Fichamento: Skin in the Game: Colleges’ Financial Incentives and Student Outcomes

Barahona, Dobbin, Ho, Otero & Yannelis (2023)

Annotated Bibliography

Economics of Education

Student Finance

Causal Inference

Structural Modeling

Policy Evaluation

Author

Tales Mançano

Published

April 23, 2026

Barahona, N., Dobbin, C., Ho, H., Otero, S., & Yannelis, C. (2023). Skin in the game: Colleges’ financial incentives and student outcomes. Working Paper.

Entrada BibTeX → Barahona-etal2023

@unpublished{Barahona-etal2023,
  author    = {Barahona, Nano and Dobbin, Cauê and Ho, Hanson and Otero, Sebastián and Yannelis, Constantine},
  title     = {Skin in the Game: Colleges' Financial Incentives and Student Outcomes},
  year      = {2023},
  note      = {Working Paper},
  institution = {UC Berkeley, Georgetown University, Stanford GSB, Columbia University, Chicago Booth and NBER},
  month     = {October},
  day       = {22},
}

Última atualização: 2026-04-23 Modelo: DeepSeek V3 Gerado em: 2026-04-23T19:31:00-03:00

1 Resumo (p. 1)

1.1 Introdução e principais achados [§1]

O artigo investiga a resposta de instituições de ensino superior a incentivos financeiros que penalizam altas taxas de evasão (dropout) e inadimplência (default) em programas de empréstimo estudantil. Os autores focam em uma reforma de 2017 no programa brasileiro FIES (Fundo de Financiamento ao Estudante do Ensino Superior), que obrigou escolas com taxas elevadas a pagar uma taxa sobre os repasses governamentais. A reforma introduziu um mecanismo de “skin in the game” (participação no risco), alinhando os incentivos das instituições, que anteriormente arcavam com pouco ou nenhum custo direto pelo fracasso acadêmico ou financeiro de seus alunos. A previsão central do modelo teórico é que escolas mais dependentes da ajuda governamental reduziriam as taxas de evasão, primariamente por meio do aumento da qualidade do ensino, embora também pudessem alterar a seleção de alunos. Os achados empíricos confirmam essa hipótese: a evasão caiu 0,78 pontos percentuais em dois anos, efeito concentrado em instituições com maior dependência do FIES. Os autores constroem um modelo de equilíbrio para analisar o trade-off entre qualidade e seleção de alunos enfrentado pelos formuladores de políticas e concluem que a política de penalidade ótima corresponde a aproximadamente metade do valor inadimplido.

2 1. Introdução (pp. 2–6)

2.1 Motivação e o problema do desalinhamento de incentivos [§2–§3]

O artigo se insere no debate sobre a heterogeneidade significativa nos retornos da educação, especialmente no setor privado com fins lucrativos, onde os resultados para tomadores de empréstimos estudantis são frequentemente ruins. Citando trabalhos como Hoxby e Turner (2019), Mountjoy e Hickman (2020) e Deming et al. (2016), os autores argumentam que uma razão central para esses baixos retornos é o desalinhamento de incentivos entre escolas e alunos. Esse problema é agravado pela opacidade da qualidade educacional e pelo fato de a maior parte do financiamento vir de fontes governamentais não atreladas a resultados. A proposta de solução, ancorada na ideia de Friedman (1955), é alinhar esses incentivos fazendo com que as escolas paguem uma parte dos custos da evasão e inadimplência. Isso as induziria a investir em qualidade e colocação profissional, em vez de recrutamento e propaganda. No entanto, os autores reconhecem um dilema: como o valor adicionado (value-added) das escolas é de difícil mensuração, as instituições podem responder às penalidades não apenas melhorando a qualidade, mas também evitando alunos de contextos desafiadores, mesmo que o valor adicionado para esses alunos fosse alto, potencialmente excluindo alunos de baixa renda com dificuldades acadêmicas.

2.2 Pergunta de pesquisa e contribuição [§4–§6]

Note

O artigo se propõe a estudar os incentivos financeiros para faculdades por meio de programas governamentais de empréstimo no contexto de uma reforma brasileira de 2017, utilizando um modelo teórico e dados administrativos nacionais. O objetivo é explorar as respostas diferenciais das escolas com base em sua dependência pré-reforma dos empréstimos governamentais, documentando efeitos sobre evasão, matrícula e qualidade.

Os autores encontram que os incentivos financeiros reduzem a matrícula de alunos com auxílio federal em escolas seletivas e que a qualidade melhora em instituições dependentes dos empréstimos. O efeito total sobre a evasão é de uma queda de 0,78 pontos percentuais em dois anos, primariamente impulsionado por melhorias na qualidade. Embora escolas com altas taxas de evasão tenham reduzido sua dependência do programa, os efeitos sobre a seleção de alunos foram mínimos.

A principal contribuição é apresentar o primeiro estudo sobre uma política que impõe penalidades financeiras diretas por resultados adversos dos alunos, modelando o trade-off entre seleção e qualidade. O artigo junta-se a literaturas sobre produtividade em educação (Hoxby & Turner, 2019; Mountjoy & Hickman, 2020), empréstimos estudantis (Looney & Yannelis, 2015; Lochner & Monge-Naranjo, 2016) e o papel do tipo de instituição nos resultados (Cellini & Goldin, 2014; Deming, Goldin & Katz, 2012).

3 2. Incentivos Universitários e Resultados dos Alunos (pp. 6–11)

3.1 Configuração do modelo [§7–§10]

O modelo teórico visa ilustrar o trade-off enfrentado pelos formuladores de políticas: aumentar a qualidade sem diminuir a matrícula, tornando as instituições responsáveis pelas taxas de evasão e inadimplência de seus alunos. O modelo considera um contínuo de estudantes caracterizados por sua nota em um exame de saída do ensino médio ($r_i$) e renda familiar ($w_i$). Alunos de baixa renda ($w_i=0$) com nota acima de um limiar ($\bar{r}$) definido pela instituição podem receber um empréstimo do governo. Uma única instituição representativa escolhe a qualidade ($q$) e o limiar de empréstimo ($\bar{r}$) para maximizar seus lucros, dado um preço de matrícula fixo $p$.

A probabilidade de um aluno se matricular ($s_i$) depende de sua elegibilidade ao empréstimo. A probabilidade de evasão ($d$) de um aluno matriculado é função de suas características, da qualidade do curso e de outras características da instituição ($x$). O governo estabelece uma penalidade ($\theta$) por cada aluno com empréstimo que evade. A função lucro da instituição é composta pelo lucro com alunos de alta renda, mais o lucro com alunos de baixa renda (alta e baixa nota) menos a penalidade por inadimplência.

3.2 Proposições do modelo [§11–§15]

Tip

O modelo gera quatro proposições testáveis empiricamente: 1. Proposição 1 (Efeito da ausência de penalidade): Sem penalidade ($\theta=0$), a instituição escolhe o limiar mínimo de nota ($\underline{r}$) e qualidade mínima ($\underline{q}$). As escolas querem maximizar o número de alunos com empréstimo, pois não arcam com o ônus da evasão, e não têm incentivo para investir em qualidade custosa. 2. Proposição 2 (Efeito de uma penalidade positiva): Para uma penalidade positiva ($\theta>0$), um aumento na penalidade induz a instituição a aumentar tanto o limiar de nota ($\bar{r}$) quanto a qualidade ($q$), reduzindo a evasão média. 3. Proposição 3 (Heterogeneidade por característica da instituição): Instituições com características $x$ que atraem alunos de maior qualidade (e menor evasão inicial), como um alto ponto de corte prévio, responderão à política com um menor aumento no limiar e na qualidade. Em equilíbrio, essas instituições matricularão mais alunos com empréstimos após a política. 4. Proposição 4 (Heterogeneidade por dependência do programa): Instituições com uma maior parcela inicial de alunos usando empréstimos ($\omega$) responderão aumentando mais a qualidade, levando a uma maior redução na evasão. A escolha do limiar é independente de $\omega$.

3.3 Análise de bem-estar [§16–§18]

A análise de bem-estar incorpora duas imperfeições de mercado: a restrição de liquidez de alunos de baixa renda, que faz sua demanda não refletir a verdadeira disposição a pagar, e o custo sombra dos fundos públicos ($1 + \lambda$), que pode ser maior que um, indicando que financiar a educação com dinheiro público é desproporcionalmente custoso. O bem-estar total ($W$) é a soma do excedente do consumidor, dos lucros das universidades e do gasto do governo ajustado pelo custo sombra.

Proposição 5 (Política ótima sem custo sombra): Se o custo marginal dos fundos públicos for igual a um ($\lambda=0$), a política ótima é não ter penalidade alguma ($\theta^*=0$). Os empréstimos atuam como uma transferência pura do governo para alunos que, de outra forma, estariam fora do sistema.
Proposição 6 (Política ótima sem restrição de liquidez): Se o custo dos fundos públicos for maior que um ($\lambda>0$) e não houver restrições de liquidez (i.e., a demanda de alunos com e sem empréstimo é igual), a política ótima é uma penalidade estritamente positiva ($\theta>0$). Nesse caso, a instituição elevará o limiar de nota ao máximo, e nenhum aluno receberá empréstimos, pois o ganho social do empréstimo desaparece sem a restrição de crédito.

4 3. Detalhes Institucionais e Dados (pp. 12–15)

4.1 O ensino superior brasileiro e o programa FIES [§19–§22]

O sistema de ensino superior brasileiro é composto por instituições públicas (gratuitas, prestigiosas e seletivas) e privadas (com mensalidades e geralmente não seletivas). A partir de 1997, regulações facilitaram a expansão do setor privado com fins lucrativos. Nesse contexto, a acessibilidade financeira é a principal barreira para frequentar uma instituição privada, motivando políticas de auxílio financeiro como o FIES.

Criado em 1999 e expandido massivamente a partir de 2010, o FIES oferece empréstimos subsidiados para alunos de baixa renda em instituições privadas, cobrindo até 100% das mensalidades. O programa cresceu de menos de 20 mil novos contratos em 2009 para mais de 700 mil em 2014. Em 2015, o FIES desembolsou R$ 5,6 bilhões, cerca de 15% do orçamento do Ministério da Educação. A alocação de empréstimos é feita por um mecanismo de aceitação diferida, criando notas de corte específicas para cada curso. Após a expansão e o relaxamento dos critérios de elegibilidade, as taxas de evasão em instituições privadas subiram de 19% (2011) para 23% (2016), e a taxa de inadimplência do FIES mais que dobrou, de 19% (2014) para 41% (2018), gerando custos fiscais significativos.

4.2 A reforma “Skin-in-the-Game” [§23–§25]

Em resposta à crise de inadimplência, o governo anunciou em 2017 a reforma “Skin-in-the-Game”, que entrou em vigor em 2018. A reforma determina que instituições com altas taxas de evasão e inadimplência paguem uma parcela que varia de 10% a 25% do total de recursos de empréstimo recebidos. A penalidade ($P_s$) é calculada com base em um índice ($x_s$), que combina a taxa de evasão e a parcela de alunos inadimplentes, padronizado em relação à média e desvio-padrão de todas as escolas. O valor a ser pago é uma função linear desse índice, truncado entre 10% e 25%.

Important

Os valores envolvidos são substanciais. Uma escola com zero evasão pagaria 12,8% dos recursos do FIES recebidos como penalidade. Uma escola com metade dos alunos evadindo pagaria mais de 26,5%. Mover-se do percentil 75 para o 25 na taxa de evasão no primeiro ano implicaria uma redução na penalidade de 22,0% para 14,7% dos fundos FIES — um incentivo financeiro direto considerável.

4.3 Dados [§26–§28]

O estudo constrói uma base de dados inédita vinculando diversos registros administrativos brasileiros:

Censo da Educação Superior (INEP): Dados de todos os alunos, incluindo trajetória educacional (evasão, graduação, matrícula) e informações administrativas de cursos e instituições (corpo docente, custos).
ENEM (INEP): Notas de todos os alunos no exame de saída do ensino médio, usadas no mecanismo de alocação do FIES.
Registros Administrativos do FIES (FNDE): Dados de todos os empréstimos, incluindo pagamentos mensais do governo e reembolsos dos alunos.
Pesquisas de Mensalidades (Hoper, MercadoEdu, EducaInsights): Dados de preços de matrícula.
ENADE (INEP): Notas do exame nacional de saída do ensino superior, usado como medida de valor adicionado.

A base final contém informações de 11.687.188 alunos em 2.631 instituições, colapsadas ao nível curso-instituição-ano.

5 4. Estratégia Empírica e Resultados (pp. 15–23)

5.1 Taxas de Evasão [§29–§31]

Para testar as Proposições 2 e 4, os autores estimam um modelo de diferenças-em-diferenças (DiD) com variação na intensidade do tratamento, usando dados em painel no nível do curso. A equação principal é:

\[Y_{sjt} = \alpha_{sj} + \alpha_t + \beta \mathbb{1}[t > 2017] \times F_{sj} + \gamma_0 \times F_{sj} + \gamma_1 t \times F_{sj} + \epsilon_{sjt}\]

onde $F_{sj}$ é a parcela pré-reforma de alunos no FIES (média de 2015–2017), padronizada. O principal coeficiente de interesse é $\beta$, que captura o efeito diferencial da política em cursos mais dependentes do FIES. A premissa de tendências paralelas é avaliada por meio de gráficos de estudo de evento, que mostram tendências pré-reforma estáveis e uma queda acentuada após 2017.

Resultado: A taxa de evasão caiu significativamente em cursos com maior dependência do FIES. Um aumento de um desvio-padrão na parcela do FIES está associado a uma redução de aproximadamente 0,8 pontos percentuais na taxa de evasão (Tabela 2).
Robustez: Os autores verificam que as notas no exame de saída (ENADE) não caíram, afastando a hipótese de que as escolas estariam simplesmente aprovando alunos mais fracos (Tabela A.2).

5.2 Mecanismos: Matrícula [§32–§35]

Para testar a Proposição 3, o foco se volta para a matrícula no FIES. Universidades que já possuíam uma nota de corte alta para o empréstimo têm menos alunos com alto risco de evasão, enfrentando penalidades menores. O tratamento agora é a nota de corte prévia ($D_{sj}$), padronizada. A equação estimada é:

\[E_{sjt} = \alpha_{sj} + \alpha_t + \beta \mathbb{1}[t > 2017]\times D_{sj} + \gamma_{0}\times D_{sj} + \gamma_{1}t\times D_{sj} + \epsilon_{sjt}\]

Resultado: Cursos com uma nota de corte um desvio-padrão acima da média aumentaram a matrícula de novos alunos no FIES em cerca de 19% a 20% após a reforma (Tabela 3). Isso indica que escolas mais sensíveis à penalidade (com cortes baixos e, portanto, maior risco de evasão) reduziram a matrícula no programa, enquanto escolas menos sensíveis a expandiram.

5.3 Decomposição entre Qualidade e Seleção [§36–§40]

Para decompor o efeito sobre a evasão em mudanças na qualidade institucional e na seleção de alunos, os autores exploram a riqueza dos dados administrativos. Primeiro, estimam uma regressão de evasão ($\delta_{isjt}$) em características observáveis do aluno ($X_{isjt}$, como gênero, raça, idade, etc.) e efeitos fixos de curso-ano ($\alpha_{sjt}$):

\[\delta_{isjt} = \alpha_{sjt} + \beta X_{isjt} + \epsilon_{isjt}\]

Os efeitos fixos estimados ($\hat{\alpha}_{sjt}$) são usados como uma medida de qualidade (fatores que afetam a retenção além das características observáveis do aluno), enquanto a evasão predita com base nas características ($\hat{\beta} X_{isjt}$) é usada como medida de seleção. Em seguida, essas duas novas variáveis são usadas como resultados em modelos DiD semelhantes ao anterior.

Resultado (Tabela 4, Painéis A e B): O efeito sobre a evasão é primariamente explicado por melhorias na qualidade. Os efeitos sobre a seleção são estatisticamente insignificantes, e os autores podem descartar, com 95% de confiança, que um aumento de um desvio-padrão na parcela do FIES reduza a evasão via seleção em mais de 0,04 pontos percentuais. Em contraste, o mesmo aumento leva a uma redução de 0,92 p.p. via qualidade.

5.4 Razão Professor-Aluno [§41–§43]

Como evidência mais direta de melhoria na qualidade, os autores investigam a razão professor-aluno (excluindo alunos do primeiro ano para evitar endogeneidade). A literatura aponta que turmas menores e mais atenção do corpo docente aumentam o desempenho educacional (Angrist & Lavy, 1999).

Resultado (Tabela 4, Painel C): Escolas mais dependentes do FIES aumentaram significativamente a razão professor-aluno em aproximadamente 7,44% após a reforma. Os gráficos de estudo de evento (Figura 7) mostram uma tendência pré-reforma estável e um salto imediato após 2017, corroborando a interpretação de que a política levou a investimentos concretos em insumos de qualidade.

6 5. Modelo Estrutural (pp. 23–26)

6.1 Configuração [§44–§49]

O modelo estrutural expande a versão teórica simples para múltiplos cursos e anos, permitindo realizar contrafactuais. A utilidade do aluno $i$ ao cursar a graduação $j$ no ano $t$ é dada por $u_{ijt} = -\alpha^{L_{ijt}}p_{jt} + \pi \tilde{r}_{j}r_{i} + \xi_{jt} + \epsilon_{ijt}$, onde $\xi_{jt}$ são efeitos fixos de curso e ano e um choque de demanda. O uso de empréstimo ($L_{ijt}$) é restrito: o aluno precisa ter baixa renda ($w_i=1$) e nota acima do corte do curso ($r_i \geq r_{jt}$). A probabilidade de evasão é modelada como $d_{ijt} = \mathbb{1}\{q_{jt} + \nu r_t + \delta_{jt} + \Delta \delta_{ijt}\geq 0\}$, onde $q_{jt}$ é a qualidade e $\delta_{jt}$ é um choque.

O problema da firma (curso $j$ no ano $t$) é maximizar o lucro escolhendo preço ($p_{jt}$), qualidade ($q_{jt}$) e nota de corte ($r_{jt}$), sujeito a uma função custo quadrática que penaliza desvios dos “pontos de bem-aventurança” ($\gamma_{jt}$) para qualidade e ($\nu_{jt}$) para o corte, com a penalidade $\theta$ sobre o valor da matrícula de alunos com empréstimo que evadem.

6.2 Bem-estar [§50–§52]

O bem-estar total é modelado como a soma de três componentes: (i) excedente do consumidor, corrigido para capturar o fato de que alunos sem empréstimo têm sua demanda distorcida pela restrição de liquidez; (ii) lucro das universidades; e (iii) o custo ou ganho fiscal para o governo, ponderado pelo custo-sombra $\lambda$ sobre os subsídios perdidos com a evasão ($T_t = -\lambda (1 - \theta)\sum_{k}d_{kt}p_{kt}$).

7 6. Estimação (pp. 26–29)

7.1 Procedimento [§53–§57]

A estimação do modelo estrutural segue uma abordagem em dois estágios (loop interno e externo) para estimar parâmetros lineares (efeitos fixos, choques) e não-lineares (parâmetros de demanda, custo e evasão).

Loop Externo: Parâmetros não-lineares ($\Theta_2$) são estimados por GMM para satisfazer momentos específicos:
1. $\alpha^0$ (sensibilidade a preço sem empréstimo): utiliza um instrumento Hausman para choques de demanda.
2. $\pi$ (preferência por cursos com notas altas): covariância entre notas médias do curso no período corrente e no período base.
3. $\alpha^1 - \alpha^0$ (diferença de sensibilidade): descontinuidade na matrícula ao redor da nota de corte do FIES.
4. $\Gamma$ e $R$ (parâmetros da função custo): supõe-se que as respostas à reforma foram endógenas, e que choques não-observados na função custo ($\gamma_{jt}, \nu_{jt}$) não são correlacionados com a exposição à política.
Loop Interno: Para cada valor de $\Theta_2$, os parâmetros lineares ($\Theta_1$) são obtidos resolvendo um sistema de equações que iguala as previsões do modelo aos dados observados de market shares, participação no FIES e às condições de primeira ordem do problema da firma (ótimo de preço, qualidade e corte).

7.2 Resultados da estimação [§58]

Os parâmetros estimados (Tabela 5) revelam que:

Demanda: O empréstimo reduz substancialmente a sensibilidade ao preço. A elasticidade-preço mediana da demanda é de 1,59 para alunos sem empréstimo e apenas 0,27 para alunos com empréstimo. O aluno mediano está disposto a pagar 1,10% a mais por um aumento de um desvio-padrão no perfil de notas do curso ($\tilde{\tau}$).
Evasão e Custo: Um aumento de um desvio-padrão na qualidade reduz a taxa de evasão em 1,6 p.p. (9,7%). Os desvios dos pontos de bem-aventurança de qualidade ($\gamma_{jt}$) e nota de corte ($\nu_{jt}$) explicam uma parcela muito pequena da variação nos custos marginais.

8 7. Contrafactuais (p. 29)

Usando o modelo estimado, os autores calculam o bem-estar do consumidor sob diferentes valores da penalidade $\theta$, expresso em dólares por aluno em relação a um regime sem a política ($\theta=0$). O bem-estar total segue uma curva em formato de U invertido, maximizado em $\theta^* = 0.5$. Este valor coincide com a penalidade efetivamente implementada na política brasileira atual.

Tip

A análise contrafactual revela que o bem-estar do aluno é maior sob qualquer penalidade positiva ($\theta \in [0,1]$) do que sem penalidade alguma. Isso sugere que o efeito de melhoria da qualidade domina o efeito de seleção de alunos para todos os níveis de penalidade. Para valores de $\theta$ abaixo do ótimo, o aumento da penalidade induz melhorias de qualidade que beneficiam os alunos. Para valores muito altos ($\theta > \theta^*$), o custo de selecionar alunos com notas mais altas supera os benefícios marginais de qualidade, tornando a política menos eficaz.

9 8. Conclusões (p. 29–30)

9.1 Sumário e agenda futura [§59–§60]

O artigo conclui que penalizar escolas com altas taxas de evasão leva a uma redução nessas taxas, primariamente impulsionada por melhorias de qualidade, embora ao custo de uma redução na matrícula de alunos dependentes de auxílio federal em escolas mais sensíveis à penalidade. Os autores destacam que há amplo espaço para pesquisa futura, como explorar políticas que vinculem os incentivos a medidas de valor adicionado ou acordos de compartilhamento de renda (income-share agreements), que também poderiam alinhar incentivos, embora possam exacerbar assimetrias de informação. O foco final deve ser desenhar um sistema ótimo de investimento em capital humano que alinhe os incentivos de alunos, escolas e da sociedade.

10 Argumento Sintético

Note

A tese central do texto é que políticas que impõem custos financeiros diretos (“skin in the game”) a instituições de ensino superior pelos maus resultados de seus alunos (evasão e inadimplência) induzem-nas a melhorar a qualidade do ensino, reduzindo assim esses resultados adversos, ainda que ao custo potencial de excluir alunos de maior risco. O argumento é de natureza causal e normativa, demonstrando empiricamente que a reforma brasileira do FIES de 2017 causou uma redução na evasão e um aumento na qualidade, com efeitos de seleção limitados. A contribuição central é a modelagem explícita e a quantificação empírica do trade-off entre qualidade e seleção, determinando uma taxa de penalidade ótima que maximiza o bem-estar social, alinhando-se ao debate mais amplo sobre accountability e desenho de incentivos no financiamento da educação superior.

Ficha Analítica Crítica

Note

Esta seção segue o formato IA Planilhando Textos v12.0.

Ficha Analítica — Tabela Markdown

Dimensão	Raciocínio analítico	Conteúdo
Questão de Pesquisa	A pergunta é inferida da estrutura do artigo. Embora não apareça como uma frase interrogativa única, a introdução e o modelo estabelecem um claro objetivo de pesquisa causal. A relevância é alta tanto para a literatura acadêmica quanto para o debate de políticas públicas.	Pergunta reconstruída: Como as instituições de ensino superior respondem a incentivos financeiros que as penalizam por resultados adversos dos alunos (evasão e inadimplência), e qual é o nível ótimo dessa penalidade? A pergunta é explicativa (mecanismos de resposta: qualidade vs. seleção) e normativa (política ótima).
Questões Secundárias	As perguntas secundárias estruturam toda a análise empírica e derivam diretamente das proposições do modelo. A decomposição entre qualidade e seleção é a contribuição metodológica mais importante do artigo, pois ataca diretamente o trade-off normativo central.	1. As escolas reduzem as taxas de evasão em resposta à penalidade? 2. A redução da evasão se dá por melhoria da qualidade ou por mudança na seleção de alunos? 3. Como as respostas variam conforme as características prévias da instituição (dependência do programa e nota de corte)? 4. Qual é a taxa de penalidade que maximiza o bem-estar social?
Puzzle-Type	O puzzle é um misto de avaliação de política e debate normativo. O “gap” não é descritivo (sabe-se que incentivos importam), mas sim de mensuração e design: como quantificar o trade-off central entre eficiência (qualidade) e equidade (acesso) para informar a política ótima. O puzzle é genuíno e generalizável para qualquer contexto onde haja financiamento público da educação com garantia de crédito.	O texto se insere no puzzle sobre como alinhar incentivos em mercados de educação superior com informação assimétrica e forte presença estatal. O debate normativo é explícito: a política pode induzir qualidade, mas também exclusão de alunos vulneráveis. A contribuição é modelar e medir esse trade-off para calcular uma política ótima.
Conclusão / Argumento Central	Os autores sustentam seu argumento com uma combinação sofisticada de um modelo teórico, um desenho de DiD com variação de intensidade e um modelo estrutural para contrafactuais. O claim of discovery — que o efeito na qualidade domina o da seleção — é robusto, mas não completamente incontestável. A conclusão de que a política efeita é a ótima parece ser uma feliz coincidência que mereceria maior escrutínio sobre sua validade externa.	A penalidade financeira “skin in the game” no FIES reduziu a evasão em 0.78 p.p., efeito primariamente impulsionado por melhorias de qualidade (aumento na razão professor-aluno) e não por seleção adversa de alunos. A política ótima, que maximiza o bem-estar, é uma penalidade de 50% do valor inadimplido, valor que coincide com a política real implementada no Brasil.
Métodos	A combinação de métodos é um ponto forte. O DiD estabelece causalidade internamente válida para o contexto da reforma. A decomposição para separar qualidade de seleção é engenhosa, embora dependa da premissa de que as escolas selecionam apenas com base em observáveis. O modelo estrutural permite contrafactuais de política, mas impõe muitas premissas paramétricas.	O estudo utiliza três estratégias integradas: 1. Modelo teórico: Formaliza as predições testáveis. 2. Análise de DiD com variação de intensidade: Usa dados em painel de cursos para estimar efeitos causais da reforma sobre evasão, matrícula e qualidade, explorando a dependência prévia do FIES e as notas de corte como variáveis contínuas de tratamento. 3. Modelo estrutural de equilíbrio: Estimado para realizar exercícios contrafactuais e calcular a penalidade ótima ($\theta^*$).
Data Generation Process (DGP)	O DGP é de altíssima qualidade e adequado para o desenho de pesquisa. A capacidade de observar todo o universo de alunos e empréstimos e vinculá-los a exames de entrada e saída é rara e confere poder estatístico e validade interna. A unidade de análise é o curso-ano, mas a decomposição qualidade/seleção opera no nível do aluno, explorando a granularidade dos dados.	Fenômeno real: Resposta de instituições de ensino superior privadas a uma mudança regulatória que cria incentivos financeiros para reduzir evasão. Observação → Coleta: Dados do Censo da Educação Superior, registros de empréstimos (FIES), notas do ENEM e ENADE, todos vinculados por CPF no nível individual. Operacionalização: Receita do FIES é vinculada ao curso; evasão é medida no primeiro ano; qualidade é inferida por efeitos fixos de curso-ano e pela razão professor-aluno; seleção é inferida pela composição observável dos alunos. Análise → Inferência: Inferência causal via DiD; inferência contrafactual via modelo estrutural estimado.
Achados e Contribuições	A distinção entre o que é empiricamente identificado com força (efeito causal da reforma na evasão e qualidade) e o que é mais especulativo (bem-estar ótimo via modelo estrutural) é crucial. A validação com os dados do ENADE é um excelente teste de robustez contra a hipótese de “inflação de notas”. A principal contribuição é a demonstração empírica de que o mecanismo da qualidade domina a seleção.	Achados empíricos fortes (DiD): Redução de 0.78 p.p. na evasão, impulsionada por qualidade e com efeito de seleção pequeno e não significativo. Aumento na razão professor-aluno. Queda de matrícula FIES em escolas de alto risco. Contribuição Teórica: Modelo que integra escolha de qualidade e seleção de alunos sob uma restrição de penalidade. Contribuição de Política: Cálculo da penalidade ótima.
Análise Crítica dos Achados	Os autores respondem à pergunta central de forma convincente. O ponto mais forte é a decomposição entre qualidade e seleção, que ataca o cerne do debate normativo. No entanto, a ameaça à validade do mecanismo de qualidade persiste: “qualidade” na decomposição é um resíduo. O aumento da razão professor-aluno é uma proxy, mas não esgota o conceito. A premissa de exogeneidade dos choques de custo no modelo estrutural é forte e pode ser violada se houver outros choques correlacionados com a dependência do FIES no período pós-reforma. A coincidência de $\theta^* = 0.5$ é surpreendente e demandaria uma discussão sobre o quão dependente esse resultado é das especificidades do modelo e do momento de estimação.	Pontos Fortes: O design de DiD é bem executado, com estudos de evento que validam a premissa de tendências paralelas. A decomposição qualidade/seleção é uma abordagem inteligente. O uso de dados do ENADE descarta a hipótese de gaming via aprovação fácil. Pontos Vulneráveis: 1. A “qualidade” na decomposição é um resíduo da regressão de evasão. Ela captura tudo que não é explicado pelos observáveis, incluindo potencialmente choques de demanda não observados que afetam a retenção. 2. A identificação de $\theta^$ no modelo estrutural depende de premissas fortes sobre a função custo e da ausência de choques correlacionados com o tratamento no pós-período, o que é difícil de validar completamente com apenas dois anos pós-tratamento. Generalizabilidade:* Os resultados são, a priori, específicos para o mercado de ensino superior privado brasileiro com um programa de empréstimos como o FIES. As scope conditions incluem: (i) existência de um amplo programa de empréstimos governamentais; (ii) instituições privadas com fins lucrativos que dependem desses fundos; (iii) um exame nacional padronizado que permite seleção.
Limitações	As limitações não reconhecidas são mais profundas. A curta janela temporal pós-tratamento (2018-2019) é uma limitação séria. Efeitos de seleção podem levar mais tempo para se materializar, à medida que as escolas ajustam suas estratégias de recrutamento. A medida de qualidade é indireta (um resíduo) e a proxy de insumo (razão professor-aluno), embora válida, não captura outras dimensões de qualidade pedagógica. A omissão de uma discussão sobre possíveis efeitos de equilíbrio geral (ex.: escolas fechando ou mudando de nicho de mercado) é notável.	Reconhecidas pelos autores: A existência de um trade-off entre qualidade e seleção, e que a política estudada penaliza evasão e inadimplência, mas outras margens (como valor adicionado) poderiam ser consideradas. Reconhecem que o modelo teórico analisa apenas uma instituição representativa. Não reconhecidas ou subestimadas: 1. A análise empírica cobre apenas dois anos pós-reforma, o que pode ser insuficiente para capturar ajustes completos, especialmente em seleção e na realização da inadimplência (que ocorre anos após a evasão). 2. A medida de “qualidade” na decomposição é frágil, sendo um resíduo que engloba potencialmente fatores não relacionados a práticas pedagógicas. 3. Não se discute o potencial de respostas comportamentais das escolas para manipular a métrica de evasão sem melhorar a qualidade (ex.: pressionar alunos a não se desligarem formalmente). O teste do ENADE ameniza, mas não elimina essa preocupação. 4. O modelo estrutural não é utilizado para decompor a variação no bem-estar, o que fortaleceria o argumento de política ótima.
Perspectiva Teórica	A perspectiva é claramente a da microeconomia aplicada, com foco em organização industrial, public finance e economia da educação. O modelo principal-agente implícito é a espinha dorsal do argumento. A ontologia implícita é de agentes racionais maximizadores (escolas e alunos) que respondem a incentivos. Esta moldura é perfeitamente adequada à pergunta e ao método, que buscam quantificar respostas a uma mudança exógena nos preços relativos (custos). A coerência é alta.	O texto se filia a tradições que enfatizam o desenho de incentivos em mercados com informação imperfeita (principal-agente). Utiliza-se da noção de que o financiamento público pode criar risco moral (moral hazard) nas instituições, que é mitigado pela política de “skin in the game”. A modelagem de bem-estar com custo-sombra dos fundos públicos é típica da economia do setor público.
Principais Referências	O diálogo com a literatura é robusto em economia da educação e student loans, citando trabalhos seminais como Card (1999) e Looney & Yannelis (2015). No entanto, a discussão sobre o mecanismo de qualidade poderia ser enriquecida com o diálogo com a literatura de economia da educação sobre produção educacional (função de produção), que é apenas tangenciada. A referência a Friedman (1955) é mais retórica do que substancial no desenho do modelo.	Centrais: Looney & Yannelis (2015, 2021) sobre ciclos de inadimplência; Deming et al. (2012, 2016) sobre o setor com fins lucrativos; Hoxby & Turner (2019) sobre medição de qualidade; Lochner & Monge-Naranjo (2016) sobre teoria de empréstimos estudantis. O diálogo com a literatura de estimação de demanda (BLP) para o modelo estrutural é padrão.
Observações	A principal vulnerabilidade não explorada é a validade de longo prazo e externa do achado normativo ($\theta^*=0.5$). O resultado parece excessivamente preciso para um modelo estrutural com várias premissas fortes. Pesquisas futuras deveriam focar em abrir a “caixa preta” da qualidade, usando dados mais granulares sobre práticas pedagógicas e de gestão, e em avaliar os efeitos de mais longo prazo da política sobre a inadimplência e o mercado de trabalho. A omissão de uma discussão sobre os custos administrativos de implementar e fiscalizar a penalidade é uma lacuna importante para a recomendação de política.	O estudo é uma contribuição empírica e metodológica de peso. Para um leitor que pesquisa o tema, as oportunidades de estender o trabalho são claras: testar a validade externa em outros contextos, investigar os mecanismos de qualidade em maior profundidade e avaliar os efeitos da política sobre resultados de longo prazo (graduação, empregabilidade e inadimplência realizada). A validade externa do $\theta^*$ encontrado é muito limitada e não deve ser tomada como uma recomendação universal de política.