estimation des effets propres des mesures agroenvironnementales ...

3.4 Description des estimateurs mobiliséssur la base du score de propension. Ce résultat fondamental réduit énormément la dimensiondu problème de matching. Cette approche est également utilisée dans ce rapport.L’estimateur « local linear regression » repose sur la construction d’un non-bénéficiaire« matché moyen » en pondérant chacun des non bénéficiaires de l’échantillon, selon qu’ils sontplus ou moins proches du bénéficiaire. Cette proximité est mesurée soit en termes de l’ensembledes caractéristiques observées (il faut alors faire appel à des méthodes de régressionnon paramétrique multivariée assez lourdes à mettre en oeuvre (Frölich, 2007)), soit en termesde score de propension (ce qui permet d’utiliser les outils simples de la régression linéaire localenon-paramétrique (Fan, 1992)). Cet estimateur, proposé par Heckman, Ichimura, et Todd(1997a), est utilisé dans ce rapport. Dans la pratique, comme il ne se restreint pas aux observationsles plus proches du bénéficiaires, l’estimateur « local linear regression » est plus efficient :il est plus précis, l’incertitude autour de la « vraie » valeur de l’effet propre est plus faible.Pour mettre en oeuvre le matching en double différence, il suffit d’appliquer ces méthodesà la variation des niveaux de pratiques entre 2000 et 2005. Lorsque cette variation n’est pasobservable directement pour chaque observation, comme c’est le cas pour l’enquête PK, oùl’échantillon des parcelles enquêtées en 2001 est différent de celui de 2006, il faut réaliser troisprocédures de matching consécutives : d’abord pour déterminer le non bénéficiaire jumeauen 2006, puis pour déterminer le non bénéficiaire jumeau en 2001 et enfin pour déterminer lebénéficiaire jumeau en 2001 (Blundell et Costa Dias, 2000).Les méthodes présentées sont mises en oeuvre sur des échantillons issus de la populationdes exploitations. Si un échantillon différent avait été sélectionné, la valeur de l’effet propreestimé aurait varié. Pour estimer cette variabilité de l’effet propre estimé due à la procédured’échantillonnage, et pouvoir déterminer un intervalle de confiance auquel appartient avec95 % de chances la vraie valeur de l’effet propre, nous utilisons la méthode de Abadie et Imbens(2006a) pour les estimateurs « nearest neighbor » et la méthode du sous-échantillonnagede Politis et Romano (1994) pour les estimateurs « local linear regression ».Dans notre analyse, cinq versions de ces estimateurs de matching sont mobilisés, chacundans sa version simple et dans sa version en double-différence. Ils sont présentés dans le tableau3.1. Les estimateurs retenus se distinguent par les variables sur lesquelles reposent laprocédure de matching - c’est-à-dire l’élaboration du groupe de contrôle constitué des nonbénéficiaires « matchés » :– La procédure de matching par les estimateurs « nearest neighbor » (1) et (2) est réaliséesur la base de l’ensemble des variables de contrôle, notées X , mesurant les caractéristiquesobservables des agriculteurs des deux groupes.– La procédure de matching par les estimateurs « nearest neighbor » (3) et (4) est réalisée29