Services on Demand
Journal
Article
Indicators
- Cited by SciELO
- Access statistics
Related links
- Cited by Google
- Similars in SciELO
- Similars in Google
Share
Cuadernos de Economía
Print version ISSN 0121-4772
Abstract
COAD, Alex; JANZING, Dominik and NIGHTINGALE, Paul. Outils pour l’inférence causale d’enquêtes d’innovation de bilan transversal avec des variables continues ou discrètes: Théorie et applications. Cuad. Econ. [online]. 2018, vol.37, n.spe75, pp.779-807. ISSN 0121-4772. https://doi.org/10.15446/cuad.econ.v37n75.69832.
Cet article présente un nouvel ensemble d’outils statistiques en appliquant trois techniques d’inférence causale basée sur des données prises de la communauté de l’apprentissage automatique (maching learning) et qui sont peu connues chez les économistes et les spécialistes de l’innovation : une approche conditionnelle basée sur l’indépendance, des modèles de bruit additif et inférence non algorythmique manuelle. Nous incluons trois applications aux données de la CIS -l’enquête de la communauté sur l’innovation- pour étudier les modèles de financement public pour l’investissement en recherche et développement, sources d’information pour l’innovation, et dépenses d’innovation et de croissance entrepreneuriale. Les résultats préliminaires fournissent des interprétations causales de certaines corrélations observées antérieurement. Notre ensemble d’outils statistiques pourrait être un complément utile aux techniques existantes.
JEL: O30, C21.
Keywords : inférence causale; enquêtes d’innovation; apprentissage automatique machine learning); modèles de bruit additif; graphes acycliques dirigés.