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