Académique Documents
Professionnel Documents
Culture Documents
2012
ECONOMETRIE 2011 2012
Economtrie
[Tapez le sous-titre du document]
ECONOMETRIE Page 1
H34VEN
Cours pour Licence 3, Semestre 6 Anne 2011-2012
ECONOMETRIE 2011 2012
Cours magistral
dconomtrie
Merci de les signaler sur le forum de la facult de sciences conomiques de l'UM1, cette
adresse :
ECONOMETRIE Page 2
ECONOMETRIE 2011 2012
Bibliographie :
Cours de Stat 2-3 (L2S3 & L2S4) + Intro lconomtrie (Cours de Franoise Seyte)
Johnston & Dinardo, 1999, Mthodes conomtrique, Economica (voir les annexes)
Densart, Rys, Vaneecloo, 2009, Economtrie, Presse universitaire de France (Livre de gestion
sous SAS)
ECONOMETRIE Page 3
ECONOMETRIE 2011 2012
Introduction
Ces deux approches sont devenues complmentaires lheure actuelle. Dans ce cours de
licence, il est prsent lconomtrie structurelle, et lconomtrie non-structurelle est prsente
en M1 puis M2.
+
( , ) ( , 1) ( , ) ( , 1) ( , 1)
ECONOMETRIE Page 4
ECONOMETRIE 2011 2012
Ecrit sous cette forme, le modle porte le nom de forme structurelle, cest cette forme qui
dcoule de la thorie conomique, ce qui explique lappellation dconomie structurelle. Dans un
tel modle, les variables endognes et exognes jouent un rle identique
+
( .) [ ]
Une fois le modle construit, il peut se prsenter sous diffrentes formes. Ces formes
sont obtenues aprs avoir analyser un arrangement des variables endognes dans les quations
de la matrice . Lorsque lon a affaire la reprsentation Bloc Diagonale, cela signifie que le
modle de dpart est en fait constitu de plusieurs sous modles indpendants les uns et des
autres, il est prfrable de traiter chacun dentre eux sparment. La deuxime reprsentation,
le Bloc Triangulaire, est la construction de modles rcursifs, cest--dire que certaines
quations dpendent des rsultats dquations prcdentes. Et la dernire matrice est un
modle quations simultanes, ce sont des modles interactions gnrales entre les variables
entre les diverses quations : une variable est endogne mais peut tre exogne dans une autre
quation. Les modles conomtriques sont gnralement sur-identifis et quations
simultanes.
ECONOMETRIE Page 5
ECONOMETRIE 2011 2012
Troisime mthode destimation : Mthode des doubles moindres carrs, construite par
Haavelmo, est une mthode pour modle quations simultanes sur-identifie. Cest une
mthode en deux tapes. La premire tape consiste estimer les paramtres de la forme
rduite, ce qui permet dobtenir des variables endognes calcules. Deuxime tape : on reporte
dans la forme structurelle les valeurs des endognes en position dexognes, par leur valeurs
calcules dans ltape prcdente ; on estime ensuite les paramtres de la forme structurelle par
les MCO, quations par quations.
Quatrime mthode destimation : Mthode des triples moindres carrs. Les deux
premires tapes sont identiques la mthode prcdente, et la troisime tape est en fait
destimer simultanment par un algorithme les paramtres de la forme structurelle, et dans cet
algorithme, les rsultats des DMC servent dmarrer cet algorithme.
Modle exemple :
+ +
{ ( )+
, ariables endognes
, , ariables exognes
1 1 1 1 +0 +0 0
{ {
+1 0 +0 + 0
Endognes Exognes
1 1 1 1 0 0 0
[ ][ ] + [ ][ ] [ ]
1 0 0 0
1 1 1 1 0 0
Forme rduite [ ] [ ] [ ][ ]
1 0 0
1 1
[ ] 1 0, 1
1
1
( + + )
{ 1 , propension marginale consommer
1
( + + )
1
ECONOMETRIE Page 6
ECONOMETRIE 2011 2012
de la thorie des anticipations conomiques, enfin le dernier chapitre de ce cours est consacr
aux modles plusieurs quations.
ECONOMETRIE Page 7
ECONOMETRIE 2011 2012
Partie I
Modle linaire gnrale simple
A. Dfinitions :
- La matrice symtrique :
- Le produit matriciel : ( )
I. Spcification du MLGS
ECONOMETRIE Page 8
ECONOMETRIE 2011 2012
Srie temporelle : + + + +
Panel: + + + +
1 +
[ ] [ 1 ][ ] [ ]
+ ( , 1)
( , 1) ( , )( , 1)
II. Hypothse :
1) constantes,
[ ] [ ]
et indpendantes
2) , vecteur de variables alatoires
+ vecteur de variables alatoires
3) , , , Valeur finies quand +
[]
Formule de
Processus alatoire stationnaire dordre 2 : variables caractrises que par les 2
premiers moments (esprance et variance)
Bruit blanc : Covariance = 0
, (0, ) (Indpendamment et identiquement distribu)
BB [ ] 0,
[ ] [ ] ,
[ , ] [ ] 0, homoscdactique ,
(0, )
[ ] [[ ] [ ]]
( , 1)(1, )
( , )
ECONOMETRIE Page 9
ECONOMETRIE 2011 2012
Symtrie
Symtrie
[ ]
[ ] ( , ) 0 0
[ ] [0 0]
( , ) [ ] 0 0
[ ] [ ]
( , ) [ ] 0
[ ]
[ ] 0
(0, )
[ ] 0
[ ] [ + ]
[ ]+ [ ]
[ ]
[ ]
[ ]
5) Pour grand,
6) Rang
( , )
Absence de colinarit ou de multi-colinarit entre les variables explicatives
Soit + ( , 1)
( , ) ( , )( , 1)
( , 1) ( , 1) ( , 1)
ECONOMETRIE Page 10
ECONOMETRIE 2011 2012
Rsidu, cest un chantillon de donc il doit possder les caractristiques de lala, cest
pourquoi ( ) 0 & ( ) constante et les rsidus sont non-corrls
( ) ( ) ( )( )
+
scalaire scalaire
Soit
Donc 2 +
Cherchons 0
2 ( ) ( ( ) )
0 +
+ + +
( )
donc [ ; ; ;; ]
( ( ) )
est un scalaire et 2( )
Donc 2 + 2( ) 0
( )
( )
ECONOMETRIE Page 11
ECONOMETRIE 2011 2012
( )
( ) ( + )
(
) +( )
+( )
Donc dpend de . La variable est lala, donc est un vecteur ala (sans avoir savoir la loi
de probabilit)
Lesprance mathmatique de
[ ] + [( ) ]
[ ] +( ) [ ]
Donc [ ] et [ ]
[ ] (; )
[ ]
( ; )
[ ]
(; ) [( [ ])( [ ])]
[( )( )]
si []
[( )( )]
[( + ( ) )( + ( ) )]
ECONOMETRIE Page 12
ECONOMETRIE 2011 2012
[(( ) )( ( ) )]
[( ) ( ) ]
( ) [ ] ( )
( ) ( )
( )
Les variances des quon utilise pour effectuer les tests de signification de
paramtres se calculent en multipliant par les lments de la diagonale de ( )
Pour dmontrer cette proprit ; considrons un autre estimateur et quon suppose linaire
tant de dim( , )
Dmonstration : 0
( + )
+ [ ]
Soit
Soit [( ) + ]
( ) +
[( [ ]) ( [ ])]
ECONOMETRIE Page 13
ECONOMETRIE 2011 2012
[ ] + [ ] +
[[ ][ ]]
[ ]
[ ]
Avec ( ) +
[[( ) + ][( ) + ]]
[[( ) + ][( ) + ]
[( ) ( )( ) +( ) + ( ) + ]
[( ) +( ) ( ) + ( ) + ]
[( ) + ] +
Conclusion :
Lestimateur est linaire, sans biais et de variance minimale (convergent). On dit que
cest un estimateur BLUE (Best Linear Unbiased Estimator), cest dire quil sagit du meilleur
estimateur linaire, celui qui a la plus petite variance parmi tous les estimateurs possibles de .
ECONOMETRIE Page 14
ECONOMETRIE 2011 2012
La seule info dont nous disposons sur lala est le rsidu de la rgression.
+ [( ) ]
+ ( ) ( + )
+ (
) ( )
+ ( )
[
( ) ]
Par soucis de simplification
nous appellerons cet
encadrement
Toutefois, il est
diffrent du
de tout l heure
Donc [ ][ ] , or ( )
( ( ) )
( )
Donc
Et donc
Calculons [ ]
[ ; ; ][ ][ ]
(1, )
( , )
( , 1)
+2
Donc [ ] [ ] + 2 [ ]
ECONOMETRIE Page 15
ECONOMETRIE 2011 2012
[ ]
= trace( )
trace [ ( ) ]
trace [( ) ( )]
[ ] ( )
[ ]
On va donc choisir :
Or nous savons : ( )
Soit [ ] diag( )
Lautre mthode destimation des paramtres est le maximum de vraisemblance. Il faut rajouter
une hypothse concernant lala pour lutiliser chacune des variables alatoires obit une loi
normale centre 0 et dcart type .
(0, )
(0, )
1 1 1
exp( ( )( ))
2 2
log
Ou 0
[( ) ( )]
0 (Mthode des MCO)
( )( )
M MCO
Lestimateur des MCO, cest aussi lestimateur du maximum de vraisemblance, limportant dans
cette mthode, cest lhypothse de normalit des alas qui va permettre dintroduire les lois des
paramtres inconnus de dfinir des intervalles de confiance et deffecteur des test de
significations de ces paramtres.
+( )
Epsilon obit une loi normale dimensions, daprs cette relation est un estimateur
linaire de et obit une loi normale multi dimensionnelle mais la dimension de cette loi est
cette fois .
( , diag( ) )
[ ( ) ]
Forme
Quadratique
ECONOMETRIE Page 17
ECONOMETRIE 2011 2012
Dans cette expression est la matrice qui diagonalise et cest une matrice orthogonal,
alors dans ce cas, est une matrice diagonale qui est form de chiffres 1 sur la
diagonale des premires colonnes et de 0 partout ailleurs.
De ce fait :
Comme est une variable normale dimensions, qui est obtenu de par une
transformation linaire est aussi une variable alatoire normale. Par ailleurs, les sont
indpendants puisque les vecteurs propres, associs aux valeurs propres dune matrice
symtrique forment un systme indpendant (groupe orthogonal).
(n k)
Il est alors possible deffectuer un test pour . Par ailleurs, on peut vrifier quelle est la
relation entre le rsidu et le vecteur .
IC et test de
[ , ] [[ [ ]][ ]]
( ) 0
( )
[ , ] [( ( ) ) ]
[ ] [ ] 0
ECONOMETRIE Page 18
ECONOMETRIE 2011 2012
Consquence :
( )
( )
diag( )
Si Matrices ( )
diag( )
( )
Intervalle dacceptation :
+ 1
[ ]
Si lintervalle, accept ( )
Soit 0
| | lu , accept
| | lu , rejett
La signification dun seul coefficient de rgression peut tre teste en utilisant la loi de Student
Lorsque lon veut tester tous les coefficients de rgression, il faut pouvoir dterminer la
contribution des variables explicatives correspondantes dans lexplication de la variance totale
de . Il faut donc dcomposer la variance de , cest--dire raliser une analyse de la variance.
Pour cela on recourt au modle crit avec variables centres.
ECONOMETRIE Page 19
ECONOMETRIE 2011 2012
MLGS linstant
+ + + + (1)
( )
+ + + + (2)
(1) - (2) = + + +
avec 1, ,
Dans cette criture, il est vident que ne comporte plus et et na plus de 1re colonne ne
contenant que des 1. Sur ce nouveau modle, on peut appliquer la mthode des MCO :
( )
Mme rsultat MLGS ( ) { [ ] ,
[ ] diag( )
ECONOMETRIE Page 20
ECONOMETRIE 2011 2012
( ) ( )
MCO 0
0 2 +2 0
2 +
( )
+
{ 1, 2, ,
+ +
0, , 2, ,
ECONOMETRIE Page 21
ECONOMETRIE 2011 2012
+ +
+
{ +
MCO
( )
[ ]
[ ]
est une combi linaire de VA normale , ils obissent donc par construction la loi
normale :
( , )
(0,1)
( )
( 1)
( )
{
( ) ( 1)
( 1, )
( )
ECONOMETRIE Page 22
ECONOMETRIE 2011 2012
( ) ( 1)
Si vraie
( )
Forme matricielle :
( 1)
( 1, )
( )
Variance rsiduelle
Si , accepte
0 0
(1, )
( )
( )
V. Le coefficient de dtermination
A.
( )
ECONOMETRIE Page 23
ECONOMETRIE 2011 2012
( 1)
On a vu que ( 1, )
( )
et 1 ; donc
( 1; )
1 1
Test :
0; 0
Si , alors accepte
Na de sens que si le modle de rgression prcdent est correct. On ralise deux types de
prdictions :
,,
Un individu quelconque
+ + + +
ECONOMETRIE Page 24
ECONOMETRIE 2011 2012
1
[ ]
+
+
[ ]
{
[ ] ( )
( , ( ) )
( )
{
( )( )
( )
Test:
( )
1 [ ]
( , ,, )
aleur
fixe
recherche
( )
[ ] [ ] [ ] [ ]
0 0
ECONOMETRIE Page 25
ECONOMETRIE 2011 2012
[ ] [ ] + [ ] 2 [ , ]+ [ ]
= [ ] +
[1 + ( ) ]
(0, [1 + ( ) ]
{ (n k)
1 + ( )
[ ] 1
. ., accepte
Si
. ., rejete
Section C. Extension
A. Dfinitions et spcifications
ECONOMETRIE Page 26
ECONOMETRIE 2011 2012
+ + , 1,
+ + +
{ 0, ,
avec
1,
, + +
Si
, ( + )+ +
On constate que ces deux modles ne se diffrencient que par leur ordonne lorigine
qui est dans le premier et + dans le second. B3 est la modification de lordonne
lorigine, d la perturbation. On constate que dans cette exemple, linfluence linaire de sur
nest pas modifier par cette perturbation, seul lordonne lorigine va changer. On peut aussi
envisager un modle o la perturbation va modifier la relation. Cest par exemple le modle
suivante :
+ + + +
{ 0, ,
avec
1,
, + +
Si
, ( + )+( + ) +
Ces deux modles se gnralisent au MLGS avec une variable dichotomique mais aussi au
MLGS avec plusieurs variables dichotomiques. Le problme statistique ne prsente aucune
difficult, il faut simplement vrifier que la matrice du MLGS ne prsente pas de colinarit
ECONOMETRIE Page 27
ECONOMETRIE 2011 2012
Les variables indicatrices peuvent traduire plusieurs origines outre celles des valeurs
aberrantes : effets temporels, spatiaux, dus aux variables qualitatives.
- Leffet temporel est lun des plus courantes en conomtrie. Il concerne les
modifications entre 2 priodes spars par des vnements exceptionnels (guerre,
etc)
Lexemple le plus cit dans les cours dconomtrie est celui emprunt louvrage de
Johnston cest le cas de la fonction de consommation en tat de guerre et en tat de
paix.
+ + , en tat de guerre
+ + , en tat de paix
+ + +
{ 1, 0, en tat de guerre
0, 1, en tat de paix
Les effets spatiaux concernent, par exemple, la modification des ordonnes lorigine de
relations construites partir de rgions ou de pays diffrents.
ECONOMETRIE Page 28
ECONOMETRIE 2011 2012
Ces 3 composantes sont orthogonales ou lis entre elles pour former la valeur . Si elles
sont orthogonales, le modle est additif, si elles sont lies entre elles, le modle est multiplicatif :
+ + dditif
{
Multiplicatif
, annuelle
{ est linaire
fonction trigonomtrique, modle additif
+ +
+ + cos( + ) +
2
2
- lamplitude
- Radian (pulsation) 2
o Unit de temps (priode)
o Hertz (frquence)
- Dphasage
ECONOMETRIE Page 29
ECONOMETRIE 2011 2012
La cosinusode nest pas une forme linaire, il faut utiliser la formule cos( + )
cos( ) cos( ) sin( ) sin( ), donc :
cos + sin
Il y a 5 harmoniques car ensuite nous passons soit 2 points, ce qui est insuffisant pour
reprsenter un cycle.
2 2 2 2 2 2
cos + cos + cos + cos + cos + sin +
12 4 3 2.4 12
12
1 1
2 2
2
12
2
2 2
1, ,
12 4
2
3
2
{ 2.4
+ + cos etc
C S
( )
2 2
[ cos + + sin + ]
12 12
+ +
ECONOMETRIE Page 30
ECONOMETRIE 2011 2012
1 1 0 0 0
2 0 1 0 0
3 0 0 1 0
4 0 0 0 1
1 0 0 0
[ etc ]
Donc + + +
(Rappel + , , )
1 1 1 0 0 0
1 2 0 1 0 0
1 3 0 0 1 0
1 4 0 0 0 1 +
1 1 0 0 0
[ ] [1 ][ ] [ ]
On ne peut pas utiliser directement la mthode des MCO parce que le rang de la
matrice nest plus maximal. Il y a colinarit entre les valeurs.
2 Solutions :
Solution :
1 1 1 0 0
1 2 0 1 0
1 3 0 0 1
1 4 1 1 1
1 1 0 0
[ ]
[1 ]
C S
( )
ECONOMETRIE Page 31
ECONOMETRIE 2011 2012
Lvaluation dune qualit dune rgression est entendue dans ce paragraphe comme
tant le choix pertinent de la combinaison linaire de variables explicatives en nombre le plus
restreint possible qui va contribuer le mieux expliquer la variable endogne. Considrons par
exemple une rgression effectue partir de variables explicatives puis une autre rgression,
effectue partir dun sous ensemble de cardinal de ces variables explicatives.
Ny a-t-il pas, parmi les variables de dparts, variables qui nauraient quune
explication ngligeables pour ?
SCE
, SCE Somme des carrs des carts ( ou )
- Coefficient de dtermination
ST SCE SCE
1
ST ST
ST
( )
1
On peut, partir du prcdent, calculer un autre pour un gain de variance que lon appelle
coefficient de dtermination ajust qui a pour formule :
( 1)
1
ST
- Statistique de Mallows
Mesure du biais + (2 )
[ ]
SCE SCE
ECONOMETRIE Page 32
ECONOMETRIE 2011 2012
Par contre comme SCE est divis par cette ingalit nest pas vrai entre et , cest la
raison pour laquelle on prfre utiliser le second critre qui induit le rsultat suivante :
1
1 (1 )
(SCE SCE ) ( )
SCE ( )
max
( )( 1)
De faon plus rcente, les conomtres utilisent des statistiques diffrentes pour valuer la
qualit de leur rgression, ces statistiques sont issus de lanalyse des sries temporelles et
seront revus en M1. Elles portent le nom de critres dinformations, et le premier en avoir
Akaike en 1970 et son critre prend le nom de Akaike Information Criterium, le meilleur modle
est celui qui minimise ce critre.
Cette procdure considre dabord la rgression complte puis limine la variable qui
correspond au le plus petit ou la variable qui accrot le moins le carr des rsidus. Cette
mthode et les suivantes possdent des critres darrts, sinon, elles se poursuivent jusqu
limination ou rcupration de toutes les variables. Cette mthode est une mthode en 4 tapes :
Sil ny a pas de critre darrt, la mthode peut liminer toutes les variables.
Mthode symtrique la prcdente, elle consiste introduire pas pas les variables
explicatives. Les tapes de calculs sont donc les suivantes.
- Calcul des coefficients de corrlation simple entre et toutes les variables exognes.
On retient lexogne qui a le plus fort coefficient de corrlation
- On calcule le rsidu de la rgression prcdente, puis les coefficients de corrlation
avec les variables explicatives restantes. On slectionne celle qui possde le plus fort
coefficient de corrlation
- chaque pas de lalgorithme, on peut calculer par exemple le coefficient de
dtermination du modle correspondant. On peut aussi le . Cela permet de
construire un critre darrt, par exemple, la nouvelle variable introduite un non
significatif, ou encore, considrer un critre (par exemple 10 ) et si le du
modle nest pas suprieur dans son accroissement ce critre, lalgorithme sarrte.
Cette procdure est souvent utilise, car, avec un critre darrt, elle peut tre trs
rapide. Mais cette procdure nindique pas leffet que peut produire lintroduction dune
nouvelle variable sur les variables antrieurement introduites.
Cette procdure fonctionne comme la prcdente mais chaque pas elle sinterroge sur
la signification de la variable prcdente introduite. Cest donc une version amliore de la
rgression pas pas, ascendante ou progressive. Les tapes de calcul sont donc entirement
identiques au prcdente et possde aussi un critre darrt. La diffrence vient du fait qu
ECONOMETRIE Page 34
ECONOMETRIE 2011 2012
partir du second pas (et au suivant ensuite) on teste la signification le coefficient de rgression
de la seconde et de la premire variable.
Ces procdures sont commodes lors des tudes qui comportent beaucoup de variances
explicatives mais elles peuvent tre dcevantes sur le plan du rsultat. Cela tient de
lautomaticit de la technique qui en effet slectionne un ensemble de variable mais qui ne
garantit pas quils soient le meilleur, surtout sur un plan conomique. Parmi toutes ces
mthodes de slection, y compris dautres, rien ne permet daffirmer que lune dentre elles est
meilleure quune autre.
A. Le MLGS contraint
Dans le MLGS, le vecteur est constitu dlment constant inconnu. Il peut arriver des
cas o lon souhaite que ce vecteur appartienne un sous espace du corps des rels. Le cas le
plus simple trait ici tant celui dune varit linaire. Ce cas est celui de lintroduction au
problme, plus difficile, de lestimation de paramtres sous contrainte.
+ ( , 1)
( , 1) ( , )( , 1)
{ , rg( )
( , )( , 1) ( , 1)
Ecrire que le rang de soit gale revient supposer que les contraintes sont linairement
indpendants. Si le rang de tait gale , on pourrait trouver en rsolvant le systme
dquation linaire, la mthode de Cramer :
ECONOMETRIE Page 35
ECONOMETRIE 2011 2012
La condition sur le rang de assure que le systme des contraintes admet une infinit de
solutions en . Les MCC choisissent parmi lensemble des solutions, celle qui minimise la somme
des carrs des rsidus. Le problme mathmatique scrit donc de la faon suivante :
min
{
min( )( )
( )( ) 2 ( )
2 +2 2 0
{ 2( ) 0
0
{
0
( ) ( ) [ ( ) ] [ ( ) ]
+ {( ) ( ) [. . ] ( ) }
[ ]
[ ] {( ) ( ) [. . ] ( ) }
On constate que [ ] [ ] est une matrice dfinie positive qui montre que
lintroduction dinformations a priori sur rduit ncessairement la variance des estimateurs
qui prennent en compte cette info.
Exemple :
+ + +
{
+ 1
+ + +
+ ( )+
MCO : (( );( ))
, , 1
ECONOMETRIE Page 36
ECONOMETRIE 2011 2012
Un modle est robuste lorsquil est valide dans des circonstances diffrentes, par
exemple, lestimation de la fonction de consommation avant et aprs la seconde guerre
mondiale, la relation prix/rcolte de vin cette relation sest-elle modifi aprs lintroduction en
1970 de ce march dans la CEE, Dans ces cas, on les appelle des cas de robustesse
structurelle , ltude porte sur des temps conscutifs, mais elle peut concerner des priodes de
temps qui se chevauche, par exemple, la courbe de Philips au cours de diffrentes phases de
conjoncture. Elle peut tre lie des problmes dhomognit spatiale, comme la loi rang-
dimension, tel quannonce par Zipf. Cette relation peut aussi concerne des problmes
sectorielles, comme la fonction dinvestissement dans la sidrurgie. Enfin, ltude de la
robustesse peut concerner le sens de la causalit entre les variables, par exemple, les prix sont-
ils toujours la cause des salaires, ou le contraire ?
+ +
On dira que ce modle est robuste si quelque soit les sous-ensembles constitu partir
dobservations conscutives sur la priode 1, , les estimations du mme modle sur chacun de
ces sous-ensembles sont :
- Valides
La rgression passe les tests
- Stables
Les paramtres estims ne sont pas significativement diffrents des
paramtres & de la rgression complte. Si on considre deux sous-ensembles
disjoints, on dispose de 3 estimations :
+ , [1, . . ]
+ , [1, ]
+ , [ + 1, ]
On dit que le modle estim sur la priode 1, si les 3 modles prcdents passent les
tests et si ne sont pas significativement diffrents de & et de &
ECONOMETRIE Page 37
ECONOMETRIE 2011 2012
1 1+
argtan log
2 1
En utilisant cette transformation, on considre que la loi de probabilit obit une loi
normale, mme pour des valeurs loignes de 0, les caractristiques, les moments, de cette loi
normale sont :
[ ] argtan
1
[ ]
3
argtan
argtan
[ ] [ ] [ ] [ ]
1 1
[ ] +
3 3
(0,1)
[ ]
ECONOMETRIE Page 38
ECONOMETRIE 2011 2012
[ ] & [ ]
[ ] [ ] [ ] 0
[ ] [ ]+ [ ]
RDD : [ ]
( + 4), accepte
Mthode du CUSUM :
ECONOMETRIE Page 39
ECONOMETRIE 2011 2012
CUSUM(j) ( )
( , ), ,
est une valeur compris en 2 que lon choisit le plus souvent car lon peut vrifier que
les CUSUM pour les diffrentes valeurs de ne sont pas trs diffrentes.
Test de Chow :
Lauteur montre que ces 3 modles peuvent tre rcrites sous la forme unique suivante :
+ + , [1, ]
1, 1, ,
2, + 1, ,
ECONOMETRIE Page 40
ECONOMETRIE 2011 2012
1 0 0
1 0 0
Modle (4) +
+1 0 0 1
[ ]
[ ] [0 0 1 ] [ ]
4 SCR SCR
(2, 4)
2 SCR
On peut dailleurs vrifier que cette SCR = SCR du modle 2 + SCR du modle 3
Le test de Chow ne sapplique que dans le cas o le modle 3 ne concerne quun petit
nombre dobservation, infrieur au nombre de variables explicatives du modle : dans le cas
SRC est la somme des carrs des rsidus du modle 2. Il porte souvent le nom de Test de la
covariance et la quantit F est crite dans la littrature ANACOVA.
SCR SCR 2
N CO
SCR
Sous N CO ( , 2 )
ECONOMETRIE Page 41
ECONOMETRIE 2011 2012
Si ANACOVA( ) est significatif quelque soit , dans ce cas on conserve, pour , qui
maximise ANACOVA. La priode 1, est alors dcoupe en 2 sous priodes, de 1 et de
+ 1 , et sur ces 2 sous priodes, on recalcule ANACOVA( ). On ritre tous ces calculs
jusqu ce qu N CO ( ) ne soit plus significatif.
Il sagit dune mthode destimation dun modle linaire pour lequel les paramtres ne
sont plus des constantes, comme dans le MLGS, mais soumis des variations de type alatoire.
, 1, ,
CP +
Ce modle RP peut tre utilise ici, car il fournit aprs estimation lvolution (et leur
stabilit) des paramtres au cours du temps.
Il est galement possible dutiliser des mthodes plus rcentes, mais aussi beaucoup plus
compltes, et qui sont rassembl dans lappellation modle dEspaces dtat. Ces modles sont
estims par un algorithme informatique, complexes, du type algorithme non-linaire. Ce filtre
est utilis actuellement dans les recherches rcentes pour vrifier la stabilit des modles qui
calculent les ratios permettant de grer les portefeuilles.
ECONOMETRIE Page 42
ECONOMETRIE 2011 2012
Chapitre II
La discussion des hypothses du MLGS
Cette mthode est une solution lestimation des paramtres du modle de rgression
dans le cas o lala est htroscdastique et/ou auto-corrl. Considrons le modle
+ , de mme dimension que dans le MLGS. Toutes les hypothses du MLGS concernent
ce modle sauf pour lala.
[ ] 0
[ ]
( + )
[ ]
[ ] [ + ]
[ ]+ [ ]
ECONOMETRIE Page 43
ECONOMETRIE 2011 2012
[ ]+ [ ]
[ ]
{[ [ ]] [ [ ]] }
[ ] si
+ [ ] +
[ ]
{[ ][ ]}
{ } [ ]
{[ [ ]] [ [ ]]}
{[ ][ ]}
[ ]
symtrique
( ) scalaire
Matrice carr
symtrique
tr( ) + 2
( ) tr( )
[ ( ) ] [tr( )]
tr[ ( )]
tr[ ( )]
ECONOMETRIE Page 44
ECONOMETRIE 2011 2012
tr[ ]
tr[ ]
Lagrangien :
tr[ ] tr[ ( )]
tr[2 0] 0
Donc :
2 ( )
2( )
Donc 2 2( )
( ) et [( ) ]
Soit ( + ) , avec [ ] , , 0
On a [[ [ ]] [ [ ]] ]
ECONOMETRIE Page 45
ECONOMETRIE 2011 2012
( )
[( ) ] [( ) ]
( ) ( )
(
) ( )( )
( )
( )
(MLGS)
( )
( ) (
)
( )
B. Le problme de lAutocorrlation
Pour vrifier les hypothses concernant lala, on utilise le rsidu du modle estim.
Lala est un processus alatoire particulier dans la rgression puisqu chacun des instants ,
il est centr desprance nulle, homoscdastique, et non-auto corrl, la covariance entre deux
variables alatoires est gale 0.
Ce processus alatoire est thorique, et pour les conomistes, sauf si on ralise des
simulations, il est inconnu. On fait alors lhypothse que le rsidu du modle de rgression
est un chantillon (trajectoire/ralisation) du processus alatoire. En dautres termes,
un instant o on ralise une exprience qui est ritr, pour obtenir une variable alatoire, on
fait lhypothse que le rsidu linstant est un tat, un des rsultats de lexprience.
ECONOMETRIE Page 46
ECONOMETRIE 2011 2012
Il est possible de calculer ces autocorrlations avec diffrents dcalages sur laxe du
temps, si on choisit des dcalages un pas de temps croissant, on pourra donc calculer,
construire, une succession de coefficient dautocorrlation , , , , . est le retard
maximal entre les deux chronique des rsidus dcals qui fournit une intersection suffisante
pour calculer le coefficient de corrlation. Lorsque ces calculs sont raliss, on peut alors mettre
en correspondance les dcalages 1, 2 avec les coefficients , . Cette correspondance
est une fonction des dcalages [1, ], dans [ 1; +1], cette correspondance est la
fonction dautocorrlation not F C, sa reprsentation graphique est un diagramme en bton
rpondant au nom de corrlogramme.
Lorsque lon peut constater une autocorrlation des rsidus, on peut vrifier les points
suivants qui peuvent tre lorigine de cette autocorrlation :
Il peut cependant aussi exister de lautocorrlation dans les rsidus pour des raisons non
voques prcdemment, ou encore, on souhaite conserver cette autocorrlation parce que lon
considre que les raisons prcdentes doivent tre conserves. Tous ces cas reviennent
considrer lautocorrlation des rsidus, dans lestimation du MLGS, et donc, de faire appel
dutiliser le MLG sa place.
ECONOMETRIE Page 47
ECONOMETRIE 2011 2012
Pour montrer les effets de lautocorrlation des erreurs sur lestimation des paramtres,
on va utiliser le modle de rgression linaire
+ , Hypothse
R(1) | | 1
( )
Rappel :
( + + )
+ +
[ ] + [ ]
[ ] 0
{
0
ECONOMETRIE Page 48
ECONOMETRIE 2011 2012
[ + ]+
Etc
+ + +
[ ] [ ] 0
[ ]
[ ] [ ]
[ ]+ [ ( )] + [ ]+ +2 [ ]+
+ +
[ ] [ ]
1
[ ]
1
1
[ ]
1
Comme le paramtre en valeur absolu est infrieur 1, on constate que si tend vers 0
(non-autocorrlation) alors on retrouve les rsultats de la rgression. Donc si tend vers 1
(forte autocorrlation), alors [ ]
ECONOMETRIE Page 49
ECONOMETRIE 2011 2012
Lexistence dune autocorrlation des rsidus remet en cause lajustement du modle par
les moindres carrs. Il est donc indispensable de disposer des tests permettant de dtecter
lautocorrlation des rsidus.
On peut les regrouper selon 2 catgories : ceux qui sont bass sur une distribution
quelconque des rsidus et ceux qui sont bas sur une distribution thorique des rsidus.
- Le test Geary
Il fait partie de ces tests construits partir dune distribution quelconque des rsidus. Il
consiste comptabiliser les changements de signes des rsidus. Le nombre de rsultats trouvs
est compar au nombre de valeurs maximales et minimales d dans des tables de
valeurs critiques labores pour des seuils de 1 et de 5% en fonction du nombre
dobservations.
- Le test de Durbin-Watson
Texte manquant
( )
D-
On peut supposer :
Alors : D-
+ +
On constate avec cette expression que lorsque les erreurs ne sont pas auto corrles (
0) alors le Durbin-Watson approche les 2. Au contraire, si le 1, le D- 0 et si 1,
le D- 4.
ECONOMETRIE Page 50
ECONOMETRIE 2011 2012
+ + ( ) + ( ) +
dpend aussi de , dans ces conditions, il est difficile de trouver le niveau de signification
exactes pour .
0 2 4 4 4
Autocorrlation Doute tendant accepte Doute tendant Autocorrlation
positive vers l C 0 bsence dautocorrlation vers l C 0 ngative
[ 1; 1]
est le coefficient de corrlation linaire simple, calcule entre une variable et elle-mme,
dcale sur l'axe du temps. Le dcalage seffectue un pas de temps. Si on effectue un dcalage
de 1 sur la partie commune des deux rsidus, on calcule un coefficient de corrlation que lon
appelle , avec un dcalage de 2, un coefficient , etc
0 1
1
Dcalage maximal
ECONOMETRIE Page 51
ECONOMETRIE 2011 2012
+1
Test de Student
Les tests ont t conus par un statisticien du nom de Quenouille, lauteur dmontre que
la somme des carrs cumuls des autocorrlations successives obit un chi degr de
libert. Sur ce constat, un premier test a t construit par 2 auteurs Box-Pierce, puis plus tard
par Ljung-Box, en montrant que la statistique de Box-Pierce tait insuffisante et propose une
nouvelle statistique, et le test est alors le suivant :
0, [1, ]
( )
( + 1) , en supposant l homoscdasticit
( ), accepte
2. Solutions
Lorsquil y a autocorrlation des rsidus, on essaie dabord de dtecter quel est lorigine
de cette autocorrlation. Cest ce qui a t indiqu dans lintroduction de ce paragraphe. Souvent,
lautocorrlation est le rsultat dune forme inadapte du modle de rgression. Il est alors
conseill de reprsenter graphiquement la rgression entre le rsidu et les diffrentes
variables explicatives du modle. Si ce graphe, le nuage de rgression rvle pour la plupart des
ECONOMETRIE Page 52
ECONOMETRIE 2011 2012
formes non linaires, cela peut tre une indication pour transformer le MLGS de dpart (on
utilisera par exemple le logarithme des variables).
Dans certains cas, pour des raisons de thories conomiques, on souhaite conserver dans
le modle de rgression, avec lautocorrlation des rsidus. Pour cela, plusieurs techniques on
tait propos :
- On peut utiliser, par exemple, le modle autorgressif des rsidus pour transformer
les variables du modle.
En ralit cette transformation est inadquate a priori puisquelle est contraire lune
des hypothses du MLGS, celle qui concerne la stationnarit des variables (cf. Cours du M1).
Cette faon de procd partir de lestimation du modle autorgressif des rsidus, porte le nom
de mthodes des pseudo-moindres carrs gnraliss. Il existe dans la littrature deux versions
plus complte de ces transformations que lon appelle la mthode de Hildreth-Lu et Cochrane-
Orcutt
(1 )+ ( )+
Si 1{
] 1; +1[ ] 1; 0[ ; ][0; 1[
Hildreth-Lu utilise une mthode dichotomique. Il prend une valeur de au milieu des
deux intervalles prcdemment dcoups (-0,5 et 0.5), et pour chacune des deux valeurs de , il
calcule du modle de rgression, et en dduit, la somme des carrs des rsidus et conserve
lintervalle o la somme est la plus petite. Il ritre lopration jusqu ce que lintervalle trouv
soit infrieure une distance dfini au pralable.
On estime la valeur de au dpart par les MCO, sur le modle autorgressif des rsidus.
On transforme alors les variables en et , et on ritre la rgression de
dpart sur les variables transformes et . Ce que Cochrane-Orcutt, cest de recommencer
toute lopration en estimant nouveau le partir des rsidus de la nouvelle rgression , et
de retransformer les variable prcdente en et et les auteurs
ECONOMETRIE Page 53
ECONOMETRIE 2011 2012
C. Htroscdasticit
1. Dtection-effets
0
[ ]
0
Nous pouvons comparer le graphique des individus avec celui du processus de Bruit
Blanc, cest--dire avec un chantillon de Bruit Blanc centr, homoscdastique et non auto
corrl.
Cas dhomoscdasticit
Cas dhtroscdasticit
Il existe des tests plus prcis qui permettent de dtecter cette htroscdasticit.
ECONOMETRIE Page 54
ECONOMETRIE 2011 2012
Test de Goldfeld-Quandt
Ce test sappuie sur lhypothse suivante il y a htroscdasticit parce que lcart type
du modle de lerreur augmente proportionnellement avec lune des variables explicatives du
modle : par exemple la variable . Cette hypothse scrit donc :
[ ]
{
[ ]
- On ordonne les observations de toutes les variables du MLGS en fonction des valeurs
croissantes de la variable .
- On nglige les observations centrales du rsultat obtenu et on appelle le nombre
de ces variables ngligs. Comme est diffrent , on prend pour 30,
8, pour 0, 1 , etc
On obtient ainsi 2 sous chantillons de cardinal , lun qui correspond aux petites
observations de et lautre aux plus fortes observations de . On ralise alors la rgression et
on estime le MLGS sur ces deux sous chantillons, et on appelle SCR la somme des carrs des
rsidus du premier sous chantillon et SCR la somme des carrs des rsidus du second sous
chantillon.
Les auteurs ont alors montr que sil y a htroscdasticit, alors le rapport obit une
loi de Fisher avec un degr de libert prcis. Le test se droule donc de la faon suivante :
lhypothse , cest quil y a homoscdasticit et , htroscdasticit. On calcule le rapport :
SCR 2 2
( ; )
SCR 2 2
Test de Glejser
| | + , rgression linaire
| | +
| | +
ECONOMETRIE Page 55
ECONOMETRIE 2011 2012
On estime lun de ces modles par les MCO, et si les paramtres ne sont pas
significativement diffrents de 0 on considre quil y a homoscdasticit. Considrons par
exemple le premier modle :
| | + +
( + )
[ ] 0
[ ]
[ ] 0
[ ] [ + ]
[ + + ]
[ ] ( + )
, { [ ]
[ ] 0,
Dans la pratique :
| | + +
| | +
homoscdasticit, htroscdasticit
Ce test de Glejser est un test intressant parce quil permet de rsoudre le problme
de lestimation MLG. En effet, puisque lon connait et on peut construit matrice de
variance covariance des erreurs :
( + ) 0
[ ]
0 ( + )
Estimateur d itken : ( )
1
0
( + )
[ 0 ]
ECONOMETRIE Page 56
ECONOMETRIE 2011 2012
Dautres tests existent, le premier dentre eux est le test RCH ( utorgressif
Conditionnellement Htroscdastique), cr par Engle, en 82, pour modliser la volatilit
des cours boursiers.
cst + + + +
cst +
[ ] cst + homoscdasticit
H 0 homoscdasticit
MCO :
(p)
( ), accepte
Le test de Breusch-Pagan est un test similaire l RCH mais prend comme critre la SCR
Le test de White
cst + + + + + + + + (ventuellement)
+ +
0, [1, ]
2. Solutions
ECONOMETRIE Page 57
ECONOMETRIE 2011 2012
0
[ ] htroscdasticit non auto corrl permet d estimer
0
( tant en fait )
Aitken : ( )
[ ]
[ ] ( )
(0, )
+ (htroscdasticit)
[ ] , (homoscdasticit)
( )
[ ] ( )
( )
et (( )( )) ( )
( )
( )
[ ] ( ) ( )
Or [ ] ( )
ECONOMETRIE Page 58
ECONOMETRIE 2011 2012
Exemple :
, [1, ]
0
[ ] Htroscdasticit car les sont diffrents
0
1
0
1
1
0
[ ]
1 0
Essayons [ ]
0 1
Donc :
Autre exemple :
+ +
1 1
0 0
1 1
0 0
[ ] [ ]
1
0
1 1 1
[ ]; [ ] [ ]
1 1 1 1
0
[ ]
[ ]
ECONOMETRIE Page 59
ECONOMETRIE 2011 2012
+ +
1
( ; ) ( ; )
Conclusion (Rcapitulatif) :
0
[ ] Matrice diagonale, rgulire et dfinie positive
0
- est connue (on lestime via 2 mthodes diffrentes : soit par le MLG, soit par une
transformation, puis par les MCO)
- nest pas connue, on ne peut pas lestimer, on ne connait pas
Les travaux dEngle ont montr la solution par la conception du modle RCH
[ ] 0; [ ] 0
[ ]
Explication : Modle de
Appelons { ,}
[ ] Moyenne conditionnelle
Donc si 0 alors [ ] [ ]
+
(0; ), {
0 et 0
ECONOMETRIE Page 60
ECONOMETRIE 2011 2012
A. Introduction
Dans cette section, nous allons tudier 2 hypothses du MLGS, qui ne concernent pas
directement lala comme dans la section prcdente (le MLG). Il sagit de lhypothse de la
relation entre la variable explicative et lala. Jusqu prsent, le MLG et le MLGS, on fait
lhypothse que les variables explicatives sont certaines et que la covariance entre lala et ces
variables est gale 0. Cette hypothse a servi pour effectuer toutes les dmonstrations
concernant le MLGS et le MLG. Nous tudions aussi dans cette section lhypothse concernant le
rang de , qui est lhypothse de la possibilit de calculer le vecteur
du MLGS et le vecteur du MLG
+ ( , 1)
( , 1) ( , )( , 1)
, ,,
( ) 0 ou [ ] 0, 1, , et 1, ,
ECONOMETRIE Page 61
ECONOMETRIE 2011 2012
Par hypothse :
Si | | 0 I ( )
I converge vers
La matrice contient les variables instrumentales qui peuvent tre des variables
contenues dans . Par construction, ces variables instrumentales doivent tre corrles avec
celles de .
( ) 0
Si tel nest pas le cas, lestimateur prcdent nexisterait pas. Si on pose que est le
produit matriciel suivant :
( )
lors I ( ) ( )
De ce fait, on peut nouveau raliser des tests. Cette mthode convient par exemple
lorsquil y a des erreurs de mesures sur les variables (comme dans les donnes denqutes,
comme dans les donnes agrges, etc). Est-ce quil y a indpendance entre les variables
explicatives et lala ?
b. Le test dHausman
corrlation entre et
ECONOMETRIE Page 62
ECONOMETRIE 2011 2012
( I
) [ [( ) ( ) ]]
, +1
1
C. La colinarit
Dans le MLGS, lutilisation des MCO ou du maximum de vraisemblance suppose que les
variables sont linairement indpendantes, variant de1 . On dit quil y a colinarit
parfaites si ces variables sont relies entre elles par des variables de types linaires. Ces cas de
colinarits strictes sont rares (exemple : la dessaisonalisation sur variables dichotomiques) ;
lorsquils se produisent, il faut alors modifier le modle de dpart, comme nous lavons fait pour
la dessaisonalisation. On peut aussi supprimer dans un modle de rgression lune des variables
responsables de cette colinarit stricte. Dans la majorit des cas, il nexiste pas de colinarit
stricte mais il existe des quasi-colinarits, cest dire des relations dont le coefficient de
corrlation est proche de 1 sans tre gale 1. Dans ces cas de colinarits les calculs des
estimateurs peuvent tre entirement errons.
1. Effets de la quasi-colinarit
Premier effet : Les estimateurs des MCO tendent tre trs grands en valeur absolu.
( )
orthogonal
1 Lettre grecque nu
ECONOMETRIE Page 63
ECONOMETRIE 2011 2012
On choisit la matrice diagonale des valeurs propres laquelle on associe la matrice des
vecteurs propres qui est une matrice orthogonale, on peut alors crire :
| |
Si | | 0 0
( )
( )
Deuxime effet : les variances covariances des estimateurs tendent tre trs grandes
, centres et rduites
( )
{
( ) [ ]
[ ] grande
Troisime effet : On peut montrer que la variance totale des devient grande.
( )
ECONOMETRIE Page 64
ECONOMETRIE 2011 2012
1 ( 1)
tr( )
Exemple :
1
tr( )
- Il est possible que la colinarit amne quun estimateur puisse disposer du mauvais
signe (- au lieu de +).
- La sensibilit quil peut exister la variation dune variable explicative : quand on
rentre une autre variable explicative au modle, il peut y avoir colinarit.
- La variance/covariance peut tre grande avec un test de Student indiquant que
lestimateur est ngligeable.
2. Dtections de la colinarit
Cette dtection peut tre ralise par des ratios ou par des tests.
1
; coefficient de dtermination du modle
Si Prsomption de colinarit
ECONOMETRIE Page 65
ECONOMETRIE 2011 2012
1
IF
1
Soit , ,
,
,
sont tous des IF
, ,
,
Il y a colinarit si IF
Prsomption de colinarit | | 1
1
FG ( 1 [2( + 1) + ]) ln
1
FG ( 1 (2 + )) ln 1 2 ( 1)
| | 0 | | 0 (colinarit)
| | 0 | | 0 (orthogonalit)
toujours gale +1
1
( 1 (2 + )) ln(1 | |)
ECONOMETRIE Page 66
ECONOMETRIE 2011 2012
Si 1 2 ( 1), accepte
Colinarit si petites ou 0
(| | )
max
min
normalise
1 sil y a colinarit
3. Solutions
( + )
[ + ( ) ]
Ridge-Trace
Le but tant de faire varier une valeur de telle manire que les , estimateurs ridge se
stabilise.
ECONOMETRIE Page 67
ECONOMETRIE 2011 2012
lgorithme doptimisation
min
Ridge-Regression gnralise
[( )( )+ ) ( )
(1 )
Base
Si Objectif lire linfo dans lespace donne par alors l CP ralisable si cette info est
lisible partir des axes de . tant constitue de vecteurs colonnes indpendants.
Soit : + MCO
Par CP + , orthogonal
ECONOMETRIE Page 68
ECONOMETRIE 2011 2012
Comment passe-t-on de ?
( )
1 Base
[ ] [ ]
[ ] [ ]
[ ] [ ]
perpendiculaire ,
max [ ], 1 Diagonaliser
Pour B :
- Soit :
0 0
[0 0]
0 0
[ ]
70
, 1,2,3, alors 1
1,2,3 T
- Soit :
[ ]
Donc :
[ ]
ECONOMETRIE Page 69
ECONOMETRIE 2011 2012
[ ] [ ]
perpendiculaire
[ ]max
{
Base
pplication par l CP
Le rsidu est une partie du processus alatoire il est aussi desprance nulle
ECONOMETRIE Page 70
ECONOMETRIE 2011 2012
Question : Est-ce que lhistogramme constitu des rsidus du modle suit une loi
normale ?
- Test du
Test de Skewness
Symtrie normale ( )
(0, )
0
(0,1)
RDD :
- Si | | , accepte au risque
- Si | | , rejete au risque
Test de Kurtosis :
platissement normal
ECONOMETRIE Page 71
ECONOMETRIE 2011 2012
(3, 24 )
3
(0,1)
24
RDD :
- Si | | , accept au risque
- Si | | , rejete au risque
Jarque-Bera
( 3)
JB + (2)
24
Normalit de lala
RDD :
(2) ,99
ECONOMETRIE Page 72
ECONOMETRIE 2011 2012
Sign par :
(^)(^)
^ ^
(= - =)
() ()
POOKIPOOKI Votre fidle serviteur
ECONOMETRIE Page 73
2010
ECONOMETRIE 2011 2011 2012
Economtrie
ECONOMETRIE
H34VEN Page 74
Cours pour Licence 3, Semestre 6 Anne 2012