1 / 15

Inférence Causale

Inférence Causale. Aïchatou Hassane. Motivation. L’objectif en évaluation est d’estimer l’effet CAUSAL de l’intervention X sur l’indicateur Y i.e.: - effet de l’ octroi de bourses d’ étude (X) sur la scolarisation (Y)

finn
Download Presentation

Inférence Causale

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Inférence Causale Aïchatou Hassane

  2. Motivation • L’objectif en évaluation est d’estimer l’effet CAUSAL de l’intervention X sur l’indicateur Y i.e.: - effet de l’ octroi de bourses d’ étude (X) sur la scolarisation (Y) - effet d’un transfert monétaire (X) sur la consommation des ménages (Y) • En inférence causale, il faut comprendre comment les données sont générées pour estimer de manière précise et juste l’effet de l’ intervention X sur l’indicateur Y.

  3. Causalité et Corrélation • Deux variables (X and Y) peuvent évoluer de la même manière • Le nombre d’enseignantes et la performance scolaire des filles • La santé et le revenu d’un individu. • Sans avoir de lien entre eux. • Les autres explications

  4. Evaluer l’impact • Dans quelle mesure un programme éducatif améliore-t-il les résultats scolaires? • Officiellement, l’impact du programme est le suivant α = (Y | P=1) - (Y | P=0) • Objectif: Comparer le même individu avec et sans programme à un même moment donné dans le temps Résultat scolaire (Y) avec le programme (P=1) Résultat scolaire (Y) sans le programme (P=0)

  5. Evaluer l’impact • Problème: on n’observe jamais un individu avec et sans un programme au même moment • Nécessité d’estimer ce qui arriverait aux bénéficiaires s’ils n’avaient pas reçu le programme. • Solution: contrefactuel • Contrefactuel: ce qui se serait passé sans le programme • Différence entre l’individu ‘traité’ et son contrefactuel est l’impact du programme

  6. Identifier le contrefactuel • Traité & contrefactuel • Caractéristiques identiques • Sauf au niveau de l’avantage tiré de l’intervention • Aucune autre raison de différences dans les résultats des traités et des contrefactuels • Seule raison d’une différence dans les résultats est due à l’intervention

  7. Les “Faux” contrefactuels • Avant & après : • Même individu avant le traitement • Participants & Non Participants • Ceux qui choisissent de ne pas participer au programme • Ceux à qui le programme n’a pas été offert Problème : On ne parvient pas à déterminer totalement pourquoi les traités sont traités et les autres ne le sont pas

  8. Avant & Après: des exemples • Programme d’aide agricole (aide financière pour intrants) • Comparaison des récoltes de riz avant et après • Avant = pluviométrie normale & après = sécheresse L’impact du programme d’assistance financière ne peut être distingué (identifié) de l’impact de la pluviométrie • Programme de bourses d’étude sur la scolarisation • Comparer les taux de scolarisation avant et après l’attribution des bourses

  9. Avant & Après • Comparons Y avant et après l’intervention αi = (Yit | P=1) - (Yi,t-1| P=0) • Estimons le contrefactuel (Yi,t-1| P=0) = (Yi,t| P=0) • Ne saisit pas les facteurs non-stationnaires Y Before After A B C t-1 t Time

  10. Participants & Non participants: des exemples • Programme de formation à l’emploi offert: • Comparaison de la situation d’emploi et des salaires des inscrits et des non inscrits • Qui s’inscrit ? Ceux qui ont le plus de probabilité d’en bénéficier, à savoir ceux ayant davantage d’aptitude • Assurance maladie offerte • Comparaison de l’utilisation des soins de santé par ceux ayant une assurance et ceux qui n’en ont pas • Qui souscrit à une assurance : ceux qui s’attendent à d’importantes dépenses médicales • Sans assurance : Ceux qui n’ont pas souscrit à une assurance ont des coûts médicaux moindres que ceux qui ont souscrit • Bourse pour les jeunes filles Faible estimation du programme Impact estimé du programme confondu avec critères de ciblage

  11. Participants & Non participants • Comparaison des non participants et participants • Contrefactuel : résultats des non participants • Estimation d’impact : αi = (Yit | P=1) - (Yj,t| P=0) , • Hypothèse : (Yj,t| P=0) = (Yi,t| P=0) • Problème : pourquoi n’ont-ils pas participé ?

  12. Sélection biaisée • Sélection biaisée: La population choisit de participer pour des raisons spécifiques • Souvent les raisons sont liées à un résultat d’intérêt • Formation à l’emploi : aptitude et salaire • Assurance maladie : état de santé et dépenses médicales • Planning Familiale: taux de fécondité élevé • On ne peut identifier séparément l’impact du programme de ces autres facteurs/ raisons

  13. Eléments á savoir • Toutes les raisons pour lesquelles un individu bénéficie du programme et d’autres non • Raisons pour lesquelles des individus se trouvent dans un groupe de traitement ou un groupe témoin • Si les raisons sont liées aux résultats • On ne peut identifier/séparer l’impact du programme des autres explications dans les différences au niveau des résultats

  14. Eléments à maitriser • Garantir la comparabilité des groupes de traitement et des groupes témoins • SEULE différence restante est l’intervention • Méthodologies existantes permettent de procéder à des évaluations rigoureuses en tenant compte des éléments présentés ci- avant et seront présentées au cours de ce séminaire: • Conception expérimentale/randomisation • Quasi-expérimentations (Régression discontinue, Double différences) • Variables instrumentales

  15. MERCI

More Related