Académique Documents
Professionnel Documents
Culture Documents
ECONOMETRIE
Lahcen AIT DAOUD
ECONOMETRIE
Chapitre 4 : Problèmes de violation des
hypothèses de la méthode OLS
Lahcen AIT DAOUD
1
22/06/2022
Introduction
Jusqu’à maintenant, nous avons considéré que, lors de l’estimation des
paramètres du modèle, les hypothèses suivantes sont toutes respectées
H1 : Les valeurs de la variable X sont observées sans erreur.
H2 : E(𝜺𝒊 ) = 0, l’espérance mathématique de l’erreur est nulle.
H3 : E(𝜺𝟐𝒊 ) = 𝝈𝟐𝜺 , la variance de l’erreur est constante (∀i) (homoscédasticité).
H4 : E(𝜺𝒊 𝜺𝒊 ’) = 0 si i ≠ i’, les erreurs sont non corrélées (ou encore indépendantes).
H5 : 𝑪𝒐𝒗(𝒙𝒊 , 𝜺𝒊 ) = 𝟎 , l’erreur est indépendante des variables explicatives.
H6 : absence de colinéarité entre les variables explicatives, cela implique que la
matrice (𝑿 𝑿) est régulière et que la matrice inverse 𝑿 𝑿 𝟏 existe.
(𝑿 𝑿)
H7 : tend vers une matrice finie non singulière.
𝒏
Les estimateurs obtenus par la méthode des MCO sont sans biais mais ne sont plus à
variance minimale.
𝛀𝜶 = 𝑿 𝑿 𝟏 𝑿 𝑬 𝜺𝜺 𝑿 𝑿 𝑿 𝟏
𝟏 𝟏
𝛀𝜶 = 𝑿 𝑿 𝑿 𝛀𝜺 𝑿 𝑿 𝑿
4
2
22/06/2022
a- Définition et causes
Nous sommes en présence d’une autocorrélation des erreurs lorsque les erreurs
sont liées par un processus de reproduction.
Dans le cas de modèle spécifié en coupe instantanée, nous ne pouvons concevoir une
autocorrélation des erreurs que si les observations ont été préalablement triées
3
22/06/2022
a- Définition et causes
L’autocorrélation des erreurs peut être observée pour plusieurs raisons :
• Lissage par moyenne mobile ou une interpolation des données crée une
autocorrélation artificielle des erreurs due à l’usage de ces deux opérateurs.
b- Détection
La détection d’une éventuelle dépendance des erreurs ne peut s’effectuer qu’à partir
de l’analyse des résidus :
• L’analyse graphique des résidus permet le plus souvent de détecter un
processus de reproduction des erreurs lorsque :
– Les résidus sont pendant plusieurs périodes consécutives soit positifs, soit
négatifs : autocorrélation positive ;
– les résidus sont alternés : autocorrélation négative.
4
22/06/2022
b- Détection
La détection d’une éventuelle dépendance des erreurs ne peut s’effectuer qu’à partir
de l’analyse des résidus :
• Test de Durbin et Watson
Conditions d’utilisation :
b- Détection
La détection d’une éventuelle dépendance des erreurs ne peut s’effectuer qu’à partir
de l’analyse des résidus :
• Test de Durbin et Watson
Le test de Durbin et Watson (DW) permet de détecter une autocorrélation des
erreurs d’ordre 1 selon la forme :
𝜺𝒕 = 𝝆𝜺𝒕 𝟏 + 𝒗𝒕 𝐚𝐯𝐞𝐜 𝒗𝒕 → 𝑵(𝟎; 𝝈𝟐𝒗 )
Le test d’hypothèses est le suivant :
𝑯𝟎 ∶ 𝝆 = 𝟎 𝒆𝒕 𝑯𝟏 ∶ 𝝆 ≠ 𝟎
La statistique de Durbin et Watson :
∑𝒏
𝒕 𝟐 𝒆𝒕 𝒆𝒕 𝟏
𝟐
𝑫𝑾 = ∑𝒏 𝟐 . cette statistique varie entre 0 et 4 10
𝒕 𝟏 𝒆𝒕
5
22/06/2022
b- Détection
La détection d’une éventuelle dépendance des erreurs ne peut s’effectuer qu’à partir
de l’analyse des résidus :
• Test de Durbin et Watson
La table de DW au seuil de 5 % contient les valeurs critiques en fonction de la taille
de l’échantillon n et du nombre de variables explicatives (k).
La lecture de la table permet de déterminer deux valeurs d1 et d2 comprises entre 0
et 2 qui délimitent l’espace entre 0 et 4 selon le schéma suivant :
b- Détection
La détection d’une éventuelle dépendance des erreurs ne peut s’effectuer qu’à partir
de l’analyse des résidus :
• Test de Breusch-Godfrey
L’idée générale de ce test réside dans la recherche d’une relation significative entre le
résidu et ce même résidu décalé. Une autocorrélation des erreurs d’un ordre p s’écrit
𝜺𝒕 = 𝝆𝟏 𝜺𝒕 𝟏 + 𝝆𝟐𝜺𝒕 𝟐 + ⋯ + 𝝆𝒑 𝜺𝒕 𝒑 + 𝒗𝒕
Ce test est mené en trois étapes :
• Estimation par les MCO du modèle et calcul du résidu et , puisque les erreurs
sont inconnues, le test porte sur les résidus.
• Estimation par les MCO de l’équation intermédiaire :
𝒚𝒕 = 𝜶𝟎 + 𝜶𝟏 𝒙𝟏𝒕 + 𝜶𝟐 𝒙𝟐𝒕 + ⋯ + 𝜶𝒌 𝒙𝒌𝒕 + 𝝆𝟏 𝜺𝒕 𝟏 + 𝝆𝟐𝜺𝒕 𝟐 + ⋯ + 𝝆𝒑 𝜺𝒕 𝒑 + 𝒗𝒕
• Test d’hypothèses sur l’équation intermédiaire :
𝑯𝟎 ∶ 𝝆𝟏 = 𝝆𝟐 = ⋯ 𝝆𝒑 = 𝟎 12
6
22/06/2022
b- Détection
La détection d’une éventuelle dépendance des erreurs ne peut s’effectuer qu’à partir
de l’analyse des résidus :
• Test de Breusch-Godfrey
• Test d’hypothèses sur l’équation intermédiaire
𝑯𝟎 ∶ 𝝆𝟏 = 𝝆𝟐 = ⋯ 𝝆𝒑 = 𝟎
14
7
22/06/2022
15
Vous pouvez visuellement détecter vos résidus pour voir si la corrélation est présente
ou non.
1. Ouverez le feuille qui contient votre estimation dans votre workfile.
2. Cliquez sur View sur le menu de la boîte de dialogue Equation.
3. Sélectionner Actual, Fitted, residual → Residual graph.
16
8
22/06/2022
18
9
22/06/2022
d’une autocorrélation
positive des résidus.
19
20
10
22/06/2022
21
22
11
22/06/2022
Calcul de la statistique LM :
𝑳𝑴 = 𝒏ℛ𝟐 = 𝟓, 𝟗𝟒 < 𝝌𝟐𝟎,𝟎𝟓 = 𝟓, 𝟗𝟗
Décision :
Nous sommes à la limite d’acceptation de l’hypothèse H0 pour un seuil de 5 %
23
12
22/06/2022
26
13
22/06/2022
Si ρ est connu, l’application des MCO sur ce dernier modèle donne un estimateur
BLUE.
27
2. L’hétéroscédasticité
A. Présentation du problème
𝝈𝟐𝜺𝟏 𝟎 … 𝟎
𝟎 𝝈𝟐𝜺𝟐 … 𝟎
𝑬 𝜺𝜺 = ≠ 𝝈𝟐𝜺 𝑰𝒏
⋮ ⋮ ⋱ ⋮
𝟎 𝟎 … 𝝈𝟐𝜺𝒏
28
14
22/06/2022
2. L’hétéroscédasticité
A. Présentation du problème
29
2. L’hétéroscédasticité
B. Tests de détection de l’hétéroscédasticité
30
15
22/06/2022
2. L’hétéroscédasticité
B. Tests de détection de l’hétéroscédasticité
1. Test White
Il s’agit d’une relation qui peut exister entre le carré du résidu et une ou plusieurs
variables explicatives en niveau et au carré au sein d’une même équation de
régression
H0 : a1 = b1 = a2 = b2 = ... = ak = bk = 0
Si on refuse l’hypothèse nulle, alors il existe un risque d’hétéroscédasticité.
3. On calcule ensuite le R2 et la statistique de test LM = nR2
2. L’hétéroscédasticité
B. Tests de détection de l’hétéroscédasticité
2. Test ARCH : AutoRegressive Conditional Heteroscedasticity
H0 : a0 = a1 = &2 = ... = ak = 0
Si on refuse l’hypothèse nulle, alors il existe un risque d’hétéroscédasticité.
3. On calcule ensuite le R2 et la statistique de test LM = nR2
32
16
22/06/2022
2. L’hétéroscédasticité
B. Tests de détection de l’hétéroscédasticité
• Le test d’absence d’Hétéroscédasticité “White”.
• EViews vous permet d'utiliser un certain nombre de tests d’hétéroscédasticité.
Pour effectuer le test, procédez comme suit:
33
2. L’hétéroscédasticité
B. Tests de détection de l’hétéroscédasticité
• Le test d’absence d’Hétéroscédasticité “White”.
17
22/06/2022
2. L’hétéroscédasticité
B. Tests de détection de l’hétéroscédasticité
• Le test d’absence d’Hétéroscédasticité “Breusch-Pagan-Goldfeld”.
35
2. L’hétéroscédasticité
B. Tests de détection de l’hétéroscédasticité
• Le test d’absence d’Hétéroscédasticité “Breusch-Pagan-Goldfeld”.
36
18
22/06/2022
2. L’hétéroscédasticité
C. Correction de l’hétéroscédasticité
En général tous les tests sont concordants, il convient donc d’en corriger les effets.
• Ceci consiste à appliquer les moindres carres ordinaires sur des données
transformées
37
2. L’hétéroscédasticité
C. Correction de l’hétéroscédasticité
Lorsque nous avons détecté une hétéroscédasticité, il convient de transformer les données
selon le type hétéroscédasticité afin de se ramener à un modèle homoscédastique et ensuit
appliquer la MCO le modèle transforme :
– Hétéroscédasticité de type : 𝑬 𝜺𝟐𝒕 = 𝒏𝟐𝒕 𝝈𝟐
𝒚𝒕 𝒂𝟎 𝒙𝟐𝒕 𝒙𝒌𝒕 𝜺𝒕
= + 𝒂𝟏 + 𝒂𝟐 + ⋯ + 𝒂𝒌 +
𝒙𝟏𝒕 𝒙𝟏𝒕 𝒙𝟏𝒕 𝒙𝟏𝒕 𝒙𝟏𝒕
19
22/06/2022
2. L’hétéroscédasticité
C. Correction de l’hétéroscédasticité
2. L’hétéroscédasticité
C. Correction de l’hétéroscédasticité
40
20
22/06/2022
View/
Residuals Diagnostics/
Histogram-Normality Test
41
42
21
22/06/2022
43
22
22/06/2022
Critère de Klein :
Il s’agit simplement d’un critère de présomption de la multicolinéarité. Il y a
présomption de multicolinéarité si au moins un des coefficients de corrélation simple
rxi,x𝒋 élevé au carre est supérieur au R2
𝟏
χ2𝒄 = − n − 1 − 2k + 5 . 𝒍𝒏(𝑫)~χ2𝟏
𝟔 𝟐
k(k+1)
𝟏
• Si χ2𝒄 > χ2 lu dans la table à k(k+1) degrés de liberté et au seuil α choisi,
𝟐
alors l’hypothèse H0 est rejetée, il y a donc présomption de multicolinéarité.
46
23
22/06/2022
Face à ces artifices de calcul, la seule parade vraiment efficace consiste, lors de la
spécification de modèle, à éliminer les séries explicatives susceptibles de représenter
les mêmes phénomènes et donc d’être corrélées entre elles, ceci afin d’éviter l’effet de
masque.
47
5. Statbilité de modèle
Test de Chow
View/
Stability Diagnostics/
Chow Breakpoint …
48
24
22/06/2022
5. Statbilité de modèle
Test de Chow
49
25