L'effet causal moyen : le cadre des résultats potentiels (M1 Data économie)

L'effet causal moyen est le concept central de l'inférence causale moderne, formalisé par le cadre des résultats potentiels. En M1 du parcours data pour économistes, dans le cours de causalité et expérimentation, les QCM CampusQCM testent ce cadre devenu standard. Le modèle de Rubin…

L'effet causal moyen est le concept central de l'inférence causale moderne, formalisé par le cadre des résultats potentiels. En M1 du parcours data pour économistes, dans le cours de causalité et expérimentation, les QCM CampusQCM testent ce cadre devenu standard. Le modèle de Rubin (Rubin causal model) définit, pour chaque individu, deux résultats potentiels : le résultat s'il reçoit le traitement et le résultat s'il ne le reçoit pas. L'effet causal individuel est la différence entre ces deux résultats. Le problème fondamental de l'inférence causale est qu'on n'observe jamais qu'un seul des deux résultats pour un individu donné (on ne peut pas à la fois traiter et ne pas traiter la même personne) : l'autre est le contrefactuel, inobservable. On ne peut donc pas mesurer l'effet individuel, mais on peut estimer l'effet causal moyen sur la population (ATE, Average Treatment Effect) : la différence moyenne entre les résultats potentiels avec et sans traitement. L'enjeu est de bien estimer le contrefactuel moyen du groupe traité : c'est ce que permet la randomisation (qui rend les groupes comparables) ou les méthodes quasi expérimentales (différence de différences, variables instrumentales, régression sur discontinuité). Confondre la différence observée avec l'effet causal expose au biais de sélection. L'effet causal moyen et le modèle de Rubin structurent toute l'analyse causale.