PDF, FR, 219 p., 3,1 Mo - Femise
PDF, FR, 219 p., 3,1 Mo - Femise PDF, FR, 219 p., 3,1 Mo - Femise
car il y a indépendance entre w et y. Donc les effets de traitement peuvent s’exprimer de la manière suivante: ATE=ATE1=E(y/w=1) - E(y/w=0). Pour l’exemple de la formation, cette hypothèse d’indépendance signifie que l’on suppose qu’à la fin de la formation, en moyenne, le salaire des formés s’il n’avait pas suivi la formation est équivalent au salaire des non formés, et vice-versa. Et donc l’estimation de l’effet moyen de la formation se résume à la différence entre le salaire moyen des formés et le salaire moyen des non formés. L’auto-sélection Cependant cette hypothèse implique que le traitement - le passage par une formation - est attribué de manière aléatoire entre les individus, ce qui est rarement réaliste. En effet, si les caractéristiques des individus influencent le fait qu’il soit sélectionné pour une formation et si ces caractéristiques ont également un impact sur le salaire alors il y a un problème d’autosélection, et de biais de sélection dans l’estimation de l’ATE. Dans des domaines comme la recherche médicale, on peut supposer l’aléatoire du traitement mais dans la recherche économique cela est rarement possible. Et Leamer (1983) suggère que c’est justement cette absence d’aléatoire qui explique principalement pourquoi la recherche économique n’apparaît pas aussi convaincante que la recherche médicale. Donc à défaut de pouvoir considérer le traitement comme aléatoire, on va poser d’autres hypothèses moins restrictives pour estimer l’ATE. Wooldridge (2002) distingue deux catégories d’hypothèses: La première exploite l’hypothèse de « l’ignorabilité » du traitement conditionnellement à un ensemble de variables x, et se réduit dans certains cas simplement à une régression par moindres carrés ordinaires avec des variables de contrôle. La seconde est liée à la disponibilité d’une ou plusieurs variables instrumentales, qui déterminent la participation au traitement et selon les hypothèses posées concernant la forme fonctionnelle de l’hétérogénéité non observée, différents estimateurs sont proposées. On précisera plus clairement par la suite à quel contexte chaque hypothèse fait référence. Commençons par décomposer le salaire en une partie moyenne μ , et une partie stochastique v, de moyenne nulle, Ainsi y 0 = μ + et y 0 0 1 = μ + et l’équation de salaire suivante peut ainsi être obtenue: y = μ + w( μ μ ) + w( O ) + v (2) 0 1 0 1 1 1 0 205
Le terme 1 O , est considéré comme le gain individuel spécifique du fait d’être traité, c’est-àdire que la formation a un impact différent selon les individus, entre les femmes et les hommes par exemple. Et c’est dans ce cas là, que l’ATE et l’ATE1 sont différents. y y0 = ( μ1 μ0 ) + ( 1 O ) = ATE + ( 1 1 O et en prenant l’espérance de cette expression et en conditionnant par rapport à w=1 : On obtient = ATE + E / w = 1) ) ATE1 ( 1 O Les méthodes considérant "l’ignorabilité" du traitement Dans cette partie, nous allons voir les méthodes reposant sur « l’ignorabilité » de traitement. L’hypothèse de «l’ignorabilité» du traitement : L’hypothèse de «l’ignorabilité» du traitement consiste à supposer que : - H1 : Conditionnellement à des variables x, w et y sont indépendants. Cependant, il suffit souvent de supposer cette hypothèse sous la forme d’une indépendance conditionnelle en moyenne. -H2: E y / x, w) = E( y / x) et E y / x, w) = E( y / x) ( 0 0 ( 1 1 Cette hypothèse est relative à l’hypothèse de la sélection sur les observables, c’est-à-dire que l’on suppose par exemple que la sélection des individus pour l’accès à la formation se fait à partir de caractéristiques, de variables observables x et inobservables a, w=g(x,a), maisqueaest une variable aléatoire inobservable indépendante de x et y. Donc seules les variables observables x sont à l’origine du biais de sélection. L’idée de ces méthodes reposant sur cette hypothèse est qu’après avoir contrôlé tous les facteurs déterminants le salaire et l’accès à la formation - les variables x, tel que le sexe, la catégorie socioprofessionnelle … - et s’il existe encore des différences de salaire entre les formés et les non formés, elles sont attribuables au passage par la formation. L’estimation de l’ATE Dans un premier temps, il est donc nécessaire d’exprimer l’ATE en fonction de ces variables x, soit : ATE x) = E( y y / x) = r( x) . ( 1 0 Sachant H2 : E y / x, w) = E( y / x) et E y / x, w) = E( y / x) , le salaire est indépendant de la ( 0 0 ) ( 1 1 formation. En utilisant ensuite l’équation (1) y= y0 +w(y1-y0), et en prenant l’espérance conditionnelle de y par rapport à x et w,onobtient: 206
- Page 155 and 156: annexe (tableau B1). Il s’avère
- Page 157 and 158: En situation « normale », l’exp
- Page 159 and 160: du travail est soumis à une forte
- Page 161 and 162: Placement (CIOP) -, ni les actions
- Page 163 and 164: non appel aux CSF pour leurs projet
- Page 165 and 166: Dans un cinquième temps, nous avon
- Page 167 and 168: d’affaire par tête sont bien év
- Page 169 and 170: 6.2.2. L’engagement de l’entrep
- Page 171 and 172: certainement pas grâce aux CSF que
- Page 173 and 174: d’affaires, de 11.75% sur le chif
- Page 175 and 176: Tableau 22 : Effet de la variable :
- Page 177 and 178: 7. Conclusion Si les résultats con
- Page 179 and 180: formation sur les performances des
- Page 181 and 182: Nijman T. and Verbeek M. (1992), "I
- Page 183 and 184: La réforme de 1984 s’est matéri
- Page 185 and 186: De manière globale, la cartographi
- Page 187 and 188: La véritable question qui se pose
- Page 189 and 190: Annexe B : Détails des résultats
- Page 191 and 192: Tableau B3 : Régression sur propor
- Page 193 and 194: Tableau B5 : Régression sur propor
- Page 195 and 196: Tableau B7 : Régression sur propor
- Page 197 and 198: Tableau B9 : Régression sur propor
- Page 199 and 200: travail (85,94%) et l’améliorati
- Page 201 and 202: Tableau C1 : Performances des entre
- Page 203 and 204: Pour leur part les inférences caus
- Page 205: n’y a pas d’effet d’équilibr
- Page 209 and 210: modèle linéaire suppose que l’e
- Page 211 and 212: On multiplie chaque membre de l’
- Page 213 and 214: Reprenons notre équation de dépar
- Page 215 and 216: probabilité Gi ˆ et l’interacti
- Page 217 and 218: De plus dans le cadre des variables
- Page 219: Dans le cas de l’hypothèse de «
car il y a indépendance entre w et y.<br />
Donc les effets de traitement peuvent s’exprimer de la manière suivante:<br />
ATE=ATE1=E(y/w=1) - E(y/w=0).<br />
Pour l’exemple de la formation, cette hypothèse d’indépendance signifie que l’on suppose qu’à la<br />
fin de la formation, en moyenne, le salaire des formés s’il n’avait pas suivi la formation est<br />
équivalent au salaire des non formés, et vice-versa. Et donc l’estimation de l’effet moyen de la<br />
formation se résume à la différence entre le salaire moyen des formés et le salaire moyen des non<br />
formés.<br />
L’auto-sélection<br />
Cependant cette hypothèse implique que le traitement - le passage par une formation - est<br />
attribué de manière aléatoire entre les individus, ce qui est rarement réaliste. En effet, si les<br />
caractéristiques des individus influencent le fait qu’il soit sélectionné pour une formation et si ces<br />
caractéristiques ont également un impact sur le salaire alors il y a un problème d’autosélection, et<br />
de biais de sélection dans l’estimation de l’ATE.<br />
Dans des domaines comme la recherche médicale, on peut supposer l’aléatoire du traitement<br />
mais dans la recherche économique cela est rarement possible. Et Leamer (1983) suggère que<br />
c’est justement cette absence d’aléatoire qui explique principalement pourquoi la recherche<br />
économique n’apparaît pas aussi convaincante que la recherche médicale.<br />
Donc à défaut de pouvoir considérer le traitement comme aléatoire, on va poser d’autres<br />
hypothèses moins restrictives pour estimer l’ATE. Wooldridge (2002) distingue deux catégories<br />
d’hypothèses: La première exploite l’hypothèse de « l’ignorabilité » du traitement<br />
conditionnellement à un ensemble de variables x, et se réduit dans certains cas simplement à une<br />
régression par moindres carrés ordinaires avec des variables de contrôle. La seconde est liée à la<br />
disponibilité d’une ou plusieurs variables instrumentales, qui déterminent la participation au<br />
traitement et selon les hypothèses posées concernant la forme fonctionnelle de l’hétérogénéité<br />
non observée, différents estimateurs sont proposées. On précisera plus clairement par la suite à<br />
quel contexte chaque hypothèse fait référence.<br />
Commençons par décomposer le salaire en une partie moyenne μ , et une partie stochastique v,<br />
de moyenne nulle,<br />
Ainsi<br />
y<br />
0<br />
= μ + et y<br />
0<br />
0<br />
1<br />
= μ + <br />
et l’équation de salaire suivante peut ainsi être obtenue:<br />
y = μ + w(<br />
μ μ ) + w(<br />
<br />
O ) + v (2)<br />
0<br />
1<br />
0<br />
1<br />
1<br />
1<br />
0<br />
205