Économétrie appliquee
Assurée par Mme AIT AMOKHTAR
Informations sur le cours
Ecole : Ecole Nationale Supérieure de Statistique Économie appliquee
Public cible : 3ème année Master, spécialité Statistique et Data science
Intitulé du cours : Statistique Appliquée
Coefficient:03 Durée : 3heures par semaines
Enseignant :
Cours, TD et TP: Dr. Smicha AIT AMOKHTAR
Contact : par mail au [Link]@[Link].
Disponibilité :
Au bureau : lundi, Mercredi
Par mail : Je m’engage à répondre par mail dans 48 heures qui suivent la réception du message, sauf en cas des imprévus, j’attire votre
attention que le canal de communication privilégié c’est le forum, le mail est réservé aux « urgences » (en cas de problème d’accès de
la plateforme)
Sommaire
Introduction
Chapitre 1 • specification des modeles econometrique
Chapitre 2 • Modèle linéaire simple et multiple
Chapitre 3 • modele des series temporelles
Chapitre 4 • Équations simultannee en univers stationnaire
Chapitre 5 Econometrie des donnees de pannel
Chapitre 6 • Variables dépendantes discrètes
L’objectif du cours:
L’objectif de ce cours est de présenter brievement les principales méthodes économétriques et d’expliquer en détail comment les
utiliser en pratique.
Nous cherchons expliquer le choix du modele qui est une etape tres importante avant le choix de la technique d’estimation. Or, dans la
pratique, la validité d’une étude économétrique dépend de la pertinence de la spécification du modèle estimé ; il est indispensable de
connaître les différentes méthodes d’estimation et d’inférence statistique si on les applique à des modèles incohérents.
Les prerequis du cours de l’econometrie appliquee :
Une connaissance de quelques notions mathématiques de base.
Une connaissance de base de la théorie statistique est nécessaire.
Chapitre I:Specification des modeles econometrique
ce chapitre définit l’objectif et la méthode générale de l’économétrie. Il précise quelques notions de base indispensables à la
compréhension de l’ouvrage, liées à la modélisation mathématique des phénomènes rencontrés en sciences économiques et en sciences
de gestion.
L’économétrie est le principal outil d’analyse quantitative utilisé par les économistes et gestionnaires dans divers domaines
d’application, comme la macroéconomie, la finance ou le marketing. Les méthodes de l’économétrie permettent de vérifier l’existence
de certaines relations entre des phénomènes économiques, et de mesurer concrètement ces relations, sur la base d’observations de faits
réels.
Dans son acception la plus restreinte, l’économétrie est un ensemble de techniques utilisant la statistique mathématique qui vérifient la
validité empirique des relations supposées entre les phénomènes économiques et mesurent les paramètres de ces relations. Au sens
large, l’économétrie est l’art de construire et d’estimer des modèles empiriques adéquats par rapport aux caractéristiques de la réalité,
et intelligibles au regard de la théorie économique.
Utilitét définition de l’économétrie
Relations économiques
la réalisation de travaux économétriques suppose la connaissance préalable des disciplines économiques en jeu, puisqu’elles suggèrent
le type de relation à vérifier sur les données réelles observées.
Exemple ( theorie keynesienne)
On suppose que la consommation totale des ménages augmente avec leur revenu disponible réel, mais diminue quand le taux d’intérêt
monte. Une telle relation économique s’écrit de la manière suivante :
c = f(yd )
où c correspond à la consommation, yd au revenu disponible et r au taux d’intérêt. La notation f (,) désigne une fonction quelconque,
linéaire ou non (il faudrait poser des hypothèses supplémentaires pour en préciser la forme fonctionnelle, mais ce n’est pas le propos
de cette section). La supposition de départ se formule de la façon suivante : la dérivée partielle de f par rapport à yd est positive – à
taux d’intérêt r inchangé, une augmentation du revenu disponible yd implique une augmentation de la consommation c – et la dérivée
partielle de f par rapport à r est négative – à revenu disponible inchangé, une augmentation du taux d’intérêt r implique une diminution
de la consommation c.
Exercice
Vérification de l’adéquation empirique des relations
Pour expliquer comment se détermine(nt) un ou plusieurs phénomènes économiques, on construit un modèle à partir de certaines
hypothèses et des résultats qu’elles donnent dans le cadre d’une théorie particulière. On vérifie que ce modèle décrit réellement la
manière dont le ou les concept(s) d’intérêt se détermine(nt) dans la réalité. Il faut pour cela disposer de mesures réelles des
phénomènes (les « statistiques ») et vérifier au moyen de techniques issues de la statistique mathématique (1) que le modèle
correspond à ces données observées.
Mesure des taux de réaction
Dans la mesure où le modèle est acceptable, on souhaite également mesurer quantitativement les
taux de réaction des phénomènes expliqués aux variations des phénomènes explicatifs. Ces
mesures permettront de simuler ultérieurement l’effet de telle ou telle variation hypothétique d’un
phénomène explicatif sur les phénomènes expliqués.
Soit un modèle explicatif du taux d’intérêt, sous la forme d’une équation où le taux d’inflation est
une variable explicative. On vérifie son adéquation à la réalité observée. Comme on dispose alors
des mesures des taux de réaction du taux d’intérêt à ses déterminants, on peut évaluer à l’avance
l’effet sur le taux d’intérêt d’une accélération de l’inflation d’un montant déterminé. Souvent,
plusieurs théories concurrentes expliquent les mêmes réalités économiques. Les techniques
économétriques permettent d’identifier celle qui explique le mieux la réalité, celle qui est au plus
près des observations.
Formes fonctionnelles et paramètres
L’objectif est de vérifier l’adéquation d’un modèle à la réalité observée et de mesurer les taux de
réaction des phénomènes expliqués aux phénomènes explicatifs. Pour confronter efficacement
modèle et données, il convient d’exprimer ce dernier sous une forme « mani- pulable ». Selon la
relation (a), la consommation est une fonction du revenu disponible et du taux d’int érêt. Cette
formulation est mathématiquement trop « vague » pour pouvoir être confrontée à la réalité
observée. Pour pallier le problème, il faut spécifier a priori une forme fonctionnelle particulière de
la fonction f (). Les possibilités sont innombrables.
CHOIX D’UNE RELATION LINÉAIRE
Le choix le plus simple est celui d’une relation linéaire. Il se justifie quand on peut
raisonnablement supposer que les dérivées partielles de la variable dépendante par rapport à
chaque variable explicative ne sont pas fonction des niveaux atteints par ces variables explicatives.
Exemple
CHOIX D’UNE RELATION NON LINÉAIRE
La linéarité est certes commode, mais n’est pas toujours une propriété adéquate à la relation traitée.
Souvent, il est irréaliste de supposer que la variation de la variable dépendante est toujours la
même, suite à une variation de une unité d’une variable explicative, quels que soient les niveaux
déjà atteints par cette dernière et par les autres variables explicatives. On ne peut alors partir du
principe que les dérivées partielles sont indépendantes des niveaux des variables. Dans ce cas, on
travaille avec des relations formalisées sous la forme d’équations non linéaires.
Exemple
On souhaite modéliser la relation entre les ventes d’un produit de grande consommation V et les
dépenses de publicité PUB de l’entreprise productrice. Si l’on pense que la « productivité », en
termes de ventes, des dépenses de publicité décroît avec leur montant, on peut écrire :
V = αPUBβ , avec 0 < β < 1
Cette spécification implique en effet une dérivée première de V par rapport à PUB, qui décroît
avec le montant de PUB. Autrement dit, au fur et à mesure que les dépenses publicitaires
augmentent, l’augmentation des ventes devient de plus en plus faible.
Certaines relations non linéaires sont équivalentes à des relations linéaires entre des
transformations des variables.
Exemple
Si l’on transforme les variables en logarithmes, une fonction de production de Cobb-Douglas,
y = AKβLγ
Y, L et K sont la production, le travail et le capital, implique une relation linéaire entre les
transformations des variables :
Il existe d’autre formes fonctionnelles non lineaires qui ne peuvent pas etre linéarisées
moyennant une transformation des variables.
Exemple
Soit la fonction de production CES, ayant la forme :
Y = λK−ρ + (1 − λ)L(−ρ−1) ρ ,
Elle ne peut être linéarisée exactement (c’est-à-dire transformée en une relation linéaire reliant des
transformations non linéaires séparées de chaque variable).
Une erreur de spécification à éviter : la redondance
Il est important de comprendre l’interprétation des coefficients en termes de dérivées par- tielles pour
éviter des erreurs dans la spécification d’une relation. Une erreur très répandue consiste à introduire
une variable explicative supplémentaire sous prétexte qu’elle affecte lavariable dépendante par son effet
sur une autre variable explicative déjà introduite. C’est le phénomène de la redondance !
Validation empirique et types de données
Une fois représentées par des formes fonctionnelles adéquates, les relations théoriques, c’est-à-
dire le modèle, peuvent être confrontées aux données observées. Il s’agit de vérifier leur caractère
explicatif de la réalité et de mesurer concrètement la valeur de leurs paramètres. Il est alors
possible de calculer les taux de réaction des variables expliquées aux variables explicatives. Les
données observées peuvent être des séries temporelles, des données en coupe instantanée ou des
données panel.
Séries temporelles
Quand une équation semble décrire correctement la manière dont une variable évolue d’une
période à l’autre, en fonction de l’évolution temporelle de certaines variables explicatives, elle
peut être vue comme une relation stable et valable à tout moment. Ses coefficients ne sont pas
indicés par le temps. On les suppose constants dans le temps. C’est une hypothèse forte, mais dans
la mesure où la théorie économique a une quelconque validité pour expliquer les phénomènes
économiques, on peut supposer l’existence de relations stables. Pour les vérifier empiriquement, il
faut estimer leurs coefficients à partir des observations historiques des variables du modèle,
appelées « séries temporelles » (ou « séries chronologiques »).
Données en coupe instantanée
Quand une équation semble plutôt décrire la manière dont différents agents économiques
(entreprises, individus, régions, pays, secteurs...) déterminent la valeur particulière d’une variable
en fonction des valeurs que prennent pour eux certaines variables explicatives, elle peut être vue
comme une relation commune aux différents agents. Les coefficients sont supposés les mêmes
pour tous les agents, durant une période d’étude donnée. Pour vérifier cette relation, il faut la
confronter à des observations concrètes des variables du modèle pour un ensemble d’agents
différents, durant une même période. On appelle de telles observations des « données en coupe
instantanée ».
Données panel
Quand une équation semble décrire la manière dont une variable varie d’une période à l’autre et
diffère d’un agent à l’autre en fonction de l’évolution dans le temps de certaines variables
explicatives et de leurs différences d’un agent à l’autre, elle peut être vue comme une relation
stable et commune à tous, décrivant le comportement de tous les agents durant toutes les périodes.
Pour mesurer et vérifier une telle relation, il faut la confronter à des observations des variables du
modèle pour un ensemble d’agents différents, sur des périodes différentes. On appelle de telles
observations des « données panel ».
Données réelles ou nominales
Une variable de flux ou de stock peut généralement être mesurée en termes nominaux (à prix
courants, en valeur...) ou en termes réels (à prix constants, en volume...). La mesure en termes
réels est égale à la mesure en termes nominaux divisée par un indice de prix approprié. Le choix
d’un type de mesure au détriment de l’autre dépend logiquement du contexte de la relation étudiée.
De manière générale, la variable dépendante et certaines variables explicatives doivent être
exprimées en termes réels si la valeur réelle de la variable dépendante reste inchangée quand les
valeurs nominales de ces variables explicatives doublent et que tous les prix doublent
simultanément.
Certaines variables de taux existent en version nominale ou réelle. C’est le cas des taux d’intérêt et
des taux de change. On réalise une approximation du taux d’intérêt réel en calculant la différence
entre le taux d’intérêt nominal et le taux d’inflation. On obtient le taux de change réel entre deux
devises en multipliant le taux de change nominal par le rapport entre les indices de prix des deux
zones concernées. Une fois de plus, le choix de l’une des deux versions est dicté logiquement par
le contexte de la relation étudiée.
