Vous êtes sur la page 1sur 95

Formation Eviews 7

Introduction

Jonathan Benchimol

Plan

Prise en main du logiciel


Utilisation Cration Gestion


Reprsentations graphiques Statistiques descriptives Estimations Tests Mthodes
Jonathan Benchimol

Analyse statistique

Economtrie

Prise en main du logiciel

Utilisation Cration Gestion

Jonathan Benchimol

Fentre initiale

Jonathan Benchimol

Fentre de commande

Jonathan Benchimol

Statuts et fentres

Jonathan Benchimol

Crer ou ouvrir un fichier

Plusieurs manires daccder des donnes:

Cration dun nouveau fichier de travail (Workfile)


File/New/Workfile puis suivre les indications wfcreate(wf=annual, page=myproject) a 1950 2005 File/Open/Workfile puis slectionner le fichier ouvrir wfopen "c:\data files\data.wf1" File/Open/Foreign Data as Workfile puis slectionner le fichier ouvrir wfopen "c:\data files\data.xls"

Ouvrir un fichier Eviews (.wf1)


Ouvrir un fichier qui nest pas en format Eviews


Jonathan Benchimol

Cration dun nouveau workfile

Cration dun nouveau workfile:


File/New/Workfile Choisir le type de structure Choisir la frquence Choisir les bornes Donner un nom au workfile Donner un nom la page du workfile

Optionnel:

Jonathan Benchimol

Saisie de donnes

Premire mthode: le copi/coll sur une nouvelle srie.


Une fois le workfile cr, allez dans Excel et slectionner une srie sans son label. Collez ensuite dans lobjet srie la srie slectionne (cf. ci aprs). Si cela ne fonctionne pas, noubliez pas de dverrouiller le mode dition
9 Jonathan Benchimol

Cration partir dExcel

10

Jonathan Benchimol

Fentre Workfile

Repres

Nombre dobservations Feuilles Barre de boutons Objets

11

Jonathan Benchimol

Fentre Workfile

12

Jonathan Benchimol

Cration et excution d'un programme


Deux faons d'diter et d'excuter un programme sous Eviews: Interactive use

Des commandes lmentaires peuvent tout d'abord tre reportes une une dans la ligne de commande (situe au-dessous de la barre de menu). Les commandes seront alors excutes immdiatement, mais ne seront pas enregistres dans un fichier. On ouvre une nouvelle fentre dans laquelle on va enregistrer une squence de commandes. Pour ouvrir un programme existant:

Batch use

File/Open/Program File/New/Program program nom_du_programme

Pour crer un programme


Ce mode permet d'excuter un bloc de commandes et de les enregistrer dans un fichier. On pourra alors excuter le programme de faon rpte et l'appliquer d'autres bases de donnes.
13 Jonathan Benchimol

Alphanumrique Vecteur de paramtres

Sries groupes Vecteur colonne

Matrice symtrique Systme Table

Equation Facteur
Graphique Groupe de sries Max. de vraisemblance Matrice Modle
14

Echantillon dobservations Scalaire


Srie temporelle Etude transversale Reprsentation d'tat Chanes de caractres

Texte
Carte de valeurs VAR Vecteur

Vecteur de chanes de caractres


Jonathan Benchimol

Les objets

Ci-avant un rcapitulatif de tous les types dobjets. Deux moyens de dclaration:


Avec le menu:

Object/New Object

Avec la ligne de commande:

type_objet nom_objet

Types dobjets les plus utiliss:


Srie temporelle:

series x
group g x y

Groupe de sries:

Equation:

equation eq01

15

Jonathan Benchimol

Fentre Object

16

Jonathan Benchimol

Menu

File: ouverture, fermeture, sauvegarde, impression Edit: copi, coll, retour en tat prcdent, rechercher Object: crer, grer ou imprimer un type dobjet View (lorsquun objet est slectionn): voir, statistiques sur lobjet, lien avec la base de donnes, ouvrir Proc: procdures globales ou particulires Quick: estimation, statistiques groupes, tests statistiques, VAR, gnrateur bouton le plus utilis !!! Options, Add-in, Windows: facultatif Help: utiliser sans limite.
17 Jonathan Benchimol

Analyse statistique

Reprsentations graphiques Statistiques descriptives

18

Jonathan Benchimol

Introduction : Fentre Object

19

Jonathan Benchimol

Introduction : Fentre Srie

Manipulation de donnes Afficher la srie, etc Label

View/label View/Spreadsheet Views/Graph/Line Views/Descriptive Statistics & tests


Jonathan Benchimol

Sheet

Line

Stats

20

Introduction: Fentre Srie

21

Jonathan Benchimol

Introduction: Fentre Srie

22

Jonathan Benchimol

Opration sur les sries

Crer une nouvelle srie y:

series y

Crer la srie y en fonction de x et z:

series y = 2*x + 3*z

Crer la srie y log delle-mme:

series y = log(y)

Crer la srie y moyenne mobile dordre 6 de x:

series = @movav(x,6)

23

Jonathan Benchimol

Opration sur les intervalles de temps

Partie suprieure Point initial et terminal de lintervalle Partie inferieure Zone conditionnelle
24 Jonathan Benchimol

Exemple dchantillon

Partie suprieure: prendre en compte uniquement les observations 50 100 et 200 250:

50 100 200 250

Partie inferieure: parmi ces observations, prendre en compte uniquement celles o la variable x est comprise entre 6 et 13 et la variable y est inferieure sa moyenne:

(x>=6 and x<=13) or (y<@mean(y))

25

Jonathan Benchimol

Dfinition dchantillon

La commande smpl permet de dfinir un chantillon de donnes, avec ou sans condition:


Slectionner uniquement un chantillon de 1970Q1 1999Q4:

smpl 1970Q1 1999Q4

Slectionner uniquement , dans un chantillon de 1970Q1 1999Q4, les donnes o rates est suprieur 1.8:

smpl 1970Q1 1999Q4 if rates>1.8

Slectionner uniquement un chantillon de 1970Q1 la dernire valeur :

smpl 1970Q1 @last

Sauvegarder un chantillon de la premire valeur 1989Q2 :

Sample s1 @first 1989Q2


Jonathan Benchimol

26

Chanes de caractre

Crer une chane de caractre:

Ligne de commande:

alpha myseries alpha name alpha symbol smpl @all if name = Benchimol" Object/New Object/Series Alpha

Grace au menu:

Cration partir dune chane:

Mettre dans la srie de caractres myseries le nom de la srie name et le symbole de la srie symbol entre parenthse:

alpha myseries = name + " (" + symbol + ") series bname = (@lower(@left(name, 1)) = "B")
Jonathan Benchimol

Mettre dans la srie bname les noms commenant par la lettre B:

27

Attribution de labels

Donner un label aux valeurs des variables:


valmap Object/New Object/ValMap

Utile uniquement lorsque la variable ne prsente quun nombre restreint de valeurs. Pour attribuer un label une srie, cliquer sur Properties dans le menu de celle-ci puis sur Value Map.
28 Jonathan Benchimol

Attribution de labels

Exemple dattribution de labels:


valmap mymap mymap.append 3 "trois" mymap.append 99 "do not exist"

29

Jonathan Benchimol

Groupe de sries

Permet de visualiser et dtudier plus dune srie, formant ainsi un groupe de sries. Crer simplement un groupe de sries en slectionnant plus dune srie du workfile (maintenir enfonce la touche Ctrl et cliquer sur les sries slectionner), puis clic bouton droit, puis Open, puis as a Group. Cet objet est trs utile pour effectuer des tableaux rcapitulatifs, pour reprsenter lvolution dune srie en fonction dune autre ou pour en reprsenter plusieurs sur un mme plan.

30

Jonathan Benchimol

Utilisation de laide

IMPORTANT: ds que vous avez une question, cliquez sur Help, puis sur Quick Help Reference, puis sur lun des type correspondant votre interrogation:

Question sur un Objet ? Question sur une Commande ? Question sur une Fonction ? Question sur les Matrices ? Question sur la Programmation ?

Une fois que vous avez ouvert le champ correspondant votre question, tapez-y un mot cls de votre IMPORTANT: utilisez le plus souvent possible laide.
31 Jonathan Benchimol

32

Jonathan Benchimol

Crer un graphique

Lorsque vous avez ouvert une srie, cliquer sur View/Graph Un cran apparait (cf. ci-contre). Configurer votre graphique puis cliquer sur OK pour lafficher.

33

Jonathan Benchimol

Crer un graphique de plusieurs sries


Crer un groupe de sries Ouvrir le groupe puis allez dans View/Graph puis OK Si vous voulez obtenir plusieurs graphiques sur une seule fentre, cliquer sur Options, puis dans Multiple Series, cliquer sur Multiple Graphs Pour changer de Template, cliquer aussi sur Options (ou double-clic sur le graphique), puis Template & Objects puis laissez-vous guider.
34 Jonathan Benchimol

Prsentation du graphique

Possibilits: ajouter du texte, modifier lchelle des axes, modifier lapparence (template), sauvegarder son propre template, afin de le rutiliser, etc Ces agrments esthtiques sont trs pratiques lorsque les graphiques doivent rpondre une mme charte graphique par exemple. Mettons en pratique par plusieurs exemple ces possibilits.

35

Jonathan Benchimol

Figer ou pas Figer ?

Le graphique gnr partir dune srie par Eviews peut tre soit connect aux donnes, soit dconnect des donnes partir desquelles il a t construit:

Si lon change quelque chose dans les donnes, cela modifiera laspect du graphique: Freeze Si lon change quelque chose dans les donnes, ou si on passe une autre visualisation, cela ne modifiera pas laspect du graphique: Freeze

Freezer un objet cre un autre objet qui devient indpendant de lobjet originel. Il ny a plus dactualisation possible.
36 Jonathan Benchimol

Statistiques de base

Cliquer sur une srie, puis: View/Descriptive Stats & Tests/Histogram and Stats View/Descriptive Stats & Tests/Stats Table

Pour un Groupe de Sries:


Quick/Group Statistics/Descriptive Statistics Les observations manquantes sont automatiquement exclues des statistiques
Jonathan Benchimol

37

Economtrie

Estimations Tests Mthodes

38

Jonathan Benchimol

Quest-ce que lconomtrie

Ensemble des techniques destines mesurer des grandeurs conomiques.


Mesure de grandeurs pralablement dfinies par l'conomie (emploi, croissance, valeur ajoute, etc.); Vrification empirique de relations entre ces grandeurs prdites par des modles issus de l'conomie mathmatique ; Etude a priori de relations entre grandeurs mathmatiques indpendamment d'un modle conomique sous-jacent.

39

Jonathan Benchimol

Objectifs

Utiliser Eviews pour


Expliquer ces mesures. Exploiter des donnes. Etablir et tester des relations robustes entre elles. Exposer et prsenter ses rsultats. Quantifier des paramtres dun modle. Tester des hypothses ou des prvisions. Confronter des modles concurrents. Simuler des volutions passes ou venir. Etudier des interactions entre variables. Rapprocher la thorie la ralit.
Jonathan Benchimol

40

Mthodologie

Spcifier du modle

Choisir les variables explicatives Choisir la forme fonctionnelle Prendre en compte les chocs
Estimer le modle Evaluer et analyser les rsultats Tester de la robustesse de lestimation Prvoir Envisager des variantes Cas extrmes
Jonathan Benchimol

Confronter le modle aux donnes


Utiliser le model

41

Nomenclature

Relation entre une variable explique (Yt) et des variables explicatives (Xt,k) pondres par des paramtres (ak), une constante (paramtre a0) et une perturbation (choc ut,i):

Yt = a0 + a1Xt,1 + a2Xt,2 + + aiXt,i + ut,i


On cherche estimer les paramtres, inconnus du modle. ut,i peut tre peru comme un choc, une perturbation, une erreur ou un ala. Il sagit ici dan modle linaire avec un terme constant.
42 Jonathan Benchimol

Objectifs spcifiques

A laide dobservations des variables (donnes), on cherche :


Estimer les paramtres du modle. Evaluer la prcision des estimations. Montrer le pouvoir explicatif du modle. Savoir si la liaison globale entre Yt et Xt,k est significative. Savoir si lapport marginal de chaque variable est significatif. Evaluer la capacit prdictive du modle. Envisager des aspect particuliers.

43

Jonathan Benchimol

MCO: Tests

Pour toute lestimation


44

R ajust Mean dependent var S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Hannan-Quinn criter. F-statistic Durbin-Watson stat Prob(F-statistic)

Pour chaque paramtre: Student (p-value) Std. Error

Jonathan Benchimol

Estimation dun quation par les MCO

Crer un workfile regroupant les donnes analyser Estimer les coefficients de la rgression:
Quick/Estimate Equation ou Object/Equation Ecrire la relation sous forme dune quation: VExplique=c(1)*VExplicative1+c(2)*VExplicative2+C(3) ou LS Vexplique C Vexplicatives spares par un espace

Les variables suivies de (-1), (-2) sont des variables retardes. Lestimation se fait en ajustant lchantillon de faon ne pas tenir compte des donnes manquantes.
45 Jonathan Benchimol

Fentre Equation Estimation

Eviews donne le choix entre plusieurs techniques destimation, et une personnalisation de lchantillon au moment de lestimation.

46

Jonathan Benchimol

Rsidus des MCO

Lorsque vous obtenez le rsultat des estimations, un onglet Resids apparait. Cliquez dessus pour obtenir un graphique des rsidus (perturbations).

0.8 0.4 0.0 -0.4 .4 .2 .0 -.2 -.4 00 01 02 03 04 Residual 05 06 Actual 07 08 Fitted 09 10 11 -0.8 -1.2

47

Jonathan Benchimol

Travailler avec les rsultats statistiques

Fonctions retournant un scalaire:

48

Jonathan Benchimol

Travailler avec les rsultats statistiques

Fonctions retournant un vecteur ou une matrice dobjets: Fonctions retournant des caractres:

49

Jonathan Benchimol

Travailler avec la rgression

Cliquez sur View pour voir:


Les reprsentations Les sorties La structure ARMA Les rsidus Gradients, drivs Matrice des covariances Tests sur les coefficients Tests sur les rsidus Tests de stabilit Etc
Jonathan Benchimol

50

Travailler avec la rgression

Cliquez sur Proc pour effectuer:


Des prvisions Un modle Des drives de la fonction de rgression par rapport aux paramtres Un groupe des rgresseurs

51

Jonathan Benchimol

En ligne de commande

Estimer une quation par les moindres carrs (MCO):


eq1.ls(options) y c x1 x2 eq1.ls(options) y = c(1) + c(2)*x1 + c(3)*x2

Stocker dans un vecteur lestimation dune quation par les moindres carrs (MCO):

coef(3) myvector eq1.ls(options) y = myvector(1) + myvector(2)*x1 + myvector(3)*x2 show eq1.spec

Afficher le spcification de lquation estime:

Afficher les rsultats dune quation estime:

52

show eq1.results
Jonathan Benchimol

En ligne de commande

Stocker les rsidus dune quation estime dans une srie nom_residus:

eq1.makeresids nom_residus

Afficher les rsidus estims:

eq1.resids(options)

g pour une reprsentation graphique t pour une reprsentation sous forme de tableau

show eq1.resids
makemodel

Crer un modle partir de lquation estime:

53

Jonathan Benchimol

Signification des tests

Student: test de significativit dun paramtre Fisher: test de significativit global Test de normalit des erreurs Durbin Watson: Test dautocorrlation White: Test dhtroscdasticit Show: Test de stabilit Test de colinarit

54

Jonathan Benchimol

Autres tests

Aprs avoir effectu votre rgression, les test Student, de Fisher et de Durbin-Watson figurent directement dans la fentre quation gnre.
Pour calculer dautres tests statistiques, cliquez sur le bouton View de la fentre Equation, et slectionnez soit un des trois type de diagnostic: Coefficient, Residuals ou Stability. Pour revenir aux rsultats de la rgression, cliquez sur le bouton Stats.
55 Jonathan Benchimol

Spcification dun modle


Considrations importantes au moment du choix dun modle Consquences du choix dun mauvais modle Assurer la validit dun modle Critres de choix Erreurs de spcification Remdes Evaluation des performances de modles

56

Jonathan Benchimol

Spcification dun modle

Types derreurs de spcification:


Omission dune variable pertinente Inclusion dune variable superflue Forme fonctionnelle errone Erreurs de mesure Erreurs de spcification du terme stochastique
Test de Student (pour une variable) Test de Fisher (pour plusieurs variables) Examen des rsidus Analyse de lautocorrlation ou de lhtroscdasticit
Jonathan Benchimol

Dtection de variables non-pertinentes:


Dtection de variables omises:

57

Autocorrlation des rsidus

Aprs avoir effectu votre rgression, cliquez sur View de la fentre quation puis cliquez sur Residuals Diagnostics, puis sur Correlegram Q Statistics Vous devez ensuite choisir lordre maximal dautocorrlation des rsidus que vous dsirez obtenir. Remarque

Un processus AR(1) est frquemment postul, car il traduit lide quun choc exogne un moment donn a un effet persistant mais dcroissant exponentiellement avec le temps.

58

Jonathan Benchimol

Analyse des rsidus

Examen visuel des rsidus

Lanalyse graphique des rsidus permet le plus souvent de dtecter une autocorrlation des erreurs lorsque :

Les rsidus sont pendant plusieurs priodes conscutives, soit positifs, soit ngatifs : corrlation positive Les rsidus sont alterns : corrlation ngative.

Cependant, le plus souvent, lanalyse graphique est dlicate interprter. Il faut faire des tests dautocorrlation:

59

Statistique de DW View/Residual Diagnostics/Correlogram-Q-statistics View/Residual Diagnostics/Serial Correlation LM Test


Jonathan Benchimol

Test de Durbin et Watson


Le test de Durbin Watson (DW) teste seulement lautocorrlation du premier ordre. Il existe un plage de valeurs pour lesquelles on ne peut conclure. Dans un modle auto rgressif, le test de DW est biais en faveur de lacceptation de lhypothse nulle:

En effet, prenons le modle AR suivant Yt = a0 + a1 Yt-1 + a2Xt + ut La variable explique Yt dpend de ses valeurs passes.

60

Jonathan Benchimol

Test de Breusch-Pagan-Godfrey

Si les erreurs suivant un AR(p), alors il faut tester lgalit zro de tous les coefficients de cet AR(p). Dans la fentre quation, aller dans View, puis Residuals Diagnostics, puis dans Heteroskedasticity Tests

61

Jonathan Benchimol

Test de Breusch-Pagan-Godfrey

Les rgresseurs du modle peuvent comprendre des valeurs dcales de la variable dpendante (ce qui tranche avec les restrictions du test de DW). Ce test est galement applicable lorsque les erreurs suivant un MA(q). Si lon ne considre quun AR(1), le test BG est connu sous le nom de test M de Durbin. La valeur p, longueur du dcalage, ne peut tre prcise priori. Il est invitable de procder quelques exprimentations. On peut alors utiliser les critres AIC, HQC et SC pour choisir le bonne longueur du dcalage.
62 Jonathan Benchimol

En prsence dautocorrlation

Trouver si lautocorrlation est une pure autocorrlation et non le rsultat dune mauvaise spcification du modle. Les rsidus peuvent tre dus une mauvaise spcification du modle ou une forme fonctionnelle incorrecte. Est-ce que les variables prises en compte prsentent des tendances, auquel cas il faut intgrer dans le modle le temps (@trend). Si en changeant la spcification, la statistique de DW reste anormalement faible alors on peut effectivement conclure la prsence dautocorrlation. Si il sagit dautocorrlation pure MCQG
63 Jonathan Benchimol

Exemple: Nombre doeufs


Nombre d'oeufs
4,000 3,800 3,600 3,400 3,200 3,000 2,800 2,600 2,400 2,200 00 01 02 03 04 05 06 07 08 09 10 11 12

4,000 3,600 3,200 600 400 200 0 -200 -400 -600 00 01 02 03 04 Residual 05 06 Actual 07 08 Fitted 09 10 11 2,000 2,800 2,400

Nombre d'oeufs par saison


4,000 3,800 3,600 3,400 3,200 3,000 2,800 2,600 2,400 2,200 Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec

Means by Season

64

Jonathan Benchimol

Test de la stabilit des paramtres

Lorsquon utilise un modle sur des sries temporelles, des changements structurels peuvent se produire entre la variable expliquer et les variables explicatives: les paramtres ne restent globalement pas identiques sur toute la priode. Comment dtecter un changement structurel ?

Reprsentation graphique Test de Chow

Le test de Chow estime deux modles: en utilisant lensemble des donnes et un autre utilisant une priode restreinte. Si la diffrence entre les deux modles est significative, on peut douter de la stabilit de la relation sur lensemble de la priode.
65 Jonathan Benchimol

Tests de stationnarit

Un exemple avec le test de Dickey-Fuller Augment (ADF). Ce test se base sur lhypothse de corrlation des rsidus et sur lestimation par les MCO des 3 modles suivants :

sachant que les rsidus sont iid.

66

Jonathan Benchimol

Exemple

Test de stationnarit de la srie CATTLE_NB: modle avec tendance et constante en niveau , on commence toujours par ce choix. Le test est plus grand que les seuils derreurs 1%, 5% et 10%: on rejette donc lhypothse de stationnarit. Remarque: il peut exister un lien entre CATTLE_NB et CATTLE_NB (-12).
67 Jonathan Benchimol

Exemple

Test de stationnarit de la srie des CATTLE_NB: modle avec constante en niveau : mmes remarques que prcdemment.

68

Jonathan Benchimol

Exemple

Ici, on test la srie D(CATTLE_NB_SA) i.e. la srie CATTLE_NB vue prcdemment mais ajuste des variations purement saisonnires.

cattle_nb.x12(mode=a) On utilise le mode additif car notre srie contient des valeurs ngatives !

Il y a stationnarit en diffrence premire.


69 Jonathan Benchimol

Test RESET de Ramsey


Ce test de spcification utilise des modles artificiels non linaires afin de les confronter au modle estim. Ces modles artificiels sont composs du modle estim plus une composante de deuxime et/ou de troisime ordre multiplie par un coefficient. Si ces coefficients sont nuls, le modle initial est adquat. Deux moyens deffectuer ce test:

View/Stability Diagnostics/Ramsey RESET Test eq1.ramsey(options)

70

Jonathan Benchimol

Programmation

Un programme peut tre enregistr et/ou tre utilis et/ou modifi linfini. En automatisant un processus, et en crivant cela dans un programme, vous gagnerez normment de temps. Exemple:

Ecrire un programme qui permet de dsaisonnaliser la srie cattle_nb par la mthode x12 additive Puis qui effectue la diffrence premire du rsultat par deux mthodes (diffrence et log diffrence).

Avant de commencer crire ce programme, faite cette procdure uniquement avec votre souris
71 Jonathan Benchimol

Un programme pour aller plus vite ?


cattle_nb.x12(mode=a) genr cattle_nb_sa_d1=D(cattle_nb_sa) genr cattle_nb_sa_d2=log(cattle_nb_sa/cattle_nb_sa(-1)) cow_nb.x12(mode=a) genr cow_nb_sa_d1=D(cow_nb_sa) genr cow_nb_sa_d2=log(cow_nb_sa/cow_nb_sa(-1))

meat_nb.x12(mode=a) genr meat_nb_sa_d1=D(meat_nb_sa) genr meat_nb_sa_d2=log(meat_nb_sa/meat_nb_sa(-1))

Etc
72 Jonathan Benchimol

Vision conomique

Parfois, un simple raisonnement conomique permet de ne pas utiliser doutils statistiques complexes:
280

Vache folle (2002,2003) Crise porcine (2004) Crise du lait (2007, 2010) Diminution des marges sur la volaille

240 200 160 120 80 40 00 01 02 03 04 05 06 07 08 09 10 11 12

Lait (marge en %) Volaille (marge en %)

Porc (marge en %) Viande (marge en %)

73

Jonathan Benchimol

Analyse en composantes principales


L'ACP permet de transformer des variables corrles en nouvelles variables dcorrles les unes des autres. Objectif:

Rduire l'information en un nombre de composantes principales plus limit que le nombre initial de variables. Gomtrique: reprsentation des variables dans un nouvel espace gomtrique selon des directions d'inertie maximale Statistique: recherche d'axes indpendants expliquant au mieux la variance des donnes

Approche

74

Jonathan Benchimol

ACP: un exemple

PC1 explique 98% de la variance totale. PC1 est une combinaison linaire de l'ensemble des cinq prix. PC1 peut-tre interprt comme un indice des prix.
75 Jonathan Benchimol

ACP: un exemple

PC2 dpend ngativement des prix de la viande rouge (porc, buf et viande) et positivement des prix de la viande de volaille (chair de poulet et volaille).

Le graphique ci-contre montre la forte baisse entre la premire et la deuxime valeur propre.

Scree Plot (Ordered Eigenvalues)


5

0 1 2 3 4 5

76

Jonathan Benchimol

Prvision

Aprs avoir effectu une rgression, cliquez sur le bouton Forecast du menu de la fentre quation et choisissez la mthode adquate.
Prvision dynamique: pour chaque priode, la valeur prvue la date t-1 est utilise pour calculer la prvision la date t. Prvision statique: pour une priode au del de la priode dobservation, cette prvision est plus prcise.
77 Jonathan Benchimol

Traitement des prvisions

Pour construire des prvisions statiques (lorsque lquation estime contient comme rgresseur la variable explique retarde), les valeurs observes sont utilises.

do eq1.fit yhat yse Stock dans yhat et yse la srie ajuste et les cart types associs.

Pour construire des prvisions dynamiques (lorsque lquation estime contient comme rgresseur la variable explique retarde), les valeurs prvues sont utilises lorsque lhorizon de prvision est suprieur 1.

smpl 1 100, do eq1.ls y c x, smpl 101 105, do eq1.forecast yhat yse.


Jonathan Benchimol

78

Dessaisonalisation

Dessaisonalisations de base:

Xsat = log(Xt/Xt-12) Xsat = (Xt-Xt-12)/Xt-12

Autres types de dessaisonalisation:


X11 X12 TRAMO Moyenne mobile

79

Jonathan Benchimol

Exemple: TRAMO et donnes ariennes

80

Jonathan Benchimol

Exemple: TRAMO et donnes ariennes


700 600 500 400 300 200 100 0 49 50 51 52 53 54 55 56 57 800 700 600 58 59 500 400 300 200 100 0 49 50 51 52 53 54 X 55 56 57 58 59 60 61 62 60

Actual series

Linearized series

Forecast of series

81

Jonathan Benchimol

Autres exemple utilisant TRAMO

120 100 80 60 40 1983 1984 1985 1986 1987 X 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998

Forecast of series

Linearized series

82

Jonathan Benchimol

Analyse graphique de saisonnalits

Exemple: quantit dufs


EGGS_NB
4,000 3,800 3,600 3,400 3,200 3,000 2,800 2,600 2,400 2,200 00 01 02 03 04 05 06 07 08 09 10 11 12

Une saisonnalit peut tre dans les donnes. La connaissance de la variable nous indique une saisonnalit.

View/Graph/Seasonal Graph/Paneled lines and means

83

Jonathan Benchimol

Analyse graphique de saisonnalits

On obtient un graphique ventilant les informations:


Une moyenne par mois Une srie mensuelle


EGGS_NB by Season
4,000 3,800 3,600 3,400 3,200 3,000 2,800 2,600 2,400 2,200 Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec

Juin est la priode o le nombre dufs produits est maximal. Fvrier est la priode basse. La production est en croissance en moyenne sur lchantillon.
84

Means by Season

Jonathan Benchimol

Analyse graphique de saisonnalits

A partir dun groupe de sries temporelles, on obtient:


Russia: Total Sheep & Goats number, mln heads by Season
26 24 22 20 18 16 14 19 18 17 16 15 14 13

Russia: Total Pig Number, mln heads by Season

Jan

Feb

Mar

Apr

May

Jun

Jul

Aug

Sep

Oct

Nov

Dec

Jan

Feb

Mar

Apr

May

Jun

Jul

Aug

Sep

Oct

Nov

Dec

Russia: Total Cow Number, mln heads by Season


14 13 12 11 24 10 9 8 22 20 Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec 18 Jan 32 30 28 26

Russia: Total Cattle Number, mln heads by Season

Feb

Mar

Apr

May

Jun

Jul

Aug

Sep

Oct

Nov

Dec

Means by Season

85

Jonathan Benchimol

Analyse des cycles


Fixed Length Symmetric (Baxter-King) Filter
200 160 120 20 0 -20 -40 2000 2002 2004 2006 2008 2010 2012 80 40 1.2 1.0 0.8 0.6 0.4 0.2 0.0 -0.2 .0 .1 .2 Actual .3 Ideal cycles/period .4 .5

Frequency Response Function

Lait (marge en %) Non-cyclical Cycle

Filtre de frquence: sparer une dynamique issue dun cycle de celle qui nest pas engendre par un cycle.

Aller dans Proc sur le menu de la fentre de la srie, puis dans Frequency Filter
Jonathan Benchimol

86

Analyse des cycles


Hodrick-Prescott Filter (lambda=14400)
180 160 140 120 40 20 0 -20 -40 -60 00 01 02 03 04 05 06 07 08 09 10 11 12 100 80 60

Lait (marge en %)

Trend

Cycle

Filtre HP: sparer un cycle dune tendance


87 Jonathan Benchimol

Filtre Hodrick-Prescott (HP)


Objectif: dissocier les cycles de court terme et de long terme. Tolrances: inflexions lentes de la tendance, en imposant que cet cart la tendance ne dpasse pas une certaine valeur reprsentant les volutions de la partie conjoncturelle. Atout: Reprsentation non linaire de la tendance. Lambda = 100*(nombre de priode dans lanne)

Donnes annuelles Donnes trimestrielles Donnes mensuelles Donnes hebdomadaires

= 100*1 = 100*4 = 100*12 = 100*52

= 100 = 1 600 = 14 400 = 270 400

88

Jonathan Benchimol

ANOVA

L'analyse de la variance (ANalysis Of VAriance) permet de vrifier que plusieurs chantillons sont issus d'une mme population. Ce test s'applique lorsque l'on mesure une ou plusieurs variables explicatives catgorielles (facteurs de variabilit, de diffrentes modalits ou niveaux) qui ont de l'influence sur la distribution d'une variable continue expliquer. On parle d'analyse un facteur, lorsque l'analyse porte sur un modle dcrit par un facteur de variabilit, d'analyse deux facteurs ou d'analyse multifactorielle sinon.
89 Jonathan Benchimol

Tests de causalit

Aprs avoir valid la stationnarit des donnes, on peut tester un lien de causalit entre des sries temporelles. Ci-contre, on montre que:

MEAT MILK CATTLE MEAT COW MEAT CATTLE COW*

90

Jonathan Benchimol

Quelques repres

@R2 R @RBAR2 R ajust @SE Ecart type de la rgression @SSR Somme des carrs des rsidus @DW DurbinWatson @F Fstatistic @LOGL Valeur de la fonction de vraisemblance @REGOBS Nombre dobservation de la rgression @AIC Critre dinformation dAkaike @SC Critre de Schwartz @MEANDEP Moyenne de la variable dpendante @SDDEP Ecart type de la variable dpendante @NCOEF Nombre total de coefficients estims @COVARIANCE(i,j) Covariance des coefficients i et j @RESIDCOVA(i,j) Covariance des rsidus de lquation i avec ceux de lquation j dans un VAR ou un objet systme. @RESIDCOVA doit tre prcd du nom de lobjet.
91 Jonathan Benchimol

Quelques repres

+ Addition Soustraction * Multiplication / Division ^ Puissance > Suprieur; X>Y vaut 1 si X est suprieur Y et vaut 0 sinon. Idem avec =, <, <>, <=, >=. D(X) Diffrence premire de X, X X(1) D(X,n) Diffrence du nime ordre de X D(X,n,s) Diffrence du nime ordre de X et diffrence saisonnire dordre s.
92 Jonathan Benchimol

Quelques repres

LOG(X) Logarithme naturel DLOG(X) Diffrence premire de logarithme naturel: LOG(X) LOG(X(1)) DLOG(X,n) Diffrence du nime ordre du logarithme de X: LOG(X) LOG(X(n)) DLOG(X,n,s) Diffrence du nime ordre du logarithme de X et diffrence saisonnire dordre s. EXP(X) Fonction exponentielle ABS(X) Fonction valeur absolue SQR(X) Fonction racine carre SIN(X) Fonction sinus COS(X) Fonction cosinus @ASIN(X) Fonction arc sinus @ACOS(X) Fonction arc cosinus
93 Jonathan Benchimol

Quelques repres

RND zro et un. NRND @PCH(X) @INV(X) @DNORM(X) @CNORM(X) @LOGIT(X) @SUM(X) @MEAN(X) @VAR(X) @SUMSQ(X) @OBS(X) @COV(X,Y)

Nombre alatoire uniformment distribu entre

Nombre alatoire normalement distribu N(0;1) Pourcentage de variation: (XX(1))/X(1) Inverse ou rciproque: 1/X Densit normale standard Distribution normale cumulative Logit de X Somme des X Moyenne des X Variance des X Somme des carrs de X Nombre dobservations de X valides Covariance entre X et Y

94

Jonathan Benchimol

Quelques repres

@COR(X,Y) Corrlation entre X et Y @CROSS(X,Y) Produit crois entre X et Y @MOVAV(X,n) Moyenne mobile sur n priodes de X, o n entier naturel @MOVSUM(X,n) Somme mobile sur n priodes de X, o n entier naturel @TREND(d) Tendance normalise zro en priode d o d est une date ou un numro dobservation. @SEAS(d) Variable dummy saisonnire gale un lorsque le trimestre ou le mois vaut d, et zro sinon. @DNORM(X) Fonction standard de densit normale de X @CNORM(X) @DNORM(X) cumulative de X @TDIST(X, d) Probabilit que le test de Student dpasse X avec d degrs de libert. @FDIST(X, n, d) Probabilit que le test de Fisher dpasse X avec n degrs de libert au numrateur et d degrs de libert au dnominateur. @CHISQ(X, d) Probabilit que le test du Chi dpasse X avec d degrs de libert.

95

Jonathan Benchimol