Académique Documents
Professionnel Documents
Culture Documents
INTRODUCTION A
2012 2011 2012
Introduction à
[Tapez le sous-titre du document]
NOMETRIE Page 0
H34VEN
Cours pour Licence 3, Semestre 5 Année 2011-2012
INTRODUCTION A 2011 2012
Cours magistral
Merci de les signaler sur le forum de la faculté de sciences économiques de l'UM1, à cette
adresse :
NOMETRIE Page 2
INTRODUCTION A 2011 2012
P.005
Chapitre I P.009
Chapitre II P.031
NOMETRIE Page 3
INTRODUCTION A 2011 2012
NOMETRIE Page 4
INTRODUCTION A 2011 2012
-ce que ?
1°) 1980 : Lawrence KLEIN (Premiers modèles macro-économétriques, analyse des fluctuations et
croissance)
l
4°) 2000 : Daniel McFADDEN (Analyse des choix discrets en économétrie)
5°) 2003 : Robert GRANGER & Clive ENGLE (Co-intégration & Volatilité des séries temporelles et des
modèles ARCH)
Bibliographie :
LABROUSSE, , DUNOD
BOURBONNAIS, , DUNOD
I. -économétrique
NOMETRIE Page 5
INTRODUCTION A 2011 2012
En Allemagne se met en place la Statistique descriptive qui se situe dans une description globale des
états. Hermann CONRING (1606 1681) qui conçoit la statistique comme un moyen de
classer des savoirs.
repose sur l’utilisation du technique, statistique simple pour
Arithmétique politique (Dépouillement des registres et des paroisses
des baptêmes, des mariages et des décès). On construit des tables de mortalités et on calcule des
espérances de vie. t
William PETTY a contribué lui au développement de la Statistique démographique.
Karl PEARSON développe le coefficient multiple et montre le lien avec les coefficients de corrélation
simple
George YULE
Evelyn HOCKER est le premier à étudier des variables retardées dans les modèles de régression.
moderne : Henry
MOORE nation des salaires, des fonctions de demande et des
cycles de périodicité. Sa démarche consiste à prouver que les mathématiques et la statistique
peuvent servir de révélateur empirique et autoriser une interprétation concrète des phénomènes
économiques.
américains qui jouent un rôle essentiel dans la détection statistique des cycles. Il faut observer,
analyser, systématiser les phénomènes de prospérité, de crise et de dépression.
En 1920 apparait le premier institut de conjoncture. A la même époque est créé le National Bureau
of Economics Research (NBER). Son rôle étant basé sur la recherche économique empirique.
: Des
t piesidentFisher
contact avec la et propose 2 projets :
- Financer
- Financer une organisation de recherche sous son patronat
Dans les années 1930, la revue Econometrica est créée, le premier numéro sort en Janvier 1933, son
Ragnar FRISCH.
COWLES
Parallèlement
retrouve les modèles de BOX et JENKINS. On estime alors des Processus univariés pour réaliser des
prévisions.
A. Les années 70
Cela ouvre cependant la voie à de nouveaux modèles, notamment les modèles Vecteurs Auto
Régressifs (VAR). Se développent en même temps les analyses de la Causalité.
Les Tests de racine unitaire de MICKEY-FULLER, les modèles ARMA, la modélisation ARCH, les
modèles LOGIT-PROBIT, les modèles de BOOSTRAP et les modèles bayésiens apparaissent dans les
années 1980.
NOMETRIE Page 7
INTRODUCTION A 2011 2012
NOMETRIE Page 8
INTRODUCTION A 2011 2012
Le modèle économétrique est une représentation simplifiée mais la plus exhaustive possible
représenté par des équations, le plus souvent linéaire. Dans ces équations, nous avons 2 types de
variables :
Soit
so
YoY n
Yuu
NOMETRIE Page 9
INTRODUCTION A 2011 2012
-
chronologique
Le modèle en série temporelle, notée dealdative
Le modèle en coupe instantanée, notée 灬n
-
t.tl
- Le modèle de PANEL, notée
钢 hg
Il existe deux méthodes permettant de calculer alpha et beta
Yt Yie
La méthode des Moindre Carrées Ordinaires (MCO)
empiriqneG
-
- La méthode du maximum de vraisemblance ienrenr
douiqunhpnt.tt
hypothèses de base soit vérifié.
Les hypothèses du modèle
1) est une variable contrôlée -à-
正态性
2) :
expliqués par la régression et qui se retrouve dans tendent à se compenser
3) homoscédacticité : u que la variance des est
signifie
4) :
i La distribution des , qui
correspond à celle des Men
est indépendante de celle des , qui correspond à celle des
eueust.li
-> les erreurs sont non corrélées
Nous avons donc 3 quantités inconnues dans notre modèle
nmiiityfhiōǖci哥
-
-
41 cnn.ci ⽐试了⼀ ⽐巧 们
Ah
II.
Mco
La méthode des MCO consiste à retenir comme estimateur de et ce qui résulte de la
minimisation de la somme des carrés des écarts, écart entre la valeur observée de la variable
endogène (rappel : expliquée) et la variable calculée de cette même variable endogène, écart
droite de régression.
NOMETRIE Page 10
INTRODUCTION A 2011 2012
㐽 N
n n n
Point de nuage
ix it
哔
Équations normales
fxieij.piixi
xneii
I
ㄈ ⼼不 iiliuxt.in
i 中⼼ 间 itnli
过Yi ilt.li ⼼ ⼼脏⻔
T.IYi ifia ziyttai.it 刻
器 1Tttnàtzfxt
2⼯作 _àfxt 0
ni na pnxio
i ni ii ix
2 l zxif.inttfxi
hyttzixtzpixttzftl
tlyt jxttit px.it
E
NOMETRIE Page 11
INTRODUCTION A 2011 2012
⽤
忷 缝
嬲⼼㹪1
胸
Nnpleth
iii
炸 i
噝
i.pl
n ⾮必 T
兼
I
_Tat
f
i iii
liin
兼
MCO
NOMETRIE Page 12
INTRODUCTION A 2011 2012
Valeurs centrées :
1) Les estimateurs des MCO sont des fonctions linéaires des estimateurs de Y. Pour
conséquence, comme dépend de , est une variable aléatoire. De ce fait, et sont
aussi des variables aléatoires. Ainsi, et obéiront à une loi Normale
2 下⼀ i
Propriétés de
Fonction linéaire de Y
Comme dépend de , est une variable aléatoire. De ce fait, sont des variables
tfpzoknpptliuneimaturensansbiai.si
aléatoires. Les sont des constantes fixés dans les échantillons.
NOMETRIE
tl on a Page 13
INTRODUCTION A 2011 2012
NOMETRIE Page 14
INTRODUCTION A 2011 2012
- Calcul de variance de
- Calcul de la variance de
NOMETRIE Page 15
INTRODUCTION A 2011 2012
- Calcul de la covariance de
Si est minimal, la variance est elle aussi minimale. On a donc un problème de minimisation
sous contrainte.
NOMETRIE Page 17
INTRODUCTION A 2011 2012
Or
B. Propriétés
1)
Estimateur convergent
sont des estimateurs linéaires de , ils sont aussi sans biais, convergents, de variance
Best Linear Unbiased Estimator (BLUE)
ōi
⼆
𣳈不
⼆
点 his
on_no
Comme les estimateurs sont des estimateurs linéaires de , qui dépendent de l'aléa
estimateurs sont aléatoires et obéissent à une loi normale
啊 TT Mm o
in
前前
idà 服从n
上粣
的 尛丽
A. Estimations par intervalle de confiance dex etdeP
⺕
fP 世
Eei
了
i
n 2 三 tiny
l ni
On einen parameter
IS
NOMETRIE Page 19
INTRODUCTION A 2011 2012
v XEUENK.nl
1 1
1 finn
7 1 in
㫵 i.TL
⼗ 在只
了
只
kxi kxi
1 I n
P ti If If IT n_n
if
Proline⼆⽇
x.i.lrpiprdolxcxco.IT
inwnnu
Man
KAPPEL T
in t
n
he 1 1
six
pfhi.IM
fn
⼗
只
1 1
在只
ii
哔囇 in
𠠬
政 政 灬 的
NOMETRIE Page 20
INTRODUCTION A 2011 2012
Test sur
Problème :
__n
I 哭嵌
B. Test des paramètres ⻔
管步
tiii 嚠1
Test sur
110
siHour
RDD :
-
-
Si
Si
aiello
alors
alors
acceptée au risque
rejetée au risque
Il faut rejeter pour avoir une relation linéaire cela revient à tester la validité du modèle.
NOMETRIE Page 21
INTRODUCTION A 2011 2012
RDD :
i
- Si acceptée au risque
- Si rejetée au risque
锼
1 ftp
He
䵼
RDD :
- Si acceptée au risque
- Si rejetée au risque p
RDD :
- Si acceptée au risque
- Si rejetée au risque
Test de :
RDD :
- Si acceptée au risque
- Si rejetée au risque
C. Etude de la corrélation
Le coefficient de corrélation est le coefficient qui mesure le degré de covariation linéaire entre
et -à-dire la manière dont varient ensemble les variables linéaires
• Propriétés
-
4
昨 -
ryxiniiiiiiiya.tn
variables
Relation entre
Yi.it Ì t
reii in推测 业
N
雌
eiji
NOMETRIE Page 23
INTRODUCTION A 2011 2012
t t
a f 术 Xth
c 7
腓
SUI ⼆
Variance totale = Variance résiduelle + Variance expliquée
lcktsni.int
faible, plus le modèle sera précis et exact.
meilleur
⼼
惩 it if
RE 以⼼
f 以灿
NOMETRIE Page 24
INTRODUCTION A 2011 2012
Et
T T
点 n_n 三
Fu ⼼
下 Mon
所n_n
灬
杺
仨 笑卡 u
点 森 fi
Hijo Hi to
kbn.si 品 灬 c Fun
si
品 n_n 扣 灬
p
N
Cette hypothèse revient à tester la validité globale du modèle et donc tester la corrélation de
type linéaire entre et .
RDD :
NOMETRIE Page 25
INTRODUCTION A 2011 2012
Degré de liberté
Origine des variances Somme des carrées des écarts DDL Carrés moyens
Variance expliquée 1
let
Variance résiduelle
u
Variance totale
y On calcule séparément, on montre que
RDD :
Prévoir la valeur moyenne de la variable expliquée pour une valeur donnée de la variable
explicative connaissant la valeur .
On construit un intervalle de confiance de cette valeur
1
Rho
NOMETRIE Page 26
INTRODUCTION A 2011 2012
- Calcul de variance de
2
: Sachant que
NOMETRIE Page 27
INTRODUCTION A 2011 2012
Y ⼆xtpxota
yiitpx.TN
代们 厩
哦⼘城城
⼆
tliltx.tl
⼆
Xtpx
N
ii icxi
⼆
Ǘtǖixi
Exit n Tun T
⼀ ⼰
忙nT
T
i
幽
1 1
U
NOMETRIE Page 28
INTRODUCTION A 2011 2012
Il convient donc de chercher la loi de : Comme obéit à une loi normale, obéit à
une loi normale aussi.
Les estimateurs sont biais, donc ils disparaissent quand ils sont soustraits aux
paramètres.
et de variance
NOMETRIE Page 29
ix
Est-ce que le point de nuage de régression obtenu par ce couple de valeur YoY
Est-ce que ce point peut être considéré comme appartenant à la droite de régression
U
tl
1
1 1
U
幽 以
RDD :
兹1幻
- Si acceptée au risque de première espèce
- Si rejetée au risque de première espèce
NOMETRIE Page 30
INTRODUCTION A 2011 2012
normalit
hemothiitemenantowuh.to
hypothèses et on va les tester. Nous sommes donc amenés à nous poser trois questions :
– Comment déterminer un nouvel estimateur pour a ?
– Comment détecter une éventuelle autocorrélation des erreurs ?
– Quelles méthodes d’estimation doit-on utiliser ?
I.
- Le test de Skewness-Kurtosis
- Le test de Jarque-Bera
A. Test de Skewness-Kurtosis
Test de Skewness
Hi pas
Skene mi
t (6 et pas !!)
ri
six
i
rp rrd.ly 䇮 红则
i
RDD : Prob
I ⽚ th
- Si acceptée au risque
𨰻
- Si rejetée au risque
Test de Kurtosis :
Hipas
Kurt A
4
Kurt : Le coefficient d’aplatissement de Pearson
NOMETRIE ri Page 31
INTRODUCTION A 2011 2012
RDD :
- Si accepté au risque
- Si rejetée au risque
B. Test de Jarque-Bera
Hi nonnormal
RDD :
- Si accepté au risque
- Si JB rejetée au risque
II. Le problème de
della
A.
Les erreurs sont inconnues. Seuls les résidus apportent une information sur les
erreurs tion concernent donc les résidus.
corrélogramme.
NOMETRIE Page 32
INTRODUCTION A 2011 2012
Exemple :
retard
non autocorrélation. Cela signifie que toutes les autocorrélations successives doivent être
significativement proches de 0 (barres courtes).
résidus :
Autocorrélation positive
Autocorrélation négative
NOMETRIE Page 33
INTRODUCTION A 2011 2012
B.
C.
D.
1 : le test de Durbin-Watson
⼆
lift n tnt
Abs
Hi Pto
0 2 4
Autocorrélation Autocorrélation acceptée Autocorrélation Autocorrélation
positive négative positive négative
Si
k
NOMETRIE Page 34
INTRODUCTION A 2011 2012
ARIK
RDD :
- Si acceptée au risque
- Si rejetée au risque
III. Le
A. Glejser
RDD :
- Si acceptée au risque
- Si rejetée au risque
B. (processus) ARCH
Multiplicateur de Lagrange
IM
NOMETRIE Page 35
INTRODUCTION A 2011 2012
RDD :
C. White
explicatives à
niveau ( ) et avec aussi le carré de ces variables.
(Homoscédacticité)
RDD :
- Si acceptée au risque
- Si rejetée au risque
Il existe une deuxième façon de faire le test : on utilise la statistique de Fisher, comme
pour le test du paramètres.
D. Goldfeld-Quandt
Ce test -
NOMETRIE Page 36
INTRODUCTION A 2011 2012
Homoscédacticité
Hétéroscédacticité
RDD :
- Si acceptée au risque
- Si rejetée au risque
NOMETRIE Page 37
INTRODUCTION A 2011 2012
RDD :
- Si acceptée au risque
- Si rejetée au risque
B.
On appelle la somme des carrés des résidus du modèle sur toute la période, la
somme des carrés des résidus de la régression sur chaque sous-période (
sous-périodes).
RDD :
NOMETRIE Page 38
INTRODUCTION A 2011 2012
Comme on ne peut pas comparer les deux coefficients de corrélation, Fisher a proposé
:
RDD :
NOMETRIE Page 39
瞧 end
笮 nhdep.int
1
i
8 Ī
巓
⼆次的
if if D1AGN
diagonale
⼀
hi
多重共线性
9cm
A
lananauoddetlAkanan
an.tn
名
fermion
名
名
conti exh
⼀
Hddi⽐
1 到
11 in
三
Hdhé