[PDF] Session III Estimation en Doubles Différences (Diff- in-diff

Session III Estimation en Doubles Différences (Diff- in-diff

Lorsque la taille de la réponse dépend d’une façon non linéaire de la taille de l’intervention, et que nous comparons un groupe à intensité élevée de traitement avec un groupe à faible intensité de traitement Lorsque les observations au sein de l’unité de temps/ groupe sont corrélées

1 2

Corey: Et quand ils reviendront à Austin, on fera la fête Corey: And when they return to Austin, we'll have a party In the French examples above, the subordinate clauses starting with dès que, aussitôt que, lorsque, and quand are in the simple future because the main clauses are in the future The action in the subordinate clause implies

Subordonnée circonstancielle (fonction : complément de phrase)

une forme simple (ex : quand, lorsque, si, comme) ou une forme complexe comprenant plusieurs mots dont que (ex : avant que, après que, afin que, parce que, bien que, quoi que, à condition que) La conjonction a souvent une préposition équivalente du point de vue du sens (ex : avant que / avant (de), afin que / afin de)

L’IMPARFAIT ET LE PASSÉ COMPOSÉ

Quand j’étais jeune, je faisais de la peinture à l’école Voici quelques expressions associées au passé composé : Hier Hier soir Hier après-midi La semaine dernière Avant-hier Il y a deux ans L’année dernière Jusqu’à maintenant Il y a quelque temps Et quelques expressions associées à l’imparfait : Quand Pendant que Lorsque

Chapitre 9 DIFFRACTION - Université Paris-Saclay

qui augmente quand la longueur d’onde augmente L'ouverture angulaire varie ainsi en λ / d, où d est la dimension latérale du trou grandes valeurs de d petites valeurs de d d Si on éclaire un diaphragme de diamètre d avec une onde lumineuse plane, on observe quand d est grand une tache lumineuse qui correspond à la projection du trou

Fiche 6 - Les conjonctions de subordination

- als (quand, lorsque utilisé pour un fait unique dans le passé ou dans un présent de narration [pour un récit]) : Ex : Als er gekommen ist, haben wir gefeiert (Quand il est venu, nous avons fait la fête) - wenn (quand lorsque utilisé pour un fait répétitif dans le passé , ou pour un fait présent ou futur A ne pas

Quand la posture infirmière a un impact sur la relation

Lorsque que j’ai été confrontée à ce genre de situations, j’ai pu constater que la relation soignant-soigné était soit dégradée soit préservée (relation qualitative) en fonction de la posture des IDE Je me suis donc questionnée sur l’impact potentiel que peut avoir la posture infirmière

Les coûts de la production - Pantheon-Sorbonne

lorsque la production augmente parce que 1 les travailleurs peuvent se spécialiser 2 la production peut être organisée de façon plus efficiente 3 L’entreprise peut obtenir des prix plus favorables pour les facteurs

[PDF] quand lorsque grammaire

[PDF] aménagement de l'espace eje

[PDF] livre sur l'aménagement de l'espace en crèche

[PDF] aménagement de l'espace en crèche

[PDF] aménagement de l'espace définition

[PDF] anne marie fontaine amenagement espace

[PDF] aménagement de l'espace en multi accueil

[PDF] quand utiliser la virgule

[PDF] exemple phrase point virgule

[PDF] utilisation des deux points

[PDF] exemple phrase avec point virgule

[PDF] quand utiliser point d'exclamation

[PDF] intérêts composés exercices corrigés

[PDF] ? quoi sert les deux points

[PDF] quand mettre un point

Spanish Impact Evaluation

FundHuman Development

NetworkMiddle East and North Africa

Region

Session III Session III

Estimation en Doubles Diff

Estimation en Doubles Difféérences rences

(DiffDiff--inin--diffdiff)) et Donn et Donnéées de Paneles de Panel

Christel VermeerschChristel Vermeersch

Janvier

Janvier20082008

2

Contenu de cette session•

Quand utilisons-nous la méthode des doubles

différences? (Diff -in- diff ou DD)

Stratégie d'estimation : un peu de théorie

Exemples :

Extension des services d'éducation en Indonésie

L'eau pour la vie (Argentine)

Classement des écoles

Progresa (Mexique)

3

Quand utilisons-nous les DD ?•

Nous ne pouvons pas toujours choisir au hasard les bénéficiaires d'un programme...

Estimer l'impact d'un programme " passé »

Nous pouvons essayer de trouver une " expérience naturelle »qui nous permet d'identifier l'impact d'une politique

Par exemple, un changement inattendu dans une politique pourrait être considéré comme une " expérience naturelle »

Par exemple, une politique qui n'affecte que les jeunes de 16 ans mais non ceux de 15 ans

Même dans les expériences naturelles, nous devons identifier quel est le groupe affecté par le changement de politique ("groupe traitement ») et quel est le groupe qui n'est pas affecté (" groupe témoin »).

La qualité du groupe témoin détermine la qualité de l'évaluation. 4 Une stratégie simple pour les expériences naturelles :

La comparaison " avant - après »

oOLSitit YYtY 1 )1(1. H E D Avec 2 ans de données : avant (t=0) et après (t=1) Avec plus de 2 ans de données et un changement depolitique au moment t=t* 1 .1( ) Question à répondre: Y a-t-il un changement structurel dans la serie des au moment t*? T it it OLS o OLS Yt YY 5

Les doubles différences

11 00 10

10 10 10

ii ii YT YC YT YC YT YT

YTYT YCYC YCYC

Nous soustrayons

ces deux moyennesNous comparons la moyenne de la variable de résultat avant et après, pour le groupe de comparaison.Nous comparons la moyenne de la variable de résultat avant et après, pour le groupe traitementAvant

AprèsGroupe qui n'est pas

affecté par le changement de politique (groupe témoin)Groupe affecté par le changement de politique (groupe traitement) 6

TempsIntervention

Variable

de résultat

Groupe

traitement

Groupe témoin

Effet moyen estimé du traitement

Graphiquement

7

Régression

1 0 1 0 10 10 .1(1).1( ) .(1).1( ) itit i i i i ii ii

YtiTtiT

EY T EY T EY C EY C D

D EY T EY T EY C EY C

8

Régression

11 00 11 00 .1( 1) .1( ) .1( 1).1( ) (|) .1.1 .1.1 (| ) (|) .0.1.0.1 (| ) (|) .1.0 .1.0 (| ) (|) .0.1.0.0 (| ) itit ii ii ii ii

YtiTtiT

EY T E i T

EY T E i T

EY C E i C

EY C E i C

D

EJG H DEJK

DE J G H DJ

DE J G H DE

DE J G H

10 10 ii ii

DD EY T EY T EY C EY C

9

Si nous avons plus de 2 périodes de

temps/groupes 11

òu est l'intensité du trait.1( ) .1( )

ement dans un groupe durant la période .. D

EWJLGH

TI it it it it TT iYiT tt Nous utilisons une régression avec des variables indicatrices d'effets fixes pour le temps et le groupe : L'identification de l'effet de traitement est basé sur la variation inter- temporelle entre les groupes.

CàD

: des changements dans la variable de résultat Y dans le temps, qui sont spécifiques aux groupes traitement.

CàD

: des changements abrupts dans la variable de résultat Y, qui n'arrivent qu'aux groupes traitement, et non aux groupes de comparaison, exactement au moment où le traitement commence à faire effet. 10

Si nous avons plus de 2 périodes de

temps/groupes Nous utilisons une régression avec des variables indicatrices d'effets fixes

pour le temps et le groupe:L'identification de l'effet de traitement est basé sur la variation inter-

temporelle entre les groupes.

CàD

: des changements dans la variable de résultat Y dans le temps, qui sont spécifiques aux groupes traitement.

CàD

: des changements abrupts dans la variable de résultat Y, qui n'arrivent qu'aux groupes traitement, et non aux groupes de comparaison, exactement au moment où le traitement commence à faire effet. 11

òu est l'intensité du trait.1( ) .1( )

ement dans un groupe durant la période .. D

EWJLGH

TI it it it it TT iYiT tt 11

Avertissements...•

Le modèle à effets fixes n'est valable que lorsque le changement de politique a un impact immédiat sur la variable de résultat. S'il y a un délai dans l'impact du changement de politique, nous devons utiliser des variables déphasées de traitement. Les doubles différences/ effets fixes contrôlent : Les effets de groupes fixes (e.g., agriculteurs qui possèdent leurs terres, agriculteurs qui ne les possèdent pas) Les effets qui sont communs à tous les groupes à un point particulier dans le temps, c'es`-à-dire les " tendances communes » (e.g., la sécheresse de 2006 qui a affecté tous les agriculteurs, indépendamment du fait qu'ils possèdent leur terre ou non) Les doubles différences/ effets fixes attribuent les différences dans les tendances entre les groupes traitement et les groupes témoins, qui se produisent au même moment que l'intervention, à cette intervention. S'il y a d'autres facteurs qui affectent la différence dans les tendances entre les deux groupes, alors l'estimation sera biaisée ! ,1it Y 12

Contrôle de qualité pour les DD ...•

Faire une DD " placebo», i.e., utiliser un " faux » groupe de traitement Ex. pour les années antérieures (e.g., années -2, -1). Ou utiliser comme groupe traitement une population dont vous savez pertinemment qu'elle n'a pas été affectée. Si l'estimation DD est différente de 0, il en suit que les tendances ne sont pas parallèles et notre DD originale sera probablement biaisée.

Utiliser un groupe témoin différent.

Les deux DD devraient donner les mêmes estimations Utiliser une variable de résultat Y~ dont vous savez pertinemment qu'elle nést pas affectée par le traitement, Utiliser le même groupe témoin et la même année de traitement. Si la DD estimée est différente de zéro, il y a un problème. 13

Problèmes qui se produisent souvent dans

l'utilisation de la DD La participation est basée sur la différence dans les résultats avant l'intervention " Ashenfelter dip »

Dépendance de forme fonctionnelle

Lorsque la taille de la réponse dépend d'une façon non linéaire de la taille de l'intervention, et que nous comparons un groupe à intensité élevée de traitement avec un groupe à faible intensité de traitement. Lorsque les observations au sein de l'unité de temps/ groupe sont corrélées.

Spanish Impact Evaluation

FundHuman Development

NetworkMiddle East and North Africa

Region

Exemples de diff des diff et Exemples de diff des diff et estimation des effets fixes estimation des effets fixes

Spanish Impact Evaluation

FundHuman Development

NetworkMiddle East and North Africa

Region

ConsConsééquences sur la scolaritquences sur la scolaritééet le marchet le marchéédu du

travail de la construction d travail de la construction d'é'écoles en Indoncoles en Indonéésie: sie: preuve d preuve d''une expune expéérience de politique rience de politique inhabituelle inhabituelle

Esther Duflo (MIT)Esther Duflo (MIT)

American Economic Review sept. 2001

American Economic Review sept. 2001

16

Questions de recherche

Infrastructure scolaire -> années de scolarité /apprentissages des élèves ? Scolarité des élèves -> leur niveau de salaire plus tard dans la vie?

Quelle est la rentabilité économique de la

scolarisation ? 17

Description du programme

1973-1978 : Le gouvernement indonésien a bâti

61.000 écoles (équivalent à une école pour 500

enfants âgés de 5 à 14 ans). Le taux d'inscription a augmenté de 69 % à 85 % entre 1973 et 1978. Le nombre d' écoles bâties dans chaque région dépendait du nombre d'enfants non scolarisés dans ces régions en 1972, avant le démarrage du programme. 18

Identification de l'effet traitement

Il y a 2 sources de variations dans l'intensité du programme pour un individu donné : Par région : il y a une variation dans le nombre d'écoles reçues dans chaque région

Par âge :

Les enfants qui étaient âgés de plus de 12 ans en

1972 n'ont pas bénéficié du programme.

Plus un enfant était jeune en 1972, plus il a

bénéficié du programme - parce qu'il a passé plus de temps dans les nouvelles écoles 19

Sources des données

Le recensement démographique de 1995 comprend

des données au niveau individuel sur : la date de naissance le niveau actuel du salaire L'intensité du programme de construction dans la région de naissance de chaque personne dans l'échantillon

Echantillon : hommes nés entre 1950 et 1972

20

Une première estimation de l'impact...Première étape : simplifions le problème et estimons

l'impact du programme. Nous simplifions l'intensité du programme : élevée ou faible Nous simplifions les groupes d'enfants affectés par le programme : Cohorte " jeune » d'enfants qui ont bénéficié Cohorte " plus âgée » d'enfants qui n'ont pas bénéficié 21

Regardons la moyenne des

variables de résultats

0.12 DD

(0.089)0.360.47Différence9.48.0212-17 (cohorte plus

âgée)9.768.492-6

(cohorte jeune)Age en

1974FaibleElevée

Intensité du

programme de construction 22

Regardons la moyenne des

variables de résultats

0.12 DD

(0.089)-1.399.48.0212-17 (cohorte plus âgée)-1.279.768.492-6 (cohorte jeune)

Age en

1974DifférenceFaibleElevée

Intensité du

programme de construction 23
Diff des diff placebo (Cf. p.798, Tableau 3, panneau B)

0.034 DD

(0.098)0.280.32Différence9.127.7018-249.408.0212-17Age en

1974FaibleElevéeIntensité du

programme de construction

Idée

: Cherchons 2 groupes que vous savez n'avoir pas bénéficié, calculons une DD, et vérifions si l'effet estimé est 0. Si ce N'est PAS 0, il y a un problème. 24

Deuxième étape : estimons ceci

avec une régression niveau de scolarité de la personne i dans la région j dans la cohorte k

1 si la personne naquît dans une région

avec forte intensité d ijk j k j i j i ijk ijk j

Sc PT CT

où S P e construction d'écoles

1 si la personne appartient à la cohorte "jeune"

variable indicatrice pour la région j erreur pour la personne i,j,k i j ijk T C 25

Troisième étape : utilisons une

information supplémentaire Utilisons les données d'intensity de construction dans chaque régio n où = l'intensité des activités de construction dans la région j = un vecteur d j j jjijiijk k ijk P C

Sc PT CT

23 23
22
e charactéristiques régionales Estimons l'effet du programme pour chaque cohorte séparemment: où une variable indicatrice d'appartenance à la cohorte i i jjijiijk k l l ijk ll d

Sc Pd CT

26

Effet du programme par cohorte

l l

Age en 1974

27

Pour y = variable dépendante

= salaire 28

Conclusion

Résultats : Pour chaque école bâtie pour 1000

étudiants

La scolarité moyenne augmente de 0,12- 0,19

années Les salaires moyens ont augmenté de 2,6 - 5,4 %

Assurance que l'estimation DD est précise:

Une DD placebo a donné un effet estimé à " 0 »

Utiliser diverses spécifications alternatives

Il est logique de vérifier les estimations d'impact pour chaque cohorte d'âge

Spanish Impact Evaluation

FundHuman Development

NetworkMiddle East and North Africa

Region

L'eau pour la vie : l'impact de la privatisation des services d'eau sur la mortalité infantile Sebastián Galiani, Universidad de San Andrés

Paul Gertler, UC Berkeley

Ernesto Schargrodsky, Universidad Torcuato Di Tella

JPE (2005)

30

Changements dans les services

d'approvisionnement en eau, 1990-1999quotesdbs_dbs11.pdfusesText_17