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] 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 PanelChristel VermeerschChristel Vermeersch
Janvier
Janvier20082008
2Contenu 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 IndonésieL'eau pour la vie (Argentine)
Classement des écoles
Progresa (Mexique)
3Quand 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 ansMême 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 5Les doubles différences
11 00 1010 10 10
ii ii YT YC YT YC YT YTYTYT 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 traitementAvantAprèsGroupe qui n'est pas
affecté par le changement de politique (groupe témoin)Groupe affecté par le changement de politique (groupe traitement) 6TempsIntervention
Variable
de résultatGroupe
traitementGroupe témoin
Effet moyen estimé du traitementGraphiquement
7Régression
1 0 1 0 10 10 .1(1).1( ) .(1).1( ) itit i i i i ii iiYtiTtiT
EY T EY T EY C EY C DD EY T EY T EY C EY C
8Régression
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 iiYtiTtiT
EY T E i T
EY T E i T
EY C E i C
EY C E i C
DEJG H DEJK
DE J G H DJ
DE J G H DE
DE J G H
10 10 ii iiDD EY T EY T EY C EY C
9Si nous avons plus de 2 périodes de
temps/groupes 11òu est l'intensité du trait.1( ) .1( )
ement dans un groupe durant la période .. DEWJLGH
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. 10Si nous avons plus de 2 périodes de
temps/groupes Nous utilisons une régression avec des variables indicatrices d'effets fixespour 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. 11òu est l'intensité du trait.1( ) .1( )
ement dans un groupe durant la période .. DEWJLGH
TI it it it it TT iYiT tt 11Avertissements...•
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 12Contrôle 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. 13Problèmes 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 fixesSpanish 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 inhabituelleEsther Duflo (MIT)Esther Duflo (MIT)
American Economic Review sept. 2001
American Economic Review sept. 2001
16Questions 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 ? 17Description 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. 18Identification 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 régionPar âge :
Les enfants qui étaient âgés de plus de 12 ans en1972 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 19Sources 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'échantillonEchantillon : hommes nés entre 1950 et 1972
20Une 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 21Regardons la moyenne des
variables de résultats0.12 DD
(0.089)0.360.47Différence9.48.0212-17 (cohorte plusâgée)9.768.492-6
(cohorte jeune)Age en1974FaibleElevée
Intensité du
programme de construction 22Regardons la moyenne des
variables de résultats0.12 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 23Diff des diff placebo (Cf. p.798, Tableau 3, panneau B)
0.034 DD
(0.098)0.280.32Différence9.127.7018-249.408.0212-17Age en1974FaibleElevéeIntensité du
programme de constructionIdée
: 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. 24Deuxième étape : estimons ceci
avec une régression niveau de scolarité de la personne i dans la région j dans la cohorte k1 si la personne naquît dans une région
avec forte intensité d ijk j k j i j i ijk ijk jSc PT CT
où S P e construction d'écoles1 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 25Troisième 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 CSc PT CT
23 2322
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