Os formuladores de políticas frequentemente testam novos programas caros em amostras relativamente pequenas. A incorporação formal de priors bayesianos informativos na avaliação de impacto oferece a promessa de aprender mais com esses experimentos. Avaliamos um programa colombiano para 200 empresas que visava aumentar as exportações. Priors foram extraídos de acadêmicos, formuladores de políticas e empresas. Ao contrário desses priors, a estimativa frequentista não consegue rejeitar efeitos nulos em 2019, e encontra alguns impactos negativos em 2020. Para resultados binários, como se as empresas exportam, as estimativas frequentistas são relativamente precisas, e os intervalos posteriores bayesianos se atualizam para se sobrepor quase completamente aos intervalos de confiança padrão. Para resultados, como aumento na variedade de exportação, onde os priors se alinham com os dados, o valor desses priors é observado em intervalos posteriores que são consideravelmente mais estreitos do que os intervalos de confiança. Finalmente, para resultados ruidosos como o valor das exportações, os intervalos posteriores mostram quase nenhuma atualização a partir dos priors, destacando quão não informativos são os dados sobre tais resultados. Futuros experimentos de políticas poderiam usar esses posteriores como priors em uma análise bayesiana ou bayesiana empírica.
Iacovone et al. (Qua,) estudaram essa questão.