1.5. Quelle méthode adopter?

Nous avons montré qu’il existait plusieurs manières de traiter le problème de la sélectivité. Chaque option correspondant à des hypothèses spécifiques, il importe donc de savoir laquelle de ces hypothèses est la plus adaptée, c’est-à-dire laquelle entraîne le moins de biais dans les estimations. A travers les données du programme de formation JTPA (Job Training Partenership Act) aux Etats-Unis (conçu comme une expérience contrôlée) et en utilisant également un groupe de contrôle non expérimental, Heckman, Ichimura et Todd (1997, 1998) comparent les différentes évaluations obtenues. Ils montrent ainsi deux grands résultats :

• les méthodes d’appariement sur les niveaux des variables de résultat sont mal adaptées : il y a persistance d’effets individuels inobservés, même lorsque l’on introduit un grand nombre de caractéristiques individuelles observables ;
• l’hypothèse de normalité dans les modèles de sélection sur inobservables conduit en général à des estimations biaisées. Ainsi, les paramètres déduits du modèle de sélection sur inobservables sont très sensibles à la spécification de la loi des termes d’erreur inobservés. Des approches semi-paramétriques semblent donc préférables, même si elles conduisent à une plus faible précision des estimations.

Après avoir présenté les développements effectués dans les méthodes économétriques d’évaluation des dispositifs publics et avoir mis en évidence leurs limites, il importe de préciser quelle méthode nous avons retenue ⁷⁷ dans l’évaluation des conventions de conversion. L’effet d’un passage par une convention de conversion est mesuré à l’aide du modèle causal de Rubin (1974). L’hypothèse particulière que nous avons retenue est celle sur la loi des résidus du modèle (sélection sur les inobservables), qui sont ici supposés suivre une loi normale. Bien que cette méthode d’estimation considérée comme standard a été adoptée dans de nombreuses études, nous avons vu qu’elle comportait néanmoins certaines limites, puisqu’elle peut conduire à des estimations biaisées. En effet, les paramètres déduits du modèle de sélection sur les inobservables sont très sensibles à la spécification de la loi des termes d’erreur. Cependant, la méthode d’évaluation adoptée est généralement fortement conditionnée par les données dont l’on dispose.

Ainsi, bien que les approches semi-paramétriques apparaissent être préférables, nous ne les avons pas toutefois appliquées. En effet, une telle approche exige notamment l’existence de variables instrumentales adéquates. Or, nous ne disposons pas dans notre échantillon particulier d’une variable exogène qui influence uniquement, et de manière non ambiguë, la décision de participation au dispositif. De plus, celle-ci doit également vérifier la condition d’identification « à l’infini » de l’effet moyen du traitement sur les traités (c’est-à-dire l’effet du dispositif sur les bénéficiaires). Cette condition énonce que la probabilité d’accès au dispositif, ou score de propension, Pr(T=1|Z) = P(Z) s’annule pour au moins une valeur de cette variable.

La section suivante propose une évaluation des conventions de conversion. L’indicateur individuel de succès privilégié ici est la durée du chômage, elle représente le principal coût de reclassement pour les licenciés économiques sur le marché du travail français. Par l’évaluation, nous espérons répondre à plusieurs types de questions. Est-ce que le passage par une convention de conversion permet de réduire la période de chômage? Si la cause du licenciement a un impact en termes de signal sur les durées de chômage, est-ce que cet effet est atténué par le passage par un tel dispositif ?