Académique Documents
Professionnel Documents
Culture Documents
CEPREMAP
141d142tbedl~
1, • PARIS.XIIP
Pevt
PieJVte-Alaln MUET
N°7901
Pages
1 - LES FONDEMENTS THEORIQUES .......••...... ............. 2
./.
- II -
Pages
L'estim ation sous forme autore gressi ve des distri bution s infini
es_
(géom étrique , premie r et deuxiè me ordre ... ) est étudié e dans
les troi-
sième et quatriè me partie , tandis que la derniè re partie examin e les
applic ations et les limite s des d:i.str ibutio ns polynô miales .
Les retard s échelo nnés des relati ons économ étrique s ont deux
justif icatio ns princi pales ils représ entent soit la format ion des
antici pation s à partir des observ ations passée s des grande urs
sur les-
quelle s s'appu ient la décisi on des agents économ iques, soit
au contra ire
des délais concre ts de réalis ation de ces décisi ons.
Le proces sus de forma tion des antici pation s peut être rattac
hé
au problè me de la prévis ion d'une grande ur future ê partir de
divers es
inform ations qui peuven t être soit l'évol ution passée et prévue
d'un
certai n nombre de variab les qui influe ncent la grande ur conce
rnée.s oit
de façon plus restri ctive les seules observ ations passée s de
la grande ur
en questi on. Dans ce dernie r cas l'antic ipatio n réalis ée à la
date t
pour la périod e (t+e) s'expr imera généra lemen t sous la forme
d'une
foncti on à retard s échelo nnés de ces observ ations passée s
~t+e
xt = f (xt-1' xt-2' xt-3 ... )
Une premiè re formu lation des antici pation s, appuyé e sur l'hypo
-
thèse de leur adapta tion progre ssive aux réalis ations , a été
propo sœpar
GAGAN [1956] . Ce dernie r a suppos é que l'agen t économ ique révisa
it ses
* à chaque périod e, en foncti on de l'écar t précéd em-
antici pation s (xt)
ment observ é entre la grande ur antici pée et réalis ée {x~_ -
xt_ ). Si
1 1
l'on suppos e par exemp le que l'on report e dans la nouve lle prévis
ion
xt* une fracti on consta nte (n) de l'erre ur précéd emmen t réalis
ée :
./.
- 3 -
1
1. 2. Anticipations et pr évis:ion · optimale
./.
·t+e
* La prévision xt est optim.9le s:i,. elle minimise la somme des carrés
des erreurs.
- 4 -
·t+1 n
(1) xt = E b, xt . •
j =1 J -J
et pour t+8
·t+8 0-1 n
(2) ·t+ 0 -i
xt = E b. xt + E b, xt+
i=1 l l 8 -i
i=8
00
(3) = E
i=1
On noter a cepen dant que quell e que soit la forme de la struc ture de
retard s b .• les prévi sions en longu e pério de (8 + 00 ) tende
J nt vers la
compo sante déterm inable du proce ssus (la prévi sion du
proce ssus indé-
termi nable tend vers zéro) , comme le montr e le graph ique
(1) .
./.
* Théorème de WOLD - voir par exemp le MALINVAUD [1969 ] Chap itre
11.
** Lorsq uen est infin i. on peut se conte nter en pratiq ue d'un nombr
fini d'obs ervat ions car b. + o si j + 00 • e
J
- 5 -
...
'
'. t+e
-- .... - ---
' ,,,
' ' . __., ., ,,,.
Observations Prévisions
et
:. 00
( 5) X = E:t + À }:;
t
i=1
./.
- 6 -
le proces sus compo rte une compo sante transi toire Et et une compo-
oo
sante perman ente E Et .• qui a cepend ant la partic ularit é d'être
-1
i=1
corrél ée avec la réalis ations passée s de la variab le transi toire.
Si
nous suppos ons au contra ire les deux proces sus indépe ndants .
on peut
montre r que la distri bution géomé trique consti tue encore une
prévi-
sion optima le du proces sus,
Suppos ons que xt soit la somme d'une compo sante perman ente
xt
et d'une compo sante transi toire nt' la compo sante perman ente
étant
défini e par le proces sus
+ E
t
On démon tre (MUTH (1960) ) que la struct ure optima le des b. est
l
une distri bution géomé trique de retard s :
où le coeffi cient dépend de la varia bilité respec tive des compo santes
À
(J
2 2
(J (J
(6) E E 1 E
2 (J 4 -2-
cr n (J
n n
,/.
- 7 -
e
i .at -1.
,/.
- B -
(1 ) C = a x + b S + d
t t t
Nous avons vu que la premiè re justifi cation des retards échelon nés
résult ait de la formati on des anticip ations sur lesque lles s'appu ient
./.
- 9 -
(1)
(3) 2
+ a (Nt-Nt-1)
~
CoOt d'écart CoOt d'ajuste-
à l'optimum ment
./.
( 1) Si 'If; désigne le profit maximum et (p (N) la relation entre 'If et .N on
. .
a, au voisinage d e N*
t : ( 1ft - 1ft*) -- '°i •(Nt). * +.,
* (Nt-Nt) *
..n" (Nt) * 2 + ••
(Nt-Nt)
Comme Nt* est un maximum 'f> '=o 'f>"=-c :<::o, et la perte de profit est
c (Nt-N;) en première approximation.
- 10 -
L'ajus temen t optim al, c'est -à-di re l'ajus temen t qui minim
ise ce coût
total sera une distri butio n géom étriqu e
a
c+a
e =
À a
=
C
Lorsq ue la fonct ion de produ ction compo rte plusi eurs facte
urs
par exemp le n facte ur xti et que la fonct ion de coût d'ajus
temen t est
égalem ent une fonct ion quadr atique des vites ses d'ajus
temen t des fac-
i i
teurs (xt - xt_ ), le coût total est la forme quadr atique
1
X
t
= A Xt-1 + (I-A) \*
avec A = [C+AJ- 1 A
./,
- 11 -
.! .
- 12 -
On voit sans difficu ltés que l'opérat eur L possède les propriét és
suivante s :
yt = a
0 xt + ç:11 xt-1 + ... + a
n
X
t-n
s'écrit ainsi
:; ip (L)
Yt xt
avec ip ( L) = a
0
+ a1 L +
a2
L2 + ... + a n Ln
./.
z =
t
s a + a
1
+ ••• + a
n
= ~(1)
.
o
A ( L) = ~~ (c1L)r· -- a 0 + a1 L + ... + a
n
Ln
n
r a.
l
=1
i=1
,/.
- 14 -
~, ( 1)
0=A '(1)=
<P ( 1)
d'où
e =e 1 + e2
Lorsq ue (L) est une distri butio n finie . son inver se est une distri
<P
bu-
tion infin ie et vice- versa . On peut ainsi transf ormer
certa ines distr i-
butio ns infin ies en une distri butio n finie de la varia
ble expliq uée Yt•
c'est- à-dir e en une forme autor egres sive finie . Ainsi
en est-i l de la
distri butio n géom étriqu e
<P ( L) = a (1 2 2 n n a
+ ÀL + À L + ••• + À L + ,,,) = _ÀL'
1
./.
- 'l 5 -
· ( a o ·xt + a 1 xt - + ••• + a n xt -n )
1
ou encore
p ( L)
./.
- 16 -
Yt =
OJ
rr w ce J x ct - e J de
T T
s =
0
f w ceJ de T
1
s 0f w ( 0) • 0 d0
./.
* cf, par exemple RGD ALLEN [ Jet les différent s modèles de cycle.
- 17 -
ou encore
(1-À) y - À dy = a X
t dt t
dy = .
-dt
- S xt
00
e
s of 1 -T
yt =
r e X (t-0) d0
d
En utilisan t l'opérat eur D =-· d
ouL = 1- dt, on peut retrouve r
dt
toutes les propriét és précédem ment évoquée s. Nous ne nous étendron s
pas sur l'analys e continue .qui n'est guère utilisab le dans les modèles
empiriqu es, nous allons poursuiv re l'étude des modèles à retards
échelonn és en examina nt les approxim ations les plus courante s c'est-
à-dire d'une part l'utilis ation de modèles autoreg ressifs du premier
ou du second ordre, d'autre part l'approx imation polynôm iale (méthode
d' ALMON).
./.
* Le lecteur désireux d'approf ondir les retards échelonn és en analyse
continue pourra se reporte r à ALLEN ~969 ]p.104. Il faudra toutefo is
transcri re nos notation s. Notre coeffici ent À correspo ndant à (1-À)
dans l'ouvrag e d'ALLEN ,et ce dernier fait correspo ndre la dérivée
a
( 1 ') ~ (L) = -1--À-L-
(2) y = a
o
x + a x -1 + ••• + a x -n + À Y_
1 n 1
(2') ~ (L) =
( 1-ÀL)
a1 + 2 a + + n a À
2 n
e = +
a + a1 + + a 1- À
0 n
./.
- 19 -
a
w. ( 1 ) q, (L) = 1 - ÀL
0
(géométrique)
l
a Ln
0
+ a1 L + + a
n
(2) q, (L) = 1 - ÀL
(i)
o 1 n
(3) y =a X + b y -1 + c Y_z
( 3' ) q, a
( L) =
1 - bL - C Lz
ou plus généralement
n.
+ a1 L + -~~ an L
ao
( 4' ) q, ( L) = ------"""-----
2
1 = bL,;; c L
0 < b < 2
Jcl< 1
1 - b - C > O
. /.
- 20 -
On peut représen ter graphiqu ement la zone des valeurs acceptab les de
b etc (cf. GRILICHES [1967]). Elle est comprise entre la parabole b2 =-4c,
l'axe des ordonné es,et la droite (b+c) = 1 (zone hachurée sur le graphiqu e~
3). Une distribu tion du second ordre peut toujours être considér ée comme
le produit de deux distribu tions du premier ordre. Les paramèt res
À1 et
À2 de ces distribu tions sont les racines de l'équati on caracté ristique :
À2 - b À - C = 0
GRAPHIQUE=(3)=-=DISTRIBUTI0NS=DU=SEC0ND=ORDRE=:=ZDNE=DES=VALEURS
ACCEPTABLES DE b ET c ET FORME DES RETARDS ECHELONNES
--=--================================ ================
racines positive s
inférieu res à 1
§ .10
;s:
racines
plexes racine positive
dominan te
C
-1 +1 01234567891011
./.
- 21 -
I = À (.!_ ) + a TI + d
K K_1
À a Source
Série chronolo gique 56-74 0,52 0,40 P.A,MUET [1978]
N = 19 observa tions (3,5) (2, 7) .f3"àg'B 21-
18 branches X 11 années 0,649 0,288 P.A,MUET [1976]
N = 198 observa tions (15,0) (6,9) page 21
La précisio n des estimati ons que l'on peut appréci er par la valeur
des T de Student des coeffici ents est assez bien représe ntative de ce
que l'on peut attendre d'estima tions sur séries chronolo giques ou sur
données à deux dimensio ns pour d'autres fonction s (consom mations,
demande de monnaie ou demande d'emplo i, encore que dans ce dernier
cas la précisio n soit souvent plus faible).
ET
Cette relation montre rerreur totale est très importa nte lofsque ·le
coeffici ent À est proche deun. ~étaft~ type de À est en effet souvent de
,/.
ET c e J
0, 10 0, 15 0,2 0,3 0,4 0,6 1, 1 2,5 10,0
années
2
0
[(a-â) , 0,- À)] [ a = 2
Le graphi que (4) représ ente cette ellips e pour l'estim ation
la plus précis e (donné es sector ielles- chron ologiq ues), ainsi
que l'inte r-
valle de confia nce du couple (À, ~ ) (parti e droite du graphi
que 4).
1-À
Cet interv alle de confia nce montre .que le coeffi cient à long
terme du
profit , dont la valeur estimé e est 0,82, n'est pas signif icativ
ement
différ ent au seuil de proba bilité de 5 % de toute valeur compr
ise entre
0,57 et 1,02. On remarq uera que cet interv alle de confia
nce est décalé
vers le bas, par rappo rt à la valeur estimé e du coeffi cient
à long
terme.
Ce résult at montre que même dans le cas d'une estima tion précis
e
des coeffi cients de la forme autore gressi ve du modèle , le coeffi
cient
à long terme et le délai moyen sont estimé s avec une
assez grande
incert itude, Aussi ne doit-o n pas hésite r, lorsqu e la théori
e le suggèr e,
à fixer à priori la valeur du coeffi cient à long terme.
Ce sera par
exemp le le cas de l'accé lérate ur flexib le
0
(1 ) + a Q + d
./.
- 25 -
~e~e~1~~5.iil.;.l~I~e~a~~,.~,.~u~~.~~~~.1JU.~o,~~.~.~~I-~-~o~w.1~e~
(MODELE DE PROFIT SUR DONNEES SECTORIELLES CHRONOLOGIQUES)
••••••••c••••--••••••••••=-••a••.......··•..... •••11•••••••••a•••••
â
a
1-À
-,-
1
1
0,40 1
·;,,,,,,,r,.,..,,,;.-- - - - . ,
1
'1
1
0,30 1 0,70
-------~~~~~~~~~~-~- 1
1
'
' 95 , . ~
1
1
0,60
- - - -%,_!A
_,_ - _:....,.""""""""
95
1
0, 20
t - - ..:.. - -
0,5
- -: -
L.-------.,--..&.1--,..,--L---,,r----_,___ _
-
0,5
_.__ _ _ _.___ _ _.....__ _À
Dans les deux modèles , le coeffici ent à long terme ( ~À) doit être ·
1
théoriqu ement égal à un. L'estima tion de ces modèles sur série chrono-
logique annuelle par les moindres carrés ordinair es est très imprécis e
et. dans les deux cas, le coeffici ent à long terme n'est pas signific a-
tivemen t différen t de un. L'estima tion des mêmes modèles sous la con-
trainte d'un coeffici ent à long terme égal à un (c'est-à -dire a=1-\),
peut être obtenue en appliqua nt les moindre s carrés aux équation s
transfor mées
0 0
(a) [ I Q] = À cc.! - Q J + d
K K_1
,/,
- 27 -
a + a L
<p (L) =
0 1
1 - ÀL
./.
- 28 -
À a a1 Nature de l'estimation
0
N = nombre d'observa-
tians
Investissement Industriel 0,73 D, 113 0,093 MCD sur données secto-
Source : V. THOLLON- riel les-chronologiques
POMMERDL, E. MALINVAUD (0,05) (0,026) (0,027) (56-70):N=8x15=120
[1971]
./.
"
- 29 -
a +a =1-À
o 1
I o o I
= (1-À) a Q + (1-'A) (1-a) 0_ +'A (-K) + d + i::
K 1 -1
,/.
.
- 30 -
a À 8-Déla i moyen
Période 1953-19 74 0,672 0,612 1,90
(0,086) (0,053) (0,31)
Période 1956-19 74 0,709 0,618 1,90
(0,100) (0,063) (0,38)
Les deux estima tions du modèle devienn ent cette fois-c i très
proche et la précisi on dans l'estim ation des retards échelon nés
s'amél iore. En utilisa nt comme précéde mment l'inter valle de con-
fiance du couple (a, À), on peut, comme nous le verrons au para-
graphe 3,4, représe nter la forme de différe ntes distrib utions de
retards situées sur la frontiè re de l'inter valle de confian ce (partie
haute du graphiq ue 5),
Les distrib utiorad u second ordre ont souven t été utilisé es pour
estime r les distrib utions de retards sur série trimes trielle . Il
est rare en revanch e que celles- ci donnen t des coeffic ients signif i-
catifs sur données annuel les. Le tableau (6) ci-aprè s indique trois
estima tions de distrib utions du second ordre. La premiè re corresp ond
à une fonctio n d'inves tissem ent estimée sur les séries trimes
trielle s
de l'indu strie manufa cturièr e améric aine par GRILICHES et WALLACE
[1965] :
It = 0,0126 Kt+ 0,0111 qt_ - 0,581 rt_ + 1,150 It_ - 0,331 It_
2 2 1 2
(0,0052 ) (0,0035 ) (0,222) (D,117) (0,109)
,/,
- 31 -
~=a~+ b (¾~ 1
+ C (¾~ 2
+ d,
estimé d'une part sur série chronolog ique 1953-1976 , d'autre part sur
données sectoriell es-chrono logiques (mêmes données qu'au paragraph e
précéden t).
Les écarts types des coefficie nts b etc sont sensiblem ent du
même ordre de grandeur (0,1) dans les estimatio ns sur série chrono-
logique annuelle ou trimestri elle et plus faibles sur données secto-
rielles x chronolog iques (0,06), mais dans ce dernier cas le coeffi-
cient (c) n'est pas sign:i,fica tivement différent de zéro, c'est-à-d ire
que la distribut ion n'est pas significat ivement différent e de la
distribut ion géométriq ue. Ces trois estimatio ns conduisen t en outre à
des distribut ions de retards convergen tes et à coefficie nts positifs
A A
car le couple de coefficie nts (b, c) se trouve dans tous les cas à
l'intérie ur de la zone des valeurs acceptabl es représent ée sur les
graphique s (3) et (5). Nous allons étudier plus en détail l'estima-
tion de l'accélér ateur flexible sur série chronolog ique annuelle 1953-
1974, en comparant notamment les distribut ions du second ordre et
du premier ordre.
./.
- 32 -
Ces deux distrib utions peuven t être caracté risées par leur délai
moyen
a1 À.
81 = a +a
+
1->.. 1er ordre ,
0 1
1
82 = 1-b-c 2ème ordre
./.
- 33 -
a + a
0 1
CLT = 1er ordre,
1 1-À
a
CLT2 = 1 - b 2ème ordre.
Les coefficie nts à long terme et les délais moyens ne sont pas
significat ivement différent s mais la précision des estimatio ns est
meilleure avec une distribut ion du premier ordre. Enfin la variance
résiduell e (somme des carrés des résidus I e 2 ) montre que l'ajuste-
ment de la distribut ion du premier ordre est légèremen t meilleur
que celui de la distribut ion du second ordre.
- b= 0,901 ê = - 0,167 1 - b - C
~ (L) = 2 2ème ordre
(0,099) (0,090) 1 - bL - cL
./.
- 34 ,. .
La précisio n dans l'estima tion des coeffici ents s'amélio re, mais
assez peu cependan t pour la distribu tion du second ordre et surtout,
la diminuti on du coeffici ent c en valeur absolue rend sa valeur estimée
non signific ativeme nt différen te de zéro. Pour juger de la précisio n
de ces deux estimati ons, et pour compare r la forme des retards échelonn és
on a tracé les interva lles de confianc e des couples (a,A) et (b,~) et
représen té d'une part la forme des retards échelonn és des distribu -
tions estimées (courbes en trait plein), d'autre part la forme de
différen tes distribu tions de retards correspo ndent à des points B,
C, D •.. situés aux limites de l'interv âlle de confianc e à 95 %
(courbes en pointill é sur le graphiqu e). La compara ison des deux dis-
tributio ns estimées (courbes A en trait plein) montre tout d'abord
que l'échelon nement des retards est pratique ment le même, que la
distribu tion soit du premier ou du tjeuxième ordre, ce que traduit
égaleme nt la valeur respecti ve des délais moyens (1,9 ans pour la dis-
tributio n du 1er ordre, 2,1 ans pour la distribu tion du second ordre).
La précisio n est en revanche bien meilleu re pour la distribu tion du 1er
ordre.S i l'on trace en effet pour celle-c i les distribu tions de retards
correspo ndant à deux points extrême s de l'interv alle de confianc e
(B et C), on obtient des courbes assez proches de la distribu tion es-
timée, l'incert itude étant marxima le pour un délai d'un an. En parti-
culier, l'interv alle de confianc e ne coupe pas la droite a=1, ce qui
montre que la distribu tion est signific ativème nt différen te d'une
distribu tion géométr ique*.
./.
* le test correspo ndant à un interva lle de confianc e à 95 % est plus
sévère que le test de STUDENT habitue l au S3uil de 5 % (Cf. Annexe) .
- 35 -
./.
--------------------------------------
* Cette analyse est inspirée de z. GR!LICHES [1967], Le lecteur pourra
notamment consulter l~s ijraphiques identiques, ~orrespondant à la
fonction d' invest issenient GRILICHES-WALLACE, pages 30 à 11 32 de
l'article de GRILICHES.
- 36 -
~~~~~!~~~.!~l.;.~!~!~!~~!I~~~.Q~.eB~~!~B.5I.~~Q~~~!~~~-~B~~~~~.!~!~B~ôk~~
~5-~~~e!~~~-~.2~.~-~r.~~B~~~~.B~roe~~-~~~~~2~:!~§
CORRESPONDANTS A DIFFERENTS
....................... POINTS DE LA FRONTIERE
....................... .......
a - Distribution du 1er ordre
0,9
A (ci, À)
O,B
0,7 0.20
0,6
1
0,5 95 %
1
0.10
0,4
---~1 - - j_
1 C 1 1
1 1 :
1
1
'---,,.~..!.·~';:""--:fi- ~~~~~-- À
o,4 o,5 .s 0,1 a.a 1 2 3 4 5 6 7 e 9
1. 5
1
1
1
r -- î_--=-
1
1 I°"
0- - --t-
1
1
1
1
r
{ ~. ~)
1
1
- 1.0
1
1
-o.s 0 0.5
A
C
l 1' 2 3 4 5 (1)
- 37 -
2 2 92 2
cr Z = cr + , cr 8 ,-20
H
ou encore
2 2 2 2 2 2 2 2
8 (G - Ta, crG) - 2 0 (HG - Ta. crHG) + H -T crH =D
,/,
-----------------------· -·" _______ . __ _ ,
8'+ 8" GH - T 0
= a.' GH
8 =
n 2 G2 T2 2
a crG
H
8 =
G
8 = 2, 7 ( 3,3
1, 6 trimestre s
y =
t
./.
* Ce résultat s'appliqu erait à une distribut ion du nème ordre
(G=1-b , .. -b ),
1 n .
** Comme les variables exogènes sont décalées de 2 trimestre s, il
faudrait ajouter 2 trimestre s pour obtenir le délai moyen réel,
- 39 -
Yt = (À1 +)._2) yt-1 - "1 "2 yt-2 + ao xt + (a1 - "2 ao) xt-1
~.~
+ LI
t
a + a L 0
[1] I 0 1 b
= ----- Q + 1T + d
K
1 - >.. L 1 - >..L
1
0
Q est le taux de croissance de la valeur ajoutée
1T est le taux de profit.
,/,
- 40 -
itératio ns 1 2 3 4 5 6
La valeur estimée des coeffici ents ainsi que les écarts-t ypes
sont indiqués dans le tableau ci-après :
A A A
Coeffic ient à Délai moyen
A A
a b LT
0 a1 À.1 À.2 0 0
Q 1T Q 1T
Coeffic ient 0,045 0,077 0,62 0,439 0, 19 0,32 0,54 2,2 0,24
(écart-
type) (0,031) (0,028 ( 0, 11) (0,089) (0,14) (0,14) (0,13) (0,8) (0,22)
itératio ns 1 2 3 4
./.
- 41 -
LT
a a1 À1 bo b1
0 0 0
Q 7T Q 7T
Coefficient 0,045 0,059 0,75 0,408 0,317 0,42 0,73 3,5 0,44
(écart- (0,03ù) (0,030) (0,05) (0,093) (0,131) (0,17) (0,17) (0,9) (0,11)
type)
Or, la validité de cette hypothèse doit être examinée aves soin car
elle affecte de façon cruciale les propriétés de l'estimateur des
moindres carrés, et de plus, on peut penser à contrario que ce sont
les erreurs (Et) du modèle à retards échelonnés qui sont indépendantes
p (L)
• y
t
=
1 - W (L)
./.
- 42 -
Nous allons examiner successivem ent ces trois points, puis les
méthodes d'estimatio n alternative s.
Yt
,
( 1)
{ ut
./.
- 43 -
a • À = - a
0 1
À.
et le délai moyen calculée = + est nul. Ainsi,
+
ao + a1
si le.modèle vrai est le modèle (1), une distribution géométrique (2)
donnera une estimation biaisée du vrai modèle, mais une distribution
du second ordre (3) montrera que l'ajustement est instantané. Il
est souvent possible en pratique, en assouplissant les hypothèses
relatives à la forme des retards échelonnés, d'approcher d'assez près
la réalité économique. Dans le cas présent l'erreur d'interprétation
résultant de l'estimation du modèle (2) peut être corrigée en prenant
une distribution de retards plus souple (3) (le lecteur pourra consul-
ter l'exemple empirique traité par GRILICHES page 34 de l'article cité),
Cet exemple met également en lumiè~e les biais r~sul~nt d'une spéci-
fication incomplète d'un modèle à retards échelonnés. Si la distribu-
tion réelle est en effet une distribution du premier ou du second
ordre, l'estimation d'une distribution incomplète (par exemple géomé-
trique), conduira à une estimation biaisée des délais moyens et des
coefficients à long terme.
./.
- 44 -
y = a X +
t t
et que l'on estim e le modèl e incom plet corres ponda nt
à la distri butio n
géom étriqu e
Yt = a' x + b' y + u•
t t-1 t
On obtie nt en suppo sant que que xt est statio nnair e et
sans
corré lation
plim (b') b
=
1 - C
4.2. Les biais intro duits par l'esti matio n sur petit s
échan tillon s
./.
,/,
- 46 -
Nous avons vu précéd emmen t que les propri étés des moind res
carrés ordina ires n'étai ent valabl e qu'asy mptoti queme nt pour
un
modèle autore gressi f~ Si. en outre les erreur s du modèle autore
gres-
sif sont corrél ées. l'estim ation par les moind res carrés perd
à
peu près toutes ses propri étés :
En partic ulier. les résidu s de l'estim ation par les moind res
carrés sont en généra l moins corrél és que les erreur s du modèle
autore gressi f, si bien qu'il n'est pas possib le d'appr écier
correc te-
ment la liaiso n des erreur s à l'aide du test de OURSIN et WATSON
.
Dans le cas d'une autoco rrélati on du premie r ordre :
p
h =
/lN - Var
~
(À)
Soit asymp totique ment une loi norma le centré e réduit e si p=o.
L'hypo -
thèse p=o peut être par exempl e rejeté e au seuil de proba bilité
habi-
tuel si h > 1,64.
./.
- 47 -
avec
. À - p
plim \ = -----
1 + Àp
Yt = a xt + À yt-1 + d + Et
améliore cependant les qualités de l'estimation par les
moindres carrés, notamment lorsque la variabilité de celle-ci excède
celle des erreurs (cf. E. MALINVAUO [1969] chap. 14). Le biais asymp-
o:2 2
totique dépend en effet principalement de la grandeur a =Le=-z--, où crE:
a cr
X
2
est la variance des erreurs, crx celle de la variable exogène xt. Avec
par exemple À= 0,6 et p = 0,5, le biais est égal à 0,25 en l'absence
de variable exogène, il tombe à 0,20 si la variable exogène à une
faible variabilité (a=1) et 0,08 si elle a au contraire une forte varia-
bilité (a=0,25),
./.
- 48 -
p (L)
(1 ) yt = 1 - W (L)
( 3) Ut = [ 1 - W ( L)] Et
(2)
,/.
- 49 -
./.
a
(1) Yt =
1- ÀL
t-1 00
yt = E Ài + Àt E Ài X
xt-i -i
i=o i=o
00
t t-1
À + a E
i=o
./.
- 51 -
,t a zt
( 3' ) Yt = a 0 + + E:t
t-1
avec = L Ài
zt xt-i
i=o
2
(1+\ ) - À o 0
2
= a \ (1+/)-\
0 0 0
,/.
- 52 -
-1
ut = (1-).L) (1-pl) \·
dont le coefficient d'autocorrélation d'ordre k est
. /.
- 53 -
,/.
* Cette remarque ne manque pas d'intérêt au terme d'un long ouvrage consa-
cré à l'étude analytique de méthodes d'estimations souvent furt "sophisti-
quées·".
- 54 -
GRAPHIQUE=(7l=-=VARIATIONS=OU=COEFFICIENT=D'AUTOCORRELATI0N
OU PREMIER ORDRE DES ERREURS DE LA FORME AUTOREGRESSIVE AVEC
=============================================================
• • • • • • • • • • • • • • • • • • • • • •
0,9 •
•
•
• •
•• •
•
•
•• •
• •
•
•• •
••
•
•• •
0,6 • p=0,9 •
•
•• •
•
•
•
••
•
••
•
•
•
0,3 •
•
•
•
•
•
•
•
•
0 •
•
•
•
•
•
•
••
•
••
-0,3 •
•
---·••
•
•
•
•
•
•
•
•
•
•
-0,6
•
•
-•
•
•
•
•
•
•
•
• À.
•
- 55 -
0
I I
= a Q + C (-) + d,
K K_2
,/.
- 56 -
A A
'
â b C R2 DW I e2 .10- 4
MCD (1953-197 4) 0,246 0,896 -0,202 0,93 2,7 1 , 21 -
(5' 7) (8,9) (2,0)
VI (1953-197 4) 0,233 0,994 -0,269 - 2,8 1,28
( 5, 1 ) ( 7, 1 ) ( 1 , 5)
CDRC (1954-197 4) 0,259 0,997 -0,298 0,92 2,2 0,95
1
p = - 0,19 (2,5) (4,6) (10,1) (3,4)
Les trois méthodes donnent dès coefficie nts très voisins et non
significat ivement différent s. En particuli er, des coefficie nts estimés
par la méthode de COCHRANE~DRCUTT et par la méthode des variables
instrumen tales sont pratiquem ent identique s. Leur comparais on avec les
estimatio ns des moindres carrés peut donner une idée du biaisffiym pto-
tique : b serait ainsi sous-estim é de 0,10 et la valeur absolue de
(ê) le serait un peu moins (0,07 à 0,10), Pour les deux coefficie nts,
la différenc e est de l'ordre 9e l'écart-ty pe et n'est donc pas signifi-
cative. Ainsi, en dépit d'une corrélatio n évidente des erreurs du modèle
autoregre ssif (~ est significat ivement différent de zéro), le biais
reste inférieur à la précision de l'estimat ion. On remarquer a enfin
que la précision des variables instrumen tales est plus faible que celle
des moindres carrés et que la méthode de COCHRANE-DRCUTT donne l'esti-
mation la plus précise pour les coefficie nts b etc.
(1 )
./.
- 57 -
(1) w = S + s
e o 1
e + ••• + s
r
er e = o, ... , s
w
0 1 0 0 ... 0 Bo
10 11 12 ... 1r
w1 S1
(2) r < s
=
0 1 2 r sr
w s s s s
s
(3) y
t =s 0 (xt + X
t-1 + • • • + + •••
+ S X ) + •• • + f3 r r
t-s r (xt-1 + 2 X
t-2 + • • • + S X
t-s ) + Et
(3) yt = s 0 z ot + S1 2
1t
+ ... +. s
r
z
rt
+ Et
où 2
it = (xt-1
+ 2i
xt-2
+ ... + s i xt .)
-i
./.
- 58 -
w= s s
où S est la matrice précédem ment définie.
s 0
c!J = E we 0
t-6
+ C t + d
Qt 6=o
0
Q est la production Q sont taux de croissance, I l'investissement et
t un trend temporel représentant l'augmentation tendancielle du taux
d'investissement non expliquée par le modèle d'accélération. La dis-
tribution de retards est supposée être un polynôme du troisième degré,
sans contrainte aux extrémités de l'intervalle [0,5]. Selon l'usage
habituel, s est déterminé en cherchant le minimum de la variance rési-
2
duelle (ou le maximum du R ), pour différentes valeurs de s. Le graphique
2
(7) représente la valeur du R et la forme des distributions correspon-
dant à différents échelonnements des retards (5 ~ s ~ 10 trimestres), Le
maximum correspond à s = 9 trimestres mais la valeur des coefficients
w n'est plus significativement différente de zéro au-delà de 7 trimestres
6
et en outre, les distributiors de retards obtenues pour des valeurs des
comprises entre 6 et 10 trimestres sont pratiquement confondues, aussi
peut-on retenir la distribution correspondant à s = 7 trimestres dont
les coefficients estimés sont tous positifs et significativement diffé-
rents de zéro.
Dans l'estima tion considé rée, le logiciel utilisé (TSP) estime directe-
ment les coeffici ents S. du polynôme :
1
1 r
we = s1 + s2 ( s+
0+21 ) + . .. + s r+ 1 ( e \ 1 )
s+
s 6 7 8 9 10
A
,/'
- 61 -
A
w&
0,20t-----,-----.------r-----,-----.
Val!urs d'!.. c_oeffic!ent de corrélation multiple RI
Structure des retards
:.
0,94 l - - ' - R - - - - - - - - - - - - - - - - - - - - 1
0,9()L---------------------1
0,88
0
0,86
s Trimestres Trimestres
0,85 :..0,050
3 4 5 6 7 8 9 10 11 2 3 4 5 6 7 8 9 10 e
./.
- 62 -
w= s . 8
on a donc
Q
ALMON
0
f\, x2
(j
2 N - Cr+1) - 2
Q1
MCD -2- f\, x2
(j
N - (s+1) - 2
x2
s-r
N - r - 3
> Fs-r, N-r-3 (a)
s - r
et Qo - Q1 31
= 1,12 "<
F4,31 (0,05) = 2,7
Q1 4
./.
- 64 -
w par les moindres carrés ordinaires pour s=7. L2s retards échelonnés
0
obtenus ainsi sont très proches de la distribution polynômidle
estimée comme le montre le graphique ( 9), Il en est de même délais
moyern et des coefficients è long terme comme cela apparait dans le
tableau (10) ci-après.
Délai 2
I: e
CLT* moyen R2 D
ceJ* . 103
Distribution 1, 02 3,00 0,928 1,5 0,2028
Polynômiale (r=3) (0,18) (0,45)
./.
- Ô~) -
r;RAPHlQl!E rq l - F~ETARrlS ECIH:UlNN[S DE L'ACCELERATEUR fl[XItlLE :
••~Qmu~••~~~~••••a•• ~œ~~~--~~•••••••••••••• ••••••••~•m•~••••••=
0,20
. i
0,20
-, 1
-, o. 15
-1
'
'' 1 r
0. 10 '' 1
'
--4
V \ \
\
1 ',, \
a.os!__ _ __ _ ~ ___ ~ 0,05 _
-,'
1 '
Mn:lncJn1s carrés \ 1 Distribution Polynômiale \
1 orclindi re:;; \ (r•3) \
! \ 8+1 -1
1 \
e
w ., t3i (-9-)
o, ud___,....--,-----~-....,---~~---' n,oo ---:-..---t----+
----......--1--..J
lJ 1 2 3 4 5 6 7 8 0 1 2 3 4 5 6 7 Il
- 66 -
Les biais induits par une spécifica tion erronée du polynôme ont
été mis en évidente par SCHMIDT et WAUD [1973], puis étudiés par
SCHMIDT et SICKLES [1975] st P,A. FROST [1975],
2 0 1 0 3 2 1 1 0 1 0 1 10
r* =3 0 1 2 1 0 0 3 2 0 5 2 16
4 0 3 2 1 2 0 0 1 1 4 5 19
5 1 1 2 1 0 2 4 1 2 2 2 18
6 4 1 7 4 4 1 3 4 2 2 5 37
Total 5 7 13 10 8 4 11 8 6 13 15 100
.! .
- 68 -
s
Yt = E we xt-e + d
e=o
r
E 8 E [ o,oo [
i=o
6 - CONCLUSION GENERALE
.!.
- 69 -
,/.
•
En ce qui concerne enfin l'estimation des distributions polynô-
miales (ALMON) par »balayage» sur le degré (r) et la longueur des
délais (s), il faut se souvenir qu'elle a teridance en règle générale,
à surestimer ces deux paramètres. En outre, afin de ne pas imposer
une contrainte à priori, non conforme à la réalité, il i~porte de
tester la validité de l'hypothèse retenue pour la distribution poly-
nômiale. Le test simple d'analyse de la variance suggéré par DHRYMES
devrait à cet égard devenir classique pour ce type de modèle.
•
- 71 -
• REFERENCES=BIBLIDGRAPHIQUES
ANOD A,K,, MODIGLIANI F., RASCHE R., TURNOVSKY S.J. (1974)- "On the role of
expectations of price and technological change in an
investment fonction" - International Economie Review -
Vol. 15 - n°2,
FOUQUET O., CHARPIN J,M., GUILLAUME M., MUET P.A., VALLET O. (1978) - "Le
Modèle OMS" - Collections de l'INSEE - C 64-65.
./.
- 72 -
•
FRIEDMAN M.• (1957)- "A Theory of the Consumpti on Function" - Priceton Univer-
sity Press, Princeton .
FROST P.A (1975) - "Sorne propertie s of the Almon Lag Technique when One
Searches for the Degree of Polynomia l and Lag" - Journal
of the American Statistic al Associati on - Vol. 70 - n°351 -
pp. 606-612.
FULLER W,A .• MARTIN J.E. (1961) - "The Effects of Autocorre lated Errors on
the Statistic al Estimatio n of Distribut ed Lag Models" -
Journal of Farm Econbmics - 43 - pp, 71-82.
GODFREY L.G., POSKITT O.S. (1975) - "Testing the Restricti ons of the Almon
Lag Technique " - Jburnal of the American Statistic al Asso-
ciation- Vol. 70 - n° 349 - pp. 105-108,
GOULD J.P. (1968) - "Adjustme nts costs in the theory of ~vestmen t of the firm"-
Review of Economie Studies - Vol. 35 - n° 1,
GRILICHES z., WALLACE N, (1965) - "ThE;i Qetermina nts of Investmen t Revisited "-
Internati onal Économie Review - 6 - pp. 311-329.
HENIN P.Y .• PAULRE B., POUCHAIN M. (1976) - "Les comportem ents d'entrepr ises
r
comme processus d'ajustem ent : le modèle RAMAJE" - Associa-
tion Cournot.
HILDRETH c .• LU J.Y. (1960) - "Demand Relations with Auto-corr elated Disturban ces"
Michigan State Universit y, Agricultu ral Experime ntal Sta-
tion, Technical Bulletin 276.
HOLLY A. (1978) - "A note on tests of serial correlatio n based upon instru-
mental variables estimator s" - CEREMADE (Universi ty of
Paris IX-Dauphi ne) - L~boratoi re d'Econom étrie de l'Ecole
Polytechn ique,
./.
•
- 73 -
•
HOUTHAKKER H.S •• TAYLOR L.O. (1970) -"Consumer demand in the United States
Analysis and projections"-Havard University Press -
Cambridge Mass - 2d édition.
LUCAS R.E. Jr. (1967) - "Optimal Investm~nt Policy and the Flexible Accelerator"-
International Economie Review - 8 - pp. 78-85.
de MENIL G., YOHN F. (1974) - "La formation de capital fixe des entreprises"
Annales de l'INSEE n° 26-27 consacré au modèle METRIC.
MORTENSEN D.T. (1970) - "A theory of wage and employment dynamics" - in PHELPS-
"Microeconomic foundations of Employment and inflation
theory" - New-York - NORTON.
./.
- 74 -
•
MUET P.A., ZAGAME P. (1976) - "Fonction d'investisse ment et retards échelon-
nés" - Annales de l'INSEE n° 21,
NADIR!, ROSEN (1974) - "A desequilibri um model· of demand for factor of pro-
duction" - American Economie Review.
NAGAR A,L,, GUPTA Y.P. (1968) - "The ~i~s of Liviatan's Consistent Esti-
mator in a Distributed Lag Madel" - Econometric a - 36 -
pp. 337-
NERLWEM. (1958)- "Distributed Lags and Demand Analysis fo~ Agricultura l and
Other Commodities " - U.S Department of Agriculture , Agri-
cultural Marketing S~rvice, Agiicu1tura l Handbook - n° 141-
Washington,
NERLOVE M., WAGE S. (1964) - "On the Optimality of Adaptive Forecasting " -
Management Science - 10,
SCHMIDT P., WAUD R, (1973) - "The Almon lag technique and the monetary
versus fiscal poli·cy çlebate" - Journal of American
Statistical Association
·, - Vol, 68 - n° 341.
SCHMIDT P. (1974) - "A Modificatio n of the Almon Distributed Lag" - Journal
of the American Statistical Association - pp. 679-681.
SCHMIDT P., SICKLES R. (1975) - "On the Almon lag technique" - I.E.R -
Vol. 16 - n° 3.
SHILLER R,J. (1873)- "A Distributed Lag Estimator Derived from Smoothness
Priors" - Econometric~ - pp.775-788.
THEIL H., STERN R,M. (1860) - "A Simple Unimodal Lag Distribution" -
Metroeconomica - 12 - pp. 111-118.
ULLAH A,, RAJ B. (1878) - "A Polynomial Distributed Lag Madel with Stochastic
Coefficients" - Communication au congrès europeen de la
Société d'Econométrie Genève.