DIME-FPDDakar, February 1-4, 2010
Exploiter les Discontinuités pour Bien Évaluer
Florence Kondylis
Introduction (1) Contexte
Nous souhaitons établir l’effet causal d’une intervention Une assignation aléatoire n’est pas faisable On ne peut pas exploiter le processus de sélection pour définir un
groupe de comparaison En général
Individus, ménages, villages, ou autres entités sont exposés ou non au traitement
La sélection d’individus dans le groupe de traitement empêche la comparaison traités/non-traités
Exemple: Les individus qui souhaitent participer dans un programme de micro-finance et ceux qui ne le souhaitent pas
Introduction (2)
Quand l’assignation aléatoire n’est pas faisable, comment exploiter le mode de mise en œuvre d’un programme afin d’évaluer son impact? Proposition: La méthode « quasiment
expérimentale » Double différence (Mattea, demain) Stratégie d’identification par la Discontinuité de
la Régression (Regression Discontinuity Design, RDD)
La stratégie d’identification par la Discontinuité de la Régression (RDD)
RDD est un cousin proche de la méthode expérimentale Beaucoup plus proche que le reste des méthodes non-
expérimentales RDD se base sur la compréhension du processus de sélection
Il nous faut établir une règle de sélection bureaucratique/officielle et claire Un score quantifiable et simple
L’assignation au traitement est basée, de manière discontinue, de ce score” Un niveau seuil est établi
▪ Exemple: Ventes de l’entreprise doivent être inférieures à €5,000 Une entreprise qui a un score en-deçà du score reçoit le traitement Une entreprise qui a un score au-dessus du score ne reçoit pas le
traitement RDD compare les entreprises juste au-dessous du seuil à celles juste en-
deçà
RDD: Mise en application concrète (1)
Politique Publique: Aux EU, l’âge minimum pour consommer de l’alcool légalement est de 21 ans la consommation d’alcool par les mineurs (< 21) est illégale Observation:
Cette politique implique que:Les individus d’âge 20 ans, 11 mois et 29 jours ne peuvent pas boireLes individus d’âge 21 ans, 0 mois et 1 jour peuvent boire
Or: Peut-on réellement penser qu’une différence d’âge de quelques jours pourrait affecter la sagesse, les préférences, les comportement, etc?Les individus nés avec quelques jours d’écart sont traités différemment pas la loiCette différence est entièrement attribuable à un seuil légal arbitraireLe statut légal est la différence entre les deux groupes d’individus situés de part et d’autre du seuil, dans un voisinage proche du seuil
RDD: Mise en application concrète (2)En pratique, rendre la consommation d’alcool illégale
reduit la consommationIdée pour identifier l’impact de la consommation
d’alcool sur le taux de mortalité des jeunes adultes: Groupe de Traitement: individus d’âge 20 ans et 11 mois Groupe de Contrôle: individus qui viennent d’avoir 21 ans
Autour du seuil, on peut pratiquement imaginer que les individus ont été assignés au traitement de façon aléatoire
On peut dès lors estimer l’impact causal de la consommation d’alcool sur le taux de mortalité des jeunes situés au voisinage du seuil
RDD: Mise en application concrète (3)
MLDA (Traitement) réduit la consommation d’alcool
RDD: Mise en application concrète (4)
Une consommation d’alcool plus élevée augmente le taux de mortalité au voisinge de 21 ans
Nombre Total de Décès
Nombre Total de Décès des suites de blessures, consomption d’alcool ou de drogues
Nombre Total de Décès Autres
Logique de la RDD
Assignation au traitement est faite sur la base d’un score continu, ou d’un classement
▪ Exemples: Ventes, âge, note d’examen, index de pauvreté, etc Les participants potentiels sont classés en fonction du
score Le seuil (point de discontinuité) qui définit
l’éligibilité est ▪ Clairement établi▪ Déterminé au préalable
L’assignation sur la base d’un seuil est souvent liée à une décision de type administratif
Participation doit être limitée dû a des contraintes budgétaires
Transparence de la sélection est essentielle
Exemple: Subvention Partielle (1)
Gouvernment propose une subvention partielle pour PMEs (formelles)
Éligibilité déterminée sur la base des ventes de l’année écoulée: Ventes < €5,000: Entreprise reçoit l’offre de subvention Ventes >= €5,000: Entreprise ne reçoit pas l’offre
Si le chiffre de ventes est mesuré avant l’annonce du plan de subvention In n’est pas possible de “manipuler” le chiffre de ventes
▪ Exemple: Chiffre de l’année écoulée déjà établi et enregistré Facile à mesurer et à faire respecter
Subtilités de la méthode
2 types de discontinuités Nette (“sharp”) Floue (“Fuzzy”)
Retour a l’exemple…
Que faire si les entreprises ventes < €5,000 ne réclament pas toutes la subvention? Raisons:
▪ Pas toutes au courant, peu d’information▪ Pas toutes intéressées (subvention partielle)
Ces 2 raisons introduisent un biais de sélection (les entreprises qui réclament la subvention sont différentes à plusieurs niveaux)
Cependant: La proportion d’entreprises qui réclament varie de façon discontinue autour du seuil d’éligibilité De zéro à moins de 100% C’est ce que l’on appelle une discontinuité floue (“Fuzzy” RDD)
Exemple: Discontinuité FloueSubvention Partielle
0.2
5.5
.75
1tre
atm
ent p
roba
bilit
y
assignment variable
Sharp Design for Voucher receipt
0.2
5.5
.75
1
assignment variable
Fuzzy Design for Voucher receipt
Taux de Participation:Assignation Nette vs. Floue (Sharp vs. Fuzzy)
100%
0%
75%
0%
Variationsau-dessus du seuil
Discontinuité Nette vs. Floue (1)Cas Idéal: Discontinuité Nette
Discontinuité détermine de façon précise l’exposition au traitement ▪ Ex.: Seules les individus de 21 ans et plus boivent
de l’alcool, et ils en boivent tous (!!!)▪ Ex.: Toutes les entreprises au chiffre < €5,000
réclament la subvention; les autres ne la reçoivent jamais
▪ Ex.: régime de taxation
Discontinuité Nette vs. Floue (2)Discontinuité Floue
Taux de participation au programme change de façon discontinue au niveau du seuil d’éligibilité, mais pas à 100%▪ Certains individus de moins de 21 ans consomment de
l’alcool et/ou certains individus de plus de 21 ans n’en boivent pas
▪ Certaines entreprises au chiffre < €5,000 ne réclame pas la subvention
La règle d’éligibilité est respectée, mais l’ensemble du groupe de traitement ne s’y conforme pas
Validité Interne Idée Générale
Si le seuil d’éligibilité est arbitraire, les individus situés immédiatement à gauche et à droite du seuil sont, par construction, extrêmement similaires
Différences de résultats peuvent être directement attribués au programme
Hypothèse Principale In ne se passe rien d’autre: en l’absence du programme,
nous n’observerions pas de discontinuité de résultat autour du seuil en question
Pourrait ne pas être vérifiée si▪ Alcool: Ceinture de sécurité cesse d’être obligatoire à 21 ans▪ Subvention: Un taux de taxation réduit est en place visant les
entreprises au chiffre < €5,000
Diagnostique: Profile de résultats avant et après l’intervention
outc
ome
assignment variable
Baseline
assignment variable
Follow-up
Forme différente
Validité Externe Cette méthode produit-elle des résultats généralisables? Groupe Contrefactuel pour la RDD
Individus exclus du groupe de traitement “de justesse” Exemples:
▪ Individus qui ont mois de 21 ans mais plus de 20 ans et 10 ▪ Entreprises au chiffre de ventes supérieur à €5,000 mais inférieur à €5,500
La mesure d’impact ne s’applique qu’aux individus / ménages / villages situés au voisinage du seuil d’éligibilité Extrapoler au-delà de cette région requiert davantage
d’hypothèses, souvent peu testables Une discontinuité floue exacerbe ce problème de mesure
locale
B.A.BA pour la mise en oeuvre d’une RDD Avantages majeurs
Transparence Illustration graphique simple, intuitive
Désavantages majeurs Demande beaucoup d’observations autour du seuil d’éligibilité Les observations situées plus loin du seuil doivent porter un
poids plus faible Pourquoi?
▪ Seuls les individus proches du seuil se trouvent ,par chance, de part et d’autre du seuil
▪ Si on pense aux entreprises qui ont un chiffre de €5,000 et celles qui rapportent €500
▪ Ou bien un jeune de 21 ans comparé à un de 16 ans
Analyse graphiqueou
tcom
e
assignment variable
Conclusions
RDD 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 (politique sur la base
Possibilité d’exploiter plusieurs seuils pour améliorer la validité externe▪ Menu de subventions qui visent différentes
tailles d’entreprises
Merci
22
Top Related