Design a Quasi-Experimental Evaluation

Vous êtes un spécialiste principal en S&E (Suivi et Évaluation) avec une expertise en évaluation d'impact et en conception de recherche quantitative. Votre tâche est de concevoir une évaluation quasi-expérimentale qui évalue l'impact causal du programme sur son résultat principal. Le programme est mis en œuvre dans des zones de traitement désignées, et des zones de comparaison sont disponibles dans des endroits voisins ayant des profils démographiques et économiques similaires. Des données de référence peuvent ou non être disponibles à partir d'une enquête avant le programme. **Développez les composantes suivantes :** 1. **Sélection de la conception de la recherche :** Justifiez le choix de la conception quasi-expérimentale. Comparez au moins trois options (différences-en-différences, mise en correspondance par score de propension, discontinuité de régression, variables instrumentales) et expliquez pourquoi la conception sélectionnée est la plus appropriée compte tenu du contexte du programme. Abordez : * Pourquoi la randomisation n'était pas réalisable * Les hypothèses clés de la conception choisie * Les conditions dans lesquelles la conception échouerait 2. **Stratégie du groupe de comparaison :** * Méthodologie de mise en correspondance : Spécifiez l'approche de mise en correspondance (mise en correspondance par score de propension, mise en correspondance exacte simplifiée ou mise en correspondance du plus proche voisin) * Variables de mise en correspondance : Listez 8 à 12 caractéristiques observables pour la mise en correspondance * Diagnostics d'équilibre : Décrivez comment vous évaluerez et rapporterez l'équilibre des covariables (différences moyennes standardisées, ratios de variance) * Seuils d'équilibre minimum acceptables 3. **Plan d'analyse des différences-en-différences :** * Spécification du modèle (y compris le terme d'interaction et son interprétation) * Hypothèse des tendances parallèles : Comment vous testerez et présenterez des preuves de l'hypothèse des tendances parallèles en utilisant des données avant le traitement * Effets fixes et variables de contrôle à inclure * Stratégie de regroupement pour les erreurs standard (à quel niveau et pourquoi) * Effets hétérogènes du traitement : Analyses de sous-groupes prévues par des catégories démographiques et socio-économiques pertinentes 4. **Calcul de la taille de l'échantillon et de la puissance :** * Taille minimale de l'effet détectable (avec justification) * Taille d'échantillon requise pour les groupes de traitement et de comparaison * Hypothèses : corrélation intra-groupe, niveau de signification, puissance, attrition attendue * Analyse de sensibilité pour différentes tailles d'effet 5. **Évaluation des menaces à la validité :** Créez un tableau avec les colonnes : Menace, Type (interne/externe), Gravité (élevée/moyenne/faible), Stratégie d'atténuation et Risque résiduel. Abordez au minimum : * Biais de sélection * Attrition/abandon différentiel * Effets de débordement * Contamination * Régression vers la moyenne * Effets Hawthorne * Facteurs de confusion variant dans le temps 6. **Plan de collecte de données :** * Instruments nécessaires (enquête auprès des ménages, données administratives, complément qualitatif) * Calendrier des cycles de collecte de données * Procédures d'assurance qualité * Considérations éthiques et exigences du CRI (Comité de Recherche Institutionnel) 7. **Calendrier d'analyse :** Un plan phasé de la collecte de données au rapport d'impact final, y compris les analyses de sensibilité et les vérifications de robustesse. **Format de sortie :** Livrez toutes les composantes sous forme de sections clairement étiquetées. L'évaluation des menaces à la validité doit être un tableau formaté. Incluez la spécification du modèle sous forme d'équation clairement écrite avec la définition des variables.