Portail d'apprentissage

Portail d'apprentissage - Appariement des scores de propension généralisés (GPSM)

L'appariement des scores de propension généralisés (GPSM) est un outil d'évaluation élaboré utilisé lorsque presque toutes les unités participent à un programme, ce qui rend les méthodes de comparaison traditionnelles inadéquates. En se concentrant sur l'intensité du soutien apporté à chaque unité, il permet une analyse détaillée de l'impact des différents niveaux de soutien sur les résultats.

Page contents

A woman farmer with digital tablet in a field

Principes de base

En bref

La méthode de l'appariement des scores de propension généralisés (GPSM) est une méthodologie d'évaluation quasi-expérimentale.

Cette technique est utilisée lorsqu'il n'est pas possible de comparer les participants aux non-participants parce que presque toutes les unités participent au programme. Dans ce cas, l'appariement n'est pas basé sur la probabilité de participer au programme (comme dans la méthode binaire du PSM) mais sur la probabilité de recevoir un niveau particulier de soutien de la part du programme (intensité du soutien). Si l'on dispose d'informations explicites sur l'intensité de l'aide (par exemple, les flux financiers d'un programme d'investissement public par ferme, exploitation, communauté ou région), les effets du programme dans ce cadre peuvent être analysés à l'aide d'une fonction dose-réponse. Une fonction dose-réponse explique la relation entre l'intensité de l'aide fournie (dose) et l'indicateur de résultat (réponse).

La méthode GPSM permet non seulement d'estimer l'effet moyen de l'aide publique à l'investissement sur l'indicateur de résultat sélectionné, mais aussi d'évaluer les effets marginaux des programmes ou des mesures indépendamment du niveau d'intensité de l'aide obtenu. Ces résultats désagrégés de l'évaluation des programmes ne peuvent pas être obtenus en utilisant les techniques traditionnelles, par exemple la méthodologie de l'appariement des scores de propension binaires, la conception de discontinuité de la régression ou toute autre technique utilisée dans les études d'évaluation standard. En tant qu'extension d'une méthode PSM binaire, la méthode GPSM peut également éliminer tout biais associé à des différences dans les covariables incluses dans un modèle d'évaluation.

Avantages et inconvénients

Avantages

Inconvénients
  • Efficace si presque toutes les unités reçoivent un soutien du programme (à différents niveaux d'intensité).
  • Utile pour trouver des contrefactuels.
  • La méthode GPSM permet non seulement d'estimer l'effet moyen du soutien public  à l'investissement sur l'indicateur de résultat/impact sélectionné, mais aussi d'évaluer les effets marginaux (au-delà des effets moyens) du soutien public à l'investissement, indépendamment du niveau d'intensité du soutien obtenu.
  • Flexible en ce qui concerne la forme fonctionnelle du modèle de traitement (cette dernière peut être testée empiriquement).
  • Les résultats ne seront pas plausibles si d'importantes caractéristiques observables expliquant les différences entre les divers bénéficiaires du programme ne sont pas incluses dans le modèle.
  • Plus difficile que le PSM ou le PSM-DID.
  • Nécessite de grandes compétences analytiques.

Quand l'utiliser ?

L'approche du GPSM est plus générale que celle du PSM et peut être utilisée lorsque toutes les unités ont reçu un soutien du programme donné et que l'intensité de ce soutien par unité est connue (elle permet également de prendre en compte les unités qui n'ont pas reçu de soutien, c'est-à-dire que le niveau d'intensité est égal à 0). La méthode peut être appliquée pour évaluer les effets du programme au niveau microéconomique, régional ou de la zone du programme. Cependant, il est nécessaire de disposer de nombreuses données sur les principales caractéristiques et les performances des bénéficiaires (et des non-bénéficiaires) du programme avant et après le programme. Une hypothèse importante de cette méthode est que les caractéristiques les plus importantes qui déterminent la participation et la performance du programme peuvent être observées.

Conditions préalables

  • Nombreuses données sur les participants (et les non-participants) au programme avant et après le programme.
  • Capacité à estimer le niveau d'intensité du soutien pour chaque unité.
  • Capacité à calculer la valeur des indicateurs d'impact pour les différents niveaux d'intensité du soutien.
  • Compétences quantitatives élevées (y compris en économétrie) de l'évaluateur.
  • Bonne compréhension des conditions déterminant la probabilité de participation au programme.

La technique peut être appliquée pour évaluer l'effet du soutien de la PAC sur l'évolution des valeurs des indicateurs d'impact énumérés dans le tableau suivant.

Indicateur d'impact du PDR Indicateur d'impact du plan stratégique relevant de la PAC
I.01 - Revenu d'entreprise agricole I.2 - Evolution du revenu agricole par rapport à l'économie générale
I.02 - Revenu des facteurs agricoles I.3 - Évolution du revenu agricole
  I.4 - Evolution du niveau de revenu agricole par type d'exploitation (par rapport à la moyenne agricole)
  I.5 - Evolution du revenu agricole dans les zones à contraintes naturelles (par rapport à la moyenne)
I.03 - Productivité totale des facteurs dans l'agriculture I.6 - Productivité totale des facteurs dans l'agriculture
I.07 - Émissions de l'agriculture

I.10 - Émissions de gaz à effet de serre provenant de l'agriculture

I.14 - Émissions d'ammoniac provenant de l'agriculture
I.08 - Indice des oiseaux des terres agricoles I.19 - Indice des oiseaux des terres agricoles
I.09 - Agriculture à haute valeur naturelle (HNV)  
I.10 - Prélèvements d'eau dans l'agriculture I.17 - Indice d'exploitation de l'eau plus (WEI+)
I.11 - Qualité de l'eau

I.15 - Bilan brut des éléments nutritifs sur les terres agricoles

I.16 - Nitrates dans les eaux souterraines
I.13 - Erosion des sols par l'eau I.13 - Pourcentage de terres agricoles soumises à une érosion modérée et sévère des sols
I.14 - Taux d'emploi rural I.24 - Évolution du taux d'emploi dans les zones rurales, incluant une décomposition selon les sexes
I.15 - Degré de pauvreté rurale I.27 - Évolution de l'indice de pauvreté en zone rurale
I.16 - PIB rural par habitant I.25 - Évolution du produit intérieur brut (PIB) par habitant dans les zones rurales

Étape par étape

  • Étape 1 - Calculer le niveau de soutien pour chaque unité. Il est suggéré de définir le niveau de soutien non pas en utilisant les niveaux absolus de soutien, mais plutôt les niveaux de soutien normalisés par une autre variable, comme la surface agricole utilisée de l'agriculteur ou la surface ou la population d'une région géographique.
  • Étape 2 - Diviser les niveaux de soutien en intervalles prédéfinis.
  • Étape 3 - Collecter des données sur toutes les unités et leurs caractéristiques significatives (variables) au début de la période de mise en œuvre et au moment de l'évaluation. Notez que les variables incluses dans l'analyse doivent affecter les indicateurs de résultats.
  • Étape 4 - Appliquer les techniques appropriées pour créer des groupes d'unités également susceptibles de recevoir un certain niveau de soutien (score de propension généralisé) et d'appartenir au même intervalle de soutien (tel que défini à l'étape 2).
  • Étape 5 - Vérifier la similarité statistique des groupes constitués (par exemple en effectuant des tests statistiques sur les covariables incluses dans l'analyse).
  • Étape 6 - Estimer la valeur moyenne du ou des indicateurs de résultats pour chaque intervalle de soutien et pour l'ensemble de la fonction dose-réponse.
  • Étape 7 - Effectuer une analyse de sensibilité pour évaluer les effets possibles des variables non observables sur les résultats obtenus.

Principaux points à retenir

  • Le GPSM permet une évaluation approfondie des programmes dans lesquels toutes les unités sont des participants, en se concentrant sur l'intensité du soutien reçu.
  • Il fournit une analyse détaillée par le biais de la fonction dose-réponse, explorant l'impact des différents niveaux de soutien sur les résultats.
  • Le GPSM offre des perspectives uniques, permettant d'estimer les effets moyens et marginaux de l'intensité de l'aide.
  • Cette méthode est particulièrement utile pour évaluer des programmes complexes comme ceux de la PAC, où les interventions ont une intensité et un impact variables sur différents objectifs et thèmes.
  • Son applicabilité dépend fortement de la disponibilité de données complètes et des compétences quantitatives de l'évaluateur.

Apprendre de la pratique

Pour en savoir plus

Publication - FAQ |

Assessing RDP Achievements and Impacts in 2019