Les modèles de panel ont toujours été au centre de la recherche économétrique et ont
été largement utilisées dans la recherche économique appliquée; en effet l’analyse de
l’activité économique connue par son hétérogénéité 1, d’un territoire à un autre, nécessite généralement, pour nuancer ses théories, des modèles qui représentent en mieux la réalité En mettant l’accent sur la modélisation et la représentation des phénomènes et des mécanismes économiques, et qui posent aussi la question sur la pertinence de ces mécanismes d’un territoire à un autre. Les analyses récentes dans le domaine de l’économie en générale et dans le domaine de l’économie de développement en particulier ont mis en lumière une autre caractéristique fondamentale des phénomènes économiques, c’est leur dimension spatiale. En effet on reconnait que des territoires et des espaces connaissent des progrès économiques plus prononcés que d’autres, cependant, l’attention sur la répartition géographique de ces succès économiques n’a gagné en intérêt que récemment, en effet ; on parvient à constater que les espaces qui connaissent les plus forts succès economiques sont souvent polarisés et concentrés géographiquement. Ainsi plus que l’on s’éloigne de ces centres moins le progrès économique est important. Ce constat s’est reflété par divers développement en économétrie, en effet les derniers modèles de panel, qui s’intéressent aux phénomènes économiques, prennent en considération aussi la dimension spatiale de la recherche. En effet plusieurs études mettent en lumière les effets de la proximité et de l’éloignement des pôles de progrès économique, sur la pertinence des liens et des relations qui préexistent, en effet cela est devenu possible grâce au modèles de panel spatiales. Le choix du capital humain comme exemple est justifié par l’importance de celui-ci en tant que source de développement économique des pays, en effet c’est un facteur signifiant dont le rôle se montre aussi bien positive au niveau du succès des économies qu’au niveau de succès des individus et donc des sociétés. La répartition géographique du Capital humain est intéressante, en effet plusieurs études ont montré de grandes différences dans son accumulation dans les différents régions du monde (par exemple entre le nord et le sud) et dans les différentes pays. Ce travail fait le choix du capital humain comme domaine d’application, et s’intéresse à l’étude de son accumulation d’une perception spatiale. En particulier, il s’intéresse à l’introduction de la composante spatiale dans la fonction de production de Cobb-Douglass. Toutefois, l’application de modèles à dimension spatiale pour estimer les modèles économiques classiques connait des limites à plusieurs niveaux, on site au niveau méthodique, le manque des données spatiale. Ce qui impose la création et l’élaboration d’une matrice spatiale sans laquelle l’étude ne peut avoir lieu. Et au niveaux des estimateurs, en effet le choix de l’estimateur posent aussi un problème, par exemple, l’utilisation de la méthode des moments généralisées pour l’estimation des modèles de production est confronté à plusieurs limites qui peuvent être dépassés par d’autres estimateurs, à savoir le maximum de vraisemblance. La question se pose au niveaux de la persistance des limites de ces estimateurs lorsqu’on prend en considération la dimension spatiale. La rareté des travaux en ce sens nous a pousser aussi à proposer une comparaison entre ces estimateurs dans le cas des modèles spatiales. Ce travail s’intéresse certes au capital humain comme application du modèle spatiale, mais comme nous le voyons dans tous livres de l’économétrie. La gamme d’applications des données de panel est plus vaste, allant de l’organisation industrielle et de l’économie du travail à la croissance, à la santé, à la banque et à la mesure de la productivité. Bien que les données de panel offrent plus de degrés de liberté, leur utilisation correcte est difficile. La modélisation de l’hétérogénéité ne peut pas être épuisée par des formulations à effets fixes et aléatoires, et l’hétérogénéité des pentes doit être prise en compte. Les formulations dynamiques sont hautement souhaitables, mais elles sont difficiles à la fois en raison de problèmes d’estimation et parce que les racines unitaires et la cointégration ne peuvent être ignorées. De plus, les questions de causalité occupent une place prépondérante, bien qu’elles semblent avoir reçu moins d’attention par rapport aux séries chronologiques ou aux coupes transversales. Ainsi le développement des tests de spécification des données de panel semble avoir été plus lent que d’habitude. Si R est le logiciel de choix et le leader incontesté dans de nombreux domaines de la statistique, ce n’est pas le cas uniquement en économétrie; c’est parce que sa popularité augmente tant parmi les chercheurs que dans les classes universitaires et parmi les praticiens. À partir des commentaires des utilisateurs et des informations de citation, nous constatons que le taux d’adoption de packages spécifiques au panel est encore plus élevé dans d’autres domaines de recherche que de l’économie notamment en finance, science politique, science régionale, écologie, épidémiologie, foresterie, agriculture, et la pêche. Il convient de noter, d’un point de vue informatique, que les utilisateurs de R seront généralement intéressés par la programmation statistique interactive grâce à laquelle ils peuvent contrôler totalement les procédures qu’ils utilisent et éventuellement être impatients d’écrire leur propre code ou d’adapter celui qui existe à leurs propres fins. Cela dit, malgré sa réputation, R se prête bien à la pratique statistique standard : émission d’une commande, lecture de la sortie. Par conséquent, le lectorat potentiel couvre un spectre plus large et sera mieux identifié par le sujet plutôt que par le niveau de la difficulté technique. ……………………… ………….. ……………………..
A travers ce mémoire nous essayons de répondre à la problématique suivante :
Dans quelle mesure la composante géographique des données de panel est-elle utile pour modéliser le capital humain? Cette question se-déclin en trois questions de recherche : Comment les modèles de panel dynamiques gèrent ils l’hétérogénéité spatiale ? Dans quelles mesures l’identification des niveaux d’hétérogénéité est possible dans le cadre des modèles spatiale ? Dans quels cas l’estimation de la fonction Cobb-Douglas nécessite le traitement spatial ?