Académique Documents
Professionnel Documents
Culture Documents
0 INTRODUCTION:
MÉTHODOLOGIE DE L’ÉCONOMÉTRIE
1 Définitions
En guise d’introduction, nous allons énoncer et commenter les diverses étapes
d’une analyse économétrique. Nous allons notamment situer l’économétrie par
rapport à la théorie économique et par rapport aux modèles et méthodes statis-
tiques. Une première définition de l’économétrie pourrait être l’utilisation de
méthodes mathématiques et statistiques en vue de valider les théories et hy-
pothèses économiques à l’aide de données. Une deuxième définition, complémentaire
à la première, serait la construction de modèles mathématiques et statistiques
en vue de la réalisation de prévisions économiques ou encore l’évaluation de
politiques économiques. Dans ce contexte, il apparaı̂t logique de décomposer la
méthodologie économétrique selon les sept étapes énoncées ci-dessous.
1
(2) Spécification du modèle mathématique
Si on suppose que la quantité varie linéairement avec le prix, il faudra sup-
poser que la relation est une fonction linéaire, soit:
Q = β1 + β2 P (1)
Les symboles β1 et β2 représentent des paramètres. Le paramètre β1 mesure
l’ordonnée à l’origine, tandis que le paramètre β2 mesure la pente de la droite,
soit:
4Q
β2 = (2)
4P
Pour que cette fonction représente une fonction de demande, il faut que les
valeurs des paramètres soient telles que: β1 ≥ 0, β2 < 0. Dans la figure 1 ci-
dessus, les valeurs des paramètres pour la fonction linéaire sont: β1 = 20 et
β2 = −2. Dans la relation 1), Q est la variable dépendante ou la variable à
expliquer et P est la variable indépendante ou la variable explicative.
Pour caractériser la relation entre P et Q, nous aurions aussi pu choisir la
forme non linéaire de la figure 1.
2
(3) Spécification du modèle statistique (économétrique)
Il apparaı̂t toutefois peu probable qu’une relation aussi exacte existe entre
la quantité demandée et le prix. Par exemple, si on trace sur un graphe les
prix et les quantités observées pour un bien donné, il est plus probable que l’on
obtienne une figure semblable à la suivante:
On perçoit encore une relation inverse, mais la relation n’apparaı̂t pas ex-
actement linéaire. Si on essaie de tracer une droite parmi les points, tous les
points ne tomberont pas sur la droite. On aura donc une relation approxima-
tivement linéaire. L’approximation vient du fait que la loi est énoncée “toutes
choses égales par ailleurs” (ceteris paribus). Pour caractériser la relation entre
P et Q, on formule donc un modèle statistique en rajoutant un terme d’erreur
aléatoire (stochastique) au modèle mathématique précédent:
Q = β1 + β2 P + u (3)
3
Les données économiques peuvent être regroupées en trois grandes catégories:
Qt = β1 + β2 Pt + ut (4)
où Qt et Pt désignent respectivement la quantité demandée et le prix à la période
t. On recueille autant de couples de données (Qt ,Pt ) qu’il y a de périodes dans
notre échantillon. Dans la figure 2, nous avions sept points correspondant à sept
périodes.
b = 19.5 − 1.8P
Q (5)
Le chapeau au-dessus du Q nous dit qu’il s’agit de la quantité estimée par
le modèle: en général différente de la quantité Q observée dans les données. Le
modèle estimé commet donc en chaque point une erreur. La méthode que nous
avons utilisée pour estimer les valeurs de β1 et β2 nous assure toutefois que nous
4
avons réduit ces erreurs au minimum. Nous préciserons plus tard quelle a été la
méthode utilisée et dans quel sens elle assure une minimisation des erreurs. La
droite que nous avons tracée est donc la meilleure parmi toutes les droites que
nous aurions pu faire passer entre les points.
5
estimé, on peut prévoir la quantité demandée pour n’importe quel prix (même
s’il n’est pas observé, d’où l’utilité d’un modèle).
Si la variable indépendante est une variable de décision gouvernementale et
la variable dépendante une variable macroéconomique, le modèle estimé pourra
servir à faire de l’évaluation de politiques économiques, en ce sens que le gou-
vernement pourra évaluer l’effet des changements envisagés dans sa variable de
décision.