[PDF] [PDF] Inférence Causale et Méthodes Quasi-Expérimentales - Pubdocs

[PDF] Évaluation quasi-expérimentale

Il n'existe aucune méthode statistique qui puisse complètement résoudre le problème du biais de sélection Comme il est impossible d'anticiper tous les facteurs 

[PDF] ÉVALUATION DES POLITIQUES PUBLIQUES - INRA

panorama des méthodes quasi-expérimentales 1 - Le problème fondamental d' inférence causale et les biais des comparaisons intuitives L'objectif de l 

[PDF] Les approches quasi expérimentales dune nouvelle - Lodel

pollution atmosphérique voie le jour Mots-clés inférence causale, pollution de l' air et santé, évaluation de politiques publiques, méthodes quasi expérimentales

[PDF] Méthode : Expérimentation (Fiche synthèse)

12 fév 2010 · Les devis expérimentaux sont les plus rigoureux par rapport aux autres Quasi- expérimentation Avant-après avec groupe de contrôle

[PDF] Inférence Causale et Méthodes Quasi-Expérimentales - Pubdocs

Permet de mesurer les impacts directs des politiques publiques, programmes d' infrastructures • Est-ce que le programme à un impact sur l'indicateur choisi ?

[PDF] Évaluer limpact - Gret

études expérimentales et quasi-expéri- mentales La méthode expérimentale né- cessite que les micro-entreprises destinées à participer ou à ne pas participer 

[PDF] Séance VII: Principales méthodes quasi-expérimentales - 1cm

18 nov 2019 · Séance VII: Principales méthodes quasi- expérimentales Arthur Heim Introduction Le grand saut: discontinuités de regression Presentation

[PDF] Méthodes quantitatives pour évaluer les interventions visant à

développons longuement ce schéma expérimental de référence Cependant, des schémas dits quasi expérimentaux (étude avant/après avec groupe-contrôle, 

[PDF] aquapad

[PDF] recherche expérimentale exemple

[PDF] exposé sur le gaspillage de l'eau

[PDF] le gaspillage de l'eau texte argumentatif

[PDF] 5 est un diviseur de 65

[PDF] gaspillage de l'eau dans le monde

[PDF] fonctions de plusieurs variables cours

[PDF] fonctions de plusieurs variables exercices corrigés

[PDF] exo7 fonction a plusieurs variables cours

[PDF] continuité d'une fonction ? deux variables exercices corrigés

[PDF] exercice dérivée partielle corrigé

[PDF] multiple et diviseur 4eme controle

[PDF] detection de contours traitement d'image

[PDF] filtre moyenneur traitement d'image

[PDF] filtre gaussien matlab traitement d'image

Mesurer

l'impactI:Inférence

Causale et Méthodes

Quasi-Expérimentales

Alice Duhaut, DIME

•Objectif principal:

•Guider les décisions politiques et de programmes sur base des preuves solides.

•Argument:

•Plusieurs types d'évidence du plus simple & moins-couteux au plus complexe. •En cas des doutes sur l'efficacité d'un programme, l'étude d'incidence (ou

évaluation d'impact) se justifie.

•Si nous n'avons pas des doutes nous pouvons nous passer de l'étude d'incidence.

Introduction

•Permet demesurer les impacts directs des politiques publiques, programmes d'infrastructures... •Est-ce que le programme à un impact sur l'indicateur choisi ? •Comprendre les avantages nets du programme & comparer les différentes options du programme •Comprendre la répartition des effets du programme entre différent sous-groupes •Comprendrecomment les résultatspeuventchanger enmodifiantcertainsaspects d'un programme

•Autres avantages opérationnels

•Décaissement plus rapide & moins de retards dans la mise en oeuvre du projet

Pourquoil'évaluationd'impact?

Évaluationd'impactet

inférence •L'inférencecausaleestla pierreangulairedes évaluationsd' impact •Les politiques de dévelopmentinvoquent géneralementdes questions/relations de cause à effet.

Inférencecausale?

Exemple: Les programmes d'emploi pour les jeunes peuvent-ils réduire le risque de participation à la violence? Exemple: Les programmes de formation des agents de l'État entrainent-ils une amélioration des performances? Exemple: Les garderies peuvent-elles accroître la participation des femmes dans la vie

économique?

Exemple: La modernisationdes routes augmente-t-ellele bien êtrede la population rurale?

Deuxapproches

1. Suivi et évaluation (traditionnel)

2. Évaluation d'impact

•Mesurer les progrès des indicateurs au fil du temps: •"Est-ce que le projet est sur la bonne voie ?» •L'accent est mis sur les activités du projet et les bénéficiaires •Permet d'observer le changement, mais ne nous dit pas pourquoi ou comment il est arrivé.

Suiviet évaluation(traditionnel)

Le défi de l'attribution de l'impact II: facteurs externes

•Impact ?

•"Qu'arriverait-il en l'absence du programme ou projet?» •C'est la différence entre les résultats avec programme et sans programme

•L'objectif de l'évaluation d'impact est de mesurer cette différence de manière à l'attribuer au programme, etseulementau programme

Évaluation d'impact

•Idéalement: les résultats avecet sansprogramme pour la même unité d'analyse, qu'elle soit un individu, un village, un groupe ...

•Problème:

•On ne peut pas à la fois recevoir et ne pas recevoir le traitement

•Il y a un problèmede manquede données

•Solution:

•Avoir un groupe de comparaison/témoin pour estimer ce qui serait arrivé sans programme •Ne peut être observé et doit donc être constitué

Ce donton a besoin

•Trouver un groupe de comparaison, lecontrefactuel:

Solution: trouverun contrefactuel

Cequi s'estvraimentpasséCe qui se seraitpassé sans programme-contrefactuel

Monde imaginaire!!!Monde réel!!!

La cléd'unebonne évaluationd'impactestun scénario contrefactuelvalide!

Comment trouver un contrefactuel valide?

•Le groupede traitementet le groupetémoindoiventavoirles mêmes caractéristiques

•observables

•non observables

•Donc le changement dans les résultats ou l'indicateur peut être attribuéseulement au programme

Caractèristiquesd'un contrefactuelvalide

•Quelestl'impactde donner à Babouchede l'argentde poche supplémentairesur le nombrede bottinesrouge qu'ilpossède?

•Imaginons que Babouche ait un clone:

•Identique à l'extérieur (observables)

•Identique à l'intérieur (non observables)

L'expérienceparfaite

Nous sommes tous les

deux des singes

Nous aimons tous les

deux les bottines rouges

BaboucheClone

•Si on applique le traitementà Babouche-sion luidonneplus d'argentde poche

L'expérienceparfaite

BaboucheClone

La seule différence est le projet ou traitement •Si on applique le traitementà Babouche-sion luidonneplus d'argentde poche

L'expérienceparfaite

BaboucheClone

Comme Babouche et son clone sont identiques,

la différence du nombre de paires de bottines est due au traitement

IMPACT=2-1=

1 pairede

bottines

Évaluation

d'impacten pratique Comment construireun contrefactuelvalidepour mesurerl'impact causal ?

Contrefactuels

contrefaits •Avant -Après

•Participants -Non-participants

Impact causal

sous certaines hypothèses& avec limitations

•Double difference

•Appariementdes coefficients de

propension

•Discontinuitéde la regression

Impact causal

(prochaine session) •Methodesexperimentales (randomisation)

•Problème: La République d'Atlantis veux moderniser les routes Rurales pour améliorer le bien-être socio-économique des citoyens

•Intervention: Le gouvernement décide de lancer un programme pilote pour voir si ce programme sera efficace

•Résultats clés: Bien-être socio-économique, plus particulièrement la consommation par habitants des ménages ruraux.

•Déroulement :

•Janvier 2014: Parmi les 9000 villages ruraux, 2,000 sont invités à participer

•Mars 2014-mars 2015: 1021 villages déposent leur dossier à temps et voient leur route être remise à niveau . Les 979 restants sont les non participants.

•Juin 2016: Enquête auprès des ménages des 2000 villages invités Étudede cas: modernisationdes routes ruraleset bienêtre

Contrefactuels contrefaits I:

Comparaison participants et non-participants

•Idée: •Comparerla consommationdes ménages des villages participants avantet aprèsmodernisationdes routes •Hypothèse fondamentale: •Sile programme n'avait pas existé, le résultat pour les participants aurait suivi la même tendance que dans le passé Contrefactuels contrefaits I: Comparaison avant-après

Participants 2014

Participants 2016

La difference represent-elleuneestimation non-biaiséede l'impactprogramme?

Pas forcément: différencedansle temps

•Pas que le programme: trop de facteurs changent avec le temps, par ex. amélioration de la conjoncture économique,... •Des changements surviennent avec le temps, même sans programme.

Participants 2014Participants 2016Différence

Consommationdansles villages participants274.4301.627.2*

Contrefactuels contrefaits I:

Comparaison participants et non-participants

•Idée: •Comparerla consommationdes ménages des villages avecroutes moderniséesetdes villages sans •Hypothèse fondamentale: •Sile programme n'avait pas existé, le résultat pour les participants serait le même que pour les non -participants La différencereprésente-elleuneestimation non-biaiséede l'impactdu programme?

Pas forcément: biaisde selection

•Les villages participants sontplus denses, ontdes plus hautsniveaude consommation (observable) •Villages ontuneorganisationdifférente, ontdes histoiresdifférentes(non observables)

ParticipantsComparaisonDifférence

Consommationdes ménages301.6219.182.5*

Participants

Non-participants

Contrefactuels contrefaits II:

Comparaison participants et non-

participants

Méthode d'appariement

•Contrefactuel observablesquelesparticipants laparticipationetlerésultat résultatsétudiés

Méthode d'appariement

caractéristiquesobservables. scoredepropensionsimilaire. d'observationsappariées. 0 1

Méthode d'appariement...

Densité du score de propension:

Densité

Methoded'appariement...

•La différencereprésente-elleuneestimation non-biaisée de l'impactdu programme? •Pas forcément: Influence des facteursnon-observables

ParticipantsComparaisonDifférence

Consommationdes ménages

290.23234.4155.8*

Nombred'observationsutilisées

886751

Participants

Non-participants

Méthode de double différence (DD)

La méthode DD:

•Compare les différences de résultats entre participants et non-participants dans le programme au fil du temps

•Hypothèsed'identification: •“Tendancesparallèles" enl'absencedu programme •Le contrefactuel •C'estle changementau fil du temps pour les non-participants dans le programme •(Sous certaineshypotheses), la DD peutproduiredes estimations moinsbiaisées

Hypothèse: tendances parallèles

Impact

Consommation

des ménages

050100150200250300350

Participants

Contrôle

Sans intervention

20162014

Example : DD et routes rurales

TraitementComparaisonDifférence

POST-modernisation

Consommationen

2016301.6219.182.5

PRÉ-modernisation

Consommationen2014274.421955.4

Différencedeniveaude

consommationen2016 et201427.2 (301.6 -274.4)0.1 (219.1 -219)27.1* (301.6 -274.4)-(219.1-219) =(Différence-dansla -

Différence)

Programmes de lutte

contre la pauvreté

Retraites

Bourses d"étude

Agriculture

Beaucoup de programmes sociaux sélectionnent les bénéficiaires en utilisant un indice ou un score:

Ciblentlesménagessousunseuilde

pauvreté

Ciblentlapopulationaudessusd"un

certainâge auxtestsontélevés

Fertilisantdestinéàdespetites

exploitations(Méthode de Régression Discontinue (RD)

Méthode de Régression Discontinue (RD)...

•Hypothèsefondamentale: justeau-dessous sélection simpleetcontinu •L'assignation du programme est basée sur base d'un seuil •Cibler les unités autour du seuil pour l'évaluation

Méthode de Regression Discontinue (RD)

Forme différente Nous sommesà la recherchede cetype de tendances...

Variable d'assignationVariable d'assignation

Référentiel

Suivi

Resultats

Un exemple de RD: Effet de programme de bourses rurales •Objectif •Améliorer la diversification des revenus parmi les femmes des ménages ruraux les plus pauvres •Méthode •Ménages avec un score (indice de richesse) >50 sont non pauvres •Intervention •Les femmes faisant partie des ménages pauvres reçoivent une bourse pour le transport et la commercialisation de leurs produits.

Non éligible

Eligible

Situation de référence:

Méthode de RegressionDiscontinue (RD)...

Synthèse

•RD se prête à l'évaluation prospective lorsque la randomisation n'est pas faisable: •Stratégie applicable à tout programme qui se base sur un critère d'éligibilité •Possibilité d'exploiter plusieurs seuils pour améliorer la validité externe •L'effetest causalmais localet donc il y a un problème de généralisation.

Synthese: méthodesnon-expérimentales

•Toutesles situations ne se prêtentpas à la même méthode •Différentesméthodesproduisentdes résultatsdifférents •Les méthodesfaiblespeuventconduireà des résultats biaisés hypothèsesfortes et de trèsbonnesdonnées •Les résultatsde l'évaluationd'impactsontvalides seulementsinous utilisonsdes méthodesrigoureuses.

Merci !

quotesdbs_dbs35.pdfusesText_40