Modèle causal de Neyman-Rubin
Cet article est une ébauche concernant les probabilités et la statistique et l’économie.
Vous pouvez partager vos connaissances en l’améliorant (comment ?) selon les recommandations des projets correspondants.
Le modèle causal de Neyman-Rubin (ou modèle à résultats potentiels, en anglais potential outcome model) est un cadre de pensée permettant d'identifier statistiquement l'effet causal d'une variable sur une autre. La première version du modèle a été proposée par Jerzy Neyman en 1923 dans son mémoire de maîtrise[1]. Le modèle a ensuite été généralisé par Donald Rubin dans un article intitulé « Estimating Causal Effects of Treatments in Randomized and Nonrandomized Studies ». Le nom du modèle a été donné par Paul Holland dans un article de 1986 intitulé « Statistics and Causal Inference »[2],[3].
| Type |
Modèle causal (en) |
|---|---|
| Inventeur | |
| Nommé en référence à | |
| Formule |
Bibliographie
modifier- (en) Donald Rubin, « Estimating Causal Effects of Treatments in Randomized and Nonrandomized Studies », Journal of Educational Psychology, vol. 66, no 5, , p. 688–701
Notes et références
modifier- Jerzy Neyman, Sur les applications de la théorie des probabilités aux expériences agricoles : Essai des principes, mémoire de master, 1923, réédité en anglais dans la revue Statistical Science, Vol. 5, pp. 463-472. (traduction de D. M. Dabrowska, et T. P. Speed)
- (en) Paul W. Holland, « Statistics and causal inference », Journal of the American Statistical Association, vol. 81, no 396, , p. 945-960
- (en) Jasjeet Sekhon, « The Neyman— Rubin Model of Causal Inference and Estimation Via Matching Methods », dans The Oxford Handbook of Political Methodology, (DOI 10.1093/oxfordhb/9780199286546.003.0011)
