntos porcentuales para los jóvenes de la primera ronda mientras que este efecto es 54.4 puntos porcentuales para los elegibles de la segunda ronda. Respecto al cambio en el acceso a IES acreditadas oficiales, para los elegibles de Ser Pilo Paga 1 no se encuentra un efecto significativo mientras que el impacto es negativo y significativo (-1.9 pp) para los jóvenes que presentaron la prueba Saber 11 en el 2015-2. Por su parte, se encuentra que ser elegible en ambas cohortes del programa disminuye la probabilidad de acceder a una IES no acreditada, tanto oficial como no oficial. Es decir, que el programa además de aumentar el acceso de los jóvenes que no se hubieran

69

matriculado en educación superior, también desplaza la matrícula de las IES no acreditadas hacia la IES de alta calidad. En adición, los elegibles de Ser Pilo Paga 1 y Ser Pilo Paga 2 tienen mayor probabilidad de matricularse en programas presenciales y una menor probabilidad de acceder a programas técnicos profesionales o tecnológicos. Por otro lado, se analizó el impacto del programa sobre los resultados académicos de los jóvenes beneficiarios de la primera ronda. En este caso, se lleva a cabo la comparación entre el desempeño de los beneficiarios y sus compañeros de programa académico en IES acreditadas. Teniendo en cuenta que los dos grupos presentan características socioeconómicas diferentes, se estima un modelo de probabilidad lineal y un modelo de variables instrumentales, controlando por las variables observables de los individuos. Se encuentra que los beneficiarios tienen una menor probabilidad de ausentarse que sus compañeros. El MPL señala que el 9.6% de los jóvenes beneficiarios no se matricularon en 2015-2 en comparación al 16.7% de sus compañeros. No se encuentra diferencia significativa en la proporción de materias aprobadas a primer semestre, aunque la proporción de materias aprobadas a segundo semestre es marginalmente inferior para los beneficiarios (-0.8 pp). También se observa que la deserción promedio de los compañeros de los beneficiarios a primer semestre es de 14.5% mientras que los jóvenes tratados presentan una deserción de 7.9% (-6.6 pp). Además, el impacto sobre la deserción a segundo semestre se mantiene negativo y es más alto (-7.9 pp). Por último, con base en los datos recolectados en la encuesta se llevan a cabo estimaciones de intención de tratamiento (ITT) sobre variables de calidad de vida, percepciones y expectativas de los jóvenes y variables no cognitivas para los beneficiarios de Ser Pilo Paga 2. Se encuentra que ser beneficiario disminuye la probabilidad de no contar con accesos a todos los servicios públicos básicos, tiene un efecto positivo y significativo sobre la probabilidad de tener computador y sobre la probabilidad de tener computador con internet. Asimismo, ser elegible mejora la satisfacción de vida, aumenta las expectativas salariales y disminuye el buen clima familiar. En cuanto a las variables no cognitivas, el programa tiene un efecto negativo sobre la perseverancia, el apoyo social y la autoeficacia, mientras que aumenta el índice de depresión.

70

Bibliografía Andrews, R. J., Imberman, S. A. y Lovenheim, M. F. (2016). Recruiting and supporting low-income, high-achieving students at flagship universities. NBER Working Paper 22260. Angrist, J., Autor, D., Hudson, S. y Pallais, A. (2014). Leveling up: Early results from a randomized evaluation of post-secondary aid. NBER Working Paper 20800. Angrist, J., Lang, D. y Oreopoulos, P. (2009). Incentives and services for college achievement: Evidence from a randomized trial. American Economic Journal: Applied Economics, 1(1), 136-163. Bandura, A. (1977). Self-efficacy: toward a unifying theory of behavioral change. Psychological review, 84(2), 191-215. Bettinger, E., Gurantz, O., Kawano, L. y Sacerdote, B. (2016). The long run impacts of merit aid: Evidence from California’s Cal Grant. NBER Working Paper 22347. Cáceres-Delpiano, J., Giolito, E. y Castillo, S. (2015). Early impacts of college aid. IZA discussion paper 9238. Castleman, B. L. y Long, B. T. (2013). Looking beyond enrollment: The causal effect of need-based grants on college access, persistence, and graduation. NBER Working Paper 19306. Cattaneo, M.D., M. Jansson, and X. Ma, “Manipulation testing based on density discontinuity” Enero 2016. Chemers, M. M., Hu, L. T., y Garcia, B. F. (2001). Academic self-efficacy and first year college student performance and adjustment. Journal of Educational psychology, 93(1), 55. DANE (2009). Metodología Encuesta Nacional de Calidad de Vida. Revisado el 18 de Agosto de 2016 de http://www.dane.gov.co/files/investigaciones/fichas/ECV.pdf DNP, CNC, and Universidad de Los-Andes, “Evaluación de impacto de corto plazo del programa Ser Pilo Paga: http://sinergiapp.dnp.gov.co/#Evaluaciones/EvalFin” Julio de 2016. Dynarski S. M. (2003). Does aid matter? Measuring the effect of student aid on college attendance and completion. The American Economic Review, 93(1), 279-288. Dyson, R., y Renk, K. (2006). Freshmen adaptation to university life: Depressive symptoms, stress, and coping. Journal of clinical psychology, 62(10), 1231-1244. Fack, G. y Grenet, J. (2015). Improving college access and success for low-income students: Evidence from a large need-based grant program. American Economic Journal: Applied Economics, 7(2), 1-34. Heller, D. E. (1997). Student price response in higher education: An update to Leslie and Brinkman. Journal of Higher Education, 68(6), 624-659. McCrary, J., “Manipulation of the Running Variable in the Regression Discontinuity Design: A Density Test,” Journal of Econometrics, 2008, 142 (2), 611–850.

71

Melguizo, T., Sanchez, F. y Velasco, T. (2016). Credit for low-income students and access to and academic performance in higher education in Colombia: A regression discontinuity approach. World Development, 80, 61-77. Larose, S., Ratelle, C., Guay, F., Senécal, C. y Harvey, M. (2006). Trajectories of science self-efficacy beliefs during the college transition and academic and vocational adjustment in science and technology programs. Educational Research and Evaluation, 12(4), 373-393. Rau, T., Rojas, E. y Urzúa, S. (2013). Loans for higher education: Does the dream come true? NBER Working Paper 19138. Zajacova, A., Lynch, S. M. y Espenshade, T. J. (2005). Self-efficacy, stress, and academic success in college. Research in higher education, 46(6), 677-706. Anexos Tabla A 1. Continuidad de covariables – Ser Pilo Paga 1 y Ser Pilo Paga 2 VARIABLES Ser Pilo Paga 1 Ser Pilo Paga 2 Obs Media controles Estimador RD Obs Media controles Estimador RD Género (Hombre=1) 29168 0.527 0.018 39699 0.547 -0.005 (0.013) (0.012) Edad 39558 17.587 -0.018 41298 16.631 -0.028 (0.054) (0.047) Nivel Educativo Madre=Primaria 26166 0.25 -0.01 51391 0.225 -0.003 (0.012) (0.009) Nivel Educativo Madre=Secundaria 41458 0.500 -0.013 44217 0.479 -0.001 (0.011) (0.011) Nivel Educativo Madre=Técnico o tecnológico 52285 0.133 0.000 58311 0.147 0.003 (0.007) (0.007) Nivel Educativo Madre=Superior/Postgrado 37437 0.109 0.019** 48244 0.137 0.007 (0.008) (0.008) Nivel Educativo Padre=Primaria 42766 0.328 0.001 61452 0.295 0.005 (0.011) (0.009) Nivel Educativo Padre=Secundaria 46268 0.410 -0.002 44217 0.429 -0.013 (0.011) (0.011) Nivel Educativo Padre=Técnico o tecnológico 30991 0.098 0.002 44217 0.109 0.000 (0.008) (0.007) Nivel Educativo Padre=Superior/Postgrado 34151 0.116 0.004 36663 0.129 0.011 (0.008) (0.008) 0.005 -0.005

72

Ingresos del hogar: Menos de 44872 0.240 (0.009) 33149 0.207 (0.010) Ingresos del hogar: De 1 SMLV a 2 SMLV 52285 0.497 -0.012 62973 0.509 -0.001 (0.010) (0.010) Ingresos del hogar: De 2 SMLV a 3 SMLV 36083 0.182 0.001 36093 0.202 0.000 (0.009) (0.010) Ingresos del hogar: De 3 SMLV a 5 SMLV 32828 0.064 0.004 46169 0.069 0.001 (0.006) (0.006) Ingresos del hogar: De 5 SMLV a 7 SMLV 30991 0.014 -0.001 32200 0.014 0.000 (0.003) (0.003) Ingresos del hogar: De 7 SMLV a 10 SMLV 34151 0.002 0.005*** 46169 0.004 0.001 (0.002) (0.002) Ingresos del hogar: Más de a 10 SMLV 54601 0.001 0.001 19693 0.001 0.000 (0.001) (0.001)