Essays in partial identification and applications to treatment effects and policy evaluation.

Dans cette thèse, je me suis interessé à l’identification partielle des effets\nde traitements dans différents modèles de choix discrets avec traitements\nendogènes. Les modèles d’effets de traitement ont pour but de mesurer l’impact\nde certaines interventions sur certaines variables d’intérêt. Le type de\ntraitement et la variable d’intérêt peuvent être défini de manière générale\nafin de pouvoir être appliqué à plusieurs différents contextes. Il y a plusieurs\nexemples de traitement en économie du travail, de la santé, de l’éducation,\nou en organisation industrielle telle que les programmes de formation à l’emploi,\nles techniques médicales, l’investissement en recherche et développement,\nou l’appartenance à un syndicat. La décision d’être traité ou pas n’est\ngénéralement pas aléatoire mais est basée sur des choix et des préférences\nindividuelles. Dans un tel contexte, mesurer l’effet du traitement devient\nproblématique car il faut tenir compte du biais de sélection. Plusieurs versions paramétriques de ces modèles ont été largement étudiées\ndans la littérature, cependant dans les modèles à variation discrète,\nla paramétrisation est une source importante d’identification. Dans un tel\ncontexte, il est donc difficile de savoir si les résultats empiriques obtenus\nsont guidés par les données ou par la paramétrisation imposée au modèle.\nEtant donné, que les formes paramétriques proposées pour ces types de modèles\nn’ont généralement pas de fondement économique, je propose dans cette\nthèse de regarder la version nonparamétrique de ces modèles. Ceci permettra\ndonc de proposer des politiques économiques plus robustes. La principale difficulté dans l’identification nonparamétrique de fonctions\nstructurelles, est le fait que la structure suggérée ne permet pas d’identifier\nun unique processus générateur des données et ceci peut être du soit à la présence\nd’équilibres multiples ou soit à des contraintes sur les observables. Dans\nde telles situations, les méthodes d’identifications traditionnelles deviennent\ninapplicable d’où le récent développement de la littérature sur l’identification dans les modèles incomplets. Cette littérature porte une attention particuliere\nà l’identification de l’ensemble des fonctions structurelles d’intérêt qui\nsont compatibles avec la vraie distribution des données, cet ensemble est\nappelé : l’ensemble identifié. Par conséquent, dans le premier chapitre de la thèse, je caractérise l’ensemble\nidentifié pour les effets de traitements dans le modèle triangulaire binaire.\nDans le second chapitre, je considère le modèle de Roy discret. Je caractérise\nl’ensemble identifié pour les effets de traitements dans un modèle\nde choix de secteur lorsque la variable d’intérêt est discrète. Les hypothèses\nde sélection du secteur comprennent le choix de sélection simple, étendu et\ngénéralisé de Roy.\nDans le dernier chapitre, je considère un modèle à variable dépendante\nbinaire avec plusieurs dimensions d’hétérogéneité, tels que les jeux d’entrées\nou de participation. je caractérise l’ensemble identifié pour les fonctions de\nprofits des firmes dans un jeux avec deux firmes et à information complète.\nDans tout les chapitres, l’ensemble identifié des fonctions d’intérêt sont\nécrites sous formes de bornes et assez simple pour être estimées à partir des\nméthodes d’inférence existantes.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.