Diseño Conjoint Survey Experiment

Desigualdad y merecimiento en educación superior en Chile

Investigador Principal: Juan Carlos Castillo1

Asistentes de Investigación: Andreas Laffert2 y René Canales2

1 Departamento de Sociología, Universidad de Chile

2 Instituto de Sociología, Pontificia Universidad Católica de Chile

FONDECYT N°1250518 - Justicia de mercado y merecimiento del bienestar social

Workshop - Enfoques experimentales sobre redistribución y merecimiento

23 de enero, 2026

Contexto del proyecto

Agenda de investigación

Privatización y mercantilización de servicios sociales (salud, educación, pensiones) han reconfigurado las instituciones del bienestar (Gingrich, 2011; Streeck, 2016)

En Chile: profunda comodificación con alta desigualdad y bajo gasto social (Ferre, 2023; Madariaga, 2020)

Este orden económico se refleja en una economía moral específica/policy-feedback effects (Campbell, 2020; Fourcade & Healy, 2007; Mau, 2015)

Preferencias por justicia de mercado (Busemeyer, 2015; Castillo et al., 2025; Immergut & Schneider, 2020; Koos & Sachweh, 2019; Lindh, 2015)

Este proyecto


Abordar sistemáticamente las preferencias por criterios de mercado en salud, pensiones y educación, sus determinantes y cómo han cambiado en el tiempo en Chile



Las preferencias por justicia de mercado se asocian a criterios de merecimiento fuertemente arraigados en la población → Marco CARIN (Oorschot, 2000)

Objetivo: Analizar en Chile (y en perspectiva comparada) el nivel y la evolución de las preferencias por justicia de mercado en las últimas dos décadas y su vínculo con criterios de merecimiento del bienestar

Argumento: El alto grado de comodificación del bienestar en Chile habría reforzado normas meritocráticas (especialmente el énfasis en el esfuerzo), elevando el apoyo a la justicia de mercado frente a países con menor comodificación

Método: Análisis de datos secundarios, levantamiento de datos y experimentos de encuestas

En esta ocasión…

Diseño conjoint survey experiment (Hainmueller et al., 2014)

Objetivo: evaluar cómo criterios de merecimiento y de desigualdad afectan la asignación de becas para la financiar el primer año de educación superior en Chile

Merecimiento (CARIN): el acceso al bienestar es condicional según si las personas “merecen” beneficios (Control, Actitud, Reciprocidad, Identidad y Necesidad) (Meuleman et al., 2020; Oorschot, 2000)

Conjoint Survey Experiment

¿Qué es un conjoint?

  • Experimento factorial que presenta perfiles construidos con múltiples atributos que varían simultáneamente (Hainmueller et al., 2014)

  • Los encuestados evaluan perfiles (eligen o califican)

  • Identificar qué atributos se consideran más relevantes cuando la decisión exige ponderar múltiples criterios simultáneamente (Bansak et al., 2021b; Hainmueller et al., 2014)

  • Diseñado para estudiar preferencias multidimensionales con trade-offs reales (Bansak et al., 2021a)

Elementos del diseño de conjoint

  • Escenario: rol del encuestado y contexto de decisión

  • Tarea (\(k\)): qué debe hacer el encuestado con la información

  • Atributos (\(l\)) y niveles (\(D_l\)): características (tratamientos) que varían → (ej. Sexo: hombre/mujer)

  • Perfiles (\(j\)): combinaciones aleatorias de niveles de los atributos

  • Respuesta: discrete-choice o rating-choice

  • Aleatorización (asignación): uniforme e independiente por niveles de los atributos

Inferencia causal en conjoint

Lógica causal:

  • Aleatorización de niveles (\(D_l\)) de cada atributo (\(l\)) → identificación causal

  • Comparación entre niveles de un atributo, promediando sobre el resto

Supuesto clave:

\(Y_{i}(t) \perp\kern-5pt \perp T_{ikjl}\) (aleatorización)

\(T_{ijkl} \ \perp\kern-5pt \perp \{\,T_{ijk[-l]},\ T_{i[-j]k}\,\}\) (aleatorización completamente independiente)

Supuestos adicionales:

  • Estabilidad (no carryover), ausencia de efectos de orden, consistencia (SUTVA) y positividad

Estimandos principales

La elección del estimando depende de la pregunta: ¿comparativa/marginal o descriptiva en niveles? (Leeper et al., 2020)

Average Marginal Component Effect (AMCE):

  • Cambio promedio en el resultado cuando un atributo pasa de un nivel de referencia a otro, manteniendo constante “en promedio” el resto de atributos (gracias a la aleatorización) (Hainmueller et al., 2014)

Otros estimandos:

  • Marginal means (MM): nivel esperado de apoyo asociado a cada nivel del atributo (sin categoría de referencia)

  • Efectos condicionales e interacciones (ACIE): si el efecto de un atributo depende de otro

¿Por qué conjoint?

Según Bansak et al. (2021a) y Hainmueller et al. (2014):

Ventajas

  • Captura decisiones multidimensionales con trade-offs reales

  • Eficiencia estadística: múltiples observaciones por encuestado/a

  • Reducción potencial de sesgo de deseabilidad social

  • Posibilidad de contrastar hipótesis rivales

Limitaciones (solucionables)

  • Masking, satisfacing y carga cognitiva

  • La validez externa depende del universo de perfiles

  • Efectos promedio pueden ocultar heterogeneidad relevante

Propuesta de diseño

Objetivo del experimento

  • Analizar cómo ciertos criterios de merecimiento y características de desigualdad afectan la distribución de recursos para financiar el acceso a la educación superior en Chile

  • Aproximar un escenario de toma de decisiones: asignar un recurso escaso (beca) entre postulantes que difieren en múltiples características (Almås et al., 2025)

  • Identificar qué criterios (merecimiento o desigualdad) se consideran más relevantes para la decisión bajo un contexto de distribución y ponderación de múltiples atributos (Hainmueller et al., 2014)

Imagine que usted fue seleccionado/a para integrar un comité que evalúa postulantes a una beca que financia el primer año de la educación superior en Chile.

En cada pantalla verá dos postulantes con información breve sobre sus características. En esta tarea, ambos tienen el mismo puntaje en la prueba de admisión a la educación superior (PAES): 650.

Su tarea es distribuir el 100% del monto total disponible ($3.000.000) entre ambos postulantes, de acuerdo con su criterio.

Atributos y niveles: Bloque CARIN

Los atributos operacionalizan 3 criterios de merecimiento (Control, Identity, Need)

Bloque CARIN:

Componente Atributo Niveles
Control Rendimiento académico Sobre el promedio / Promedio / Bajo el promedio
Identity Primera generación en educación superior Sí / No
Need Ingreso del hogar Bajos ingresos / Ingresos medios-altos

Atributos y niveles: Bloque desigualdades

Bloque desigualdades:

Atributo Niveles
Sexo Hombre / Mujer
Nacionalidad Chileno/a / No chileno/a
Pertenencia a pueblo indígena Sí / No
Tipo de colegio Municipal / Particular subvencionado / Particular pagado

Aleatorización

Orden de atributos: aleatorizado por encuestado/a (se fija tras la primera tarea) para reducir primacía/recencia.

Diseño: aleatorización completa a nivel de perfil + PAES fijo a nivel de tarea.

  • 7 atributos del perfil: asignación uniforme e independiente

    • binarios: \(p=0.5\) por nivel; 3 niveles: \(p=1/3\)

  • Dos perfiles por tarea: \(X_{tA}, X_{tB}\) generados y se impone \(X_{tA}\neq X_{tB}\)

  • PAES: en cada tarea se fija \(S_t\) y se asigna igual a ambos perfiles:
    \((X_{tA},S_t)\) vs \((X_{tB},S_t)\)

  • Orden A/B: irrelevante (posición randomizada).

Ventaja: independencia entre atributos del perfil y resultados potenciales \(\rightarrow\) identificación de AMCE (Hainmueller et al., 2014)

Nº perfiles y tareas

  • Atributos del perfil (7): \(|\mathcal{X}| = 3^2 \cdot 2^5 = 288\) perfiles únicos
  • Perfiles por tarea: \(J=2\) (Postulante A vs B)
  • Tareas por encuestado/a: \(k=5\)
  • Atributo de tarea: PAES \(S_t\) fijo dentro de cada tarea (igual para A y B)

Espacio de pares posibles

  • Por cada valor fijo de PAES:

\[ N_{\text{pares}\mid S}=\binom{288}{2}=41,328 \]

  • En todo el diseño:

\[ N_{\text{pares totales}}=P\cdot \binom{288}{2} \]

Implementación

  • Generación por tarea \(k\): muestreo uniforme por atributo \(\rightarrow\) 2 perfiles distintos \(X_{tA}\neq X_{tB}\); fijar PAES \(S_t\) común; randomizar posición A/B
  • Formato: tabla (atributos en filas; postulantes en columnas) + slider 0–100% con restricción \(A+B=100\)
  • Muestra: \(N=1,500\) (CAWI) \(\Rightarrow NT=7,500\) tareas; \(2NT=15,000\) evaluaciones de perfil
  • Muestreo: cuotas por edad, sexo, educación y NSE (encuesta online)

Próximos pasos

Implementación y piloto

  • Programación del experimento en plataforma de encuestas

  • Piloto (N ≈ 800): evaluar tiempo, comprensión, patrones de respuesta, fatiga

  • Ajustes post-piloto: número de tareas (K) y atributos (T), redacción de niveles, restricciones

  • Campo principal: N ≈ 2.000, diseño muestral por cuotas

Discusión

Trade-off: número de atributos y riesgo del experimento

  • Carrera que quiere estudiar como reciprocidad

  • Cómo incluir talento y esfuerzo

  • Restricción por puntaje PAES (iguales entre perfiles)

  • Criterios CARIN ¿dentro y/o fuera del experimento?

¡Gracias por su atención!

Referencias

Almås, I., Hufe, P., & Weishaar, D. (2025). Experimental Evidence on Attitudes Toward Inequality and Fairness. Annual Review of Economics, 17(1), 721-746. https://doi.org/10.1146/annurev-economics-073124-083232
Bansak, K., Hainmueller, J., Hopkins, D. J., & Yamamoto, T. (2021a). Beyond the Breaking Point? Survey Satisficing in Conjoint Experiments. Political Science Research and Methods, 9(1), 53-71. https://doi.org/10.1017/psrm.2019.13
Bansak, K., Hainmueller, J., Hopkins, D. J., & Yamamoto, T. (2021b). Conjoint Survey Experiments. En J. Druckman & D. P. Green (Eds.), Advances in Experimental Political Science (1.ª ed., pp. 19-41). Cambridge University Press. https://doi.org/10.1017/9781108777919.004
Busemeyer, M. R. (2015). Skills and Inequality: Partisan Politics and the Political Economy of Education Reforms in Western Welfare States. Cambridge: Cambridge University Press. https://doi.org/10.1017/CBO9781107477650
Campbell, J. L. (2020). Institutional Change and Globalization. Princeton University Press. https://doi.org/10.2307/j.ctv131bw68
Castillo, J. C., Laffert, A., Carrasco, K., & Iturra-Sanhueza, J. (2025). Perceptions of Inequality and Meritocracy: Their Interplay in Shaping Preferences for Market Justice in Chile (2016–2023). Frontiers in Sociology, 10, 1634219. https://doi.org/10.3389/fsoc.2025.1634219
Ferre, J. C. (2023). Welfare Regimes in Twenty-First-Century Latin America. Journal of International and Comparative Social Policy, 39(2), 101-127. https://doi.org/10.1017/ics.2023.16
Fourcade, M., & Healy, K. (2007). Moral Views of Market Society. Annual Review of Sociology, 33(Volume 33, 2007), 285-311. https://doi.org/10.1146/annurev.soc.33.040406.131642
Gingrich, J. R. (2011). Making Markets in the Welfare State: The Politics of Varying Market Reforms (1.ª ed.). Cambridge University Press. https://doi.org/10.1017/CBO9780511791529
Hainmueller, J., Hopkins, D. J., & Yamamoto, T. (2014). Causal Inference in Conjoint Analysis: Understanding Multidimensional Choices via Stated Preference Experiments. Political Analysis, 22(1), 1-30. https://doi.org/10.1093/pan/mpt024
Immergut, E. M., & Schneider, S. M. (2020). Is It Unfair for the Affluent to Be Able to Purchase «Better» Healthcare? Existential Standards and Institutional Norms in Healthcare Attitudes across 28 Countries. Social Science & Medicine, 267, 113146. https://doi.org/10.1016/j.socscimed.2020.113146
Koos, S., & Sachweh, P. (2019). The Moral Economies of Market Societies: Popular Attitudes towards Market Competition, Redistribution and Reciprocity in Comparative Perspective. Socio-Economic Review, 17(4), 793-821. https://doi.org/10.1093/ser/mwx045
Leeper, T. J., Hobolt, S. B., & Tilley, J. (2020). Measuring Subgroup Preferences in Conjoint Experiments. Political Analysis, 28(2), 207-221. https://doi.org/10.1017/pan.2019.30
Lindh, A. (2015). Public Opinion against Markets? Attitudes towards Market Distribution of Social Services – A Comparison of 17 Countries. Social Policy & Administration, 49(7), 887-910. https://doi.org/10.1111/spol.12105
Madariaga, A. (2020). The Three Pillars of Neoliberalism: Chile’s Economic Policy Trajectory in Comparative Perspective. Contemporary Politics, 26(3), 308-329. https://doi.org/10.1080/13569775.2020.1735021
Mau, S. (2015). Inequality, Marketization and the Majority Class: Why Did the European Middle Classes Accept Neo-Liberalism? London: Palgrave Macmillan UK.
Meuleman, B., Roosma, F., & Abts, K. (2020). Welfare Deservingness Opinions from Heuristic to Measurable Concept: The CARIN Deservingness Principles Scale. Social Science Research, 85, 102352. https://doi.org/10.1016/j.ssresearch.2019.102352
Oorschot, W. V. (2000). Who Should Get What, and Why? On Deservingness Criteria and the Conditionality of Solidarity among the Public. Policy & Politics, 28(1), 33-48. https://doi.org/10.1332/0305573002500811
Streeck, W. (2016). How Will Capitalism End? Essays on a Failing System. London New York, NY: Verso.