ScholarGate
Assistant
Process / pipelinecausal inference method

Méthode des variables instrumentales (VI) pour l'inférence causale

Les variables instrumentales (VI) sont une méthode économétrique permettant d'estimer les effets causaux lorsque le traitement ou l'exposition n'est pas assigné de manière aléatoire et que le brouillage est sévère ou non mesuré. La VI repose sur une troisième variable (l'instrument) qui influence le traitement mais n'affecte pas directement le résultat, permettant aux chercheurs d'isoler l'effet causal du bruit du brouillage. Développées intensivement en économétrie (Angrist & Pischke, années 1990-2000), les méthodes VI sont de plus en plus utilisées en économie de la santé et en recherche sur les services de santé pour exploiter les expériences naturelles et les changements de politique.

Appliquer avec EconMindBientôtApply, compare, get guidance
Tools & resources
Télécharger les diapositives
Learn & explore
VidéoBientôt

Lire la méthode complète

Réservé aux membres

Connectez-vous avec un compte gratuit pour lire cette section.

Se connecter

Carte des méthodes

Le voisinage des méthodes apparentées — sélectionnez un nœud pour explorer.

+60 de plus

Sources

  1. Angrist, J. D., & Pischke, J. S. (2009). Mostly Harmless Econometrics: An Empiricist's Companion. Princeton: Princeton University Press. link
  2. Bound, J., Jaeger, D. A., & Baker, R. M. (1995). Problems with Instrumental Variables Estimation When the Correlation Between the Instruments and the Endogenous Explanatory Variable is Weak. Journal of the American Statistical Association, 90(430), 443-450. DOI: 10.1080/01621459.1995.10476536
  3. Wooldridge, J. M. (2010). Econometric Analysis of Cross Section and Panel Data (2nd ed.). Cambridge, MA: MIT Press. link

Comment citer cette page

ScholarGate. (2026, June 4). Instrumental Variables (IV) Method for Causal Inference. ScholarGate. https://scholargate.app/fr/health-economics/instrumental-variables

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.

Comparer côte à côte

Référencée par

Estimateur des variables instrumentales d'Anderson-HsiaoEstimateur GMM d'Arellano-BondDiscontinuité de Régression Floue BayésienneVariables Instrumentales Bayésiennes (IV Bayésienne)Modèle bayésien de discontinuité par régressionAnalyse de sensibilité bayésienne pour la causalitéAlgorithmes de découverte causale (PC, FCI, LiNGAM)Évaluation d'Impact Contrefactuel (EIC)Évaluation d'impact contrefactuelle en recherche sur l'éducationIdentification causale avec les graphes acycliques dirigés (do-calculus)Différence-en-différences (Diff-in-Diff)Différence-en-différences dans la recherche en éducationDesign par Différence de DiscontinuitésPlan de Régression Floue Dynamique à DiscontinuitéVariables instrumentales dynamiques (Panel IV dynamique / Arellano-Bond)Conception d'étude d'événement en recherche sur l'éducationModèle de panel à effets fixesTest de Hausman de FourierRégression par discontinuité floueLa régression floue par discontinuité (Fuzzy RDD) en recherche sur l'éducationEstimation par la méthode généralisée des moments (GMM)Regression Discontinue à Effet Hétérogène avec Variable InstrumentaleVariables Instrumentales pour les Effets Hétérogènes du Traitement (HTE-IV)Variables Instrumentales en Recherche sur l'ÉducationPondération par Probabilité Inverse dans la Recherche en ÉducationMachine Learning-Augmented Fuzzy Regression DiscontinuityVariables instrumentales augmentées par l'apprentissage automatique (ML-IV)Test placebo augmenté par apprentissage automatiqueMachine Learning-Augmented Sensitivity Analysis for CausalityModèle structurel marginal dans la recherche en éducationRégression par discontinuité floue multi-périodesÉconométrie des réseaux (Effets de pairs)GMM par différences non linéaireTest de spécification non linéaire de HausmanGMM pour systèmes non linéairesMoindres Carrés Ordinaires (MCO)Modèle de régression à discontinuité floue avec données de panelVariables Instrumentales pour Données de Panel (Panel IV / 2SLS)Modèle à effets fixes pour données de panelTest placebo en recherche en éducationÉvaluation d'Impact Contrefactuel (EIC) pour l'Évaluation des PolitiquesRégression par discontinuité floue pour l'évaluation des politiquesÉvaluation de politiques publiques par variables instrumentalesEstimateur par appariement pour l'évaluation des politiquesÉtude d'événement sur données de panelTest de placebo pour l'évaluation de politiquesÉvaluation de politiques par devis-régression (Regression Discontinuity Design)Méthode du Contrôle Synthétique pour l'Évaluation des PolitiquesModèle de régression probitPondération par score de propension dans la recherche en éducationModèle à effets aléatoires pour données de panelRégression par discontinuité (RDD)Modèle de régression par discontinuité en recherche sur l'éducationLa conception à point d'inflexion de régression (Regression Kink Design - RKD)Régression par discontinuité floue robusteEstimation robuste par variables instrumentalesRégression par discontinuité robusteGMM Systémique RobusteAnalyse de sensibilité pour la causalitéAnalyse de sensibilité pour la causalité en recherche sur l'éducationÉvaluation d'Impact Contrefactuel Spatial (EICS)Régression spatiale à discontinuité floueVariables Instrumentales Spatiales (IV Spatiale / 2SLS Spatiale)Discontinuité de régression spatiale (Spatial RDD)Analyse de sensibilité spatiale pour la causalitéMéthode du Contrôle Synthétique (MCS)Moindres Carrés en Trois Étapes (MCTE)
ScholarGateInstrumental Variables in Health Research (Instrumental Variables (IV) Method for Causal Inference). Consulté le 2026-06-19 sur https://scholargate.app/fr/health-economics/instrumental-variables · Jeu de données : https://doi.org/10.5281/zenodo.20539026