Multi-country Workshop on Development Impact Evaluation in Finance and Private Sector Development Dakar, Senegal, February 1-4, 2010 Non-Experimental Methods Mattea Stein
Objectif: Nous voulons identifier l’effet causal de nos interventions (politiques publiques) sur des variables d’intérêt. Utilisez les méthodes d’évaluation rigoureuses pour répondre aux questions opérationnelles que nous nous posons L’affectation aléatoire au traitement est l’étalon-or des méthodologies existantes (simple, précis, pas cher) Que faire si on ne peut pas du tout faire usage de la randomisation? S’il est possible, recourir aux méthodes non-expérimentales
Pourra-t-on trouver un contrefactuel plausible? Expérience naturelle? Chaque méthode non-expérimentale est associée à un ensemble d’hypothèses Notre mesure de l’effet causal est d’autant moins crédible que les hypothèses sont fortes Il faut mettre en question nos hypothèses ▪ Se conformer à la réalité, relever du bon sens 3
Objectif principal ▪ Augmenter la productivité et les ventes des entreprises Intervention ▪ Subvention partielle ▪ Affectation non aléatoire Groupe cible ▪ Petites et Moyennes Entreprises avec 1-10 employés Principale variable de résultat ▪ Ventes 4
5 (+) Impact du programme (+) Impact des facteurs externes
6 (+) Mesure BIAISEE de l’impact du program “Avant-Après” ne fournit pas des résultats crédibles
7 Différence « Après » entre participants et non-participants Différence « Avant » entre participants et non participants Quel est l’impact de notre intervention?
Contrefactuel (2 façons de le présenter) 1. Les ventes des «sans» intervention, après correction des différences «avant/après» (Différence initiale entre groupes) 2. Les ventes «avant», après correction des différences «avec/sans» l’intervention (l’influence des facteurs externes) 1 and 2 sont équivalents 8
9
10 P-NP 2008 =0.5 Impact = (P-NP) (P-NP) 2007 = = -0.2 Impact = (P-NP) (P-NP) 2007 = = -0.2 P-NP 2007 =0.7
11
12 NP NP 2007 =0.8 Impact = (P P 2007 ) -(NP NP 2007 ) = 0.6 – 0.8 = -0.2 Impact = (P P 2007 ) -(NP NP 2007 ) = 0.6 – 0.8 = -0.2 P P 2007 =0.6
Hypothèse sous-jacente: Sans l’intervention, les ventes des participants et des non participants auraient suivi la même tendance
Impact=-0.2
Impact négatif: Très contre –intuitif: Une subvention ne devrait pas diminuer les ventes, une fois que les facteurs externes sont pris en compte! Hypothèse de tendance commune (Très forte) 2 groupes, in 2007, produisaient à différents niveaux ➤ Mettre à l’épreuve l’hypothèse de tendance commune! ➤ Si possible, faire ce test avec des données provenant d’années antérieures
>> Rejeter l’hypothèse des tendances communes
17
18 NP 08 -NP 07 =0.2 Impact = (P P 2007 ) -(NP NP 2007 ) = 0.6 – 0.2 = Impact = (P P 2007 ) -(NP NP 2007 ) = 0.6 – 0.2 = + 0.4
Impact = +0.4
Impact Positif : Plus intuitif L’hypothèse des tendances communes est- elle raisonnable? ➤ Toujours nécessaire de questionner l’hypothèse de tendance commune!! ➤ Utiliser les données des années précédentes
>>Est-il raisonnable d’accepter l’hypothèse de tendance commune?
Il est souvent difficile de valider l’hypothèse de même tendance Absence de données pour tester l’hypothèse Même si les tendances antérieures étaient similaires: ▪ Ont-elles toujours été similaires (ou sommes-nous juste chanceux?) ▪ Plus important, seront-ils toujours similaires? ▪ Exemple: D’autres projets interviennent parmi les entreprises non participantes….
Que faire? >> Faire de l’analyse descriptive! Vérifier les similarités sur la base des caractéristiques observables ▪ Si les caractéristiques observables ne sont pas similaires, les tendances pourraient différer de manière non prévisible >> Cependant, nous ne pouvons pas comparer ce qui n’est pas observable… Et les caractéristiques non observables sont souvent plus importantes (capacité, motivation, patience, etc)
Apparier les participants et les non-participants sur la base de caractéristiques observables Contrefactuel : Groupe de comparaison apparié Chaque participant au programme est apparié avec un ou plusieurs non-participants sur la base de caratéristiques observables >> En moyenne, les participants et les non- participants appariés auront les mêmes caractérisques observables (par construction) 24
Hypothèses contrefactuelles sous-jacentes Après l’appariemment, il n’y a aucune différence entre les participants et les non-participants en termes de caractéristiques inobservables ET/OU Les caractéristiques inobservables n’influencent ni l’affectation au traitement, ni les variables d’intérêt
Construire un groupe témoin en trouvant des individus appariés proches en termes de caractéristiques observables Sélectionner les variables pertinentes sur lesquelles réaliser l’appariement De sorte qu’on retienne: ▪ Groupe Traitement: Participants qui peuvent avoir un contrefactuel ▪ Groupe de Comparaison: Non-participants assez similaires aux participants >> Nous réduisons/ tronquons une partie de notre groupe traitement!
Dans beaucoup de cas, nous ne pouvons pas apparier tous les individus Utile de connaitre qui est sorti de l’échantillon Exemple Score Non-participants Participants Individus appariés Richesse Portion du groupe Traitement sorti de l’échantillon
Avantage de la méthode d’appariemment: Ne nécessite pas la randomisation 28
Inconvénients: L’hypothèse sous-jacente n’est pas plausible dans tous les contextes et est difficile à tester ▪ Utiliser le bon sens et faire des analyses descriptives Nécessite des données de très bonne qualité: ▪ Nécessite de contrôler tous les facteurs qui influencent le traitement et les variables de résultat Nécessite de très grands échantillons pour générer un bon groupe témoin Ne permet pas d’apparier tous les individus 29
Les expériences randomisées nécessitent beaucoup moins d’hypothèses et fournissent des estimations intuitives Les méthodes non-expérimentales nécessitent des hypothèses qui doivent être attentivement testées Plus de données Pas toujours testables Faire preuve de créativité: Mélange de méthodes! Répondre aux questions avec les techniques appropriées 30