Module 4 Randomisation

Le module sur l’inférence causale aborde le rôle important de la randomisation pour tirer des inférences valides à partir d’une comparaison des groupes traités et non traités. Dans ce module, nous passons de la théorie aux cas concrets pour votre conception de recherche.

Nous introduisons quatre façons courantes de randomiser le traitement – simple, complète, par bloc, et en grappe (cluster) – et nous expliquons quand ces différents types de randomisation sont disponibles et appropriés. Nous couvrons également plusieurs conceptions courantes, y compris les conceptions factorielles et les conceptions incitatives. Le module fournit des conseils sur l’implémentation, y compris les bonnes pratiques pour vérifier l’homogénéité et assurer la reproductibilité.

4.1 Contenu

  • Qu’est-ce que la randomisation ? L’assignation aléatoire n’est pas la même chose que l’échantillonnage aléatoire.

  • Quatre façons courantes de randomiser le traitement :

    • Simple : assigner de manière aléatoire les unités au traitement (comme un tirage au sort).

    • Complète : au sein d’une liste d’unités éligibles, assigner un nombre fixe d’unités au traitement (comme un tirage d’une urne sans remise).

    • Par bloc (ou stratifiée) : assigner un traitement dans des strates ou des blocs spécifiques, comme si vous meniez une expérience dans chaque bloc.

    • Par grappe (cluster) : assigner des groupes d’observation (grappes ou clusters) à la même condition de traitement.

  • Quelques conceptions courantes :

    • Accès randomisé : randomiser la disponibilité du traitement.

    • Accès randomisé differé : randomiser le timing de l’accès au traitement.

    • Factorielle : randomiser les unités en combinant les bras de traitement.

    • Incitative : randomiser l’incitation à prendre le traitement.

  • Comment vérifier si votre randomisation a produit des groupes homogènes sur les caractéristiques observables ? En règle générale, nous effectuons des tests de randomisation, également appelés tests d’homogénéité. On peut, par exemple, utiliser le test omnibus \(d^2\) de xBalance dans le package RItools (car c’est une inférence de randomisation) ou on peut approximer ce résultat avec un test \(F\).

  • La randomisation a des limites. Nous en discutons ici et nous vous orientons vers le module sur les menaces pour en savoir plus.

4.3 Ressources

4.3.1 Guide des méthodes EGAP

4.3.2 Livres, chapitres et articles

4.3.4 Outils

  • RItools, un ensemble d’outils pour l’inférence de randomisation, y compris le test d’homogénéité.