Explorer les Livres électroniques
Catégories
Explorer les Livres audio
Catégories
Explorer les Magazines
Catégories
Explorer les Documents
Catégories
données de panel
Panel à effets individuels et Stratégie des tests
• Le modèle à effets fixes pour les données de panel suppose que les
modèles estimés ne diffèrent par individus que par la valeur de la
constante. Le modèle présente donc un effet individuel. Cet effet peut être
constant au cours du temps (modèle à effets fixes individuels) ou aléatoire
(modèle à effets aléatoires).
• Avantages :
– Parcimonieux, facile à calculer
– Prend en compte de manière simple l’hétérogénéité et
permet de tester l’uniformité des comportements
• Inconvénient :
– Lorsque N est grand, le nombre de paramètres à estimer
est prohibitif :
• K paramètres pour b
• N paramètres pour les effets fixes
avec
• et
• et
Soit donc:
Rq: On utilise (NT-N-K) au lieu de (NT-K) puisque nous avons utilisé pour
l’estimation de la variance les moyennes estimées des N individus.
L’estimateur Within de la variance des estimateurs des coefficients :
La matrice des variances covariances estimées des estimateurs des
coefficients se calcule comme dans le cas du modèle de régression
multiple mais pour des variables centrées sur leurs moyennes
individuelles
Donc
cette matrice est une matrice symétrique avec des variances constantes sur la
diagonale. Donc cette matrice vérifie l’hypothèse d’homoscédasticité.
L’autocorrélation est nulle entre deux individus i et j alors qu’elle est non nulle
pour le même individu i pour deux dates différentes t et s.
avec
avec
Et
• L’estimateur des MCG n’est autre que l’estimateur des MCO du modèle
transformé et il est défini par:
• Si on pose
Et donc on a:
• Alors on a:
Remarques:
Si Donc l’estimateur MCG du modèle à
erreurs composées converge vers l’estimateur Within.
Si (la variance de l’effet spécifique aléatoire est nulle), l’estimateur MCG du
modèle à erreurs composées converge vers l’estimateur MCO du modèle Pooled.
Si l’estimateur MCG du modèle à erreurs composées est une
combinaison linéaire de l’estimateur Within est l’estimateur MCO du modèle
Pooled.
La variance de l’estimateur :
L’estimateur MCG ne peut être calculé que si on estime les variances et afin
de calculer :
Estimation de :
Estimation Within du modèle
ou encore
On note que : - le degré de liberté est donné par NT −N −K (NT : nombre total d’observations - N
(N moyennes individuelles) - K (nombre de paramètres à estimer)).
Estimation de :
Estimation Between du modèle
Alors on a:
ou encore
Dès lors :
Le modèle dans ce cas se présente sous forme d’une seule équation à estimer sur NT
observations empilées (modèle Pooled) qu’on peut l’estimer par MCO ou par MCG
si la matrice variances covariances des erreurs n’est pas standard.
Cas 3: Les sont hétérogènes mais les sont homogènes: modèle à effets
individuels (fixes ou aléatoires)
avec
Le ddL=NT-N(K+1)
avec
Le ddL =NT-N-1
Si la valeur calculée de la statistique de Fisher est supérieure à la valeur
tabulée de Fisher à un seuil de ( %), on rejette l’hypothèse nulle
d’homogénéité.
avec est la somme des carrés des résidus du modèle contraint (dans ce
cas c’est le modèle à effets individuels).
avec est la somme des carrés des résidus du modèle contraint sous l’hypothèse à savoir
le modèle à effets individuels.
est la somme des carrés des résidus du modèle contraint sous l’hypothèse à savoir
le modèle Pooled
Test de Haussman
• Doit-on retenir une spécification de type « effets fixes » ou, au contraire,
de type « effets aléatoires » ?
• Le modèle à fixes suppose que l’une au moins des variables explicatives
est corrélée avec l’erreur spécifique alors que le modèle à
effets aléatoires suppose que les variables sont exogènes par rapport à
l’erreur spécifique .
• Généralement, on s’attend à ce que le terme spécifique soit corrélé avec
une ou plusieurs variables explicatives (un modèle à effets fixes,
estimateur Within).
• Cependant, si le terme spécifique est non corrélé avec les variables
explicatives, le modèle à effets aléatoires est le plus adéquat (estimateur
MCQG).
• Test de Hausman
SCRTataouine = 0,153
SCR1=SCRTunis + …+SCRTataouine = 12,23 et NT-N(K-1)=483
Soit la valeur de F1
On a donc SCR1,C’=17,163
• Calcul de F2:
F(3,549) = 2421.74
corr(u_i, Xb) = 0.3299 Prob > F = 0.0000
sigma_u 325.76876
sigma_e 501.824
rho .29647859 (fraction of variance due to u_i)
F test that all u_i=0: F(22, 549) = 8.76 Prob > F = 0.0000
F3= 8,76 est supérieure à la valeur tabulée, donc on rejette l’hypothèse nulle
selon laquelle les sont homogènes. Le modèle totalement hétérogène.