Vous êtes sur la page 1sur 20

COINTEGRATION EN DONNEES

DE PANEL
Module : Economtrie des donnes de panel

Rdig par :
Sous la direction de :
BOUGHRIBA Oumayma Pr. OULHAJ Lahcen
BOUTAIB Sarah
KHYAR Toufik
NAITDOUCH Kaoutar

ANNE UNIVESITAITE
2016/2017
SOMMAIRE

INTRODUCTION : .................................................................. 2
I. Concept de cointegration en panel : ...................................................... 3
1- Relations de cointgration intra et inter-individuelles ........................ 4
2- Htrognit et homognit des relations de cointgration ........... 5
3- Dpendance inter-individuelle ........................................................... 6
II. Test de cointgration :........................................................................... 8
1- Hypothse nulle dabsence de cointgration : .................................... 8
2- hypothse nulle de cointgration : ....................................................14
III. Simulations et estimations : ..............................................................16
1- Simulations : quelques rsultats ........................................................16
2- Les mthodes destimation ...............................................................16
CONCLUSION .................................................................................. 18
BIBLIOGRAPHIE ............................................................................ 19

1
INTRODUCTION :
La notion de Cointgration introduite par Engel et Granger dans les sries temporelles, elle
dcrit la relation de long terme entre deux variables ou plus, allant du principe quil existe une
convergence des deux variables vers un sentier dquilibre, mme sil existe une divergence
au court terme. Dans les sries temporelles, si les deux variables sont intgrs dordre 1 et leur
combinaison est intgr dordre 0, il y a risque de cointgration. Toujours dans le cadre des
sries chronologiques, les tests de cointgration reste faible par rapport ce quon va voir au
niveau des donnes de panel. Les distributions asymptotiques en donnes de panel suivent une
loi normale par opposition aux sries chronologiques, qui sont caractris par
lautocorrlation des variables par rapport leurs retards. En donnes de panel, une fois la
dimension individuelle est incluse cela nous permet dobtenir des distributions
asymptotiquement normales. Ceci est parmi les avantages dans les donnes de panel,
lintgration de la dimension individuelle la dimension temporelle, nous permet aussi de
mener une analyse multi-pays qui intgre certains facteurs communs entre eux, observables
et non observables.

Toutefois, il faut distinguer le cas dun rgression fallacieuse dans les deux types de donnes,
en srie temporelles et en donnes de panel, la rgression fallacieuse est un cas trs frquent
qui nous dirige vers des rsultats errons, une illusion qui nous fait croire quil existe une forte
relation entre les variables alors que ce nest pas le cas. En srie chronologiques, lors dune
rgression de deux variables non stationnaires et non cointgrs, lestimateur ne converge plus
vers une constante mais vers une variable alatoire. Une autre consquence gnre par cette
situation est que la statistique de Student qui est li la nullit des paramtres de rgression
est divergente selon la dimension T.

Ces consquences sont diffrentes en donnes de panel, suite au critre de la convergence


squentielle, lestimateur converge toujours vers sa vraie valeur tant que N tend vers linfini
et la mme chose pour T, cest dans ce point o rside la diffrence entre le cas des sries
temporelles et les donnes de panel. Par contre, on revient toujours aux problmes de la
divergence des tests1.

Alors, Lobjet de ce travail, est dillustrer les principaux tests de cointgration en donnes de
panel, plusieurs auteurs ont introduit de nouvelles dimensions par rapport aux premiers tests
de Engle et Granger ainsi que Johanson, mais avant il faut dfinir et se positionner par rapport
certains notions de base qui nous seront utile, frquemment utilis en donnes de panel. Une
premire partie sera consacr aux concepts de base, alors que la deuxime portera sur les
diffrents tests ainsi que les mthode destimation utilis dans le cas de cointgration en
donnes de panel

1
En revanche, ds lors que lon souhaite faire de linfrence sur lun ou plusieurs des paramtres du modle, il
convient dtre trs prudent quant lexistence ou non dune relation de cointgration, puisquen prsence de
rgression fallacieuse, les statistiques usuelles de tests ont des distributions divergentes, tout comme ctait le cas
en sries temporelles.

2
I. Concept de cointgration en panel :

Lobjectif de ce travail est de passer en revue les diffrents tests de cointgration en donnes de Panel
(CiDP). Mais, il convient de souligner un certain nombre notions spcifiques la CiDP : i) Cointgration
(Ci) intra et inter-individuelles ; ii) Htrognit et Homognit des paramtres de Ci et de la
reprsentation VECM2 ; iii) Dpendances inter-individuelles ; iv) Convergence.
Il convient galement de citer lexistence de deux grandes approches pour la CiDP :

Approche de 1re gnration : cest lapproche la plus intuitive, elle se base sur la
mthodologie dEngle et Granger, et elle consiste rcuprer les rsidus issus de la
rgression et en tester la stationnarit laide dun test de DF ou de DFA 3. En panel,
plusieurs tests sinspirent de cette tradition et on parle de tests bass sur les rsidus
(residual-based tests).
Approche de seconde gnration : on part dun VECM et on analyse le mcanisme de
retour lquilibre.

Nous considrons -comme dans Groen et Kleibergen (2003)4- une reprsentation VECM dans un
systme complet5.


Soit xit xit(1) ,..., xit( k ) un vecteur de k variables I(1), avec i=1,,N et t=1,,T. La reprsentation est
un systme ayant la forme suivante :

xt .t .xt 1 .Wt t (1)


( Nk ,1) ( Nk ,1) ( Nk ,1) ( Nk , Nk ) ( Nk , Nkp) ( Nk ,1)

Avec :

(1,..., N ) le vecteur des Nk effets individuelles fixes associs chaque individu et chaque
variable endogne.

regroupe les coefficients des tendances dterministes (supposs diffrents pour chaque variable et
chaque individu).
Ces deux premiers lments correspondent aux composantes dterministes de la reprsentation VECM.
Le troisime terme du modle (1) au terme dfinissant la fois les forces de rappel et les ventuelles
relations de cointgration. On suppose que la matrice peut tre partitionne de la faon suivante :

2
Vecteur correction derreur.
3
Pour le cas des sries temporelles.
4
On dispose dune version de leur article date de 1999, cependant une vrification sur Google Scholar indique
que la date de publication est 2003.
5
O toutes les variables sont endognes, ou bien aucune variable nest exogne.

3
11 1N
ij o les matrices sont de dimensions (k, k).
ij
N 1
NN
Le quatrime terme regroupe lensemble des lments lis la dynamique dajustement de court terme.

Wt (x'1,t 1 ,.., x'1,t p ,..., x'1,t 1 , x'N ,t p ) p tant le nombre de retard ncessaire pour purger toutes
lautocorrlation des rsidus de (1).

11 1N
ij o les ij sont des matrices de dimension (k, kp) et les vecteurs xi ,t p de
N 1 NN
dimension (k, 1) contiennent les diffrences premires retardes des k variables endognes pour
lindividu i.

Enfin, le vecteur t ( '1t ,..., ' Nt ) comporte les N vecteurs de rsidus individuels it ( 1(t1) ,..., Nt
(k )
)
associs aux k rsidus de chaque VECM individuel.

On suppose que les rsidus t ~>N (0, ). La matrice des variances-covariances scrit comme suit :

11 1N
ij avec ij sont des matrices de dimension (k, k)6.
N 1 NN

1- Relations de cointgration intra et inter-individuelles

Dans une telle reprsentation, on peut envisager deux types de relations de cointgration. On
peut tout dabord envisager lexistence de relations de cointgration parmi les variables du
vecteur xit , que lon pourrait qualifier de relations de cointgration intra-individuelles. Tout
comme en sries temporelles, on dit quil existe une ou plusieurs relations de cointgration dans
le vecteur xit si et seulement sil existe une ou plusieurs combinaisons linaires des variables
xit( j ) qui soient stationnaires. Formellement, pour lindividu i, il existe ri relations de
cointgration intra-individuelles si et seulement si :

'i xit it ~ I(0)


( ri , k i ) ( k i ,1) ( ri ,1)

i est la matrice des vecteurs de cointgration pour lindividu i. Ces ri relations de Ci ne font
intervenir que des variables propres lindividu i.

6
Lexistence dpendance inter-individuelle de ces rsidus implique que la matrice peut tre non bloc diagonale.
Pour un individu i, si la matrice ii est non diagonale, cela traduit lexistence de corrlations instantanes des
chocs de la forme rduite.

4
On peut galement supposer quil existe une ou plusieurs relations de cointgration faisant
intervenir les variables xit( j ) de diffrents individus, on parle alors de relations de Ci entre
individus ou de relations de cointgration inter-individuelles7.
Si lon souhaite tester (ou estimer) la fois des relations de cointgration entre des variables
diffrentes observes pour un mme individu et des relations de cointgration faisant intervenir
des variables observes pour plusieurs individus, la solution consiste considrer le vecteur
empil xt des variables individuelles. Pour simplifier, supposons que lon considre le mme
nombre de variables endognes pour tous les individus, i.e. ki k . On dit quil existe au total
r relations de cointgration intra et/ou inter individuelles si et seulement si :

' x t ~ I(0)
t
(r,Nk) ( Nk ,1) ( r ,1)

La matrice de lquation (1) se dcompose sous la forme :

'
( Nk , Nk ) ( Nk ,r ) ( r , Nk )

O la matrice dsigne la matrice des coefficients dajustement aux relations de long terme.
Lexistence dau moins une relation de cointgration inter-individuelle implique quune des
(k ')
colonnes de la matrice possde des lments non nuls associs des lments xit(k ) et x jt
pour i j .

Cette seconde approche est la plus intressante dans de nombreuses problmatiques


conomiques. Tester la cointgration en prenant en compte les relations inter-individuelles
permettrait par exemple de dgager des tendances stochastiques communes au niveau
international ou rgional.
La difficult de cette approche en systme complet est purement technique, et lie surtout la
dimension individuelle qui doit tre relativement modre8. Ceci rend lestimation possible
dans le cas dun panel o la dimension temporelle T dpasse largement la dimension
individuelle N, ceci gnralement nest pas le cas dans les panels macroconomiques.
Cest ce qui explique la raret des modles proposs qui considrent un systme complet (full
system representation) autorisant dventuelles relations de cointgration inter-individuelles,
lexception du VECM propos par Groen et Kleibergen (2003).

2- Htrognit et homognit des relations de cointgration


Une autre problmatique spcifique la cointgration en panel est celle de lhomognit ou de
lhtrognit des paramtres de la relation de long terme et plus gnralement de la reprsentation
VECM.

7
Exemple
8
Lestimation dun simple VAR(1) en systme complet implique destimer kN paramtres partir de NT
observations. ( ???)

5
On suppose que:
Il ny a pas de relations linaires entre les variables I (1) appartenant des
individus diffrents On exclut lexistence de relations de cointgration
inter-individuelles.
Pour chaque individu parmi les k variables endognes I (1) il existe ri
relations de cointgration intra-individuelles.
La Matrice de la reprsentation VECM:

o dsigne la matrice des vecteurs de cointgration de lindividu i et est la matrice des


coefficients dajustement ces relations de long terme pour lindividu i. Si =; = 1,.. ,N on parle
alors de relations de cointgration homognes , dans le cas contraire on parle de relations de
cointgration htrognes (Phillips et Moon, 1999).

Quelques remarques :
-Lhypothse de relation de cointgration homogne que les vecteurs de cointgration aient la mme
dimension pour tous les individus. En dautres termes: Un modle de cointgration homogne
,implique que les rangs de cointgration soient les mmes pour tous les individus
-Par ailleurs: Dans un modle de cointgration htrogne, rien nimpose a priori que le rang de
cointgration pour lindividu i soit identique celui de lindividu j.

3- Dpendance inter-individuelle
La prise en compte des indpendances entre les individus est une hypothse forte et peu
crdible. En ralit, les variables macroconomiques, en particulier, dpendent les unes des
autres. Cest la raison pour laquelle lconomtrie des donnes de panel met le point sur ces
dpendances tant absentes dans le cas des coupes longitudinales. Les tests de racines unitaires
et de cointgration, dans le cas des donnes de panel, prennent en considration lexistence de
ces dpendances entre les individus.
Ce travail sintresse principalement la question de la cointgration et donc on se pose la
question sur la spcification de lexistence de dpendances entre les individus dans une
reprsentation VECM. Il y a trois manires de le faire :
Envisager explicitement des relations de cointgration inter-individuelles dans un
systme complet. Dtecter toutes les possibilits de cointgration entre les variables et
entre les individus.

6
Identifier une ventuelle corrlation des rsidus des relations de cointgration pour
dirents individus sans spcier de forme particulire pour cette relation (Groen et
Kleibergen (2003)). Cette dpendance se traduit par une matrice de variance covariance
non diagonale dans la reprsentation VECM.

Utiliser des reprsentations facteurs communs (Bai et Ng, 2001; Dees, di


Mauro,Pesaran et Smith, 2005).

Afin de mieux comprendre les enjeux associs cette question de la spcification des
dpendances interindividuelles, considrons la reprsentation facteurs communs du vecteur
de variables endognes propose par Dees, di Mauro, Pesaran etSmith (2005) et Breitung et
Pesaran (2005): (1) (k )
xit ( xit ,..., xit )'

Ce vecteur peut scrire de la forme suivante :


~ ~
xit i i t i dt i f t wit
( k ,1) (1,1) ( k , s ) ( s ,1) ( k , m ) ( m ,1) ( k ,1)
( k ,1) ( k ,1)

Avec ft (L) t et wit i (L) vit


( m ,1) ( m,m ) ( m ,1) ( k ,1) ( k ,k ) ( k ,1)

t i.i.d (0,Im), vit i.i.d (0,Ik) et L est loprateur de retard.


Pour un individu i donn, les k variables non stationnaires du vecteur xit dpendent :
dune composante dterministe (eet individuel et tendance dterministe),
dun ensemble de s facteurs communs observables dt (variables macroconomiques,
autres composantes dterministes comme des variables indicatrices par exemple, etc.)
dun ensemble de m facteurs communs inobservables ft
de k composantes stochastiques propres lindividu de rfrence, notes wit.

Les facteurs inobservables et les composantes stochastiques peuvent tre dcomposs en une
tendance stochastique et une composante stationnaire, et donc, en plus de la composante
dterministe et les facteurs observables, le vecteur des variables endognes peut aussi tre
exprim par : m tendances stochastiques st communes lensemble des individus du panel, k
tendances stochastiques sit spciques lindividu i, les composantes stationnaires communes
et les composantes stationnaires spciques :

~ ~
xit i i t i d t i (1) st i (1) sit i *( L) t i *( L) vit
( k ,1) (1,1) ( k , s ) ( s ,1) ( k ,m ) ( m ,m ) ( m ,1) ( k ,k ) ( k ,1) ( k ,m ) ( m ,m ) ( m ,1) ( k ,k ) ( k ,1)
( k ,1) ( k ,1)

De ce fait, le lien entre deux individus i et j i du panel peut provenir de trois sources:
Cette dpendance peut provenir dun ensemble de facteurs communs observables dt
et/ou de la composante dterministe du modle;

7
La dpendance inter-individuelle peut tre spcie sous la forme dun ensemble de
tendances stochastiques communes lensemble des N individus du panel;

La dpendance entre individus peut tre spcie tout simplement au travers dune
corrlation des composantes stationnaires des facteurs communs.

Avant de passer lensemble des tests permettant de dtecter une ventuelle cointgration, il
est judicieux dclaircir la notion de convergence dans le cas des donnes de panel parce que
ltude des proprits asymptotiques des estimateurs des paramtres dune relation de
cointgration (ou dune rgression fallacieuse) en panel pose le problme de la notion de
convergence utilise. On distingue :
la convergence dite squentielle, pour laquelle on suppose que les dimensions
convergent dans un certain ordre. On raisonne dans un premier temps N xe (ou T) et
lon fait tendre T (ou N) vers linni, puis lon fait tendre N (ou T) vers linni.
Linconvnient de ce type de convergence est que lorsque lon renverse lordre de
cointgration, les rsultats peuvent changer.
La convergence le long dune diagonale : on fait tendre N et T vers linni
simultanment sous lhypothse que T = T (N) est une fonction monotone de N.
Linconvnient de cette approche rside dans la forme de la fonction qui conditionne
les rsultats.
La troisime approche, la plus gnrale mais aussi la plus dicile utiliser, consiste
supposer que N et T tendent vers linni sans supposer une quelconque relation entre T
et N.

Dans les tests que nous prsenterons par la suite, la convergence squentielle considre
est la suivante : T suivi de N .

II. Test de cointgration :


A ce niveau, on devrait distinguer entre deux catgories de test, ceux qui prennent labsence
de cointgration comme une hypothse nulle, par opposition aux autres, qui cherchent
linverse, lexistence de cointgration comme hypothse nulle. Les premiers sont analogues
aux tests dEngle et Granger, alors que les autres se sont bass sur le test de Shin.

1- Hypothse nulle dabsence de cointgration :

Les tests dabsence de cointgration sur donnes de panel proposs par Pedroni (1995, 1997,
1999, 2004), Kao (1999) et Bai et Ng (2001) sont des tests rsiduels analogues aux tests
proposs par Engle et Granger (1987) dans le cadre des sries temporelles o le nombre de
relations de cointgration est connu. Notons que pour tous ces tests, on suppose la
convergence squentielle, (N et T tendent vers linfini).

8
Test de Pedroni :

Comme les tests rsiduels proposs par Engel et Granger (1987) pour les sries temporelles,
sont analogues aux tests dabsence de cointgration propose par Pedroni et al. pour les
donnes de panel.

Pour apprhender lhypothse nulle dabsence de cointgration, Pedroni a propos plusieurs


tests pour remdier la cointgration intra-individuelle, dans le cas o il existe une ou
plusieurs relations de cointgration.

Sans oublier que ces tests prennent en considration lhtrognit des paramtres qui
peuvent diffrer entre les individus. La prise en compte de ce dtail peut tre cruciale, puisque
rare sont les cas o les paramtres sont homognes, et le fait de supposer cette hypothse peut
biaiser notre analyse.

Comme hypothse alternative, lexistence dune cointgration avec des paramtres non
ncessairement homognes.

En premier lieu, on estime la relation de long terme suivante :

= + + 1 1, + 2 2, + + , +

Pour i= 1 N pour les individus, et t=1..T, et les paramtres allant de 1 jusqu M, avec
x et y intgr dordre 1, les deux premiers paramtres sont relatifs aux effets individuels et
la tendance dterministe.

On rcupre les rsidus pour effectuer une rgression auxiliaire, sous lhypothse nulle
dabsence de cointgration, les rsidus sont intgrs dordre 1 :

= ,1 +

Lhypothse nulle dabsence de cointgration signifie que i=1, alors que lhypothse
alternative, selon Pedroni, elle peut y avoir deux possibilits selon deux catgories :
Il dcrit une alternative homogne, o i = >1, ce sont des tests bass sur la dimension intra
(within), et une autre alternative htrogne, i>1 qui est bas sur une dimension inter
(between).
Dune manire plus approfondi, Pedroni a rparti les deux catgories en plusieurs sous tests, la
premire relie quatre tests, et la deuxime relie trois tests9.

Tests de Kao

Kao, son tour, a propos des tests dhypothse nulle dabsence de cointgration. Dans son
article publi en (1999) dans la revue Journal Of Econometrics et intitul : Spurious
regression and residual-based tests for cointegration in panel data , Kao propose des tests de

9
Pedroni (2004)

9
type Dickey-Fuller et de Dickey-Fuller Augment. La particularit par rapport aux tests de
Pedroni, est que Kao suppose lhomognit des vecteurs de cointgration. Autrement dit,
ces tests ne tiennent pas compte de lhtrognit sous lhypothse alternative et ne sont
valables que pour le cas dun seul rgresseur dans la relation de cointgration10
Formellement, soit wit (it , vit ) un processus bivari de moyenne nulle et de matrice de
variance-covariance de long terme :

02 0 v

0 v 02v
Et soit la matrice telle que :

1 T2
v
lim E (wit wit )
'
2
T T
t 1 v v
Kao (1999) considre le modle avec effets individuels :

yit it xit it
t
vis
t

Avec : i=1, , N ; t=1, , T et ; yit is et xit .


s 1 s 1

Le premier test propos est de type DF appliqu aux rsidus estims it du modle effets individuels
fixes :

it it 1 uit
On teste ainsi lhypothse nulle : 1 . Soit lestimateur par MCO de et soit t la t-statistique
correspondante dfinie par :

10
C'est--dire le cas dun systme bivari.

10
N T
( 1)
i 1 t 2
2
it 1

t
Se
O :

N T
1
S
2
e
NT
(
i 1 t 2
*
it it* 1 ) ,

it* yit* i* * xit* , yit yit 0 v 0v xit , xit 0 v xit


* 2 * 1
.

On posant :
2
u 2
2
2
v , 2
0u 2
0 2
2
0 0 , et en

notant : u2 et 02u des estimateurs convergents de u2 et 0u


2
, Kao propose les quatre
statistiques, de type DF, suivantes :

3 N u2
N T ( 1)
02u
DF *

36 u4
3
5 04u

6 N u
t
2 0u
DFt *
02u 3 u2

2 u 10 02u
2

N T ( 1) 3 N
DF
51
5
11
5t 15 N
DFt
4 8
Kao montre que quand T et N tendent vers linfini, ces quatre statistiques suivent une loi normale centre
rduite sous lhypothse nulle dabsence de cointgration. Les deux premires statistiques prennent en
compte la possibilit de corrlations entre les innovations des rgresseurs I(1) et les erreurs11. A linverse
les statistiques restantes reposent sur lhypothse dexognit stricte des rgresseurs et des erreurs.
Le second test propos par Kao (1999) est de type ADF bas sur la rgression suivante :

p
it it 1 j it j uitp
j 1

La statistique de test est donne par :

6 N u
t ADF
2 0u
ADF
02u 3 u2

2 u
2
10 02u
O tADF est la t-statistique de . Sous lhypothse nulle de cointgration cette statistique suit une loi
normale centre rduite.
La performance des cinq tests est value par des simulations de Monte Carlo. Ces dernires font
ressortir que :

- Pour des faibles valeurs de T (T=10), les carts la taille thorique sont importants pour
les 5 tests. Ces carts disparaissent par laugmentation de T, et ce, quelle que soit la
valeur de N.
- *
DF* et DFt sont plus performante, par rapport aux 3 autres tests, en termes de taille.
- Pour T=25, le test DF* domine celui de DFt * ainsi que celui de ADF, quelle que soit
la valeur de N.
- La limite de ces tests est leur faible performance pour T=10. Donc ne sont pas conus
pour des panels o dont la dimension temporelle est rduite.

11
Endognit de second ordre.

12
Test de Bai & Ng :

o 2004: -Bai et Ng, ont propos un test de racine unitaire quils ont
tendu au cas dun test rsiduel afin de tester lhypothse nulle
dabsence de cointgration.

o Mthodologie -La dcomposition de chaque srie du panel en la somme dune


du test: composante dterministe, dune composante commune (ensemble
de facteurs communs) et dune composante individuelle
(idiosyncratique). Cette procdure est dnome PANIC

o Interprtation: La srie ainsi d.nie est alors non stationnaire si un ou plusieurs


facteurs communs est non stationnaire, ou si la composante
individuelle est non stationnaire, ou encore si les deux composantes
sont non stationnaires.

Bai et Ng adoptent une dmarche trs simple et considrent un modle factoriel :

Srie individuelle

Composante Terme derreur


dterministe idiosyncratique
htrogne
Composante
commune

Di,t : est une fonction polynomiale du temps dordre t.


Ft : est un vecteur de dimension (r; 1) de facteurs communs.
i : est un vecteur de paramtres.

13
Test de Groen et Kleibergen

- Groen et Kleinbergen ont suggr en 2003, lutilisation de statistiques du rapport de


vraisemblance afin de dvelopper un test du rang de cointgration dans des modles
correction derreur vectoriels individuels, la fois pour des vecteurs de cointgration
homognes et htrognes. Le test de Groen et Kleibergen est bas sur le test de la trace
propos par Johansen (1991, 1995). le test de Johansen a pour objet de tester lhypothse nulle
de r relations de cointgration, contre lhypothse alternative de k relations de cointgration.

2- hypothse nulle de cointgration :

Test de McCoskey et Kao

En 1994, McCoskey et Kao ont propos un test de lhypothse nulle de cointgration dans des
panels htrognes. Il sagit dun test rsiduel du multiplicateur de Lagrange que lon peut
rapprocher du test de Shin (1994) labor dans le cadre des sries temporelles. Les auteurs
considrent lquation de long terme:

*avec i = 1;.;N , t = 1;..; T et m = 1;;M ,


*et supposent que i peut tre dcompos en deux lments :

II

14
La statistique de test propose par McCoskey et Kao (1998) scrit comme suit:

Dans le but de mettre en oeuvre leur test, McCoskey et Kao (1998) dfinissent une statistique LM
modifie donne par:

15
III. Simulations et estimations :
1- Simulations : quelques rsultats
Linflation des tests de cointgrations a pouss certains conomtres les comparer en termes
de taille et de puissance. Les principaux rsultats issus des simulations de Monte Carlo menes
par Gutierrez (2003). Ce dernier compare la puissance des tests de Pedroni (1999), Kao (1999)
et de Larsson et al. (2001). Il considre diverses valeurs pour la dimension individuelle N et la
dimension temporelle T (10, 25, 50 et 100) et fait galement varier le pourcentage relatif au
nombre de relations qui sont cointgres (de 0 100% relations de cointgration). Les rsultats
obtenus par Gutierrez (2003) peuvent tre synthtiss comme suit:
La puissance de tous les tests crot avec la dimension temporelle, pour une valeur xe de N.
Lorsque la dimension temporelle est xe et faible (T = 10) et que N augmente, les tests de
Kao sont plus puissants que les tests de Pedroni. Pour ces derniers, la puissance reste
relativement faible, mme lorsque la dimension individuelle est gale 100.
Les tests de Kao dominent ceux de Pedroni en termes de puissance lorsque la dimension
temporelle est faible, et les tests de Pedroni sont plus puissants que ceux de Kao lorsque T
augmente. Ainsi, plus la taille de lchantillon augmente, plus les tests de Pedroni dominent
ceux de Kao.
Concernant le test de cointgration multiple de Larsson et al. (2001), la puissance et la taille
sont proches pour de faibles valeurs de T. La puissance du test tend augmenter lorsque la
dimension temporelle crot, mais les tests de Kao et de Pedroni restent toujours plus puissants.
De faon gnrale, Gutierrez (2003) montre que la puissance de tous les tests tend augmenter
lorsque N et T augmentent et lorsque le nombre de relations de cointgration au sein du panel
crot.

2- Les mthodes destimation


Pour estimer des systmes de variables cointgres, tout comme pour eectuer des tests sur les
vecteurs de cointgration, il est en consquence ncessaire dutiliser une mthode destimation
ecace. Diverses techniques existent, comme par exemple la mthode FM-OLS (Fully
Modied Ordinary Least Squares) initialement propose par Phillips et Hansen (1990) ou la
mthode des moindres carrs dynamiques (Dynamic Ordinary Least Squares, DOLS) de
Saikkonen (1991) et Stock et Watson (1993). Dans le cas des donnes de panel, Kao et Chiang
(2000) ont montr que ces deux techniques conduisaient des estimateurs asymptotiquement
distribus selon une loi normale de moyenne nulle.
1 - La mthode FM-OLS
Cette procdure, tudie notamment par Pedroni (1996), permet de tenir compte des problmes
dendognit du second ordre des rgresseurs (engendre par la corrlation entre le rsidu de
cointgration et les innovations des variables I (1) prsentes dans la relation de cointgration)
et des proprits dautocorrlation et dhtroscdasticit des rsidus.
La mthode FM-OLS qui prsente lavantage de donner des rsultats plus robustes que la
mthode usuelle des MCO lorsque les chantillons sont de petite taille.

16
2 - La mthode DOLS
Lapproche DOLS a t initialement suggre par Saikkonen (1991) dans le cas des sries
temporelles, puis adapte par Kao et Chiang (2000) et Mark et Sul (2003) au cas de donnes de
panel. Cette technique consiste inclure des valeurs avances et retardes de xit dans la
relation de cointgration, an dliminer la corrlation entre les variables explicatives et le
terme derreur :

yit i xit
k
ik xit k it

Lestimateur DOLS est obtenu en estimant lquation ci dessus par les MCO. Il est le meilleur
estimateur quand il sagit des relations de cointgrations en donnes de panel, lestimateur des
MCO soure dun important problme de biais et lestimateur FM-OLS ne permet pas
damliorer de faon substantielle lestimateur des MCO.

17
CONCLUSION
En guise de conclusion, nous prsenterons quelques avantages et limites de la cointgration en donnes
de Panel.
Pour ce qui est des avantages, on trouve :

- Lajout de la dimension individuelle la dimension temporelle permet damliorer les


proprits des tests, par rapport au cas de sries temporelles.
- Beaucoup de problmatiques conomiques se prtent, naturellement, tre analyses
dans un cadre de donnes de panel (convergence, parit de pouvoir dachat).
- Les tests de cointgration sont naturellement distribus.

Cependant, un certain nombre de problme se pose galement :

- Le fait que les donnes de Panel font intervenir des htrognits inobservables rend
les paramtres du modle spcifiques chaque individu.
- Ce problme (prcit) ne facilite pas linterprtation des rsultats des tests. En effet, tout
ce quon peut conclure cest quil y a cointgration pour une fraction importante des
individus. Les tests ne fournissent aucune information sur la taille de cette fraction ou
lidentit des individus qui la composent.

18
BIBLIOGRAPHIE

Badi H. Baltagi (2005), Econometric Analysis for Panel Data, 3ime edition.
Chihwa Kao (1999), A Monte Carlo Comparison of Test for Cointegration in Panel Data,
Center for Policy Research.
Chihwa Kao (1999), Spurious regression and residual based tests for cointegration in panel
data JOURNAL OF Econometrics.
Christophe Hurlin et Valrie Mignon (2006), Une Synthse des Tests de Cointgration sur
Donnes de Panel.
C.W.J. Granger (1986), Developments in the study of cointegrated economic variables,
Oxford Bulletin OF Economics And Statistics.
Damiaan Persyn et Jaokim Westerlund (2008), Error-correction-based contegration tests for
panel data, The Stata Journal, Number 2, pp. 232-241.
Jan J.J. Groen et Frank Kleibergen (1999), Likelihood-Based Cointegration Analysis in
Panles of Vector Error Correction Models.
Kristofer Mnsson, Ghazi Shukur et Pr Sjlander, Testing for Panel Cointegration in an
Error Correction Framework with an Application to the Fisher Hypothesis, Department of
Economics, Finance and Statistics, Jnkping University, Sweden.
Luciano Gutierrez (2003), On the power of panel cointegration tests: a Monte Carlo
comparison, Economics Letters 80 (2003) 105111.
Mark A. Hooker (1993), Testing for cointegration : power versus frequency of observation,
Economics Letters 41 (1993) 359-362.
Pedroni Peter, (1999) CRITICALVALUES FOR COINTEGRATION TESTS IN
HETEROGENEOUS PANELS WITH MULTIPLE REGRESSORS, Oxford Bulletin of
Economics and Statistics.

Robin Jean-Marc (1999), Economtrie des systmes de demande, in: Economie et


statistique, N324-325, 1999. pp. 135-1

19

Vous aimerez peut-être aussi