17.3 La quasi-expérience

On s'inspire du design expérimental, notamment pour

• les points de mesure dans le temps
• la sélection des "objets" mesurés (échantillonnage)

Il manque un vrai contrôle:

• on ne connaît pas tous les stimuli (causes)
• on n'arrive pas à "randomiser"
  (éliminer le hasard d'autres causes)
  • choix de groupes équivalents
  • trop peu de sujets à comparer

Il faut optimiser le design et rester critique

La quasi-expérience est aussi utile que l'expérience:

• car on observe les choses dans un cadre naturel

Exemples d'utilisation en sciences sociales:

• recherches d'évaluation
• étude des organisations
• design de questionnaires (notamment pour l'échantillonnage)

Lectures
Campbell & Stanley, 1963 et Cook & Campbell, 1975 (à compléter par un texte facile en français)

A. Les séries temporelles interrompues

Avantages:

• on arrive à contrôler des tendances (trends)
  (voir page suivante)

Problèmes:

• Effets externes (X2 intervient en même temps que X1)
  Exemple: On libéralise les lois sur le divorce....
  et on observe plus de divorces, possible cause alternative:
  • on a aussi changé la législation qui supporte les mères cheffes de famille (en mieux), alors elles hésitent moins à se séparer
  • dans ce cas il faut aussi faire attention à des effets d'accumulation
    (les gens patientent parfois pour attendre la mise en vigeur de la nouvelle loi pour divorcer plus facilement)

Difficultés pratiques

• Obtenir les points de mesure dans le passé
  et avoir la patience d'attendre les effets
  • Exemple: Dans certains quartiers de la ville on instaure des mesures provisoires pour ralentir le trafic. Il manque des mesures pour les années précédentes et on n'a pas la patience d'attendre.

Exemples:

A. L'effet "statistique" est évident (pas besoin d'exemple),
mais attention: on introduit une mesure, mais l'effet est dû à une autre intervention.

B. "Effet de feu de paille":
On introduit une nouveauté comme des amendes plus élevées contre les excès de vitesse. D'abord ça marche, ensuite les gens reprennent les habitudes

C. "Trend naturel" (pas besoin d'exemple), mais l'erreur arrive quand on ne mesure que O4 et O5.

D. "Confusion entre effets de cycles et intervention"
Exemple: On prend des mesures contre la hausse des taux d'intérêts, mais en fait elles sont par hasard intervenues dans un cycle naturel (en politique on agit souvent quand un cycle est au "top", voir les politiques économiques)

E. "Effet avec délai":
Exemple: Les mesures pour diminuer le trafic en ville (meilleurs transports communs)

F. "Effet accélération de trend", difficile de faire la différence avec (G) parfois

G. Evolution exponentielle: même chose que (C).

B. Design "groupe de contrôle non-équivalent"

Avantages:

• Meilleur test des causes "externes"
  • Si O2-O1 est similaire à O4-O3, on peut rejeter l'hypothèse que O2-O1 est l'effet de X.

Inconvénients

• Mauvais contrôle des tendances naturelles

Problèmes:

• Trouver des groupes équivalents
• contrôle des effets d'interaction entre les deux groupes
  (voir 17.4 [V-17])

Exemple:

	Commune A introduit NPM	CommunB ne fait rien
Effet 1:coûts	....	....	comparaison horizontale des résultats
E 2: satisfaction des clients	....	....
E 3: .....