Inférence causale

Les deux cours précédents optimisent la prévision. Celui-ci revient à la question que l’économiste ne peut pas éviter : quel est l’effet de cette décision ? Un modèle qui prévoit parfaitement peut être totalement muet sur ce qui se passerait si l’on changeait quelque chose — et c’est pourtant la seule question qui intéresse celui qui décide.

Ce cours est le point de jonction entre l’économétrie et la science des données. Il reprend des outils déjà rencontrés — les variables instrumentales, les données de panel du cours d’économétrie avancée — mais les replace dans un cadre explicite : celui des résultats potentiels, où l’on écrit ce qu’on voudrait observer avant d’écrire ce qu’on estime.

La seconde moitié montre ce que l’apprentissage automatique apporte réellement ici : non pas de meilleures prévisions, mais l’estimation des nuisances de grande dimension qui bloquaient l’approche classique, et la mesure d’effets hétérogènes — pour qui la politique fonctionne-t-elle, et pour qui ne fonctionne-t-elle pas.

Troisième cours de la branche science des données, niveau Master.

Syllabus

Niveau	Master
Volume horaire indicatif	12 chapitres, soit environ 24 h de cours
Prérequis	Le cours Économétrie avancée et le cours Apprentissage statistique.

Chaque chapitre du sommaire, à gauche, ouvre sa page de lecture : le contenu détaillé au centre, les diapositives, le polycopié, les exercices corrigés, l’application interactive et la vidéo dans le panneau de droite.