Économétrie
e
Licence 3 année de Sciences Économiques
Mentions : Économie internationale,
Économie des Entreprises et des Marchés,
Monnaie-Finance
Magistère Banque-Finance 1
Cours de Monsieur le Professeur Alain PIROTTE
Plan
Introduction
Chapitre 1 : La modélisation
Chapitre 2 : Le modèle de régression simple
Chapitre 3 : Le modèle de régression multiple
Chapitre 4 : Le modèle de régression multiple avec matrice de variances-
covariances des perturbations non scalaire
Chapitre 5 : Autocorrélation des perturbations
Chapitre 6 : Hétéroscédasticité des perturbations
Chapitre 7 : Estimation sous contraintes linéaires et tests d’hypothèses
Conclusion
2
Références bibliographiques (sélection)
Cadoret I., C. Benjamin, F. Martin, N. Herrard et S. Tanguy (2009),
Économétrie Appliquée. Méthodes, Applications, Corrigés, Ouvertures Économiques,
2e à c dition, De Boeck.
Crépon B. et N. Jacquemet (2018), Économétrie : Méthode et Applications,
Ouvertures Économiques, 2e à c dition, De Boeck.
Dormont B. (2007), Introduction à l’Économétrie, Seconde Edition, Mont-
chrestien, Paris.
Ghosh S.K. (1991), Econometrics. Theory and Applications, Prentice-Hall, New
Jersey.
Greene W.H. (2012), Econometric Analysis, 7th Edition, Pearson International
Edition, New Jersey.
Greene W.H. (2005), Économétrie, Traduit par D. Schlacther, T. Azomahou, N.
Couderc, S. Monjon et P. Nguyen Van, Pearson Éducation, Paris.
Gujarati D.N. (2015), Econometrics by Example, 2nd Edition, MacMillan Educa-
tion, Palgrave.
Heij C., P. de Boer, P.H. Franses, T. Kloek and H.K. van Dijk (2004),
Econometric Methods with Applications in Business and Economics, Oxford Univer-
sity Press.
Kmenta J. (1997), Elements of Econometrics, Second Edition, MacMillan, New
York.
Mignon V. (2007), Econométrie. Théorie et Applications, Collection CorpusÉ-
conomie, Economica, Paris.
Murray P.P. (2006), Econometrics. A Modern Introduction, Pearson International
Edition, Addison Wesley.
Pirotte A. (2004), L’Économétrie, Des Origines aux Développements
Récents, CNRS Économie, CNRS Éditions, Paris.
Ramanathan R. (2002), Introductory Econometrics with Applications, Harcourt
College Publishers.
Verbeek M. (2012), A Guide to Modern Econometrics, 4th Edition, Wiley, Chich-
ester.
Wooldridge J.M. (2012), Introductory Econometrics: A Modern Approach, 5th
Edition, International Edition, Thomson.
3
Pour des compléments d’algèbre, consulter en priorité les ouvrages suivants :
Abadir K.M. and J.R. Magnus (2005), Matrix Algebra, Cambridge University
Press, Cambridge.
Dhrymes P.J. (1984), Mathematics for Econometrics, Springer-Verlag, New York.
Simon C.P. and L. Blume (1998), Mathématiques pour Économistes, Traduit par
V. Darmon, G. Dufrénot, O. Ferrier, M. Paul, A. Pirotte, B. Planès et M. Séris, De
Boeck Université Presses, Bruxelles.
4
Thèmes des séances de travaux dirigés
Fiche de TD n 1/2 : Le modèle de régression simple
Fiche de TD n 3/4/5 : Le modèle de régression multiple
Fiche de TD n 6/7 : Autocorrélation des perturbations
Fiche de TD n 8/9 : Hétéroscédasticité des perturbations
Fiche de TD n 10 : Les moindres carrés sous contraintes
et tests d’hypothèses
Tous les exemples d’économie appliquée seront réalisés sous le logiciel Stata.
5
Fiche de TD n 1/2 : Le modèle de régression simple
Exercice n 1
Soit le modèle de régression simple
yt = axt + b + ut ; t = 1; :::; T; (1)
sous les hypothèses H1 à H5 (cf. cours).
1. Démontrer que l’estimateur a
^ des MCO est un estimateur de Gauss-Markov.
2. Montrer que le coe¢cient de détermination (R2 ) est égal au carré du coe¢cient
de corrélation ( 2 ) entre la variable explicative xt et la variable expliquée yt .
Exercice n 2
Soit le modèle
yt = axt + ut ; t = 1; :::; T: (2)
Trois estimateurs du coe¢cient a sont proposés :
y
b
a1 = ;
x
PT
xt yt
t=1
b
a2 = ;
PT
x2t
t=1
P
T
(xt x)(yt y)
t=1
b
a3 = ;
P
T
(xt x)2
t=1
où
1X 1X
T T
y= yt et x = xt :
T t=1 T t=1
1. Quelle hypothèse n’est pas véri…ée dans le modèle (2) ?
6
2. Montrer que ces trois estimateurs sont sans biais.
3. Déterminer la variance de chacun de ces trois estimateurs. Quelle est l’estimateur
qui possède la plus petite variance ?
Exercice n 3
Soit un échantillon de 10 observations qui concernent les salariés d’une …rme de
chocolat1 :
n yi xi
1 11 10
2 10 7
3 12 10
4 6 5
5 10 8
6 7 8
7 9 6
8 10 7
9 11 9
10 10 10
où xi est le nombre d’heures travaillées (par salarié) et yi est la quantité de biens
produite (par le salarié). Le directeur de cette entreprise souhaite étudier la relation
qui existe entre la quantité de biens produite par le salarié et le nombre d’heures
travaillées.
1. Quel modèle doit-il choisir (en donner une interprétation économi-
que) ?
2. Calculer les estimateurs des MCO des coe¢cients du modèle proposé. Com-
menter.
3. Calculer le coe¢cient de détermination. E¤ectuer une analyse de la variance.
Le coe¢cient a¤ecté au nombre d’heures travaillées (par salarié) est-il signi…ca-
tivement di¤érent de zéro ? Commenter.
Exercice n 4
Cet exercice est consacré à l’étude du taux de salaire horaire des salariés américains
1
Ici, le raisonnement s’e¤ectue dans la dimension individuelle (transversale) et non temporelle
(longitudinale). Les variables sont donc indicées en i et non en t.
7
sur la base d’une coupe transversale. La base de données est extraite de l’“US Na-
tional Longitudinal Survey”. Elle concerne 3296 salariés (dont 1569 femmes) observés
en 1987. La base de données wages contient les variables suivantes :
- exper : nombre d’années d’expérience ( =âge études 6);
- male : variable dummy valant 1 si l’individu est un homme;
- school : nombre d’années d’études;
- wage : taux de salaire horaire (en $ 1980).
1. Représenter les nuages de points (school wage) et (exper wage).
2. Calculer la moyenne, l’écart-type, le min et le max de chaque variable de la
base.
3. Calculer les percentiles 10, 25, 50, 75 et 90 des variables exper, school et wage.
4. Calculer la matrice de corrélation des 4 variables de la base.
5. Créer une variable indicatrice valant 1 si l’individu est une femme.
6. Calculer le taux de salaire horaire moyen, la moyenne du nombre d’années
d’études et du nombre d’années d’expérience pour les hommes et pour les
femmes. Que peut-on en déduire ?
Pour expliquer le taux de salaire horaire des salariés américains, on considère
le modèle :
wagei = b0 + b1 malei + ui (3)
où malei est une variable indicatrice valant 1 si le salarié est un homme, 0 sinon.
7. Estimer par les MCO les paramètres du modèle (3). Comment s’interprète le
coe¢cient estimé bb1 ? Même question pour celui de la constante.
8. Calculer et interpréter le coe¢cient de détermination.
9. Expliquer la relation qui existe entre les coe¢cients estimés et les taux de salaire
horaire moyens des salariés hommes et femmes.
10. Que pensez-vous de cette a¢rmation : “une variable indicatrice f emalei a été
oubliée dans le modèle (3), valant 1 si le salarié est une femme, 0 sinon” ?
11. À partir des résultats des MCO, tester l’hypothèse que les salariés hommes et
femmes ont, en moyenne, le même taux de salaire horaire, contre l’hypothèse
alternative que les salariés femmes gagnent moins.
12. Construire l’intervalle de con…ance à 95 % pour le coe¢cient b1 . Interpréter.
13. Finalement, que pensez-vous du modèle retenue pour expliquer le taux de salaire
horaire des salariés américains ?
8
Fiche de TD n 3/4/5 : Le modèle de régression multiple
Exercice n 1
Démontrer que l’estimateur bb des MCO du modèle de régression multiple est e¢cace,
mais que celui de la variance b2u ne l’est pas.
Exercice n 2
Soit un échantillon de 9 entreprises spécialisées dans la production de peinture2 :
n yi x1i x2i
1 60 1100 300
2 120 1200 400
3 190 1430 420
4 250 1500 400
5 300 1520 510
6 360 1620 590
7 380 1800 600
8 430 1820 630
9 440 1800 610
où x1i est le travail (heures travaillées), x2i est le capital (machines/heures) et yi est
la quantité de peinture produite (tonnes). On cherche à étudier la relation qui existe
entre la quantité de peinture produite, le nombre d’heures travaillées et le nombre
machines/heures.
1. Quel modèle doit-il choisir (en donner une interprétation économi-
que) ?
2. Calculer les estimateurs des MCO des coe¢cients du modèle proposé. Com-
menter.
3. Retrouver les résultats de la question précédente grâce au théorème de Frisch-
Waugh.
4. Calculer le coe¢cient de détermination. E¤ectuer une analyse de la variance.
Les coe¢cients sont-il signi…cativement di¤érents de zéro ? Commenter.
2
Ici, le raisonnement s’e¤ectue dans la dimension individuelle (transversale) et non temporelle
(longitudinale). Les variables sont donc indicées en i et non en t.
9
Exercice n 3
Soit le modèle d’investissement d’une …rme i
Ii = b0 + b1 Vi + b2 Ki + b3 Si + ui ; i = 1; : : : ; N;
où Ii représente l’investissement, Vi les ventes de l’entreprise, Ki le stock de capital.
Toutes ces variables sont exprimées en millions d’euros. En…n, Si est une variable
indicatrice valant si la …rme est privée, 0 si la …rme est publique. Par ailleurs, on
suppose que les perturbations sont indépendantes et de même loi ui s N (0; 2u ).
L’estimation de ce modèle par les MCO, à partir de 34 observations, a conduit aux
résultats
Ibi = 10 + 0:2Vi + 0:02Ki + 0:3Si ;
avec pour matrice de variances-covariances des coe¢cients estimés
0 1
4:0
h i B 0:16 0:01 C
Vb bb =B C;
@ 0:10 0:002 0:0001 A
0:20 0:005 0:003 0:01
>
b = bb0 ; bb1 ; bb2 ; bb3
où b .
1. Prévoir le montant de l’investissement pour une …rme privée, ayant un stock de
capital de 1 milliard d’euros et des ventes de 100 millions d’euros.
2. Quelles seraient les valeurs de tous les coe¢cients estimés, si I, V et K avaient
été mesurés en milliers d’euros ?
3. Tester au seuil = 5% les hypothèses suivantes :
H01 : b1 = 0:3 contre H11 : b1 6= 0:3;
H02 : b2 0:03 contre H12 : b2 < 0:03;
et
H03 : b1 = b3 contre H13 : b1 6= b3 :
4. Construire l’intervalle de con…ance à 95 % pour le coe¢cient b1 .
Exercice n 4
Dans la théorie keynésienne, la demande de monnaie existe pour des motifs spéci…ques
: le motif de transaction, le motif de précaution et en…n celui de spéculation. Pour
10
simpli…er, ce raisonnement aboutit à une fonction où la demande de monnaie dépend
du revenu et du taux d’intérêt. Supposons que la demande de monnaie puisse s’écrire
sous forme linéaire
mt = b0 + b1 rt + b2 it + ut ;
où mt est l’agrégat M1, rt est le produit intérieur brut (PIB) et it le taux d’intérêt à
six mois des bons du trésor américain. Ces données sont disponibles pour l’économie
américaine sur la période 1960-1983 (base de données “monnaie”). m et r sont
exprimés en milliards de dollars et le taux d’intérêt i est en pourcentage.
1. Tracer les graphiques des séries utilisées, commenter.
2. Quels sont les signes espérés des coe¢cients b1 et b2 ? Pourquoi ?
3. Estimer par les MCO les coe¢cients de ce modèle. Les coe¢cients estimés ont-
ils les signes attendus ? Comment interpréter chacun de ces coe¢cients estimés
?
4. Prévoir la demande de monnaie
- pour un PIB de 1000 milliards de dollars et un taux d’intérêt de 12 %.
- même chose pour un PIB de 2000 milliards de dollars et un taux d’intérêt de
6 %.
5. Trouver les élasticités points de la demande de monnaie par rapport au revenu
en prenant les données de la question précédente. Interpréter ces élasticités ?
Est-il possible d’expliquer ces di¤érences ?
6. E¤ectuer le même raisonnement pour le calcul des élasticités points de la de-
mande de monnaie par rapport au taux d’intérêt.
7. Calculer la matrice de variances-covariances des coe¢cients estimés.
8. Calculer la valeur du coe¢cient de détermination, que peut-on en dire, en dé-
duire ?
9. Tracer le graphique des séries observée et ajustée.
10. Tracer le graphique des résidus estimés, peut-on diagnostiquer un pro-
blème, si oui lequel ? Pourquoi ? Que faudrait-il faire ?
Exercice n 5
Supposons qu’au lieu de considérer le modèle de l’exercice 4 pour la demande de
monnaie, on retienne maintenant un modèle log-linéaire
ln mt = 0 + 1 ln rt + 2 ln it + "t :
11
1. Estimer par les MCO les coe¢cients de ce modèle.
2. Prévoir la demande de monnaie en utilisant les données de l’exercice précédent.
Comparer les deux types de prévision.
3. Calculer les expressions
@mt @mt
et :
@rt @it
Les évaluer au point moyen de l’échantillon. Comment peut-on les comparer
avec celles de l’exercice précédent ?
12
Fiche de TD n 6/7 : Autocorrélation des perturbations
Exercice n 1
1. Dans le cas où V [u] = 2u 6= 2u IT , démontrer que l’estimateur de la variance
des perturbations b2u;M CO est biaisé et que celui des MCG est sans biais.
2. Dans le cas où V [u] = 2u 6= 2u IT , démontrer que l’estimateur b ^ M CG est
2
e¢cace, mais que celui de la variance des perturbations bu;M CG ne l’est pas.
Exercice n 2
Lorsque les rendements d’échelle sont croissants, la situation d’une entreprise en
monopole est appelée monopole naturel au sens où c’est la plus e¢cace économique-
ment. Un économiste s’interroge donc sur l’existence de rendements d’échelle crois-
sants dans “l’industrie” de la distribution de courrier (i.e. la poste). Pour ce faire,
il estime la fonction de production suivante sur données trimestrielles couvrant la
période 1970:1 à 1994:4
ln Qt = b0 + b1 ln Kt + b2 ln Lt + "t ; (4)
où Qt est la quantité de courrier distribuée, Lt le nombre de personnes a¤ectées au
service du courrier (collecte, tri, distribution) et Kt le capital consacré au service du
courrier. En estimant ce modèle par les MCO, il obtient les résultats suivants
[
ln Qt = 10:4 + 0:38 ln Kt + 0:72 ln Lt : (5)
(2:971) (9:50) (12:0)
h i
d bb1 ; bb2 = 0:05, R2 = 0:81, R2 = 0:79, DW = 1:87 et b2" = 0:97.
Par ailleurs, on a Cov
1. Tester au seuil = 5 % l’hypothèse
H0 : b1 + b2 1 contre H1 : b1 + b2 < 1:
2. Sous quelles conditions la conclusion de ce test est-elle …able ?
3. Tester l’absence d’autocorrélation des perturbations, que peut-on en conclure ?
13
Exercice n 3
Cet exercice est consacré à l’étude de l’o¤re de logement. On retient le modèle
ln ihvt = 0 + 1 ln rhpt + 2 ln ydrht + 3 ln piht + ut ; (6)
où ihv est le montant de l’investissement en logement, rhp est le prix réel des lo-
gements, ydrh est le revenu disponible réel des ménages par habitant et pih est le
dé‡ateur de l’investissement en logement.
Pour estimer les paramètres de ce modèle, on dispose d’une base de données car-
actérisant le marché français couvrant la période 1978 à 2017 (données trimestrielles,
T = 160 observations).
1. Tracer les graphiques des séries ln ihv et ln rhp. Commenter ?
2. Estimer par les MCO les coe¢cients du modèle (6). A¢cher la matrice de
variances-covariances estimée de l’estimateur des MCO.
3. Tracer le graphique des valeurs observées et ajustées, celui des résidus. Com-
menter ?
4. Tester l’absence de l’autocorrélation d’ordre 1 des perturbations. Les résultats
des MCO de la question précédente sont-ils …ables ?
5. En supposant que l’on ne connaisse pas la forme d’autocorrélation, calculer la
matrice de variances-covariances des coe¢cients des MCO par la méthode de
Newey-West. Commenter (par rapport à la matrice de variances-covariances
d’origine des MCO).
6. Estimer l’équation (6) à l’aide des méthodes de Prais-Winsten (1954), de
Cochrane-Orcutt (1948), de Hildreth-Lu (1960) et du maximum de vraisem-
blance. Commenter les résultats obtenus.
14
Fiche de TD n 8/9 : Hétéroscédasticité des perturbations
Exercice n 1
On considère le modèle de régression
yi = + ui
avec
2 2
E(ui j xi ) = 0; Cov(ui ; uj j xi ; xj ) = 0; 8i 6= j et V (ui j xi ) = u xi ; xi > 0;
et où est un paramètre à estimer.
1. Étant donné un échantillon d’observations sur yi et xi , quel est l’estimateur de
le plus e¢cace ? Quelle est sa variance ?
2. Quel est l’estimateur des MCO de et quelle est sa variance ?
3. Montrer que l’estimateur obtenu à la première question est au moins aussi
e¢cace que celui de la deuxième.
Exercice n 2
L’objectif de cet exercice est d’estimer une fonction de demande de travail. Les don-
nées sont extraites de Verbeek (2000).3 Elle concerne 570 entreprises belges observées
en 1996. La base de données labor comprend les variables suivantes : labori , capitali ,
wagei et outputi où labori est l’e¤ectif total de la …rme, capitali , le stock de capital
(en millions de francs belges), wagei , le coût salarial (en millions de francs belges)
et outputi , la valeur ajoutée (en millions francs belges). On considère le modèle de
demande de travail4
ln labori = b0 + b1 ln wagei + b2 ln outputi + b3 ln capitali + ui :
1. Estimer par la méthode des MCO les paramètres du modèle de demande de
travail. Commenter.
2. Faire le graphique des résidus.5 Commenter.
3
A Guide to Modern Econometrics, Wiley.
4
Ici, le coût d’usage du capital est approximé par le stock de capital.
5
Pour des sous-parties selon la lisibilité.
15
3. Tester l’absence d’hétéroscédasticité des perturbations grâce au test de Breusch
et Pagan (1979). Commenter.
4. Même question que la précédente en utilisant le test de White (1980).
5. En supposant que l’on ne connaisse pas la forme de l’hétéroscédasticité, calculer
la matrice de variances-covariances des coe¢cients des MCO par la méthode de
White. Commenter (par rapport à la matrice de variances-covariances d’origine
des MCO).
6. Donner l’intervalle de con…ance à 95% des coe¢cients associés au coût salarial
(wage), à la valeur ajoutée (output) et au stock de capital (capital). Interpréter.
7. En supposant cette fois-ci que l’on connaisse la forme de l’hétéroscédasticité
(cas de l’hétéroscédasticité multiplicative) qui serait telle que 2i = 2u exp (Zi a),
calculer les estimateurs des moindres carrés pondérés. Commenter. La forme
de l’hétéroscédasticité envisagée semble-t-elle appropriée ?
Exercice n 3
L’objectif de cet exercice est d’analyser les déterminants de la croissance économique.
On dispose d’une base de données qui comprend les observations liées à un certain
nombre de variables de 167 pays des continents africaine, américains (nord et sud),
asiatique et européen. On considère le modèle suivant :
gi = 0 + 1 y96i + 2 invi + 3 popi + 4 openi + ei (7)
où gi est le taux de croissance moyen du PIB par habitant entre 1996 et 2014, y96i
est la valeur du PIB Ã l’année 1996, invi est le taux d’investissement (la part de
l’investissement dans le PIB), popi est le taux de croissance de la population et openi ,
les ‡ux commerciaux (importations et exportations) en pourcentage du PIB.
1. Estimer par la méthode des MCO les paramètres du modèle. Commenter.
2. Tester l’absence d’hétéroscédasticité des perturbations grâce au test de Breusch
et Pagan (1979). Commenter.
3. En supposant que l’on ne connaisse pas la forme de l’hétéroscédasticité, calculer
la matrice de variances-covariances des coe¢cients des MCO par la méthode de
White. Commenter (par rapport à la matrice de variances-covariances d’origine
des MCO).
4. Après avoir introduit les variables indicatrices qui représentent les régions du
monde (Amérique, Asie, Europe), estimer par les MCO les coe¢cients du mod-
èle et calculer la statistique de Breusch-Pagan. Commenter.
16
Fiche de TD n 10 : Les moindres carrés sous contraintes
et tests d’hypothèses
Exercice n 1
Soit le modèle y = Xb + u et la contrainte Rb = r. On rappelle que l’estimateur
des moindres carrés sous contraintes (MCC) est donné par
b M CC = b
b b M CO 0 0 0
b M CO
(X X) 1 R fR(X X) 1 R g 1 (Rb
0
r):
1. Sous quelles conditions l’estimateur des MCC est sans biais ?
2. Montrer que l’expression précédente peut s’écrire
b M CC = fI
b b M CO + w;
CRgb
b M CO .
où w n’est pas fonction de b
3. Montrer que la matrice de variances-covariances de l’estimateur des MCC est
donnée par
2 0 1 0 0 0 0
u (X X) fIk+1 R fR(X X) 1 R g 1 R(X X) 1 g:
Exercice n 2
On considère le modèle de production
2
ln Qi = b0 + b1 ln Li + b2 ln Ki + ui , ui N (0; u ), i = 1; :::; 23;
où l’indice i fait référence à la i-ème …rme. Toutes les hypothèses du modèle de
régression multiple sont supposées être satisfaites. L’information sur les 23 …rmes est
résumée par la matrice
ln Q ln Q ln L ln L ln K ln K
0 1
ln Q ln Q 10 10 8
ln L ln L @ 10 12 8 A:
ln K ln K 8 8 12
1. On souhaite imposer a priori des rendements d’échelle constants (i. e. b2 =
1 b1 ). Estimer le coe¢cient b1 par les moindres carrés sous contraintes.
17
2. Commenter les di¤érences (en termes de propriétés des estimateurs et de va-
lidité des t de Student) entre l’estimation de b1 obtenue sous l’hypothèse de
rendements d’échelle non contraints et celle obtenue sous l’hypothèse de rende-
ments d’échelle constants sachant que :
(a) L’hypothèse des rendements d’échelle constants est correcte;
(b) L’hypothèse des rendements d’échelle constants est incorrecte.
3. Calculer des estimateurs e¢caces de b1 et de b2 et déterminer leurs écarts-types
sachant que : 3b1 = 5b2 .
Exercice n 3
Cet exercice est consacré à l’étude d’une fonction de gains de salariés belges sur la
base d’une coupe transversale. Elle est extraite de l’European Community Household
Panel. Elle concerne 1472 salariés (dont 579 femmes) observés en 1994. La base de
données bwages comprend les variables suivantes : experi , malei , educi et wagei
où experi est l’expérience professionnelle en nombre d’années, malei , une variable
indicatrice valant 1 si le salarié est un homme, 0 sinon, educi , le niveau d’études et
wagei , le taux de salaire horaire (en francs belges). On considère le modèle
ln wagei = b0 + b1 malei + b2 ln educi + b3 ln exper i + b4 (ln exper i )2 + ui :
1. Estimer par la méthode des MCO les paramètres de cette équation.
2. A¢cher la matrice de variances-covariances des MCO.
3. Estimer le modèle sous les contraintes b3 = 0 et b4 = 0 en ayant aupa-
ravant écrit cet ensemble de contraintes sous la forme Rb = r.
4. A¢cher la matrice de variances-covariances des MCC. Commenter.
5. Les contraintes imposées sont-elles justi…ées ? Discuter.
18
