Vous êtes sur la page 1sur 15

Thme 1 : Analyse des sries chronologiques Etude de cas n1 : dtermination de la tendance Le chiffre daffaires (en millions de FCFA) dune

socit du deuxime trimestre 1992 au troisime trimestre 1998 est donn dans le tableau ciaprs. Anne 1992 1993 1994 1995 1996 1997 1998 Trimestre 1 9 680 10 738 10 869 11 108 11 437 11 507 Trimestre 2 9 050 10 100 10 910 11 034 11 115 11 352 11 453 Trimestre 3 9 380 10 160 11 058 11 135 11 424 11 381 11 561 Trimestre 4 9 378 10 469 11 016 10 845 10 595 11 401

Dterminer la tendance 1) Par le procd 2) Par le procd 3) Par le procd

de cette srie dune moyenne mobile dordre 4 dune droite de rgression du filtre de Hodrick-Prescott

Etude de cas n 2 : Dtermination de la saisonnalit On considre la srie des ventes mensuelles dun produit festif, de Janvier 1982 Septembre 1990. Cette srie de 105 observations est donne au tableau de la page 5 1) Reprsenter graphiquement cette srie chronologique. 2) Cette srie est-elle saisonnire ? (Utiliser le corrlogramme) 3) La saisonnalit est-elle additive ou multiplicative ? 4) Dterminer la srie dsaisonnalise (corrige des variations saisonnires, srie CVS) 5) Dterminer la tendance de cette srie en utilisant la srie dsaisonnalise.

Thme 2 : Prvision par les mthodes de lissage Etude de cas n 3 : Cas dune srie sans tendance ni saisonnalit Mthodes de prvision : Lissage exponentiel simple et Moyenne mobile simple Considrons la srie journalire du cours dune action sur 16 jours Jour 1 2 3 4 5 6 Cours 1293 1209 1205 1273 1220 1290 Jour 7 8 9 10 11 12 Cours 1243 1203 1390 1360 1353 1343 Jour 13e 14 15 16 Cours 1364 1330 1377 1332

1) Analyser cette chronique par la mthode du lissage exponentiel simple et calculer une prvision { un horizon dun jour. 2) Calculer une prvision { un horizon dun jour par la mthode de la moyenne mobile simple de longueur 4. Etude de cas n 4 : Cas dune srie avec tendance et sans saisonnalit Mthodes de prvision : Lissage exponentiel double, Holt-Winters saisonnire et Moyenne mobile double non

Le chiffre daffaires (en millions de F cfa) dune socit du deuxime trimestre 1992 au troisime trimestre 1998 est donn dans le tableau ci-aprs. 1) Calculer une prvision un horizon de 5 trimestres en utilisant les mthodes de prvision suivantes : i) Lissage exponentiel double ii) Holt-Winters non saisonnire iii) Moyenne mobile double dordre 4 2) Comparer les performances prvisionnelles de ces trois mthodes. Chiffre daffaires dune socit

Anne 1992 1993 1994 1995 1996 1997 1998

Trimestre 1 9 680 10 738 10 869 11 108 11 437 11 507

Trimestre 2 9 050 10 100 10 910 11 034 11 115 11 352 11 453

Trimestre 3 9 380 10 160 11 058 11 135 11 424 11 381 11 561

Trimestre 4 9 378 10 469 11 016 10 845 10 595 11 401

Etude de cas n 5 : Cas dune srie saisonnire Mthode de prvision : Holt-Winters saisonnire additive On considre la srie trimestrielle des ventes dune entreprise. Trimestre 1993 1994 1995 Trim 1 1248 891 1138 Trim 2 1392 1065 1456 Trim 3 1057 1118 1224 Trim 4 3159 2934 3090

Analyser cette chronique selon la mthode de Holt-Winters saisonnire et calculer une prvision un horizon de quatre trimestres. On demande dadopter un schma additif. Etude de cas n 6 : Cas dune srie saisonnire Mthode de prvision : Holt-Winters saisonnire multiplicative On considre la srie chronologique suivante reprsentant le chiffre daffaires trimestriel moyen dune chane de magasins, exprim sous forme dindice rapport au chiffre daffaires trimestriel moyen de 1994. Trimestre 1995 1996 1997 Trim 1 1,1 1,5 1,7 Trim 2 1,2 1,4 2 Trim 3 0,9 1,1 1,6 Trim 4 2,6 2,8 3,4

1998

2,1

2,1

3,7

Analyser cette chronique selon la mthode de Holt-Winters saisonnire et calculer une prvision un horizon de quatre trimestres. On demande dadopter un schma multiplicatif. Thme 3 : Prvision par les mthodes conomtriques NB : Dans cette partie, tous les tests seront effectus au seuil de 5%. Etude de cas n7 : Le modle linaire gnral On dispose pour le Sngal et sur la priode 1972 2001, des sries macroconomiques Investissement (INV), Produit Intrieur Brut (PIB) et Taux dintrt rel (TXINT). On fait lhypothse que les variables INV, PIB et TXINT vrifient le modle linaire :
log( INVt ) a1 a2 log( PIBt ) a3 TXINT t t

Les donnes figurent dans le tableau de la page 6. 1) Tester la normalit et la lognormalit des variables INV, PIB et TXINT, (Utiliser le test de Jarque Bera ). Il sagit de tester lhypothse : : La variable X suit une loi normale N(m,) : La variable X ne suit pas une loi normale N(m,) On calcule la statistique de Jarque et Bera dfinie par : 3) ) 6 24 On dmontre que JB est une variable alatoire qui suit une loi du Khi-Deux 2 degrs de libert ( Rgle de dcision 4 (

On se fixe un seuil de signification , 0<<1, correspondant au risque de rejeter lhypothse nulle, puis on cherche sur la table du Khi-Deux 2 ddl la valeur critique . - Si on ne rejette pas lhypothse . - Si on rejette lhypothse . Remarque i) Pour = 0,05 la table du Khi-Deux 2 ddl indique que 5,991. ii) On peut aussi se servir de la probabilit associe la statistique du test pour dcider Pour cela on compare cette probabilit au seuil de signification fix : ( ) on ne rejette pas lhypothse . - Si ( ) on rejette lhypothse . - Si Instructions EVIEWS a- Cliquer sur le menu Quick/ statistics/Common Sample b- Taper la liste des sries puis valider Exemple INV PIB TXINT log(INV) Groups statistics/Descriptive

log(PIB)

log(TXINT)

Mean Median Maximum Minimum Std. Dev. Skewness Kurtosis Jarque-Bera Probability Observations

INV 531.6000 488.5000 925.0000 158.0000 259.7405 0.193169 1.410406 3.345082 0.187769 30

PIB 3538.400 3702.500 6027.000 1090.000 1459.118 -0.047587 1.700699 2.121550 0.346187 30

TXINT 8.583333 8.250000 12.50000 3.500000 2.286894 -0.162739 2.189163 0.954241 0.620568 30

LOG(INV) 6.146406 6.183866 6.829794 5.062595 0.533203 -0.171407 1.656809 2.402105 0.300877 30

Conclusion du Test On constate que la valeur de la statistique de Jarque Bera associe chacune des sries est infrieures au seuil de 5% la valeur critique (5,991) ; donc les sries INV, PIB et TXINT sont normales et lognormales. De mme, en utilisant la probabilit associe la statistique de Jarque Bera, on remarque que pour chaque srie cette probabilit est suprieure 5% ; les sries sont normales et lognormales. 2) Estimer les paramtres par la mthode des moindres carrs ordinaires. Interprter conomiquement les paramtres estims. log( ) log( ) , 1

Ce modle peut scrire sous forme matricielle : log( log( log( [ log( ) ) ) ) ] 1 1 1 [1 log( log( log( log( ) ) ) ) ] [ ] [ ] )

Instructions pour lestimation des paramtres du modle ( , a- Aller au menu Quick /Estimate equation b- Entrer lquation du modle puis valider Exemple log(INV) c log(PIB) TXINT

Remarque On peut aussi taper directement la commande suivante dans la zone de saisie sans passer par le menu Quick LS log(INV) c log(PIB) TXINT

Sortie des rsultats Dependent Variable: LOG(INV) 6

Method: Least Squares Date: 07/15/11 Time: 16:45 Sample(adjusted): 1972 2001 Included observations: 30 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. C -2.599391 0.444296 -5.850588 0.0000 LOG(PIB) 1.150813 0.058314 19.73462 0.0000 TXINT -0.063363 0.012197 -5.194884 0.0000 R-squared 0.935858 Mean dependent var 6.146406 Adjusted R-squared 0.931107 S.D. dependent var 0.533203 S.E. of regression 0.139953 Akaike info criterion -1.000386 Sum squared resid 0.528842 Schwarz criterion -0.860266 Log likelihood 18.00579 F-statistic 196.9703 Durbin-Watson stat 1.102590 Prob(F-statistic) 0.000000 Interprtation conomique des paramtres estims na pas dinterprtation conomique est llasticit des INV par rapport au PIB 1,151 signifie quon estime quune augmentation par exemple de 10% du PIB saccompagne dune augmentation de 11,51% des INV. est la semi-lasticit des INV par rapport au taux dintrt 0,063 signifie quon estime quune augmentation, par exemple dun point (100%) du taux dintrt se traduit par une diminution de 6,3 % des INV. 3) Interprter la valeur du coefficient de dtermination R R= 0,94 signifie que 94 % des variations de log(INV) sont expliques par les variables log(PIB) et TXINT 4) Effectuer les tests suivants a) Test de significativit des variables explicatives (Student) ; Il sagit de tester lhypothse : : 0 La variable X ninflue pas sur le phnomne tudi : 0 La variable X influe sur le phnomne tudi On calcule la statistique de Student dfinie par :

On dmontre que T-Stat est une variable alatoire qui suit une loi de Student degrs de libert o la taille de lchantillon le nombre de paramtres du modle Conclusion du test Pour =0,05 la probabilit de T-stat associe chacune des variables explicatives du modle est gale 0,0000 < 0,05. Donc les deux variables log(PIB) et TXINT ont chacune une influence significative sur log(INV).

b) Test de significativit globale du modle (Fisher) ; Il sagit de tester lhypothse : : 0 Le modle nest pas globalement significatif : 0 0 Le modle est globalement significatif On calcule la statistique de Fisher dfinie par : 1 1

On dmontre que F-Stat est une variable alatoire qui suit une loi de Fisher ( 1, ) degrs de libert Conclusion du test Prob(F-Stat) 0,0000<0,05 on rejette lhypothse modle est globalement significatif. . Donc au seuil de 5% le

c) Test dhtroscdasticit des erreurs Il sagit de tester lhypothse : : Les termes derreur ont mme variance on dit que les erreurs sont homoscdastiques : Les termes derreur nont pas mme variance on dit que les erreurs sont htroscdastiques 8

i) Test de White Ce test se fait en deux tapes : 1re tape : On estime le modle (1) duquel on rcupre les rsidus 2me tape : On estime le modle sur le rsidu au carr et on obtient le coefficient de dtermination La statistique de White est dfinie par : On dmontre que suit une loi du Khi-Deux dont le degr de libert est gal au nombre de variables explicatives + le nombre de leurs carrs + le nombre de leurs croisements Ainsi pour un modle 2 variables explicatives le degr de libert de la Statistique de White est gal : 2+2+1 Instructions Eviews On se place sur la fentre de lestimation du modle (celle que nous avons appele modele1) a- On clique sur le bouton View , (le premier bouton de cette fentre) b- Choisir la commande Residual Test/ White Heteroscedasticity Test Attention: On dispose de deux options pour le Test de White : i) Loption sans termes croiss (No cross terms) ii) Loption avec termes croiss (Cross terms) Conclusion du test - Option sans termes croiss White Heteroskedasticity Test: F-statistic 0.062987 Obs*R-squared 0.299319

Probability Probability

0.992219 0.989858

Les deux probabilits sont suprieures { 0,05. On ne rejette pas lhypothse nulle. Donc au seuil de 5% les erreurs sont homoscdastiques. - Option avec termes croiss White Heteroskedasticity Test: F-statistic 3.790150 Obs*R-squared 13.23661

Probability Probability

0.011350 0.021260

Les deux probabilits sont infrieures { 0,05. On rejette lhypothse nulle. Donc au seuil de 5% les erreurs sont htroscdastiques. En dfinitive, on retient que les erreurs sont htroscdastiques car loption avec termes croiss est la plus complte.

ii) Test ARCH d) i) Test de corrlation des erreurs de Durbin-Watson ; ii) Estimer les paramtres par la mthode de CochraneOrcutt dans le cas o les erreurs sont corrles ; e) Test de spcification (Test Reset de Ramsey) ; f) Tests de stabilit des coefficients du modle i) Test de Chow ; ii) Tests CUSUM de Brown, Durbin et Evans ; 5) Dterminer la prvision dinvestissement 2004 pour les annes 2002

Etude de cas n 8 : Le modle linaire autorgressif On dispose pour le Sngal et sur la priode 1972 2001, des sries macroconomiques Investissement (INV) et Produit Intrieur Brut (PIB) et Taux dintrt rel (TXINT. On fait lhypothse que les variables INV, PIB et TXINT vrifient le modle linaire autorgressif :

log (INV )t a0 a1 log (INV ) t 1 a2 log (PIB)t a3 TXINT t t


Les donnes figurent dans le tableau de la page 6. 1) Estimer les paramtres par la mthode des moindres carrs ordinaires. 2) Interprter la valeur du coefficient de dtermination R 2 . 3) Effectuer les tests suivants a) Test de significativit des variables explicatives (Student) ; 10

b) Test de significativit globale du modle (Fisher) ; c) Test dhomocdasticit des erreurs de White ; d) Test de corrlation des erreurs i) Test du h de Durbin ii) Test de Breusch-Godfrey e) Test de spcification (Test Reset de Ramsey) ; f) Test Cusum de stabilit des coefficients du modle 4) Prvoir linvestissement du Sngal pour les annes 2002 { 2004.

11

Donnes du cas n 4 Obs 1982:01 1982:02 1982:03 1982:04 1982:05 1982:06 1982:07 1982:08 1982:09 1982:10 1982:11 1982:12 1983:01 1983:02 1983:03 1983:04 1983:05 1983:06 1983:07 1983:08 1983:09 1983:10 1983:11 1983:12 1984:01 1984:02 1984:03 1984:04 1984:05 1984:06 1984:07 1984:08 1984:09 VENTES 281.5 267.2 275.5 272.1 294.6 303.6 228.2 221.2 292.2 430.1 576.4 731.2 254.1 247.5 303.1 326.6 377.6 323 302.8 175.9 359.5 447.4 683.8 835.7 311.3 300.6 404.7 352.3 393.7 398.6 326 157.3 352.8 Obs 1985:01 1985:02 1985:03 1985:04 1985:05 1985:06 1985:07 1985:08 1985:09 1985:10 1985:11 1985:12 1986:01 1986:02 1986:03 1986:04 1986:05 1986:06 1986:07 1986:08 1986:09 1986:10 1986:11 1986:12 1987:01 1987:02 1987:03 1987:04 1987:05 1987:06 1987:07 1987:08 1987:09 VENTES 537.5 308.8 371.8 451.4 452 453.9 366.3 164.3 473.9 542.8 831.4 1065.1 363.3 429.2 415.4 412.1 464.7 475.3 396.5 172.3 504.8 692.2 985.8 1133.1 401.6 395.7 451 427.6 496.8 467.7 352.3 182.1 522.2 12 Obs 1988:01 1988:02 1988:03 1988:04 1988:05 1988:06 1988:07 1988:08 1988:09 1988:10 1988:11 1988:12 1989:01 1989:02 1989:03 1989:04 1989:05 1989:06 1989:07 1989:08 1989:09 1989:10 1989:11 1989:12 1990:01 1990:02 1990:03 1990:04 1990:05 1990:06 1990:07 1990:08 1990:09 VENTES 263.9 289.9 337 374 292.7 398.6 421.7 173.8 522.1 642.4 984.2 1307.6 393.4 316.2 428.6 467.6 501 487.4 463.3 165.9 595.1 698.1 985.1 1267 434.8 356.4 457.7 478.8 461.8 531.2 429.8 143.1 587.7

1984:10 1984:11 1984:12

521.1 761.4 925.4

1987:10 1987:11 1987:12

687.2 1080.3 1391.6

13

Donnes du cas n 1 Date 1972 1973 1974 1975 1976 1977 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 INV 158 202 275 289 264 287 316 314 350 317 316 317 300 270 429 574 633 548 787 708 894 765 676 748 859 789 866 905 867 925 PIB 1090 1255 1414 1906 1933 1979 2209 2751 2987 2479 2583 2480 2337 2579 3763 4600 4980 4626 5698 5500 6027 5431 3642 4476 4651 4387 4646 4752 4371 4620 4625 4635 4650 TXINT 3.5 5.5 5.5 8 8 8 8 8 10.5 10.5 12.5 10.5 10.5 10.5 8.5 8.5 9.5 11 11 11 12.5 10.5 10 7.5 6.5 6.5 6.25 5.75 6.5 6.5 6.75 6.85 7.5

La priode 2002 2004 est utilise pour des fins de prvisions. 14

15

Vous aimerez peut-être aussi