L'ensemble des méthodes et des hypothèses utilisées pour estimer l'effet d'une intervention ou d'une exposition sur un résultat en termes contrefactuels, en recourant à des essais expérimentaux, des quasi-expériences, des modèles structurels ou des critères graphiques pour passer des associations observées aux affirmations causales.

Principe

L'inférence causale repose sur l'articulation de contrastes contrefactuels, la spécification d'hypothèses d'identification (randomisation, ignorabilité, restrictions d'exclusion, continuité) et l'utilisation du dispositif ou d'ajustements statistiques pour estimer des effets causaux en rendant explicites les hypothèses non vérifiables.

Démonstration

Un essai randomisé qui assigne la participation à une formation fournit une estimation non biaisée de l'effet du programme sur les salaires ; lorsque la randomisation est impossible, une stratégie de variable instrumentale utilise la proximité aux centres de formation comme instrument, ou une différence-en-différences compare l'évolution avant/après entre groupes traités et témoins autour d'un changement de politique.

Mauvaise application

Interpréter un coefficient de régression issu de données observationnelles comme un effet causal sans évaluer les facteurs de confusion, utiliser un instrument faible ou invalide, ou conditionner sur des variables post-traitement et induire ainsi un biais.

Conséquence

Lorsque les hypothèses d'identification sont crédibles et satisfaites, l'inférence causale fournit des estimations qui répondent à des questions contrefactuelles et informent des décisions politiques, comme l'impact attendu d'une généralisation d'intervention ou d'une allocation de ressources.

Inversion

La modélisation prédictive qui optimise la précision hors-échantillon sans interpréter les coefficients comme causaux ; inverser l'inférence causale en affirmations prédictives méconnaît l'objectif contrefactuel et peut induire des erreurs de politique.

Limite

Concerne les énoncés sur des interventions ou expositions ; ne découle pas automatiquement d'une association ; de nombreuses méthodes causales exigent des hypothèses intrinsèquement non testables avec les données observées et peuvent être sensibles à la spécification du modèle et à la sélection d'échantillon.

Tension sémantique

Souvent confondue avec la modélisation prédictive ou l'analyse purement associatrice ; la tension porte sur l'opposition association (ce qui est observé) versus causalité (ce qui se passerait sous une intervention) et sur la distinction entre stratégies d'identification basées sur le plan d'expérimentation et celles basées sur le modèle.

Synthèse

L'inférence causale est l'outillage et le cadre de raisonnement combinant dispositif d'étude, hypothèses et stratégies d'estimation pour répondre à des questions contrefactuelles sur des interventions, toujours en conditionnant les conclusions sur des hypothèses d'identification explicites et sur l'évaluation de leur plausibilité.