22/06/2022

Université Cadi Ayyad Marrakech

Faculté des Sciences Juridiques Economiques

et Sociales

MASTER ECONOMIE APPLIQUEE EN ENVIRONNEMENT ET CHANGEMENT CLIMATIQUE

3ème Semestre (Promotion 3)

ECONOMETRIE
Lahcen AIT DAOUD

Année Universitaire 2021/2022

Plan de cours

Chapitre 1 : Introduction à l'économétrie

Chapitre 2 : Régression Linéaire Simple

Chapitre 3 : Régression Linéaire Multiple

Chapitre 4 : Problèmes de violation des hypothèses de la MMCO

1
 22/06/2022

Université Cadi Ayyad Marrakech

Faculté des Sciences Juridiques Economiques

et Sociales

MASTER ECONOMIE APPLIQUEE EN ENVIRONNEMENT ET CHANGEMENT CLIMATIQUE

3ème Semestre (Promotion 3)

ECONOMETRIE
Chapitre 1 : Introduction à l'économétrie

Lahcen AIT DAOUD

Année Universitaire 2021/2022

Chapitre 1 : Introduction à l'économétrie

1. Econométrie et notion de modèle

• L'économétrie moderne est née à la fin des années 30 et pendant les années 40.
Elle est la résultante de trois phénomènes :

– le développement de la théorie de l'inférence statistique à la fin du 19e siècle ; et de la

théorie macro-économique
– la comptabilité nationale qui offrent des agrégats objectivement mesurables
(contrairement à la microéconomie fondée sur l'utilité subjective) ;
– La forte demande de travaux économétriques, soit de la part d'organismes publics de
prévision et de planification , soit de la part d’entreprises qui ont de plus en plus
besoin de modéliser la demande et leur environnement économique général.

• A partir des années 60, l'introduction de l'informatique et des logiciels

standardisés va rendre presque routinière l'utilisation de l'économétrie.

L’économétrie est la branche des sciences économiques qui traite des

modèles et des méthodes mathématiques appliquées aux grandeurs et
variations économiques.
4

2
 22/06/2022

Chapitre 1 : Introduction à l'économétrie

1. Econométrie et notion de modèle

• Outil à la disposition de l’économiste qui lui permet d’infirmer
de confirmer les théories qu’il construit.
– L’application de méthodes économétriques fournit des estimations sur la valeur
des coefficients ainsi que la précision attendue.
– Etablir clairement les interrelations.
– Eviter d’omettre de liaisons importantes.
– Mesure de la confiance que l’économiste peut avoir en les estimations.
• Outil d’analyse et investigation. Il est un aide à la modélisation
– Mise en évidence de relations entre des variables économiques qui n’étaient pas
évidentes.
– L’induction statistique consiste à inférer à partir des caractéristiques d’un
échantillon les caractéristiques d’une population.
– Mesure de l’impact de la modification d’une variable sur une autre.
– Prévision, utilisée afin d’anticiper et éventuellement réagir à l’environnement
économique.
5

Chapitre 1 : Introduction à l'économétrie

1. Econométrie et notion de modèle

Les grandes étapes de la démarche économétrique

3
 22/06/2022

Chapitre 1 : Introduction à l'économétrie

1. Econométrie et notion de modèle

Modèle ?
• Dans le cadre de l’économétrie, un modèle consiste en une
présentation formalisée d’un phénomène sous forme
d’équations dont les variables sont des grandeurs
économiques, sociales ou environnementales.
• Le modèle est l’outil utilisé pour comprendre et expliquer
des phénomènes.
• Il est donc une présentation schématique d’une réalité plus
complexe.
• Il est une représentation résumée et simplifiée d’un
phénomène réel.
7

Chapitre 1 : Introduction à l'économétrie

1. Econométrie et notion de modèle

• La théorie économique est rarement explicite sur la liste des
variables qui constituent le modèle et sur la forme
mathématique de la relation fonctionnelle.

Pour spécifier un modèle on doit donc tenir compte et préciser

ces points.

4
 22/06/2022

Chapitre 1 : Introduction à l'économétrie

1. Econométrie et notion de modèle

• Pourquoi modéliser les questions environnementales ?

« Nous sommes confrontés au défi de gérer les compromis entre les besoins
humains immédiats et maintenir la capacité de la biosphère à fournir des
biens et services à long terme »

Chapitre 1 : Introduction à l'économétrie

1. Econométrie et notion de modèle

• Par exemple, les usages du sol (et donc ses changement) sont à la base de la
plupart des processus de surface et de l’interaction :
Surface – Souterraine ‐ Atmosphère

10

5
 22/06/2022

Chapitre 1 : Introduction à l'économétrie

2. Spécification d’un modèle

• La science économique est une science empirique. Son objectif est d’une
part, d’expliquer les phénomènes économiques, d’en prévoir les
conséquences et d’autres part, de mettre au point des normes efficaces
d’allocation des ressources rares.

• L’objectif du modélisateur est (i) de tester et de confronter un modèle

théorique avec la réalité et (ii) juger de son aptitude à expliquer et à
prévoir (Vérification empirique).

• Il permet donc aux agents économiques (l’Etat ou l’entrepreneur)

d’intervenir de manière plus efficace.

• La construction d’un modèle est donc très importante pour

obtenir une représentation correcte de la réalité.

11

Chapitre 1 : Introduction à l'économétrie

2. Spécification d’un modèle

• La construction d’un modèle suppose : la détermination des
variables qui caractérisent ou influencent le phénomène étudié ;
l’appréhension des relations impliquant ces variables ; la
définition des hypothèses portant sur la partie aléatoire du
modèle. Tout ceci constitue la phase de spécification du modèle.
• Dans la pratique, la spécification d’un modèle est exprimée en
étapes interdépendantes.
Exemple

La construction d’un modèle à partir du modèle

keynésien simplifié

12

6
 22/06/2022

Chapitre 1 : Introduction à l'économétrie

2. Spécification d’un modèle

1er étape : Référence à une théorie

• Une théorie s’exprime au travers d’hypothèses auxquelles le

modèle fait référence.

• Dans la théorie keynésienne :

– La consommation et le revenu sont liés;
– Le niveau d’investissement privé et le taux d’intérêt sont liés
– Il existe un investissement autonome public
– Le produit national est égal à la consommation plus l’investissement
privé et public

13

Chapitre 1 : Introduction à l'économétrie

2. Spécification d’un modèle

2ème étape : Formalisation des relations et choix de la forme
des fonctions

– Consommation et revenu : 𝑪 = 𝒇 𝒀 , 𝒇 > 𝟎

– Investissement et taux d’intérêt : 𝑰 = 𝒈 𝒓 , 𝒈 < 𝟎
– Investissement autonome public : 𝑮
– Enfin, le produit national : 𝒀 = 𝑪 + 𝑰 + 𝑮

Nous n’avons postulé aucune forme particulière en ce qui

concerne f et g.
Des considérations théoriques nous renseignent sur le signes
des dérivées.
14

7
 22/06/2022

Chapitre 1 : Introduction à l'économétrie

2. Spécification d’un modèle

2ème étape : Formalisation des relations et choix de la forme
des fonctions

• De toute façon, il y a des fonctions de formes très différentes

qui donnent des signes de dérivées identiques.

𝑪 = 𝒂𝟎 + 𝒂𝟏 𝒀 ; 𝑪 = 𝒂𝟎 𝒀𝒂𝟏

Ces deux relations ne reflètent pas le même comportement.

15

Chapitre 1 : Introduction à l'économétrie

2. Spécification d’un modèle

2ème étape : Formalisation des relations et choix de la forme
des fonctions
On appelle formes fonctionnelles ce choix de spécification
précis du modèle

– 𝑪 = 𝒂𝟎 + 𝒂𝟏 𝒀 ; 𝒂𝟎 > 𝟎 𝒆𝒕 𝟎< 𝒂𝟏 < 𝟏

• 𝒂𝟏 : Propension marginale à consommer
• 𝒂𝟎 : Consommation incompressible

– 𝑰 = 𝒃𝟎 + 𝒃𝟏 𝒓 ; 𝒃𝟎 > 𝟎 𝒆𝒕 𝒃𝟏 <0
– 𝒀=𝑪+𝑰+𝑮

Les deux premières équations reflètent des relation de

comportements alors que la troisième est une identité 16

8
 22/06/2022

Chapitre 1 : Introduction à l'économétrie

2. Spécification d’un modèle

3ème étape: Sélection et mesure des variables
Le modèle étant spécifié, il convient de collecter les variables représentatives
des phénomènes. Ce choix n’est pas neutre :

– Unité de mesure (unité monétaire constante ou courante)

– Données bruts ou corrigées (désaisonnalisées)
– Taux d’intérêt (taux au jour le jour, taux directeur de la banque
centrale)
Plusieurs types de données :
– Série temporelle : données observées à intervalles de temps réguliers.
– Coupe instantanée : données observées au même instant et concerne les
valeurs prisent par les variables pour un groupe d’individus spécifiques.
– Panel : données d’un échantillon d’individus à intervalles de temps réguliers.
– Cohorte : données de panel à un échantillon constant
17

Chapitre 1 : Introduction à l'économétrie

2. Spécification d’un modèle

4ème étape: Décalages temporels et modèle récursif

Dans le cadre des modèles spécifiés en séries temporelles, les

relations ne sont pas toujours synchrones, mais peuvent être
décalées dans le temps :
𝑪𝒕 = 𝒇(𝒀𝒕 𝟏 )

– 𝑪𝒕 est appelée variable exogène. Les valeurs d’une variable exogène sont
prédéterminées
– 𝒀𝒕 𝟏 est appelée variable endogène retardée. Les valeurs des variables
endogènes dépendent des variables exogènes.

18

9
 22/06/2022

Chapitre 1 : Introduction à l'économétrie

2. Spécification d’un modèle

5ème étape: Validation du modèle
Le dernière étape de la construction du modèle est sa validation :

– Les relations spécifiées sont-elles valides?

– Peut-on estimer les coefficients avec suffisamment de précision?
– Le modèle est-il vérifié sur la totalité de la période?
– Les coefficients sont-ils stables?
– …

Les techniques économétriques s’efforcent d’apporter des

réponses à ces questions.

19

Chapitre 1 : Introduction à l'économétrie

3. Théorie de la corrélation
Lorsque deux phénomènes ont une évolution commune, nous disons qu’ils
sont corrélés.

• La corrélation mesure le degré de liaison existant entre deux phénomènes

représentés par deux variables.
– Corrélation linéaire : tous les points du couple de valeurs (x, y) semblent
alignés sur une droite.
– Corrélation non linéaire : le couple de valeurs se trouve sur une même courbe
d’allure quelconque

• Deux variables peuvent être :

– En corrélation positive: on constate une augmentation simultanée des
valeurs des deux variables.
– Corrélation négative: lorsque le valeurs de l’une augmentent, les valeurs de
l’autre diminuent.
– Non corrélées: il n’y a aucune relation entre les variations de l’une des
variables et le valeurs de l’autre.
20

10
 22/06/2022

Chapitre 1 : Introduction à l'économétrie

3. Théorie de la corrélation

21

Chapitre 1 : Introduction à l'économétrie

3. Théorie de la corrélation
La représentation graphique ne donne qu’une impression. On
peut calculer le coefficient de corrélation linéaire simple :

En développant cette formule, il vient :

On peut démontrer que, par construction ce coefficient reste

compris entre -1 et 1:
– Proche de 1, le variables sont corrélées positivement
– Proche de -1, le variables sont corrélées positivement
– Proche de 0 le variables ne sont pas corrélées

22

11
 22/06/2022

Chapitre 1 : Introduction à l'économétrie

3. Théorie de la corrélation
Remarques :

Le coefficient est rarement très proche à ces valeurs, et il est donc

difficile de proposer une interprétation fiable.

En plus, il n’est calculé qu’à partir d’un échantillon

d’observations et non pas sur l’ensemble des valeurs.

On appelle 𝝆𝒙𝒚 ce coefficient empirique, qui est une estimation

du coefficient vrais 𝒓𝒙𝒚 .

23

Chapitre 1 : Introduction à l'économétrie

3. Théorie de la corrélation
Remarques :

• Le coefficient de corrélation ne permet de déterminer que des

corrélations linéaires.

• Le fait d’avoir un coefficient de corrélation élevé ne signifie pas

qu’il existe un autre lien que statistique.

• Corrélation ne signifie pas nécessairement une liaison d’ordre

économique (corrélation n’est pas causalité)

24

12
 22/06/2022

Chapitre 1 : Introduction à l'économétrie

3. Théorie de la corrélation
La théorie statistique nous permet de lever cette indétermination

– Soit l’hypothèse H0 : 𝒓𝒙𝒚 = 𝟎 contre l’hypothèse H1 : 𝒓𝒙𝒚 ≠ 𝟎

– Sous l’hypothèse H0 nous pouvons démontrer que :
suit une loi de Student (n-2 degrés de liberté).
t* : valeur observée/calculée

• Si 𝒕∗ > 𝒕𝜷⁄𝟐 𝒏 𝟐 valeur lue sur une table de Student au seuil α = 0,05 à n-2 degrés de
liberté, nous rejetons l’hypothèse H0.
• Le coefficient de corrélation est donc significativement différent de 0.
• Dans le cas contraire, l’hypothèse d’un coefficient nul est acceptée.
• La loi de Student est symétrique, nous calculons la valeur absolue de t empirique et
nous procédons au test par comparaison avec la valeur lue directement sur la table.
• L’application de la formule ne permet de déterminer que des corrélations linéaires.
25

Chapitre 1 : Introduction à l'économétrie

3. Théorie de la corrélation
• On pose un cas avec n = 19
• Degré de liberté n – 2 = 17

• Donc pour :

𝒕𝟎,𝟎𝟓 𝟏𝟖 = 2,110

Non-rejet de H0

Rejet de H0 26

13
 22/06/2022

Chapitre 1 : Introduction à l'économétrie

3. Théorie de la corrélation
Application :
Un ingénieur s’intéresse à la liaison pouvant exister entre le rendement d’un terrain
agricole (en tonne) et la quantité des pesticides utilisés (en tonne). Il relève 10 couples
de données consignés dans le tableau ci-dessous,

Rendement (x) 16 18 23 24 28 29 26 31 32 34
Quantité
20 24 28 22 32 28 32 36 41 41
pesticides (y)

1. Tracer le nuage de points et le commenter.

2. Calculer le coefficient de corrélation simple et tester sa signification

Par rapport à 0 pour un seuil 𝛼 = 0,05, 𝒕𝟎,𝟎𝟐𝟓 𝟏𝟖 = 2,306

27

Chapitre 1 : Introduction à l'économétrie

3. Théorie de la corrélation
1. Tracer le nuage de points et le commenter.

Il apparait qu’il y a une corrélation positive entre le rendement agricole et

la quantité des pesticides utilisés
Questions de l’environnement et de durabilité ?
28

14
 22/06/2022

Chapitre 1 : Introduction à l'économétrie

3. Théorie de la corrélation
2. Calculer le coefficient de corrélation simple et tester sa signification

x y 𝒙−𝒙 𝒚−𝒚 𝒙−𝒙 ² 𝒚−𝒚 ² 𝒙−𝒙 𝒚−𝒚

16 20 -10,1 -10,4 102,01 108,16 105,04
18 24 -8,1 -6,4 65,61 40,96 51,84
23 28 -3,1 -2,4 9,61 5,76 7,44
24 22 -2,1 -8,4 4,41 70,56 17,64
28 32 1,9 1,6 3,61 2,56 3,04
29 28 2,9 -2,4 8,41 5,76 -6,96
26 32 -0,1 1,6 0,01 2,56 -0,16
31 36 4,9 5,6 24,01 31,36 27,44
32 41 5,9 10,6 34,81 112,36 62,54
34 41 7,9 10,6 62,41 112,36 83,74
𝑥̅ = 26,1 𝑦 = 30,4 314,9 492,4 351,6

29

Chapitre 1 : Introduction à l'économétrie

3. Théorie de la corrélation
2. Calculer le coefficient de corrélation simple et tester sa signification

On pose un cas avec n = 10 et le degré de liberté n – 2 = 8

Donc pour : 𝒕𝟎,𝟎𝟐𝟓 𝟖 = 2,798

𝟎, 𝟖𝟗𝟐𝟗
𝒕∗ = = 𝟓, 𝟔𝟎𝟗
𝟏 − 𝟎, 𝟖𝟗𝟐𝟗𝟐
𝟖

Puisque 𝒕∗ > 𝒕𝟎,𝟎𝟐𝟓 𝟖, nous rejetons l’hypothèse H0. Le coefficient de

corrélation est donc significativement différent de 0.

30

15