Allocation efficace du traitement dans les expériences randomisées

Efficient treatment allocation in randomized experiments

• Auteur / Autrice : Pedro Vergara merino
• Direction : Guillaume Hollard, Laurent Davezies
• Type : Projet de thèse
• Discipline(s) : Economie
• Date : Inscription en doctorat le 01/10/2022
• Etablissement(s) : Institut polytechnique de Paris
• Ecole(s) doctorale(s) : École doctorale de l'Institut polytechnique de Paris
• Partenaire(s) de recherche : Laboratoire : CREST - Centre de recherche en économie et statistique
• Partenaire(s) de recherche : Equipe de recherche : Pôle d'Économie

Mots clés

Mots clés libres

Expérience aléatoire

Inférence causale

Equilibrage de covariables

Randomized experiments

Causal inference

Covariate balancing

Résumé

Dans le cadre de ce projet de thèse, j'entends explorer l'allocation des traitements dans le contexte des expériences randomisées, cherchant à améliorer leur efficacité. Tout d'abord, je vais analyser les mécanismes actuellement en usage pour attribuer les traitements dans le cadre des expériences sur le terrain. Par la suite, je vais proposer de nouvelles approches pour l'attribution des traitements dans ces mêmes expériences. Mon objectif est de démontrer que ces nouvelles méthodes sont plus efficaces, car elles permettent d'obtenir des estimations plus précises et moins ''risquées'' avec le même nombre d'observations.

In this thesis project, I'll be looking at how we assign treatments in randomized experiments and ways to make this process more efficient. First, I'll explain the current methods used in field experiments for deciding who gets which treatment. Then, I'll propose new approaches to allocation. The main goal is to demonstrate that these new methods are more effective because they provide more precise estimations and less ''risky'' effects using the same number of observations.