Medir los impactos logradosSe realiza mediante la comparacin entre el estado "inicial" de la poblacin objetivo (lnea de base) y otro de "comparacin" que es la situacin existente despus de un tiempo de operacin del proyecto (lnea de comparacin), eliminando (o tratando de minimizar) la incidencia de factores externos. Los modelos para medir efectos e impactos son los mismos, slo cambian los indicadores utilizados. Existe una familia de modelos cuyo objetivo es medir el impacto. Entre ellos es necesario mencionar: 1. Modelo experimental clsico. Exige seleccionar aleatoriamente una muestra43 que se divide, tambin aleatoriamente, en dos submuestras, el grupo con proyecto o poblacin beneficiaria (grupo experimental) y el grupo sin proyecto (grupo de control). Estas submuestras se seleccionan antes de iniciarse la operacin del proyecto (en la situacin de lnea de base) y deben diferir slo en que la primera recibe los bienes o servicios del proyecto y la segunda no. Tomando en cuenta la seleccin aleatoria de ambos grupos, las diferencias iniciales entre ellos, si las hay, debieran ser mnimas. Es decir, entre X e Y no deben existir diferencias estadsticamente significativas. X - Y = 0 (diferencia no significativa) Si las diferencias iniciales fueran estadsticamente significativas, es necesario realizar una nueva seleccin o distribucin de la poblacin en cada grupo, de lo contrario no es posible medir el impacto. El modelo compara la situacin en que se encontraban los dos grupos en la lnea de base (L B), con la situacin en la lnea de comparacin (L C). A partir de ello se verifican los cambios generados por el proyecto. Se debe analizar nicamente una variable (objetivo) a la vez y mantener las otras constantes. El siguiente cuadro permite apreciar la lgica del modelo experimental y el tipo de clculo que se efecta al evaluar el proyecto.

modelo experimental clsico X, X', Y, Y' = Valores del indicador de impacto de un objetivo La magnitud en que difieran los cambios producidos en el grupo con proyecto (X' - X), en cada objetivo de impacto, respecto a los del grupo sin proyecto (Y' - Y), ser una medida del impacto del proyecto en dicho objetivo. Si, X' - X contiene cambios endgenos (resultantes del proyecto) y exgenos (debido a otras razones). Y' - Y slo cambios exgenos (no imputables al proyecto). Entonces (X' - X) - (Y' - Y) = Impacto neto de un objetivo en la poblacin beneficiaria, imputable al proyecto. El modelo experimental clsico constituye una forma vigorosa de identificar los cambios producidos por un proyecto44. Sin embargo, su aplicacin se dificulta porque requiere la seleccin aleatoria de los integrantes de cada uno de los grupos en la lnea de base (LB). Otro obstculo son las dificultades ticas que derivan de aplicar el proyecto a slo una parte de la poblacin objetivo (el grupo experimental) para poder medir el impacto, excluyendo a otros que legtimamente requieren de la atencin que el mismo brinda.

2. El modelo cuasiexperimental.La lgica de este modelo es idntica a la del experimental clsico. Se efectan mediciones en las lneas de base (LB) y de comparacin (LC) y luego se comparan las diferencias. La distincin radica en que la pertenencia al grupo con o sin proyecto no se determina aleatoriamente. La seleccin se realiza en funcin de las variables de mayor relevancia en relacin al objetivo de impacto perseguido.Dado que no es aleatoria la seleccin de los grupos en la LB, es posible que se presenten diferencias entre X e Y. El modelo asume que dichas diferencias son estables en el tiempo, por lo que (X' - X) - (Y' - Y) es un buen estimador del impacto neto.Este modelo es til cuando se desea evaluar un proyecto durante su operacin y ya se han elegido los "beneficiarios" y los "no beneficiarios". Si se quiere evaluar un programa de alimentacin escolar que est en funcionamiento, se pueden comparar los nios que asisten a los comedores escolares con los que, teniendo las mismas caractersticas de dficit nutricional y nivel socio-econmico, no asisten, sea por automarginacin, sea porque en su escuela no opera el programa.

3. Modelos no experimentales.Estos modelos se aplican cuando la poblacin objetivo no puede ser comparada con un grupo de control. Vale decir, que se considera slo la poblacin beneficiaria del proyecto, lo que impide controlar la incidencia de variables exgenas.Los modelos no experimentales utilizados con mayor frecuencia son:a. Modelo antes-despus (sin grupo de comparacin): Se efecta una medicin "antes" que el proyecto sea implementado (LB) y se comparan los valores obtenidos con los resultados derivados de levantar una lnea de comparacin, "durante" la operacin o "despus" que el proyecto ha concluido.

Ejemplo: Modelo Antes-Despus (sin grupo de comparacin)

Donde, X' - X = Impacto en la poblacin beneficiaria (un objetivo) en base a la diferencia entre LB y LCEste diseo no permite eliminar el efecto del contexto y, por tanto, tampoco es posible determinar en qu medida los cambios registrados son imputables al proyecto. Es posible aumentar la confiabilidad de la estimacin a travs de la incorporacin de variables de control. Es decir, hacer que los dos grupos sean los ms parecidos posible en todas las variables externas al proyecto que pudieran incidir en el impactob. Series temporales: Si se cuenta con informacin sobre indicadores de cambio en un conjunto de perodos previos y posteriores al proyecto, es posible hacer un anlisis de series temporales, para extraer conclusiones sobre los efectos imputables al mismo.Para ello, se construyen curvas sobre la base de mediciones peridicas efectuadas "antes", "durante" y "despus" de la realizacin del proyecto. Segn las formas que stas adopten se trata de determinar la magnitud del impacto que el proyecto produjo.La siguiente grfica ilustra un ejemplo de las series temporales.Ejemplo:

Caso 1. La funcin de la variable objetivo (x) es montonamente creciente y el proyecto no la ha modificado en absoluto.Caso 2. La curva (+) indica que hubo cambios durante el proyecto, pero lo mismo ocurre antes y despus de ste, lo que implica que el proyecto no puede ser considerado como la causa de los mismos.Caso 3. Es el nico (o) donde los cambios son, en principio, atribuibles al proyecto.En trminos estrictos, con este modelo no es posible aislar los efectos imputables al proyecto. Es el clsico problema de establecer la causalidad sin disponer de instrumentos que controlen los diferentes tipos de variables que la afectan. En el caso3, sin embargo, cabe asumir que el proyecto es la causa del impacto porque ni antes ni despus del proyecto se produjeron cambios, pero no se prueba que el impacto no haya sido producido por una o ms variables exgenas.c. Modelo slo despus con grupo de comparacin. En ocasiones, es posible definir un grupo de control, que permite la comparacin de los resultados del proyecto ("despus"), sin que sea posible contar con informacin sobre la lnea de base

Donde, X' - Y' = Impacto (un objetivo) en base a la diferencia de los resultados finales entre los grupos C/P y S/P. Este modelo no controla la posibilidad de que hubiesen diferencias significativas entre los grupos en la lnea de base. Este efecto se puede disminuir incorporando variables de control para generar dos grupos que slo se diferencien en su pertenencia o no al proyecto.Cuando se evala un programa (que incluye un conjunto de proyectos con iguales objetivos de impacto), el anlisis incluye:1 La comparacin de sus impactos reales (de cada uno), utilizando su posicin en una distribucin de frecuencias (como se indica en el captulo de monitoreo) y2 El estudio de la asociacin observada entre distintas variables independientes y el impacto (como dependiente). Esto permitira conocer el grado en que cada una influye en el impacto alcanzado. Como variables independientes se pueden incluir: costo (unitario y por tipo de recurso), focalizacin, cobertura, tipo y calidad de los productos, ejecutor o tipo de poblacin objetivo, por ejemplo. Este anlisis se puede hacer de manera bivariada o multivariada, para lo cual existen mltiples coeficientes estadsticos45. Sin embargo, dada la complejidad de los fenmenos sociales, el anlisis multivariado es el ms adecuado para conocer el impacto del proyecto, dado que permite controlar mejor el efecto de interaccin.