PDF, FR, 219 p., 3,1 Mo - Femise
PDF, FR, 219 p., 3,1 Mo - Femise
PDF, FR, 219 p., 3,1 Mo - Femise
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
n’y a pas d’effet d’équilibre général. C’est la première hypothèse qui est posée dans ce type<br />
d’analyse, ie, l’échantillon d’étude est indépendant et identiquement distribué. Pour notre<br />
exemple, on exclut le cas où le passage par la formation d’un individu affecte le revenu d’un autre<br />
individu.<br />
Les mesures de l’ATE<br />
Cette hypothèse posée, on va pouvoir définir la mesure de l’effet moyen d’un traitement. On<br />
s’intéresse tout simplement à la différence entre le revenu avec et sans traitement mais il y a<br />
néanmoins quelques variantes:<br />
Tout d’abord, nous avons l’ATE qui se définit de la manière suivante : ATE=E(y1-y0) et qui est<br />
l’effet moyen de traitement sur toute la population. C’est donc l’effet attendu de la formation sur<br />
le salaire pour une personne aléatoire choisie dans la population. Une critique de cette mesure est<br />
qu’elle peut inclure des individus qui n’auraient jamais été éligibles au traitement. Donc pour<br />
l’évaluation, on restreint la population de référence, et c’est ce que l’on fait généralement quand<br />
on considère par exemple seulement les actifs occupés.<br />
Ensuite, on peut calculer l’effet moyen de la formation pour ceux qui y participent:<br />
ATE1=E(y1-y0/w=1). L’ATE1 est normalement équivalent à l’ATE mais il peut dans certains cas<br />
être diffèrent.<br />
Enfin, un troisième indicateur de mesure est l’effet moyen de traitement local, LATE, qui est plus<br />
particulier et est relatif à une variable instrumentale (voir plus loin).<br />
L’estimation de l’ATE et l’hypothèse du traitement aléatoire<br />
Pour estimer l’ATE et de l’ATE1, les effets moyen de traitement sur toute la population ou sur<br />
les traités, on définit la variable de résultat de la manière suivante, sachant que l’on observe pour<br />
une personne seulement y0 ou y1. y = (1-w)y0+wy1 =y0+w(y1-y0) (1)<br />
Dans notre exemple, le salaire y d’un individu est la somme du salaire attribué sans formation,<br />
y0 et le supplément de salaire suite à la formation, avec w=1, si l’individu est formé.<br />
Tout d’abord, on peut supposer que l’indicateur de traitement est statistiquement indépendant de<br />
la variable de résultat, c’est ce qui arrive quand le traitement est attribué de manière aléatoire entre<br />
les agents. La première conséquence de cette hypothèse est que l’ATE et l’ATE1 sont identiques.<br />
Et puis, on peut estimer l’ATE de manière très simple.<br />
En utilisant cette équation, on peut montrer que pour les différentes valeurs de w, on a :<br />
E(y/w=1)= E(y1/w=1)= E(y1) et E(y/w=0)= E(y0/w=0)= E(y0) 204