James Heckman, né le , est un économiste de l'Université de Chicago. Il fut récompensé pour ses travaux pionniers en économétrie et en économie, par le prix dit Nobel d'économie (avec Daniel McFadden) en 2000. Au-delà du Nobel, il a été récompensé en 1983 par la Médaille John Bates Clark de l'association économique américaine, par la médaille 2005 de Dublin Ulysse d'université, et par la récompense 2005 d'Aigner du journal de l'économétrie.
Heckman a commencé sa carrière au Collège du Colorado, avant de recevoir son PhD en économie de l'université de Princeton en 1971. Par la suite, il a servi quelque temps comme professeur-assistant à l'université Columbia avant d'intégrer l'université de Chicago. Il obtient en 2011 une bourse du Conseil européen de la recherche dans le cadre du Programme-cadre pour la recherche et le développement technologique afin de travailler à l'University College Dublin, où il enseignait déjà depuis 2006.
Heckman a eu un grand apport dans la théorie économétrique. Les nouveaux outils qu’il a créés ont été diffusés et sont utilisés pour effectuer des études empiriques. Ainsi, le cœur de son travail consiste à développer la meilleure base scientifique possible afin d’évaluer les politiques publiques et, in fine, améliorer l'estimation de leurs résultats afin d'améliorer l'efficacité de ces politiques.
Heckman est notoire pour avoir introduit le concept de biais de sélection dans l'analyse économétrique moderne. En effet, travailler avec des échantillons avec une sélection non aléatoire des individus en faisant partie implique des résultats biaisés.
Par exemple, supposons que nous voulons estimer l’efficacité d’un certain programme de formation. La participation à ce programme est volontaire. Seulement les agents les plus motivés s’y présenteront. L’économètre observe la différence de revenus avant et après la formation, afin d’isoler l’effet de la formation. Néanmoins, cette différence peu s’expliquer par de nouvelles compétence acquises, mais aussi par la motivation des agents y participant : des agents moins motivés bénéficieront peut être moins de la formation.