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.

Le « contrefactuel »

L’idée est d’arriver à identifier un mécanisme de causalité. On cherche par exemple à déterminer l’effet d’une augmentation du salaire minimum le taux de chômage. En d’autre terme le contrefactuel indique quelle est la variation de Y (variable indépendance) si X (variable dépendant) n’avait pas varié

Théoriquement, il faudrait faire deux expériences :

• prendre une certaine région est pratiqué l’augmentation du salaire minimum puis regarder la conséquence sur le taux de chômage
• Inversement on s’intéresse à l’évolution du taux de chômage sans variation du salaire minimum

La différence va nous permettre d’attribuer l’impact sur le taux de chômage après l’introduction du salaire minimum. Cependant on ne peut réévaluer la situation économique par le processus inverse afin d’observer la variation.

Il faut développer des analyses qui permettent de se rapprocher du contrefactuel. Ces méthodes se font en employant différentes méthodologies.

La technique des expériences contrôlées

On crée artificiellement et de manière aléatoire des « groupes de traitement » dans l’un ou on va modifier la variable et un « groupe de contrôle » dans lequel on ne change rien. Ensuite on compare à terme les résultats, c’est-à-dire l’effet de la variable X sur la variable Y.

On cherche des groupes similaires afin d’isoler la variable unique étant donné tout le reste ; ainsi les deux groupes sont théoriquement identiques. Dans ce cas le groupe de contrôle crée le contrefactuel qui permet de coir l’impact de la mesure par différence sur le groupe de traitement

Donc, l’idée est de distinguer les deux groupes seulement par la valeur modifiée tout en s’employant à avoir deux groupes les plus similaires possible.

Il y a cependant des difficultés éthiques avec l’expérimentation. D’autre part si on travaille avec des volontaires, est que ceux-ci ne constitueront pas un échantillon représentatif de la population : ils seront un échantillon particulier et surtout auto-sélectionné. De plus ceux choisissent faire partie de l’expérimentation sont sans doute ceux qui en bénéficient le plus.

Exemple :

Quand on s’intéresse au lien entre le salaire et le taux d’emplois on observe que lorsqu’on offre un salaire faible on diminue l’incitation des individus à se mettre sur le marché du travail. Cette personne aura un coût d’opportunité élevé (baby-sitter, coûts de transport, etc.).

Pour il faut évaluer l’impact d’une étude faite dans deux provinces du Canada en créant un « groupe de traitement » et un « groupe de contrôle ».

• groupe de traitement : introduction d’une incitation salariale
• groupe de contrôle : aucune incitation

On a observé un taux d’incitation plus élevé dans le groupe de traitement que dans le groupe de contrôle.

Cependant, d’autres facteurs peuvent influencer le résultat ; pour pouvoir identifier un mécanisme de causalité il faut isoler la variable du reste d’ou la création du groupe du contrôle.

On a remarqué que ces deux groupes avaient presque le même comportement économique. Les individus qui constituent ces groupes sont en moyenne très similaires.

Après introduction de l’incitation le taux de participation du groupe de traitement augmente de manière considérable. On peut dire que durant les premiers mois la politique d’intégration salariale a eu un impact impressionnant et il est possible d’affirmer que c’est la mesure d’incitation qui a influencée uniquement cette expansion, ce qui a permis d’isoler le mécanisme de causalité.

Par contre on constate que les comportements se resserrent finalement. On utilise une astuce par l’analyse quantitative qui permet d’isoler l’impact d’une certaine variable sur une autre.

Ces méthodes posent des problèmes éthiques parce qu’il s’agit d’expériences parlantes faites directement sur des individus.

La technique des expériences naturelles

Il y a un choc externe qui va provoquer une séparation nette entre deux groupes à savoir le groupe de contrôle et le groupe de traitement. L’idée est de faire une comparaison par rapport à la situation initiale pour pouvoir isoler l’impact du choc sur le groupe de traitement.

Exemple :

Concernant le taux de chômage il y a deux théories alternatives, ce sont les théories keynésiennes basés sur une incitation à la production afin de relancer la production et intensifier la demande de travail, et les théories néoclassiques qui pensent que si on augmente le salaire minimum alors on provoque un taux de chômage plus élevé.

En 1992 aux Etats-Unis on a augmenté le salaire minimum dans un État passant de 4.5$ à 4.95%. Dans un État limitrophe la hausse n’a pas été observée. On a donc deux groupes de contrôles. En faisant une comparaison du taux de chômage on peut isoler l’impact de l’augmentation du salaire minimum sur le chômage. On sait qu’on est confronté au même type de travailleur, seul l’introduction d’un salaire plus élevé différencie les deux États.

Dans la restauration l’augmentation du salaire a un impact effectif sur les travailleurs.

Juste après l’augmentation du salaire minimum, au New Jersey il a eu d’abord une augmentation du taux d’occupation, puis une stabilisation. C’est seulement 4 années plus tard que le taux d’emploi augmente dans le groupe de contrôle à savoir la Pennsylvanie :

Les explications :

• en 1992, on est en période de crise ce qui fait que les entreprises gardent leurs salaires parce que cela coute cher de les former
• concernant les établissements de restauration, ces entreprises vont se placer là ou les coûts sont les plus faibles
• après quelque années c’est en Pennsylvanie que le taux d’occupation est le plus élevé parce que le salaire et plus faible