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

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