Philipp Ketz* et Adam McCloskey
- Cet article a été initialement publié dans l’édition de février 2022 des 5 articles…en 5 minutes.
Les intervalles de confiance tiennent compte de l’incertitude inhérente à l’utilisation de données d’échantillonnage. Ils fournissent une série de valeurs plausibles pour des quantités (de population) inconnues telles que les effets partiels. Nous pouvons, par exemple, nous intéresser à l’effet de l’expérience sur les salaires, en maintenant d’autres facteurs tels que l’éducation constants (de sorte que ces autres facteurs n’influencent pas les salaires). Les intervalles de confiance standards ne formulent aucune direction quant aux effets (partiels) des « autres » facteurs. Dans certains cas, cependant, un chercheur peut supposer, par a priori, la direction de certains des effets de ces « autres » facteurs. Par exemple, un chercheur peut savoir, ou être disposé à croire, que l’effet partiel de l’éducation est non négatif. Cette information supplémentaire peut également être utile pour l’effet partiel d’intérêt dans le sens où elle peut réduire l’incertitude d’échantillonnage associée. Cependant, la construction d’intervalles de confiance qui reflètent correctement cette incertitude d’échantillonnage réduite n’est pas anodine. Bien qu’il soit toujours possible de construire un intervalle de confiance par la méthode dite d’« inversion des tests », cela peut s’avérer très coûteux en termes de puissance de calcul : tout d’abord, une recherche par quadrillage doit être effectuée, c’est-à-dire que toutes les valeurs possibles doivent faire l’objet d’une « vérification » de plausibilité. Ensuite, les tests statistiques disponibles dans la littérature actuelle qui reflètent correctement cette incertitude d’échantillonnage réduite et qui pourraient être utilisés pour effectuer ces « vérifications » sont eux-mêmes coûteux en puissance de calcul. Par conséquent, la méthode dite d’« inversion des tests » est souvent peu pratique.
Dans un article récent, Philipp Ketz et Adam McCloskey proposent de nouveaux intervalles de confiance qui reflètent correctement cette incertitude d’échantillonnage réduite et qui, ainsi, peuvent être plus resserrés que les intervalles de confiance standards. En outre, les intervalles de confiance proposés par les auteurs sont triviaux sur le plan de la puissance de calcul et viennent combler une lacune importante dans la littérature. Un intervalle de confiance plus resserré est intéressant, car il réduit la série des valeurs plausibles. Un défi toutefois lors de sa construction est d’éviter que cet intervalle ne soit trop restreint, excluant à tort des valeurs plausibles pour la quantité d’intérêt. L’incertitude d’échantillonnage serait alors sous-estimée. Afin d’illustrer l’utilité des intervalles de confiance qu’ils suggèrent, les auteurs les emploient dans le cadre d’une expérience de terrain qui se sert d’un plan factoriel 2×2. Plus concrètement, ils mettent à profit Blattman et al. (2017) qui étudient les effets de la « thérapie » et de l’ « argent » sur le comportement violent et criminel au Liberia (1). En supposant que les effets (partiels) de la « thérapie » et de l’« argent » sont non négatifs, Ketz et McCloskey constatent que les intervalles de confiance qu’ils proposent, pour certains des effets de traitement étudiés, sont jusqu’à 36 % plus resserrés que les intervalles de confiance standards correspondants.
Références
Titre original de l’article : Short and Simple Confidence Intervals when the Directions of Some Effects are Known
Publié dans : arXiv Working Paper
Disponible via : arXiv:2109.08222
………………..
* Chercheur PSE
Crédits visuel : Shutterstock – leolintang