Identification des paramètres et identification causale

Question

1. Quand les gens disent identification, est-ce que «identification paramétrique» et «identification causale» ont un sens complètement différent?

   Ex) Lors de la réalisation d'une estimation ML, la phrase qu'un paramètre est identifié semble signifier qu'il n'y a pas de paramètres équivalents sur le plan d'observation dans un modèle donné. (c'est-à-dire lorsque le paramètre qui maximise la fonction de vraisemblance donnée à un modèle est unique (je pense que c'est un concept mathématique))

   Et la phrase selon laquelle la relation causale a été identifiée semble signifier que nous pouvons accepter le paramètre comme une relation causale (je pense que c'est un problème conceptuel) (Par exemple, nous n'utilisons que l'échantillon de l'enfant adopté (pour éliminer les facteurs génétiques) pour identifier l'impact de l'enseignement à domicile sur la production des enfants)

La question ici est de savoir si l'identification des paramètres et l'identification des relations causales ont des significations complètement différentes?

1. Si la signification de l'identification des paramètres et de l'identification des relations causales à la question 1 est complètement différente, lorsque nous effectuons une estimation ML. Les conditions mathématiques pour l'identification des paramètres sont-elles? et la stratégie d'identification dans les papiers impériaux signifie-t-elle l'identification causale?

• À mon avis personnel, l'identification des paramètres et l'identification de la causalité sont différentes, et les conditions d'identification attachées à la méthode d'estimation ML sont des conditions mathématiques pour l'identification des paramètres, et la stratégie d'identification dans les articles impériaux est le concept permettant d'identifier la relation causale. Mais je ne suis pas sûr.

Answer 1

J'ai trouvé la conférence et les diapositives Woytinsky de David Card très utiles pour réfléchir à cela. Il distingue deux sens de l'identification:

1. L'identification économétrique concerne les hypothèses d'exclusion / de forme fonctionnelle qui inversent les données en paramètres du modèle. L'offre et la demande linéaires sont un exemple, ainsi qu'une identification partielle à un ensemble ou à une région.
2. L'identification substantielle exclut toute autre explication des données.

Cela reflète la distinction entre le travail empirique basé sur un modèle et le travail basé sur la conception.

Si vous voulez aller encore plus loin, je recommanderais Lewbel, Arthur. 2019. «The Identification Zoo: Meanings of Identification in Econometrics». Journal of Economic Literature, 57 (4): 835-903. Il fait valoir qu'il existe au moins deux douzaines de variétés.