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

accès à la formation, autrement dit que l’effet de la formation est à nouveau supposé homogène
entre les individus.
Donc, une autre version plus générale de ce modèle a été proposée pour lever en partie cette
dernière condition. Les moindres carrés ordinaires sont appliquées au modèle suivant, sous H1,
y = + + ˆ + ˆ μˆ
i
1wi 2 p(
xi
) 3wi
( pi
p ) + ;oùμˆ p est la moyenne simple de pˆ i .
On détermine alors quel est l’effet de la formation sur les salaires pour les individus dont la
probabilité d’avoir accès à la formation est supérieur à la probabilité moyenne de la population.
Ces modèles de régression basés sur le propensity score reposent toujours sur l’hypothèse d’une
relation linéaire entre le salaire, la formation et cette probabilité, ce qui est probablement trop
restrictif dans beaucoup d’applications.
Les méthodes de matching peuvent alors à nouveau être appliquées pour lever cette hypothèse.
En effet, le matching basé sur les variables x, mentionnée précédemment est difficile à appliquer
à cause du nombre élevé de variable x qui peuvent exister et donc du nombre trop important de
sous échantillons créer. La dimension du problème peut être réduite en stratifiant les individus,
en créant des sous échantillons en fonction de la probabilité d’avoir accès à la formation, selon
des intervalles de valeur. Et donc pour chaque sous échantillon, on calcule un effet moyen de la
formation par la méthode non ajustée ou ajustée et on fait une moyenne de tous ces effets pour
avoir l’effet moyen de la formation sur toute la population.
3. Les méthodes liées aux variables instrumentales
Ces méthodes sont appliquées lorsque l’on suspecte que l’hypothèse de «l’ignorabilité» du
traitement ne tient pas. Autrement dit, la sélection des individus se fait sur la base de variables
observables x, comme le sexe, la CSP, mais aussi sur des variables inobservables, des variables
auxquelles l’évaluateur n’a pas accès, comme la motivation par exemple, et qui influencent l’accès
à la formation et le salaire de l’individu. Donc l’application des méthodes précédentes ne permet
pas d’éliminer tout le biais de sélection.
Il est donc nécessaire d’utiliser d’autres méthodes liées à la disponibilité d’un bon instrument du
traitement. La variable instrumentale z, permet de prédire le traitement, le fait que l’on va accéder
à la formation, mais ne doit pas être reliée à l’hétérogénéité non observée, c’est-à-dire qu’elle n’a
pas d’influence propre sur le salaire.
211