Évaluation d'Impact Contrefactuelle Robuste
L'Évaluation d'Impact Contrefactuelle Robuste (Robust CIE) renforce les estimations d'impact causal en combinant plusieurs estimateurs quasi-expérimentaux, des tests placebo et des analyses de sensibilité formelles. Plutôt que de s'appuyer sur une méthode unique, elle valide de manière croisée les résultats obtenus par différentes approches — telles que l'appariement, les différences-en-différences et la régression sur discontinuité — afin de garantir que les conclusions ne dépendent pas d'un choix méthodologique particulier.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Carte des méthodes
Le voisinage des méthodes apparentées — sélectionnez un nœud pour explorer.
Sources
- Bia, M., Flores, C. A., Flores-Lagunes, A., & Mattei, A. (2014). A Stata package for the application of semiparametric estimators of dose–response functions. Stata Journal, 14(3), 580–604. link ↗
- Ferrara, A. R., McCann, P., Pellegrini, G., Stelder, D., & Terribile, F. (2017). Assessing the impacts of Cohesion Policy on EU regions: A non-parametric analysis on interventions with multiple treatment intensities. Environment and Planning C: Politics and Space, 35(8), 1467–1487. link ↗
Comment citer cette page
ScholarGate. (2026, June 3). Robust Counterfactual Impact Evaluation. ScholarGate. https://scholargate.app/fr/causal-inference/robust-counterfactual-impact-evaluation
Quelle méthode ?
Placez cette méthode aux côtés de ses plus proches parentes et lisez-les côte à côte — la bibliothèque pose les ouvrages sur la table ; le choix vous revient.
- Évaluation d'Impact Contrefactuel (EIC)Inférence causale↔ comparer
- Différence-en-différences (Diff-in-Diff)Économétrie↔ comparer
- Estimation doublement robuste (AIPW)Inférence causale↔ comparer
- Appariement par score de propensionStatistiques de recherche↔ comparer
- Analyse de sensibilité pour la causalitéInférence causale↔ comparer
Similar methods
Une erreur sur cette page ? Signalez-la ou proposez une correction →