Ensaio controlado randomizado

Um município distribui material escolar e, no ano seguinte, as notas sobem. O programa funcionou? Impossível saber: talvez as escolas atendidas já estivessem melhorando, talvez a economia local tenha ajudado. O ensaio controlado randomizado resolve o problema com uma ideia emprestada da medicina: sortear. Entre as escolas elegíveis, metade recebe o programa (tratamento) e metade ainda não (controle). Como o sorteio não escolhe ninguém por mérito, renda ou sorte na vida, os dois grupos começam estatisticamente iguais, e qualquer diferença que apareça depois só pode ter uma explicação: o programa.

Por que o sorteio é a peça-chave

O inimigo de toda avaliação é o viés de seleção: quem procura um programa (ou é escolhido para ele) já era diferente de quem não procura. Comparar participantes com não participantes mistura o efeito do programa com as diferenças que já existiam. A randomização corta esse nó pela raiz: ninguém se seleciona, o acaso distribui, e o grupo de controle passa a mostrar exatamente o que teria acontecido com os tratados se o programa não existisse, o contrafactual que nenhuma comparação ingênua oferece.

Da medicina à política pública

Nos anos 1990 e 2000, uma geração de economistas levou o método dos laboratórios farmacêuticos para o campo: microcrédito, mosquiteiros, reforço escolar, transferências de renda, tudo passou a ser testado com sorteio em vilarejos e escolas reais. O laboratório J-PAL, fundado no MIT, transformou a prática em escala industrial, com centenas de avaliações em dezenas de países, e os achados (alguns surpreendentes, como o efeito modesto do microcrédito) mudaram programas que custam bilhões.

O Prêmio Nobel de 2019 a Abhijit Banerjee, Esther Duflo e Michael Kremer consagrou a abordagem experimental no combate à pobreza, citando explicitamente a estratégia de fatiar grandes perguntas em experimentos menores e respondíveis. O poder do método está na validade interna: dentro do experimento, a estimativa do efeito causal é tão limpa quanto a estatística permite. As críticas, lideradas por nomes como Angus Deaton, miram o resto: a validade externa (o que funcionou num distrito de Quênia funciona no semiárido brasileiro?), os efeitos de equilíbrio geral que só aparecem em escala (treinar cem pessoas melhora o emprego delas; treinar um país inteiro muda os salários de todos), as questões éticas de sortear quem recebe ajuda e o viés de pauta: pesquisadores respondem o que é randomizável, não necessariamente o que mais importa. A síntese honesta do campo: o RCT é a régua mais confiável onde cabe, e não cabe em toda pergunta (ninguém randomiza a taxa de juros). Boas práticas atuais incluem pré-registro do plano de análise e replicação em contextos múltiplos antes de generalizar.