PDF, FR, 219 p., 3,1 Mo - Femise

Pour leur part les inférences causales, ont pour objectif de chercher à déterminer les effets d’une
situation particulière, d’une politique sur un élément économique, c’est-à-dire d’évaluer le lien de
causalité entre deux variables, qui est initialement suggéré par la théorie économique.
Ces deux types de recherche sont généralement complémentaires, c’est-à-dire, que dans un
premier temps, on constate par exemple que les inégalités de salaire s’accentuent avec les analyses
descriptives, et dans un second temps on cherche les causes de ce changement par les inférences
causales. Dans cet article, on est dans le cadre des inférences causales.
Au départ de ce type de recherche, il est nécessaire de définir la relation de causalité on souhaite
mettre en évidence. Et à partir de là, on va d’abord se poser la question du choix de la stratégie
d’identification et donc de la méthode économétrique à appliquer. Et ensuite on s’interrogera sur
la base de données à sélectionner, sur les erreurs de mesures et enfin sur la robustesse de
l’estimation.
Une autre question importante dans ce type de recherche est celle posée par Thurow L. (1983),
qui constate que la théorie économique ne spécifie presque jamais quelles sont les variables qui
doivent être tenu constantes pour isoler les effets de la variable d’intérêt. Il prend l’exemple de
l’impact de l’éducation sur les salaires, et se demande s’il faut contrôler, le QI, l’effort de travail,
l’origine familiale, etc, pour obtenir « le toutes choses égales par ailleurs ». Sachant que le
coefficient des variables d’intérêt dépend presque toujours fortement des autres variables qui sont
intégrées dans l’équation principale, il est donc important de différencier les variables de résultat,
les variables qui ont un lien de causalité avec la variable de résultat, les variables d’intérêt, et les
variables de contrôle. C’est ce type d’approche qui a été mis en place dans nos différentes
estimations
Définition de l’ATE
On va pouvoir maintenant définir brièvement l’effet moyen d’un traitement, c’est-à-dire l’ATE
(Average Treatment Effect).
Quand on étudie une relation de causalité, on veut en fait évaluer l’impact d’une variable d’intérêt
sur une variable de résultat. Donc, l’effet moyen d’un traitement est l’effet moyen de cette
variable d’intérêt sur la variable de résultat. Mais on considère le cas particulier où cette variable
d’intérêt est binaire, c’est-à-dire ne peut prendre que deux valeurs possibles. Elle est égale à 1 s’il y
a le traitement et 0 sinon.
Initialement, ces modèles s’appliquaient au domaine médical avec l’indicateur binaire représentant
un traitement médical. Puis par la suite ce type de formulation s’est étendu à d’autres cas, et le
traitement a fait alors référence à la participation à un programme spécifique comme le passage
202