Académique Documents
Professionnel Documents
Culture Documents
Économétrie II
L3 Économétrie – L3 MASS
Année 2014-2015
Économétrie II
Ch. 8. Introduction aux systèmes d’équations
Modèle SUR
0 1
0 1Xi1 0 0 ··· 0
yi1 B 0 Xi2 0 C
B yi2 C B C
B C B .. C
Yi = B . C, Xi = B B 0 0 . C
C
@ .. A B .. .. C
@ . . 0 A
yiG
0 0 · · · 0 XiG
Xig = xig 1 xig 2 . . . xigkg
0 1 0 1
b1 bg 1
B b2 C B bg 2 C
B C B C
b = B . C, bg = B . C
@ .. A @ .. A
bG bgkg
Économétrie II
Ch. 8. Introduction aux systèmes d’équations
Modèle SUR
SUR
SMCO
Estimateur SUR
Commande Gretl
I Model ! Simultaneous eqs (même si ça n’en est pas)
I Fenêtre blanche
I equation : hrearn educ exper expersq tenure tenuresq union south
nrtheast nrthcen married white male
I idem avec hrbens
Économétrie II
Ch. 8. Introduction aux systèmes d’équations
Données de panel
Introduction
ai ⇠ a, sa2
eit ⇠ 0, se2
Économétrie II
Ch. 8. Introduction aux systèmes d’équations
Données de panel
Modèle équicorrélé
FE contre RE
I Pas de i pour a
I Pas d’effet panel : comme MRL
I Mais Hétéroscédasticité & Autocorrélation de type
“bloc-diagonal”
I En résumé 3 modèles panel linéaires non-dynamiques
I FE
I RE
I Groupé
Économétrie II
Ch. 8. Introduction aux systèmes d’équations
Estimateurs
Estimateur 1 : MC groupé
Between 2
Within 2
Within 3
Nous nous intéressons au cas où les effets individuels sont traités
comme des paramètres nuisibles que l’on peut ignorer car notre seul
intérêt est b
I Les effets individuels ai peuvent aussi être estimés via
0
âi = ȳi x̄i b̂W
I En panel courts, ces âi sont inconsistants, mais leur distribution
ou variation peut être informative
I Si N pas trop grand, on peut aussi estimer par MC avec
dichotomiques individuelles
I Estime directement âi par MC de yit sur xit et les N
dichotomiques individuelles
I C’est la même chose que l’estimateur within + le calcul
0
âi = ȳi x̄i b̂W
Économétrie II
Ch. 8. Introduction aux systèmes d’équations
Estimateurs
Within 4
Une limitation majeure de within est que les coef des régresseurs
chronoconstants (time-invariant) ne sont pas identifiés car si xit = x̄i
alors x̄i = xi et (xit −x̄i ) = 0
I Souvent, c’est un important objet d’études
I P.e. effet du genre ou groupe ethnique sur le salaire
I Pour cette raison, bcp de praticiens préfèrent utiliser l’estimateur
RE qu’on verra après
I RE (et MC groupé) est par contre inconsistant (pour b et ai ) si
les ai sont corrélés aux eit (si FE est le modèle correct)
I Il vaut sans doute mieux estimer FE (consistant pour b ) et
0
calculer âi = ȳi x̄i b̂W (inconsistant)
Économétrie II
Ch. 8. Introduction aux systèmes d’équations
Estimateurs
Output
Économétrie II
Ch. 8. Introduction aux systèmes d’équations
Estimateurs
Marginal Cost
Output
Économétrie II
Ch. 8. Introduction aux systèmes d’équations
Estimateurs
Marginal Cost
Output
Économétrie II
Ch. 8. Introduction aux systèmes d’équations
Estimateurs
Marginal Cost
Output
Économétrie II
Ch. 8. Introduction aux systèmes d’équations
Estimateurs
Différences premières 2
Rappel : MCG 2
Effets Aléatoires RE 2
I Le MCG faisable du modèle RE, appelé estimateur RE / effets
aléatoires peut être calculé à partir de l’estimation MCO du
modèle transformé suivant :
⇣ ⌘ ⇣ ⌘0
yit l̂ ȳi = 1 l̂ µ + xit l̂ x̄i b + nit
Effets Aléatoires RE 3
I Le scalaire non-aléatoire µ est ajouté de telle sorte que le terme
d’erreur nit puisse avoir espérance nulle
I Sur le fond µ n’a guère d’interprétation, peut-être comme une
espérance des ai
I On ne détaille pas la dérivation de l’estimateur RE ni les façons
d’estimer sv2a et sv2e (qui servent à estimer l)
I Notes :
I l̂ = 0 correspond à MC groupé
I l̂ = 1 correspond within
I l̂ ! 1 lorsque T ! •.
I b̂RE est un estimation en 2 étapes de b
I L’estimation des covariances de ces estimations doit en tenir
compte
Économétrie II
Ch. 8. Introduction aux systèmes d’équations
Estimateurs
Effets Aléatoires RE 4
En résumé
Modèle
Estimateur Effets individuels
Groupé
FE RE equicorr
MC groupé C + IE IC C + IE
Between C + IE IC C + IE
Within FE C + IE C + E? C + IE
Diff 1ères C + IE C + E? C + IE
Effets aléatoires RE C + E? IC C+E