PDF, FR, 219 p., 3,1 Mo - Femise
PDF, FR, 219 p., 3,1 Mo - Femise
PDF, FR, 219 p., 3,1 Mo - Femise
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
De plus dans le cadre des variables instrumentales, on peut définir de manière plus concrète<br />
l’effet moyen de traitement local LATE, en considérant le cas simple où l’instrument, z, estune<br />
variable binaire, 1 ou 0. LATE a l’interprétation suivante : c’est l’effet moyen de traitement pour<br />
ceux qui serait induit à participer en changeant z de zéro à 1. Autrement dit, dans notre exemple,<br />
c’est l’effet moyen de la formation, pour ceux qui pourraient participer à la formation s’ils étaient<br />
éligibles. LATE est un indicateur différent de l’ATE et de l’ATE1 car il dépend du choix de<br />
l’instrument z.<br />
4. Les cas particuliers<br />
Cette dernière partie permet, sans rentrer directement dans l’estimation des modèles, de souligner<br />
que les méthodes précédentes ne peuvent pas s’appliquer dans certains cas particuliers, pour<br />
estimer les effets moyens de traitement.<br />
1) Les considérations spéciales pour les réponses aux solutions binaires ou en coin<br />
Certaines des hypothèses que nous avons posées pour estimer l’ATE dans le cas de<br />
«l’ignorabilité» (avec des variables de résultats binaire ou en coin), de traitement sont irréalistes,<br />
notamment l’hypothèse de linéarité de l’équation de résultats. Il faut donc estimer la variable de<br />
résultat moyen pour les traités et les non traités en fonction de x, d’une manière appropriée à la<br />
forme de la distribution de y. Les méthodes des variables instrumentales sont également<br />
difficilement applicables car elles reposent toujours sur l’hypothèse de linéarité, mais peuvent<br />
permettre de donner une approximation des effets moyens de traitement.<br />
Comme alternative, nous pouvons donc utiliser des modèles probit ou tobit intégrant l’indicateur<br />
binaire du traitement. L’estimateur par maximum de vraisemblance requiert un grand nombre<br />
d’hypothèse mais peut permettre d’estimer l’effet moyen du traitement.<br />
2) Les données de Panel<br />
La disponibilité de données de panel nous permet d’estimer l’effet de traitement sans poser<br />
l’hypothèse de «l’ignorabilité» de traitement et sans disposer d’une variable instrumentale. Ces<br />
méthodes consistent à supposer que la sélection des individus pour le traitement est faite sur la<br />
base des variables observables x, et de variables inobservables, e. Cependant, les inobservables<br />
peuvent se décomposer en deux éléments, un premier éléments i , constant dans le temps, qui<br />
est corrélé à la formation et est la cause du biais de sélection, puis un second élément, it , qui est<br />
un terme d’erreur aléatoire non corrélé à la formation. En supposant que l’on dispose de données<br />
216