Difference between revisions of "Atelier sur l'évaluation quantitative de l'impact/Études de cas II"
m |
m |
||
| Line 19: | Line 19: | ||
|L'appariement des scores de propension (PSM) et l'équilibrage de l'entropie pour l'évaluation de l'impact de SCIE sur les petites et moyennes entreprises | |L'appariement des scores de propension (PSM) et l'équilibrage de l'entropie pour l'évaluation de l'impact de SCIE sur les petites et moyennes entreprises | ||
|Ibrahim Bousmah | |Ibrahim Bousmah | ||
| − | | | + | |Matériels à venir |
|- | |- | ||
|'''Étude de cas 2''' | |'''Étude de cas 2''' | ||
|L'appariement de la différence des différences (MDID) pour l'évaluation des programmes Agri-Innovation volet C et Agri-Innover- commercialisation | |L'appariement de la différence des différences (MDID) pour l'évaluation des programmes Agri-Innovation volet C et Agri-Innover- commercialisation | ||
|Mohammad (Moh) Torshizi | |Mohammad (Moh) Torshizi | ||
| − | | | + | |[[:en:images/f/f0/Session_4_-_Étude_de_cas_2_(FR).pdf|Présentation <small>[cliquez ici]</small>]] |
|- | |- | ||
|'''Étude de cas 3''' | |'''Étude de cas 3''' | ||
|Méthode des forêts causales modifiées (MCF) pour estimer l'impact différentiel des programmes pour les différents facteurs d'identité intersectés dans le cadre de l'ACS Plus | |Méthode des forêts causales modifiées (MCF) pour estimer l'impact différentiel des programmes pour les différents facteurs d'identité intersectés dans le cadre de l'ACS Plus | ||
|Christiane Arsenault et Yu-Hsien Liu | |Christiane Arsenault et Yu-Hsien Liu | ||
| − | | | + | |[[:en:images/d/db/Session_4_-_Étude_de_cas_3_(FR).pdf|Présentation <small>[cliquez ici]</small>]] |
|} | |} | ||
Revision as of 12:16, 11 March 2024
Atelier sur l'EQI - Session 4 - Études de cas II
Ordre du jour | 28 mars | 9h00 à 12h00 HE
| Étude de cas 1 | L'appariement des scores de propension (PSM) et l'équilibrage de l'entropie pour l'évaluation de l'impact de SCIE sur les petites et moyennes entreprises | Ibrahim Bousmah | Matériels à venir |
| Étude de cas 2 | L'appariement de la différence des différences (MDID) pour l'évaluation des programmes Agri-Innovation volet C et Agri-Innover- commercialisation | Mohammad (Moh) Torshizi | Présentation [cliquez ici] |
| Étude de cas 3 | Méthode des forêts causales modifiées (MCF) pour estimer l'impact différentiel des programmes pour les différents facteurs d'identité intersectés dans le cadre de l'ACS Plus | Christiane Arsenault et Yu-Hsien Liu | Présentation [cliquez ici] |
Meet the Presenters!
Ibrahim Bousmah
Ibrahim Bousmah is an economist with the Treasury Board of Canada Secretariat. He received his Ph.D. in Economics from the University of Ottawa. He is particularly interested in research related to applied econometrics. His other research interests include innovation, entrepreneurship, firm performances, wages, and other labor market attributes.
Mohammad (Moh) Torshizi
Moh Torshizi received his PhD in Agricultural Economics at the University of Saskatchewan in 2015. He also hold B.Sc. and M.Sc. degrees in Agricultural Economics. Before joining the Research and Analysis Directorate at AAFC in 2020, he was an assistant professor of Agribusiness at the University of Alberta. Moh’s research interests are program impact assessment; economics of innovation, competition, and interactions of the two in agri-food systems; and grain marketing, handling, and transportation. He has publications in Ecological Economics, American Journal of Agricultural Economics, Canadian Journal of Agricultural Economics, Australian Journal of Agricultural and Resource Economics, Journal of Agricultural and Food Industrial Organization, Antitrust Bulletin, and the Journal of Transportation Research Forum.
Christiane Arsenault
Christiane Arsenault leads a Quantitative Methodology team at ESDC's Evaluation Directorate. She and her team develop advanced analyses to assess the effectiveness of ESDC programs. Before this, she helped other departments to benefit from innovative data analytics and transformation to make business processes more effective, efficient, and productive. She is passionate about improving our work and fostering cross-functional collaboration.
Yu-Hsien Liu
Yu-Hsien Liu is a Senior Data Analyst in the ESDC Evaluation Directorate. Bringing a hands-on approach to data science, she implemented a machine learning method to uncover new insights on program effectiveness from a Gender-Based Analysis Plus perspective. Yu-Hsien excels in leveraging R, Python, and visualization tools to derive meaningful insights, ensuring a comprehensive understanding of complex datasets.
