Vous êtes sur la page 1sur 20

Econométrie Approfondie/Econométrie Appliquée

Ahmed Tritah, Université du Maine

Septembre 2016
Introduction
Plan du cours

Plan du cours

1. Le modèle de regression simple


2. Regression mulptiple : estimation
3. Regression multiple : inférence statistique
4. Regression multiple : résultats asymptotiques
5. Regression multiple : quelques problèmes concrets
6. Regression multiple avec information qualitatives : variables
dichotomiques
7. L’hétérocédasticité
8. Problèmes de données et de spéci…cations
9. Organiser un projet empirique
Introduction
La nature de l’économétrie et les données

Une dé…nition : l’économétrie consiste à développer des


méthodes statistiques pour estimer des relations économiques,
tester des théories ou évaluer et appliquer des politiques publiques.
1. Quel est l’impact de la formation sur les salaires?
2. Les stratégies d’investissements des banques sont-elles
cohérentes avec les prédictions théoriques des modèles
d’investissements?
3. Les dépenses de campagnes électorales augmentent-elles la
probabilité d’être élu?
4. Les dépenses d’éducation améliorent-t-elles les résultats
scolaires?
5. Peut-on prévoir les taux d’intérêt, le taux d’in‡ation ou le
revenu (PIB) dans quelques mois?
L’économétrie mobilise des données non expérimentales, elles
proviennent d’observations.
Introduction
Les étapes d’une analyse empirique

Les étapes d’une analyse empirique I


I Mobiliser des données pour tester une théorie ou pour estimer
une relation
I Formuler une question : certains aspect d’une théorie ou les
e¤ets de certaines politiques
I Expliciter un modèle formellement : équations décrivant les
relations existantes dans les données
I Exemple : décisions de consommation sous contrainte
budgétaire
choix qui maximisent l’utilité ) équation de demande du bien
i : Di
Di = f (prixi , prixj , Y , go ûts )
Cette équation forme la base de l’estimation économétrique de
la demande du bien i.
Egalement certains comportements apparemment non
économiques : analyse de la criminalité
Introduction
Les étapes d’une analyse empirique

Les étapes d’une analyse empirique II


I Passage du modèle économique au modèle économétrique :
I Forme fonctionnelle de la relation à estimer
I Variables non observables
I Exemple 1 : déterminants de la criminalité
criminalit é = β0 + β1 salairem + β2 autrerev + β3 arrestation
+ β4 condamnation + β5 âge + u
I Choix des variables déterminé par un raisonnement économique
I β0 , β1 , β2 , .., β5 sont les paramètres à estimer
I Exemple 2 : formation et productivité

salaire = β0 + β1 educ + β2 exp + β3 formation + u


I u variables non observables/termes d’erreur : partie la plus
importante de l’analyse économétrique.
I Tester des hypothèses : β3 = 0
Introduction
La structure des données économiques

Les données en coupe I

I Echantillon d’individus, villes, pays, actifs, …rmes, etc.


observées à une période donnée.
I Echantillon aléatoire de la population d’origine
I Parfois l’échantillon est non aléatoire : problème de la
sélectivité de l’échantillon
I Données individuelles utiles pour tester des comportements
microéconomiques et évaluer les politiques publiques.
Introduction
La structure des données économiques

Les données en coupe II


I Exemple 1: Déterminants des salaires individuels

Table: Données en coupe sur les salaires et autres caractéristiques


individuelles

Observation Salaire Education Experience Sexe marrié


1 4,1 11 2 1 0
2 3,24 10 22 1 1
3 5,8 9 2 0 0
. . . . . .
. . . . . .
525 9,4 16 5 0 1
526 17,3 14 19 1 1
Introduction
La structure des données économiques

Les données en coupe III


I Exemple 2 : croissance du PIB par têtre entre 1960 et 2000
(gpcrgdp) avec des données sur les dépenses publiques en
1960 (govcons60 ) et le niveau d’éducation moyen de la
population en 1960 (second60 )

Table: Données sur les taux de croissance économique et les


caractéristiques des états

Observation Pays gpcrgdp govcons60 second60


1 Argentine 0,89 9 32
2 Autriche 3,32 16 50
3 Belgique 2,56 13 69
4 Bolivie 1,24 18 12
. . . .
61 Zimbabwe 2,3 17 6
Introduction
La structure des données économiques

Les données sur séries temporelles I


I Données sur des variables observées à di¤érentes période du
temps
I Exemple : prix des actifs, indice de prix, PIB, taux
d’homicides annuels, ventes, etc.
I Le temps est une dimension cruciale des données : les valeurs
passées peuvent in‡uencer les valeurs futures, retards dans les
réactions, etc.
I Ordre chronologique des observations est important
I En général les observations ne sont pas indépendantes au
cours du temps : la valeur du PIB au trimestre passé contient
de l’information sur sa valeur future : les variables suivent des
tendances.
I Caractère saisonnier de certaines variables, la fréquence des
observations est importante : quotidiennes, hebdomadaires,
mensuelles, annuelles, etc.
Introduction
La structure des données économiques

Les données sur séries temporelles II


I Exemple : données pour étudier les e¤ets macroéconomiques
du salaire minimum, les observations doivent être enregistrées
de façon chronologique.
I Expliquer les e¤ets du salaire minimum (avgmin) sur l’emploi
(emp), autres variables explicatives, taux de couverture
avgcov, taux de chômage unemp et PNB gnp.

Table: Salaire Minimum, Chômage,et autres caractéristiques


nationales (Puerto-Rico)
Observation Année avgmin avgcov unemp gnp
1 1950 0,2 20,1 15,4 878,7
2 1951 0,21 20,7 16 925
3 1952 0,23 22,6 14,8 1015,9
. . . . . .
. . . . . .
. . . . . .
. . . . . .
38 1986 3,35 58,1 18,9 4281,6
38 1987 3,35 58,2 16,8 4496,7
Introduction
La structure des données économiques

Les données en pooling I

I Données qui présentent une dimension temporelle et


transversalle (Ex. deux enquêtes emplois à di¤érentes
périodes, 1990 et 2000).
I Structure de données utile pour analyser les e¤ets d’une
politique : un échantillon avant la mise en oeuvre de la
politique et un échantillon après (Ex. changement du prix de
l’immobilier suite à une modi…cation de la …scalité).
I Méthodes économétriques similaires à celles utilisées dans
l’analyse de données en coupe, avec prise en compte la
variabilité temporelle.
I Le changement de politique modi…e la variablité
"normalement" observée dans le temps.
Introduction
La structure des données économiques

Les données en pooling II


I Un exemple : évaluer les e¤ets sur le prix de l’immobilier
(hprice) d’une modi…cation de la …scalité (proptax). Les
autres variables explicatives sont les caractéristiques du
logement.

Table: Données en coupe groupé (pooled) : deux années de données sur


l’immobilier
Obsno Année hprice proptax sqrft bdrms gge
1 1993 85500 42 1600 3 1
2 1993 67300 36 1440 3 0
3 1993 134000 38 2000 4 0
. . . . . . .
. . . . . . .
250 1993 243600 41 2600 4 1
251 1995 65000 16 1250 2 1
252 1995 182400 20 2200 4 0
253 1995 97500 15 1540 3 1
. . . . . . .
. . . . . . .
520 1995 57200 16 1100 2 0
Introduction
La structure des données économiques

Les données de panel I


I Données qui représentent des séries temporelles pour chaque
observation en coupe : suivi d’un échantillon d’individu
(personnes, …rmes, pays, etc.) sur plusieurs périodes.

Table: Données de panel (2 années) sur les Statistiques de criminalité


Obsno ville année assasinat population chômage police
1 1 1986 5 350000 8,7 440
2 1 1990 8 359200 7,2 471
3 2 1986 2 64300 5,4 75
4 2 1990 1 65100 5,5 75
. . . . . . .
297 149 1986 10 260700 9,6 286
298 149 1990 6 245000 9,8 334
299 150 1986 25 543000 4,3 520
300 150 1990 32 546200 5,2 493
Introduction
La structure des données économiques

Les données de panel II


I L’odre des individus n’a pas d’importance
I Pour chaque individu on a au plus autant d’observations que
de périodes (ici 2).
I L’ordre chronologique des observations pour chaque individu
est importante.
I Les observations pour chaque individus vont être tranformées.
I Données plus di¢ ciles à obtenir
I Cette structure qui permet de contrôler pour les di¤érences
…xes et non observables entre les individus
I Cela rend plus aisé d’établir des relations causales
I Etude les e¤ets des variables passées sur les variables
contemporaines et avec retards dans les réactions.
I Pour certaines questions il est necessaire de disposer de
données de panel.
Introduction
Causalité et "toutes choses égales par ailleurs" en économétrie

Causalité et "toutes choses (importantes) égales par


ailleurs" I
I L’économiste doit évaluer des relations de cause à e¤et.
I education =) productivité?
I bien plus compliqué qu’une relation de corrélation
I Si les autres éléments qui a¤ectent la productivité ne sont pas
…xes, di¢ cile d’établir une relation causale : concept de
"toutes choses égales par ailleurs"
I Necessaire pour évaluer l’impact des politiques
I Théoriquement, impossible de maintenir constants tous les
facteurs qui a¤ectent la variable dépendante
I Su¢ sement de facteurs sont-ils maintenus …xes pour
pouvoir établir une relation causale?
I Léconométrie correctement appliquée s’approche d’un context
théorique ou "tout est égal par ailleurs".
Introduction
Causalité et "toutes choses égales par ailleurs" en économétrie

Causalité et "toutes choses (importantes) égales par


ailleurs" II

I Exemple 1 : E¤ets des engrais sur les rendements (Griliches,


1957)
I Les engrais appliqués à un sol augmentent-ils les rendements?
I Quelle expérience "théorique" peut-on mener?
I Exemple 2 : Mesurer les rendements de l’éducation
I Choisissons une personne quelconque dans une population,
augmentons son niveau d’étude d’une année. De combien
augmentera son salaire?
I La question de "toutes choses égales par ailleurs" se pose
I Quelle expérience "théorique" peut-on mener?
Introduction
Causalité et "toutes choses égales par ailleurs" en économétrie

Causalité et "toutes choses (importantes) égales par


ailleurs" III
=) Dans ces deux exemples le traitement doit-être
administré indépendemment des autres facteurs qui a¤ectent
le résultat qu’on cherche à évaluer.
I Exemple 2 on dispose seulement de données non
expérimentales : échantillon aléatoire de la population active.
I le choix d’éducation n’est pas aléatoire : dépend d’élements
non-observables qui a¤ectent le niveau d’étude.
I Les individus plus éduqués ont moins d’expérience
I Les aptitudes innées a¤ectent positivement les salaires : les
individus plus éduqués en sont davantage dotés.
=) Di¢ cile de reproduire un context ou "tout est égal
par ailleurs"
I l’expérience est mesurable mais pas les aptitudes
I Les méthodes récentes portent sur le traitement des
caractéristiques non-observables
Introduction
Causalité et "toutes choses égales par ailleurs" en économétrie

Causalité et "toutes choses (importantes) égales par


ailleurs" IV
I Exemple 3 : Les policiers contribuent-ils à diminuer la
criminalité?
Question expérimentale : choix aléatoire d’une ville et augmenter
ses e¤ectifs de police. Quelles sont les e¤ets sur la criminalité?
ou : deux villes A et B identiques, augmenter les e¤ectifs de A et
évaluer la di¤érence de criminalité entre la ville A et B.
I Impossible de trouver deux villes identiques.
I Données non expérimentales?
I Facteurs qui déterminent les e¤ectifs de polices corrélés avec
ceux qui in‡uencent la criminalité : problème de simultanéité
I La simultanéité rend di¢ cile l’identi…cation de relations
causales
Introduction
Causalité et "toutes choses égales par ailleurs" en économétrie

Causalité et "toutes choses (importantes) égales par


ailleurs" V
I Exemple 4 : Impact du salaire minimum sur le chômage,
problème de causalité sur série temporelle
I Le modèle o¤re et demande de travail classique prédit qu’une
augmentation du salaire minimum réduit l’emploi
I L’étude de la relation emploi et salaire minimum au cours du
temps permet de quanti…er cette relation
I Mais détermination du salaire minimum non aléatoire
I dépend de facteurs économiques et politiques qui peuvent
a¤ecter l’emploi : salaire minimum non exogène
I souvent prédéterminé sur plusieurs années
I On peut imaginer une expérience : mais peu réaliste
I L’analyse doit contrôler pour les facteurs qui a¤ectent l’emploi
pour se rapprocher de la situation expérimentale
Résumé

But et objet de l’économétrie


I Tester des théories, évaluer les e¤ets des politiques, et établir
des prédictions
I Modèles à estimer dérivés formellement ou sur la base
d’intuition et raisonnements économiques.
I L’analyse économétrique estime les paramètres du modèle et
teste des hypothèses sur ces paramètres.
I La valeur et le signe des paramètres déterminent la validité
des prédictions théoriques et les e¤ets des politiques.
I Les données peuvent être en coupe, en pooling, sur séries
temporelles ou en panel
I Les séries temporelles necessitent un traitement spécial
I Hypothèses toujours formulées toutes choses égales par
ailleurs.
I Souvent données non expérimentales =) identi…cation des
relations causales di¢ cile.