Approche méthodologiques au cours d'introduction à la microéconomie

Causalité ou corrélation ? L'approche statistique

Quand on analyse des données il y a un certain nombre de piège quipeuvent influencer l’analyse des économistes.

À partir des années 1930 on a développé tout une série de méthode afind’éviter de tomber dans un certain nombre de piège.

L’idée est d’avoir un pouvoir de prédiction afin d’anticiper lesréactions (ex- influence d’une intervention de l’État sur la modalité de l’aideau chômage).

Le but final est de chercher une relation de causalité. Cela prend lenom d’identification, on définit un mécanisme de causalité.

L’économie se base sur l’analyse des données toujours en fonction d’unmodèle théorique (quel mécanisme peut-onmettre en évidence ?). L’analyse quantitative (approche empirique) n’estjamais détachée du modèle théorique.

Le problème de l'identification

On peut interpréter une simple corrélation comme un mécanisme decausalité.

• covariation

On collecte des données sur une variable X (bikini) et Y (glace):

• • on peut voir une corrélation entreces deux variable est que la variable X cause la variable Y. On voit juste unecorrélation. On admet qu’il y a une corrélation positive
  • il peut y avoir covariation invisible du a une information additionnelle qui influence simultanément les variables X et Y.

La seul chose mise en évidence est une corrélation est non une covariation, c’est un piège assez fréquent.

• direction de la causalité

Plus un pays est en difficulté plus un pays reçoit d’aide du FMI (FondMonétaire International). Le fait que le pays se trouve en situation dedifficulté fait que ses aides sont plus élevé. On a donc une corrélationinverse.

Le risque est de donner une mauvaise direction à la causalité par unemauvaise interprétation d’une variable

Pour éviter ces pièges on a développé uncertain nombre de mécanisme.

L’économie en particulier porte une attention à l’identification de ce mécanismede causalité ainsi qu’à l’identification des analyses quantitatives.

Cowles a réuni les économistes les plus importants de son époque à travers unecommission afin de développer afin de faire une analyse quantitative quin’était pas influencée par un jugement de valeur (idéologie, opinion, etc.)

L’idée était de développer toute une série d’instruments pour surmonter ces problèmes d’identification de causalité ou d’une direction de causalité qui n’est pas forcement la bonne.

Typiquement si on veut analyser l’impact sur le chômage d’une augmentation du salaire, ce phénomène on peut l’analyser une fois, on ne peut répéter l’expérience pour voir ce qui se serait passé s’il n’y avait pas eu une augmentation du salaire.

Pour pouvoir identifier directement un groupe de causalité il faudrait faire l’analyse sur un groupe de contrôle en regardant qu’elle est l’effet sur un autre groupe qui n’aurait pas été soumis au même traitement.

On développe des techniques empiriques qui permettent de faire des expériences qui se rapprochent à celles faites dans d’autres disciplines.

- 1ere étape - traiter et simplifier les données : on obtient toute une série d’observation que l’on ne sait pas nécessairement faire parler. Il faut simplifier est résumer les N observations dans une droit de régression.

$y=a+b.x$

Ce processus qui permet de résumer ces N informations qui viennent de la collecte des données qui viennent d’un espace bidimensionnelle est un processus que l’on appelle la méthode des moindres carrés.

À la recherche de la causalité: les diverses techniques

Difficultés : la causalité inverse

Il existe différentes théories dans l’économie :

• théorie du capital humain : Plus on acquérir de connaissance plus le salaire sera élevé – on construit un capital humain en augmentant sa propre productivité. La relation causale va des qualifications vers le revenu
• théorie du signal : les talents des travailleurs est une variable que l’employeur ne peut directement observer. On peut observer le résultat mais directement le talent. Alors les travailleurs vont étudier une année supplémentaire pour signaler son talent supérieur.

Le sens de causalité est inverse : le talent qu’on ne peut pas observer directement fait étudier plus et donc augmenter le salaire.

Ici la simple analyse des données ne permet pas d’identifier le mécanisme. On doit développer d’autres méthodes notamment qualitatives pour déterminer la faction qui engendre une augmentation du salaire.

Par exemple, il y a un pourcentage élevé de décès qui se vérifie quand une personne est allongée dans son lit. Le fait d’être allongé dans son lit n’est pas un déterminant unique. L’état de santé de l’individu rentre aussi en jeu.