Questions and Answers
L'estimateur de la simple différence est toujours non biaisé dans le cadre d'une analyse causale.
False
La décomposition formelle de l'ATE comprend un terme pour le biais de sélection.
True
L'ATT représente l'effet d'un traitement sur ceux qui reçoivent effectivement le traitement.
True
Le biais causé par une hétérogénéité des effets de traitement est entièrement capturé par la simple différence des moyennes.
Signup and view all the answers
Le terme (1 - π)(ATT - ATU) dans la décomposition de l'ATE représente un ajustement pour le biais de sélection.
Signup and view all the answers
Dans l'analyse causale, E[Y1 | D = 1] représente l'espoir de ceux qui ne reçoivent pas le traitement.
Signup and view all the answers
La simple différence des moyennes peut être utilisée comme un estimateur fiable pour tous les contextes d'analyse causale.
Signup and view all the answers
L'ATE est une mesure qui peut être influencée par des facteurs non observés.
Signup and view all the answers
Si les effets sont homogènes, alors ATT est égal à ATU.
Signup and view all the answers
Il est possible de chiffrer la décomposition des résultats potentiels en utilisant uniquement les résultats observés.
Signup and view all the answers
Le biais dû à l'effet de traitement hétérogène peut être problématique pour l'estimation de l'ATE.
Signup and view all the answers
La simple différence des moyennes est toujours égale à zéro dans tout échantillon.
Signup and view all the answers
Un biais de sélection a un impact sur l'estimation du traitement si les résultats potentiels sont disponibles.
Signup and view all the answers
Pour obtenir une estimation non biaisée de ATE, il est essentiel de connaître les résultats contrefactuels.
Signup and view all the answers
La formule indiquée pour la simple différence des moyennes implique un calcul impliquant des chiffres positifs uniquement.
Signup and view all the answers
Un ATE de 0.6 indique que le traitement a un effet positif sur le groupe étudié.
Signup and view all the answers
L'estimateur de la double différence nécessite la condition des tendances non parallèles pour être sans biais.
Signup and view all the answers
L'ATTDiD peut être exprimé en termes d'espérances conditionnelles des résultats potentiels.
Signup and view all the answers
L'estimateur de la double différence compare uniquement les résultats du groupe traité après le traitement.
Signup and view all the answers
La formule de l'estimateur de la double différence inclut la soustraction des groupes traité et non traité dans les périodes pré et post-traitement.
Signup and view all the answers
L'addition de zéro dans la décomposition de l'estimateur de la double différence ne change pas sa valeur.
Signup and view all the answers
E[YT1 | Post] et E[YU0 | Pre] sont des termes qui figurent dans la définition de l'estimateur de la double différence.
Signup and view all the answers
La condition des tendances parallèles est nécessaire pour appliquer des méthodes d'estimation quasi-expérimentales.
Signup and view all the answers
La méthode de la double différence s'applique uniquement aux données croisées, pas aux séries chronologiques.
Signup and view all the answers
L'absence de biais dans l'estimateur de double différence dépend aussi de l'égalité des variances entre les groupes.
Signup and view all the answers
L'expérience de John Snow illustre une approche en simple différence plutôt qu'en double différence.
Signup and view all the answers
Study Notes
Résultats potentiels et effets de traitement
- Connaissance des résultats potentiels permet de quantifier la décomposition des effets de traitement.
- Exemples de calcul indiquent une différence de moyennes observée de -0.4, ATE de 0.6.
- La décomposition inclut le biais de sélection (-4.8) et le biais dû à l'hétérogénéité de traitement (3.8).
- Résultats observés disponibles, mais résultats contrefactuels non accessibles, empêchant la décomposition précise.
- Si les effets étaient homogènes, ATT = ATU, éliminant le second biais.
Simple différence : estimateur biaisé
- Estimation biaisée par simple différence des moyennes : E[Y1 | D=1] - E[Y0 | D=0] qui s'écarte de ATE en raison de facteurs non observés.
- Inclusion du biais de sélection et de l’effet de traitement hétérogène dans l'estimation.
- Formule d'estimation : ATT = E[Y|Pre] - E[Y|Post] incluant des ajustements pour corriger le biais.
Méthodes quasi-expérimentales
- Exemple de l'étude de John Snow : analyse en double différence, comparant groupes traités et non traités sur plusieurs périodes.
- Estimateur de la double différence : ATTDiD = ȳTpost - ȳTpre - ȳUpost - ȳUpre.
Condition des tendances parallèles
- Condition essentielle pour que l'estimateur en double différence soit sans biais.
- Signification de la condition : les tendances des groupes traités et non traités doivent être pareilles avant traitement pour garantir des comparaisons fiables.
Studying That Suits You
Use AI to generate personalized quizzes and flashcards to suit your learning preferences.
Description
Ce quiz aborde les concepts de régression et d'analyse causale à travers le Module 3. Il inclut des exemples pratiques, tels que l'étude des résultats potentiels et des effets de traitement, pour mieux comprendre la décomposition des échantillons. Testez vos connaissances sur ces principes essentiels en statistique.
