Microeconomics for development: households Karen Macours - - PowerPoint PPT Presentation

Microeconomics ¡for ¡development: ¡ ¡ households ¡

Karen ¡Macours ¡ Paris ¡School ¡of ¡Economics ¡& ¡INRA ¡

Microeconomics ¡for ¡development: ¡ households ¡

• Past ¡achievements ¡ ¡

– Models ¡of ¡household ¡decision ¡making ¡in ¡context ¡of ¡market ¡ failures ¡ – Policy ¡designs ¡(someCmes) ¡based ¡on ¡models ¡ – More ¡recently: ¡Impact ¡evaluaCons ¡and ¡tesCng/ incorporaCng ¡hypothesis ¡from ¡economics, ¡but ¡also ¡from ¡

• ther ¡sciences ¡
• Some ¡ideas ¡on ¡what’s ¡next: ¡ ¡

– Long ¡term ¡household ¡dynamics ¡and ¡sustainability ¡of ¡ impacts ¡ – Back ¡to ¡theory, ¡but ¡also ¡back ¡to ¡policy ¡ – Serious ¡empirical ¡work ¡requires ¡serious ¡thinking ¡about ¡ measurement ¡ ¡

• IllustraCons ¡from ¡evidence ¡on ¡CCTs ¡and ¡ECD ¡ ¡

Last ¡30 ¡years ¡of ¡micro-­‑economic ¡ research ¡on ¡households ¡in ¡developing ¡ countries ¡

• IniCally ¡largely ¡theoreCcal ¡literature ¡

– MoCvated ¡by ¡case ¡studies ¡and ¡field ¡observaCons ¡ – Gradually ¡incorporaCng ¡more ¡and ¡more ¡rigorous ¡ empirical ¡analysis ¡to ¡test ¡predicCons ¡of ¡theory ¡

• Development ¡of ¡LSMS ¡and ¡methods ¡for ¡

analyzing ¡household ¡data ¡from ¡developing ¡ countries ¡(and ¡some ¡well ¡known ¡panels) ¡

• Focus ¡on ¡household ¡decision ¡making, ¡though ¡

some ¡work ¡on ¡intra-­‑household ¡issues ¡too ¡

• 1. ¡Micro ¡theory ¡to ¡understand ¡many ¡

problems ¡in ¡developing ¡countries ¡ ¡

• Households ¡make ¡decisions ¡subject ¡to ¡constraints ¡~ ¡market ¡

imperfecCons ¡

• Inseparability ¡ ¡

– With ¡perfect ¡markets: ¡households ¡consumpCon ¡and ¡ producCon ¡decisions ¡are ¡separable ¡ – With ¡imperfect ¡markets: ¡inseparability ¡ ⇒ to ¡understand ¡households ¡decisions ¡in ¡the ¡producCve ¡ sphere, ¡need ¡to ¡understand ¡their ¡consumpCon ¡needs ¡ ⇒ Policies ¡that ¡don’t ¡account ¡for ¡this ¡might ¡be ¡counter ¡ producCve ¡(~theory ¡of ¡second ¡best) ¡ ⇒ With ¡imperfect ¡markets: ¡assets ¡endowments ¡ma]er ¡

⇒ Inequality ¡ma]ers! ¡(not ¡necessarily ¡equity-­‑efficiency ¡trade ¡off) ¡

⇒ ImplicaCon ¡for ¡policy ¡design ¡and ¡policy ¡outcome ¡

• 2. ¡Policy ¡design ¡based ¡on ¡theoreCcal ¡

and ¡empirical ¡insights ¡

• CondiConal ¡Cash ¡Transfers ¡as ¡an ¡example. ¡Design ¡

recognizes ¡number ¡of ¡micro-­‑economic ¡insights. ¡ ¡

• Parental ¡demand ¡for ¡children’s ¡health ¡and ¡

schooling: ¡

– case ¡of ¡private ¡benefits ¡> ¡social ¡(household) ¡benefits ¡ ¡ ¡ – DifferenCal ¡preferences ¡of ¡mother ¡and ¡fathers ¡and ¡no ¡ unitary ¡household ¡model ¡ – Opportunity ¡cost ¡of ¡educaCon ¡as ¡important ¡ determinant ¡for ¡enrollment ¡ – Asymmetric ¡informaCon ¡on ¡returns ¡to ¡early ¡childhood ¡ investment ¡(health), ¡educaCon, ¡reproducCve ¡health ¡ care ¡

• 3. ¡Move ¡to ¡causal ¡inference ¡and ¡

impact ¡evaluaCon ¡

• AdopCon ¡and ¡adaptaCon ¡of ¡toolkits ¡for ¡causal ¡

inference ¡from ¡labor ¡economics ¡(and ¡medicine) ¡

• In ¡order ¡to ¡evaluate: ¡The ¡development ¡economist ¡

becomes ¡partly ¡development ¡pracCConer ¡– ¡or ¡at ¡least ¡ much ¡closer ¡engaged ¡with ¡implementaCon ¡of ¡ intervenCons ¡

• Start ¡to ¡test ¡insights ¡of ¡other ¡disciplines ¡

– Studies ¡on ¡nudging ¡

• Bring ¡economic ¡insights ¡to ¡study ¡of ¡impacts ¡of ¡

intervenCons ¡that ¡tradiConally ¡were ¡the ¡domain ¡of ¡

• ther ¡disciplines ¡ ¡

– Deworming ¡ – Early ¡childhood ¡development ¡

Example on ECD

• CogniCve ¡development ¡in ¡early ¡childhood ¡is ¡an ¡important ¡

predictor ¡of ¡success ¡throughout ¡life ¡

• Oeen ¡emphasis ¡on ¡nutriCon ¡and ¡health ¡intervenCons ¡for ¡young ¡

children, ¡given ¡evidence ¡in ¡medical ¡science ¡for ¡their ¡importance ¡

• n ¡cogniCve ¡development ¡

¡

• IntervenCons? ¡Literature ¡on ¡how ¡nutriConal ¡supplements ¡and ¡

early ¡childhood ¡sCmulaCon ¡programs ¡affect ¡early ¡childhood ¡ development ¡

¡

• Much ¡less ¡is ¡known ¡about ¡programs ¡that ¡affect ¡investments ¡of ¡

parents ¡directly ¡ ¡ ¡ – To ¡understand ¡parental ¡investment, ¡we ¡need ¡to ¡understand ¡ household’s ¡decision ¡making ¡

¡

Macours, Schady, Vakis, AEJ applied. 2012 ¡

Impacts ¡of ¡CCT ¡on ¡Early ¡Childhood ¡Development ¡ During ¡and ¡Two ¡Years ¡A=er ¡the ¡Program ¡

¡

Transmission mechanisms: Food Engel curves at follow-up

Figure ¡2 ¡Impacts ¡of ¡Atención ¡a ¡Crisis ¡on ¡Investments ¡ in ¡Children ¡During ¡and ¡Two ¡Years ¡A=er ¡the ¡Program ¡

¡

Some ¡ideas ¡for ¡next ¡30 ¡years ¡

– Long ¡term ¡household ¡dynamics ¡and ¡sustainability ¡

• f ¡impacts ¡

– Back ¡to ¡theory, ¡but ¡also ¡back ¡to ¡policy ¡ – Serious ¡empirical ¡work ¡requires ¡serious ¡thinking ¡ about ¡measurement ¡ ¡

• 1. ¡Long ¡term ¡household ¡dynamics ¡

and ¡sustainability ¡of ¡impacts ¡

• Development ¡= ¡transformaCon ¡of ¡socieCes ¡

¡=> ¡changing ¡norms, ¡ ¡ ¡=> ¡changing ¡people’s ¡ahtudes ¡

• But ¡most ¡impact ¡evaluaCons ¡are ¡short ¡term ¡and ¡hardly ¡get ¡

to ¡sustainable ¡changes ¡in ¡norms/ahtudes ¡

• But ¡with ¡“first” ¡RCTs ¡+/-­‑ ¡15 ¡years ¡ago, ¡can ¡start ¡to ¡look ¡at ¡

long-­‑term ¡impact ¡

• Also ¡more ¡and ¡more ¡high ¡quality ¡long-­‑term ¡representaCve ¡

panel ¡data ¡available ¡from ¡observaConal ¡studies ¡

– YLS, ¡LSMS-­‑ISA, ¡IFLS, ¡KHDS, ¡MxFLS ¡… ¡ ¡

• Comes ¡with ¡new ¡methodological ¡challenges ¡
• A]riCon, ¡how ¡to ¡measure ¡mobility, ¡which ¡“household” ¡to ¡follow, ¡… ¡ ¡
• But ¡when ¡addressed, ¡allows ¡to ¡look ¡at ¡more ¡“final” ¡
• utcomes ¡

¡

Example: ¡long-­‑term ¡evidence ¡of ¡a ¡CCT: ¡Learning ¡

13 ¡

Notes: Standard errors are clustered at the locality level and in parentheses. Controls

• included. Z-scores standardized using late treatment group. N=906.

*** p<0.01, ** p<0.05, * p<0.1. Barham, ¡Macours, ¡Maluccio, ¡2013 ¡

Achievement Mixed Cognition and Achievement Cognition (Raven) All Language Math Panel A: 9-12 year olds, extended controls 0.17*** 0.19*** 0.13*** 0.08** 0.02 (0.06) (0.06) (0.06) (0.05) (0.06) Panel C: Only 11 year olds 0.28*** 0.25*** 0.30*** 0.10* 0.12 (0.08) (0.08) (0.08) (0.05) (0.07)

Example: ¡long-­‑term ¡evidence ¡of ¡a ¡CCT: ¡ Income ¡

Density

• 5000

5000 P-value Ksmirnov test equality of distributions: 0.003 Early Treatment Late Treatment

kernel = epanechnikov, bandwidth = 335.9002

Off-Farm Earnings Per Month Worked (demean)

Barham, ¡Macours, ¡Maluccio, ¡2013 ¡

• 2. ¡Generalize ¡learning ¡behind ¡specific ¡

households ¡studied ¡

• What ¡can ¡we ¡really ¡learn ¡from ¡RCTs, ¡that ¡are ¡oeen ¡

small ¡scale, ¡and ¡always ¡only ¡directly ¡applicable ¡to ¡a ¡ well-­‑defined ¡populaCon? ¡

• Back ¡to ¡theory ¡
• Use ¡RCTs ¡to ¡test ¡predicCons ¡of ¡theory, ¡esCmate ¡structural ¡

parameters ¡in ¡theory, ¡and ¡based ¡on ¡that ¡redesign ¡policy ¡

• Contextual ¡insights ¡+ ¡experimental ¡results ¡=> ¡more ¡

defensible ¡assumpCons ¡

• But ¡also ¡back ¡to ¡policy ¡
• Looking ¡at ¡important ¡intervenCons/policies, ¡directly ¡

working ¡with ¡governments, ¡tesCng ¡scale-­‑up, ¡etc. ¡

• 3. ¡Serious ¡empirical ¡work ¡requires ¡

serious ¡measurement ¡ ¡

• Gehng ¡causality ¡right ¡of ¡impact ¡of ¡X ¡on ¡Y, ¡when ¡we ¡

don’t ¡know ¡very ¡well ¡how ¡to ¡measure ¡X ¡or ¡Y ¡is ¡difficult! ¡

– Example: ¡non-­‑cogniCve ¡skills ¡ ¡

• ReporCng ¡errors ¡and ¡biases ¡could ¡well ¡be ¡prevalent ¡in ¡

many ¡household ¡surveys ¡-­‑ ¡and ¡possibly ¡more ¡so ¡in ¡ surveys ¡for ¡evaluaCons? ¡

• Lots ¡of ¡“perceived ¡wisdom” ¡on ¡survey ¡length, ¡order, ¡

preferred ¡scales, ¡etc… ¡very ¡li]le ¡hard ¡evidence ¡

• InnovaCve ¡approaches ¡to ¡have ¡more ¡“observed” ¡
• utcomes ¡(e.g. ¡lab-­‑in-­‑the-­‑field) ¡but ¡need ¡more ¡

validaCon ¡

• Also ¡here ¡a ¡lot ¡of ¡methodological ¡lesson ¡from ¡other ¡

disciplines ¡

Thank ¡you ¡

• Karen.macours@psemail.eu ¡