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

de Panel, ou au moins deux périodes d’observations sont disponibles, on peut alors appliquer la
méthode des différences premières ou des effets fixes pour éliminer ce biais. Le principe consiste
ainsi à estimer l’impact de la formation sur la croissance du salaire.
Un modèle un peu plus compliqué permet à l’effet moyen du traitement de varier selon
l’hétérogénéité non observé, c’est-à-dire que la formation a un impact direct et un effet indirect à
travers les caractéristiques inobservables. Le modèle est alors le
suivant : y ij = xij
+ iwit
+ ci
+ withi
+ uit
où c et h représentent l’hétérogénéité non observée.
L’effet moyen de traitement se définit alors de la manière suivante : i + E(
hi
) ,
Dans un second temps, les méthodes de matching peuvent également s’appliquer dans le cadre
des données de Panel pour lever l’hypothèse de linéarité des méthodes de régression. On
compare alors la croissance du salaire moyen des formés à celles des non formés.
3) Les traitements non binaires
Nous pouvons aussi estimer l’effet moyen du traitement quand w prend plus de deux valeurs,
comme dans le cas du nombre d’année d’éducation par exemple.
Les définitions de l’ATE, l’ATE1 et LATE sont plus compliquées dans ce cas, car le
contrefactuel est plus difficile à définir. Dans un cas de traitement binaire, comme le passage par
la formation, le contrefactuel de référence était le fait de ne pas être formé, dans le cas d’un
traitement non binaire, il peut exister une multitude de contrefactuel de référence.
Wooldridge s’appuie sur un modèle à cœfficient aléatoire, et permet ainsi à l’effet du traitement
de varier selon les caractéristiques x des individus et de l’hétérogénéité non observée.
L’effet moyen du traitement se définit alors comme un effet partiel moyen, c’est-à-dire par
exemple l’effet moyen de l’éducation pour n’importe quel niveau d’éducation.
Comme dans le cas binaire, deux approches peuvent être utilisées pour identifier l’ATE : nous
pouvons supposer «l’ignorabilité» de traitement, ou utiliser l’approche des variables
instrumentales. Dans chaque cas, le modèle est le même : E(y/w,c)=a+bw, oùc(a,b), et a et b
peuvent dépendre aussi bien des variables observables x que de l’hétérogénéité inobservée.
L’estimation de = E(b)
, correspond à l’effet partiel moyen du traitement.
4) Les traitements multiples
Enfin, la variable de traitement peut parfois ne pas être unique. Il peut y avoir plusieurs
traitements, plusieurs passages par une formation par exemple.
217