JMS Journées de méthodologie statistique de l’Insee 2018
Journées de méthodologie statistique de l’Insee
------------------------------------------------------------------------------------------
GETS MODELLING OU LASSO ? LES DIFFÉRENTES MÉTHODES DE
SÉLECTION DE VARIABLES AVEC DES SÉRIES TEMPORELLES.
L’EXEMPLE DES ÉTALONNAGES À L’AIDE D’ENQUÊTES DE
CONJONCTURE
Clément ROUSSET, Alizé PAPP
Insee, DESE, Division Synthèse conjoncturelle
[Link]@[Link]
[Link]@[Link]
Mots-clés : GETS modelling, LASSO, sélection de variables, enquêtes de conjoncture, étalonnages, séries
temporelles
_____________________________________________________________
Résumé
Les enquêtes de conjoncture fournissent des renseignements précieux pour le conjoncturiste :
nombreuses, variées et rapidement disponibles, elles couvrent un large pan des économies
nationales. Toutefois, face à la multiplicité des séries ainsi disponibles, allant, par exemple, de la
confiance des ménages à l’anticipation de l’évolution des prix dans la construction, comment faire le
tri et savoir quelles variables sont prédictives vis-à-vis d’agrégats de la comptabilité nationale et donc
peuvent améliorer la prévision, et lesquelles leur sont orthogonales ?
En 2006, Éric Dubois et Emmanuel Michaux publiaient un article dans lequel ils présentaient et
évaluaient deux méthodes complémentaires, à savoir la trimestrialisation des données d’enquêtes de
conjoncture d’une part, et l’automatisation de la sélection des variables issues d’enquêtes de
conjoncture d’autre part. Si le premier volet de leur article est très largement appliqué aujourd‘hui, la
sélection de variables est à la Synthèse conjoncturelle davantage artisanale. Cet article se propose de
réévaluer l’opportunité d’introduire une sélection de variables automatique, et compare la méthode
mise en avant par Dubois et Michaux, et la famille de méthodes qui y est liée, à savoir le General-to-
Specific modelling (GETS) et les méthodes de Lasso (Least Absolute Shrinkage and Selection
Operator).
Pour ce faire, différentes simulations ont été effectuées, en faisant varier l’intensité du bruit, sa
distribution et la proportion de variables informatives. L’usage du LASSO et du GETS modelling
permet ensuite de comparer les avantages et inconvénients de chaque méthode, et de trancher sur
l’opportunité de leur utilisation pour la division de la Synthèse conjoncturelle. En particulier, on a
quatre souhaits pour cette méthode de sélection – souhaits qui fournissent chacun un critère
d’évaluation :
• l’écoute précise, que la méthode distingue le signal du bruit, et ne rejette pas les bonnes
variables,
• la discrimination, le rejet des variables qui ne sont pas informatives,
• la prédiction, que le modèle retenu soit prédictif,
• la stabilité, une méthode qui non seulement satisfasse les trois critères précédents, mais
aussi le fasse fréquemment (à l’opposé d’une méthode par exemple excellente pour la moitié
des résultats mais très mauvaise pour les autres) – on pourra ainsi préférer une méthode un
peu moins bonne mais plus stable.
13es Journées de méthodologie statistique de l’Insee (JMS) / 12-14 juin 2018 / PARIS
On commencera par présenter ces deux approches relativement différentes de la sélection de
variables, à savoir d’une part le GETS modelling, issu des économètres de la LSE, et d’autre part le
LASSO, en soulignant leurs hypothèses et paramétrages respectifs. Après cela, on présentera les
résultats des simulations, au regard des trois critères sus-mentionnés. Enfin, l’on s’attachera à un cas
précis d’usage à la Synthèse conjoncturelle, et aux éventuelles améliorations de prévision qui en ont
découlé. Par-delà l’usage des enquêtes de conjoncture, la question fondamentale qui se pose est
alors celle de l’équilibre possible entre automatisation aveugle et « agnostique » et méthode
artisanale mais interprétative.
Bibliographie
[1] Éric Dubois, Emmanuel Michaux, « Étalonnages à l'aide d'enquêtes de conjoncture :
de nouveaux résultats », Economie & prévision 2006/1 (no 172), p. 11-28.
[2] Sucarrat, Genaro, « Automated financial multi-path GETS modelling », 2009
[3] R. Tibshirani, « Regression Shrinkage and Selection via the Lasso », in : Journal of the Royal
Statistical Society. Series B (Methodological) 58.1 (1996), p. 267–288.
[4] Julia Campos, Neil R. Ericsson, David F. Hendry, « General-to-specific Modelling: An Overview and
Selected Bibliography », 2005, Board of Governors of the Federal Reserve System, International
Finance Discussion Papers
[5] Ivan Savin, « A comparative study of the Lasso-type and heuristic model selection methods »,
2010
13es Journées de méthodologie statistique de l’Insee (JMS) / 12-14 juin 2018 / PARIS
