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