dcede2017-59

Vista previa del material en texto

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 Londoño
Carolina Maldonado
Catherine Rodríguez
Fabio Sánchez
Tatiana Velasco
Daniel Mateo Ángel
María Camila Ayala 
Xiomara Pulido
Documentos CEDE
ISSN 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, 2467
infocede@uniandes.edu.co
http://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 ofLos 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 sunuevo 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 mayoresniveles 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 20152
0%
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 20152
0%
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 20152
0%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 diferentede 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
.81
Propor
ción qu
e ingre
sa a ES
0 20 40 60 80 100NBI
a) Saber 2013-2
0.2
.4.6
.81
Propor
ción qu
e ingre
sa a ES
0 20 40 60 80 100NBI
b) Saber 2014-2
0.2
.4.6
.81
Propor
ción qu
e ingre
sa a ES
0 20 40 60 80 100NBI
c) Saber 2015-2
-.5
0
.5
1
Cambio
 en la p
roporci
ón
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 realizardurante 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) LasIES 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 muestraque 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 
0
1
2
3
4
-10 -5 0 5 0
1
2
3
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) sobrevariables 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