Skip to content

GCRI · Labs

Inférence causale pour les projets pilotes

L'inférence causale distingue ce qu'une intervention produit de ce qui ne fait que l'accompagner. Dans les laboratoires et les projets pilotes, elle structure la conception : randomisation lorsque c'est possible, comparaisons crédibles dans le cas contraire, et hypothèses explicites dans les deux cas. C'est ainsi qu'un projet pilote devient un corpus de données probantes montrant qu'une innovation fonctionne, pour qui et dans quelles conditions.

02Candidature

Ce que fait ici l'inférence causale et l'évaluation d'impact.

L'inférence causale et l'évaluation d'impact développent des méthodes pour déterminer si et comment des interventions ou des expositions causent des effets. Elles distinguent les effets réels de la simple corrélation. En recherche et données probantes, en méthodes et modélisation et en innovation, l'inférence causale montre quelles mesures de réduction des risques fonctionnent réellement. Elle soutient l'affectation des ressources aux interventions dont l'effet est démontré sur des risques connectés. La description de référence figure sur les STEM Commons.

Randomised pilots and stepped rollouts

Lorsqu'une innovation atteint les sites de manière séquentielle, l'ordre est randomisé afin que les sites précoces et tardifs constituent une comparaison, la conception et l'analyse étant enregistrées au préalable.

Évaluation de programmes par méthodes quasi expérimentales

Les plans de différence de différences, de discontinuité par régression ou de contrôle synthétique estiment les effets lorsque la randomisation était impossible, avec des tests placebo pour éprouver leurs hypothèses.

Transporting effects from pilot to scale

Les diagrammes causaux indiquent de quelles caractéristiques du site pilote dépend un effet, afin que les planificateurs puissent juger si un nouveau site les partage avant d'attendre le même résultat.

03Suivi

Évaluation d'impact.

L'écran qu'une équipe utiliserait pour suivre cette méthode : ses mesures, ses états et ses décisions. Les noms sont des exemples et les valeurs sont illustratives.

Évaluation d'impact

Labs · Inférence causale pour les projets pilotes · Exécution R-7061

Parallel trends holdGCRI · Labs

Étude d'événement

Fiche méthode

Méthode
Inférence causale et évaluation d'impact
Conception
différence de différences
Unités
196
Étiquette
MODÉLISÉ

Contrôles de robustesse

Spécification principale0.06Oui
Exclure les adoptants précoces0.26Oui
Contrôle synthétique0.12Oui
Impact evaluation: the screen’s structure, terms and states for Labs.Example names and illustrative values; a design, not a record or a live system.
04Données

Ce que consomme la méthode.

Jeux de données et enregistrements utilisés par l'inférence causale et l'évaluation d'impact sur cette plateforme, avec le rôle de chacun et l'étiquette que portent leurs valeurs. Les sources sont répertoriées dans le registre des sources.

DonnéesRôleÉtiquette
Données sur les résultats des essais et des projets pilotesEffect estimationOBSERVÉ
Registres administratifsOutcomes and covariates for comparison groupsStatistiques publiées
Plans de pré-analyse enregistrésFixing estimands and testsDÉCLARÉ
Site characteristic surveysHétérogénéité et transférabilitéDÉCLARÉ
05Méthodes et preuves

Comment l'inférence causale pour les projets pilotes est modélisée, mesurée et testée.

Le modèle, ses hypothèses, ses données et son incertitude, sous la forme qu'un scientifique ou un ingénieur vérifierait. Les structures suivent des méthodes publiées. Les valeurs représentées sont illustratives, ce ne sont pas des résultats.

Modèle, équations et hypothèses

La structure de modèle utilisée pour l'inférence causale des projets pilotes, les hypothèses qu'elle formule et la manière dont chacune est testée.

Risque de l'élément iRi = f(Hi, Ei, Vi, Ci)aléa, exposition, vulnérabilité et capacité à faire face
Perte annuelle attendueEAL = ∑k pk · Lkover events k with annual probability pk
Systèmes couplésxt+1 = A xt + B ut + εtA carries the couplings, u the shock, ε the error
HypothèsePourquoi il est réaliséComment il est testé
Aléa et exposition sont indépendants au sein d'un événementGarde l'intégrale des pertes calculableComparer avec un ajustement de copule sur des relevés conjoints
Les couplages sont linéaires près du point de fonctionnementLaisse les chocs se propager à travers APerturber au-delà de la plage linéaire et comparer
Les courbes de vulnérabilité se transposent d'un lieu à l'autreLes courbes locales sont rarement disponiblesValider par rapport aux pertes observées lorsqu'elles existent
Entrées
jeux de données versionnés avec provenance
Productions
des distributions, jamais des nombres isolés
Code
publié avec la fiche de modèle et les tests
Reproduction
mêmes données, code, environnement et graine
Formulations standard du risque et de l'espace d'états ; les hypothèses énumérées sont typiques de la méthode, énoncées pour examen, et non des résultats.
FAIR guiding principles · GO FAIR and FORCE11W3C PROV · World Wide Web ConsortiumGuidance on consistent treatment of uncertainties · IPCCCEOS Analysis Ready Data · Committee on Earth Observation Satellites
06Validation

Comment les résultats sont vérifiés.

Les hypothèses d'identification sont éprouvées par des tests placebo, des contrôles de falsification et une analyse de sensibilité. La réplication dans différents contextes met à l'épreuve la validité externe.

VérifierComment c'est fait
Balance and pre-trend checksLa similarité des groupes de comparaison est testée avant le traitement
Placebo and falsification testsDes effets sont recherchés là où il ne devrait y en avoir aucun
Sensibilité aux facteurs de confusion non observésLes analyses indiquent quelle devrait être la force d'un facteur de confusion caché pour modifier la conclusion
Réplication sur plusieurs sitesLes effets sont réestimés dans des contextes indépendants avant d'être généralisés

Les facteurs de confusion non observés et les effets de débordement peuvent biaiser les estimations. Les effets constatés dans un contexte peuvent ne pas être transposables à un autre.

07Processus

Comment le processus se déroule.

Process explorer · Process

Inférence causale pour les projets pilotes : rapports de revue PRISMA 2020

10 steps4 stages

Processus

Inférence causale pour les projets pilotes : rapports de revue PRISMA 2020

PRISMA 2020 est une ligne directrice de déclaration pour les revues systématiques ; les étapes suivent sa liste de contrôle, et non une séquence imposée, et aucun document Nexus ne l'adopte.

  1. 01 Plan

    1. 01Enregistrement et protocoleRegistre · L'équipe de revueLa ligne directrice demande les informations d'enregistrement, l'accès au protocole et toute modification.
    2. 02Critères d'éligibilitéRegistre · L'équipe de revueLa ligne directrice demande les critères d'inclusion et d'exclusion et la manière dont les études ont été regroupées.
  2. 02 Rechercher et sélectionner

    1. 03Recherche : sources et stratégiesÉtape · L'équipe de revueLa ligne directrice demande les sources d'information et les stratégies de recherche complètes. Elle ne fixe pas les sources à utiliser.
    2. 04Sélection des étudesÉtape · L'équipe de revueLa ligne directrice demande comment l'éligibilité des études a été jugée, y compris le nombre d'examinateurs ayant procédé à la sélection. Elle ne fixe pas le nombre d'examinateurs.
    3. 05Diagramme de fluxEnregistrementLe diagramme de flux indique le nombre d'enregistrements trouvés, le nombre d'études incluses et les motifs d'exclusion.
  3. 03 Analyser

    1. 06Collecte des donnéesÉtape · L'équipe de revueLa ligne directrice demande comment les données ont été extraites des rapports et quelles variables ont été recherchées.
    2. 07Risque de biaisÉtape · L'équipe de revueLa ligne directrice demande les méthodes et les outils utilisés pour évaluer le risque de biais.
    3. 08SynthèseModèle · L'équipe de revueLa ligne directrice demande les mesures d'effet et les méthodes de synthèse. Elle n'impose pas de méta-analyse.
    4. 09Certitude des éléments probantsÉtape · L'équipe de revueLa ligne directrice demande les méthodes utilisées pour évaluer la certitude, et en indique le résultat par critère de jugement. Elle ne nomme pas d'échelle de gradation.
  4. 04 Rapport

    1. 10Rapport d'examenEnregistrementLa ligne directrice aide les auteurs à indiquer pourquoi la revue a été réalisée, ce qu'ils ont fait et ce qu'ils ont trouvé.

ReportsOutline of an externally published reporting guideline, not a Nexus process and not a record of operation. PRISMA 2020 mainly covers reviews of intervention effects. No Nexus page names it. Every programme is at service level R0.

09Intendance

Qui tient à jour la méthode.

Développement économique est le garant de l'inférence causale et de l'évaluation d'impact pour le Consortium et examine la manière dont elle est appliquée sur l'ensemble des plateformes.

11Questions

Questions et réponses.

Quelles sont les limites de l'inférence causale et de l'évaluation d'impact dans ce domaine ?
Les facteurs de confusion non observés et les effets de débordement peuvent biaiser les estimations. Les effets constatés dans un contexte peuvent ne pas être transposables à un autre.
Comment les résultats sont-ils vérifiés ?
Les hypothèses d'identification sont examinées au moyen de tests placebo, de contrôles de falsification et d'analyses de sensibilité. La réplication dans différents contextes teste la validité externe.
Les valeurs de cette page sont-elles réelles ?
The data names, roles and checks are real descriptions of practice. The canvas shows a design of the method’s use, not a run; no result is reported here.
Où d'autre cette méthode est-elle appliquée ?
Le page canonique de la méthode liste toutes les plateformes qui l'appliquent.
RapportsContribuer

Apportez des éléments de preuve depuis cette page.

Reports est la publication trimestrielle du Consortium. Ce que vous savez de ce sujet peut devenir une donnée probante, un cas ou une correction dans la prochaine édition, avec mention de votre nom et publié sous licence CC BY 4.0 lorsqu'il s'agit de votre propre travail.

GCRILaboratoiresPreuves des LabsMéthodes et technique
Laboratoires

Apportez une méthode, un jeu de données ou une question.

L'information et les demandes sont ouvertes dès aujourd'hui. Une demande reçoit une référence et indique l'étape suivante ; candidatures, paiements, allocations de calcul et inscriptions n'ouvrent que lorsque l'équipe, les conditions et la capacité d'examen existent.