Académique Documents
Professionnel Documents
Culture Documents
ANNEE D’ETUDE : L3
Mail : calixealakonon@yahoo.com
1
Avertissement
Ce Support de cours est en version provisoire et ne doit être diffusé sans l’autorisation de
l’auteur. Les remarques, commentaires et suggestions sont les bienvenus.
2
Sommaire
3
1. Objectifs du cours
L’économétrie désigne un ensemble de méthodes statistiques dont l’objectif est de quantifier
les phénomènes économiques. Elle est pour ses utilisateurs un outil précieux d’analyse et d’aide
à la prise à la décision. Ce support de cours propose une formation à la pratique de l’économétrie
sur Eviews.
❖ Objectif général
Ce cours vise à permettre à l’apprenant de maitriser la pratique de l’économétrie.
❖ Objectifs spécifiques
A la fin du cours l’apprenant doit être capable :
De faire des analyses descriptives sur Eviews
De faire les régressions linéaires multiples sur Eviews
De faires les différentes tests liés aux estimations de modèles linéaire général
Etc…
2. Contenu du cours
Le cours est composé d’une introduction et des parties successives pour la réalisation d’une
estimation sur Eviews.
3. Méthode d’évaluation
Deux modes d’évaluation sont retenus dans le cadre de ce cours. Il s’agit de l’évaluation
formative (contrôle continu) et de l’évaluation sommative (examen de fin de semestre).
L’évaluation formative peut aussi prendre la forme d’exposé ou de travaux de maison à rendre
sur copie.
4. Méthode d’enseignement
Le cours sera projeté. Certaines parties cours feront objet d’activité à traité individuellement
puis en groupe à effectif réduit.
5. Outils pédagogique
Il est composé du présent support de cours, tableau, craies ou marqueurs, projeteur, internet,
etc.
6. Références bibliographiques
Doucoure, F., (2005), « Méthodes économétriques : cours et travaux pratiques », Université
Cheikh Anta Diop, Dakar.
Greene, W. (2000), « Econometric analysis », Prentice Hall, 4è édition.
Hamilton, J., (1994), « Times series analysis », Princenton University Press.
Lardic, S., et Mignon, V., (2002), « Econométrie des séries temporelles macroéconomiques et
financières », Economica.
4
Régis Bourbonnais(2011), « Économétrie : manuel et exercices corrigés », Dunod, 8 ème éd.
Introduction
Dans ce cours, le logiciel Eviews 9 est utilisé pour les différentes applications proposés ici.
L’objectif étant de montrer comment Eviews répond aux besoins de l’analyse économique,
aussi importe-t-il d’avoir des prérequis en analyse économétrique et en analyse des séries
temporelles. Dans le cas contraire, la lecture de la littérature appropriée sera forte à propos.
Les développements portent tout d'abord sur la présentation du logiciel Eviews. Il s’agira de
donner aux étudiants les éléments de base pour utiliser ce logiciel. Ensuite, interviendra
l’analyse des séries économiques notamment l’analyse statistique à travers les représentations
graphiques et les statistiques descriptives. Egalement l’étude du modèle linéaire général. Cela
nous permettra de présenter l’estimation par les MCO et les différents tests associés au modèle
linéaire général.
5
Chapitre1 : Présentation de Eviews
6
2. Créer ou ouvrir un fichier de travail (WORKFILE)
Ayant lancé Eviews, vous devez créer votre espace de travail.
La première étape consiste à créer un espace de travail (WORKFILE) par <file> <new–
workfile>, c’est–à–dire un espace d'accueil pour les séries statistiques (mensuelles,
semestrielles, annuelles, sans dates ...) et les résultats de calcul. Dans la fenêtre proposée, il
convient, soit de choisir la périodicité des données (la date de début et de fin pour les séries
temporelles), soit d’indiquer le nombre d’observations (séries UNDATED – pour les séries en
coupe instantanée).
NB : Dans un WORKFILE ne peut figurer que des séries de même périodicité.
7
La création de votre espace de travail dépend du type d’analyse économétrique que vous voulez
effectuer : Econométrie des données transversales, économétrie des séries temporelles et
l’économétrie des donnés de panel.
Vous devez donc choisir l’une de ces options dans « Workfile structure type »
▪ Pour l’économétrie des séries temporelles, vous choisissez « Dated-regular-frquency
». Dans ce cas, vous spécifier la nature des données (annuelles, trimestrielles etc…),
vous préciser ensuite les dates de début et de fin.
▪ Pour l’économétrie des séries en coupe transversales, vous choisissez «
Unstructured/Undated». Dans ce cas vous spécifiez juste le nombre d’observations.
▪ Pour l’économétrie des données de panel, vous choisissez « Balanced Panel» ; vous
remplissez les champs correspondants ensuite.
Considérons les trois séries résumées dans le tableau 1 ci-dessous de 1972 à 2004 sauf PIB qui
s’arrête en 2001. Dans ce tableau « Invest, PIB et Tinteret » désignent respectivement
l’Investissement privé, le Produit Intérieur Brut et le taux d’intérêt du marché interbancaire du
pays BENI.
8
1998 867 4646 6,25
1999 925 4752 5,75
2000 4371 6,5
2001 4620 6,5
2002 4625 6,75
2003 4635 6,85
2004 4650 7,5
Comme il s’agit des séries temporelles, nous pouvons choisir pour la création de notre workfile
« Dated-regular-frquency ». Nous remplissions les champs comme l’indique le schéma ci-
dessous.
Préciser ici la fréquence des observations des données : annuelles, semestrielles, mensuelles,
journalières etc. Ici les données sont annuelles, elles commencent en 1972 et finissent en 2004.
En cliquant sur OK on obtient le résultat suivant :
9
Ce Workfile ne contient pas encore les variables. Il va falloir amener les données dans le
logiciel. Plusieurs possibilités existence pour le faire. Nous choisissions ici de faire
préalablement la saisie des données dans un fichier Excel puis ensuite importer ledit fichier
dans Eviews.
Les données à importer se trouvent dans Excel sur votre ordinateur (les données du tableau 1).
Les étapes de l’importation sont les suivantes. Dans le menu principal, faire :
File/Import/Import from file
Vous sélectionner ensuite le fichier Excel sur votre ordinateur. Une fois trouver, vous cliquer
sur « ouvrir » et cela vous affiche ce qui suit :
10
Vous cliquez ensuite sur « Suivant », « suivant » et enfin « Finish ». Les données apparaissent
à présent dans votre Workfile comme suit :
Vous venez de créer le fichier de travail. Les trois séries apparaissent dans le fichier. Enregistrer
ce fichier au nom « Pratique économétrie FASEG» via l’instruction suivante : File/Save As.
Pour visualiser les observations d’une série, double cliquer sur la série. Pour visualiser les
quatre séries, sélectionner les et faire « Open » puis « as group » et enfin valider. Ou bien cliquer
sur « View » puis « Show » ; saisissez les noms des variables que vous voulez ouvrir ensemble
puis valider.
11
Pour modifier/éditer les donnés d’une ou plusieurs séries
Sélectionner la ou les séries puis double cliquer puis <edit +/–>.
Si la série est en représentation graphique ou sur d’autres fonctions (corrélation, statistiques,
etc.) sélectionner <View> puis <Spreadsheat> puis <edit +/–>
12
Chapitre2 : Analyse Descriptive
2.1. Représentation graphique des séries
Dans la barre d’outil de la base de données cliquer sur <View> puis <Graph>.
Pour modifier les options du graphique, double cliquer sur la zone du graphique et faire
Graph option.
Ouvrez les séries Invst et PIB ensemble puis suivez l’instruction suivante après ouverture pour
la représentation graphique : View/Graph/
Vous cliquez sur « OK ». Les deux séries sont représentées dans un même graphique comme
indiqué ci-après :
13
Les deux séries exhibent chacune une tendance croissante dans le temps.
❖ Créer un graphique de plusieurs séries
Pour Créer un groupe de séries
Ouvrir le groupe puis allez dans View/Graph… puis OK
Si vous voulez obtenir plusieurs graphiques sur une seule fenêtre, cliquer sur Options, puis dans
Multiple Series, cliquer sur Multiple Graphs
Pour changer de Template, cliquer aussi sur Options (ou double-clic sur le graphique), puis
Template & Objects puis laissez-vous guide
❖ Présentation du graphique
▪ Possibilités: ajouter du texte, modifier l’échelle des axes, modifier l’apparence
(template), sauvegarder son propre template, afin de le réutiliser, etc…
▪ Ces agréments esthétiques sont très pratiques lorsque les graphiques doivent répondre à
une même charte graphique par exemple.
▪ Mettons en pratique par plusieurs exemple ces possibilités.
Pour générer les séries des logarithmes associées aux trois séries. Dans le menu principal faire
Quick/Generate Series, puis taper sur la formule de calcul ou bien rentrer dans la ligne de
commande (en haut à droite)
14
Le nuage de points suggère un ajustement linéaire, avec une pente plus ou moins forte. Il y a
donc une corrélation entre l’Investissement et le PIB du pays BENI. On s’attend alors à ce que
le coefficient associé à ces variables soit significativement différents de zéro.
❖ Nuage de points des variables inv et pib et tracé de la droite de régression linéaire
900
800
700
600
inv
500
400
300
200
100
1,000 2,000 3,000 4,000 5,000 6,000 7,000
pib
15
2.3. Statistiques de base
❖ Cliquer sur une série, puis:
▪ View/Descriptive Stats & Tests/Histogram and Stats
▪ View/Descriptive Stats & Tests/StatsTable
16
❖ Histogramme
Cliquer sur Quick → Graph → List of series : Saisir salaires → OK Specific : Choisir
Distribution → OK
pib
12
10
8
Frequency
0
1,000 2,000 3,000 4,000 5,000 6,000 7,000
17
❖ Polygone des fréquences
INV
7
5
Frequency
0
100 200 300 400 500 600 700 800 900 1,000
18
inv
1.0
0.8
0.6
Probability
0.4
0.2
0.0
200 300 400 500 600 700 800 900
1.0
0.8
0.6
Probability
0.4
0.2
0.0
200 300 400 500 600 700 800 900
19
❖ Graphiques associés à un caractère quantitatif discret : Tableau statistique ;
courbe en escaliers
Exemple : Les ventes d’un vaccin sur les 100 derniers jours sont reportées dans le
tableau ci-dessous :
0 1 2 3 4 5 6 0 1 3
0 1 2 3 4 5 6 1 1 3
0 1 2 3 4 5 0 2 2 1
0 1 2 3 4 5 0 3 3 2
0 1 2 3 4 1 2 3 2 3
0 1 2 3 4 1 2 1 1 2
0 1 2 3 4 1 2 2 1 1
0 1 2 3 4 1 2 0 1 2
0 1 2 3 4 1 2 1 1 2
0 1 2 3 3 1 2 2 2 3
➢ Tableau statistique
Pour le faire, il faut transformer la distribution en une colonne avant de l’importer dans
EVIEWS.
Puis :
Cliquer sur Quick → Show →
Objects to display in a single window : Saisir ventes
→ OK
Cliquer sur View → One-Way Tabulation
→ OK
Tabulation of VENTES
Sample: 1 100
Included observations: 100
Number of categories: 7
Value Count
0 14
1 27
2 26
3 18
4 9
5 4
6 2
Total 100
20
❖ courbe en escaliers
1.0
0.8
0.6
Probability
0.4
0.2
0.0
0 1 2 3 4 5 6 7
21
Chapitre3 : Estimation économétrique
22
❖ Pour le faire, Cliquer Quick → Series statistics → Unit Root Test → Saisir X→ OK
❖ Test type : Choisir Phillips-Perron
❖ Test for unit root in : Choisir level
❖ Include in test equation : Choisir Trend and intercept
❖ Bandwidth : Choisir Newey-West Bandwidth
❖ → OK
Nous testons d’abord la significativité du coefficient de la variable temporelle
@TREND("1972"), par la méthode de Student.
Si la probabilité critique associée au test est inférieure à 5%, nous rejetons l’hypothèse nulle.
Donc le coefficient associé à la variable temporelle est significativement différent de 0.
Nous conservons le modèle avec constante et tendance. ( à faire au cours)
L’hypothèse nulle du test est « Les variables ne sont pas corrélés ». Elle sera donc rejeter si la
probabilité critique associée est inférieure à 5% (Seuil conventionnel). On pourra choisir
d’autres seuils conventionnels (1% ou 10% généralement) compte tenu de la précision
recherchée.
Instruction sur Eviews :
▪ Cliquer sur « Quick » ensuite sur « Show » puis saisissez les variables « Invest PIB
Tinteret » pui sur « Ok ».
▪ Cliquer ensuite sur « Views » puis sur « Covariance Analysis »
23
➢ On obtient le résultat suivant :
Seule la probabilité associée à la corrélation entre Invest et PIB est nulle. On peut donc rejeter
l’hypothèse nulle selon laquelle l’investissement et le PIB ne sont pas corrélées. Par conséquent,
L’hypothèse nulle du test est que la variable suit une loi normale.
Instruction sur Eviews :
▪ Cliquer « Quick » ensuite « Group Statistics » ensuite « Descriptive Statistics » ensuite
« Common Sample ».
▪ Saisissez les noms des trois séries dans la fenetre « Series List » Invest PIB Tinteret
▪ Cliquer enfin sur « OK »
24
Toutes les probabilités critiques associées à la statistique de Jarque-Bera sont supérieures aux
seuils conventionnels (1%, 5% et10%). On ne peut donc pas rejeter l’hypothèse de normalité
pour chacune de ces variables.
25
Tableau 2 : Première estimation
Avant toute interprétation des résultats, nous allons vérifier les hypothèses des MCO sur les
résidus à savoir : la normalité, l’Homocédasticité et la non autocorrélation.
26
La probabilité de Jarque-Bera est supérieure à 5%. Alors on ne peut pas rejeter l’hypothèse
selon laquelle les résidus suivent une loi normale.
Les deux probabilités critiques marquées au jaunes sont supérieures à 5%: Il y’a
homoscédasticité.
5.3.1.Test de Durbin-Watson
On lit sur les résultats de l’estimation par MCO de la fonction de production que DW=1,149.
Mais Eviews ne donne pas la probabilité associée à cette statistique.
27
5.3.2. Test de Breusch-Godfrey
Ce test est fondé sur un test de Fisher de nullité des coefficients et permet de tester une
autocorrélation d’ordre supérieur ou égale à 1.
Les valeurs des probabilités sont inférieures à 5%, on rejette donc l’hypothèse de non
corrélation des erreurs. Les erreurs sont autocorrelées à l’ordre 1.
Lorsqu’on reprend le test avec lag 2, les résidus deviennent non corrélés. Cela voudrait dire
que les résidus sont corrélés à l’ordre 1 et non à l’ordre 2.
On pourra faire le corrélogramme des résidus pour observer :
28
On regarde uniquement « Partiel correlation ». A la lecture, du correlogramme (Partiel
correlation ) seule la première barre sort du cadre de l’intervalle de confiance. La deuxième ne
sort pas. Il y a donc autocorrélation d’ordre 1.
6. Estimation du modèle par la méthode de Cochrane-Orcutt
Si tous les tests sur les résidus étaient concluants alors, on pourra interpréter le modèle estimé
au point 3. Mais étant donné que l’autocorrélation n’est pas vérifiée, on ne peut donc utiliser le
modèle estimé au point 3. Il va falloir donc corriger cette autocorrélation d’ordre 1 constaté.
Instruction sur Eviews
➢ Ciquer sur « Quick » puis sur « Estimate Equation »
➢ Saisissez le modèle suivant :
Linvest c lpib tinteret ar(1)
➢ Choisissez toujours « Least Squares » puis « Ok ».
On obtient dans ce cas :
29
Tableau 3 : Estimation 2
On peut visualiser les résidus du nouveau modèle estimé. L’autocréation d’ordre 1 est donc
corrigé.
30
Le modèle estimé en deuxième position par la méthode de Cochrane-Orcutt est bien spécifié
car les probabilités marquées au jaune sont inférieures 5%.
8. Test de Chow sur la deuxième estimation
Il s’agit d’un test de Stabilité. Une question naturelle est celle de l’homogénéité des paramètres
sur deux sous population. L’hypothèse nulle est « le modèle est stable ».
On peut s’interroger sur l’existence de rupture temporelle dans les comportements. On peut,
également, se demander par exemple si le comportement d’investissement estimé sur série
Temporelles est homogène dans le temps ou encore si les technologies de production, estimées
sur un panel d’entreprises sont homogènes entre secteurs.
31
Le résultat obtenu est suivant :
Les deux probabilités sont supérieures à 5%. Le modèle estimé en deuxième position par la
méthode de Cochrane-Orcutt est donc stable
Autrement dit, le Fisher empirique admet une probabilité supérieure au seuil : on rejette
l’hypothèse nulle de stabilité des coefficients pour les deux périodes concernées.
➢ R²=0,94 : 94% de la variance de « linvest » est expliquée par le modèle. Il est donc
d’une bonne qualité d’ajustement.
➢ La p-value du Fisher empirique (F-statistic) est nulle (F-statistic) est nulle (<0,05) : le
modèle est satisfaisant.
➢ Le t de Student (t-statistic) de « lPIB » est supérieur aux seuils théoriques (cf.table) et
sa p-value est inférieure au seuil de 1% : le coefficient de « lPIB » est significatif.
➢ Par contre la P-value de « Tinteret » est supérieur à 10%. Le taux d’intérêt n’explique
pas l’investissement dans le pays BENI sur la période d’étude.
3.2. Estimation des Données de panel
32
Pour les données de panel, après l’importation, il faut spécifier le modèle.
Test de spécification de Hausman
H0 = Présence d’effets aléatoires
H1= Présence d’effets fixes
On fait d’abord l’estimation du modèle aléatoire
➢ Cliquer sur « Quick » puis sur « Estimate Equation »
➢ Saisissez le modèle suivant : tcpib c deped depinv depsante
➢ Panel options → Cross-Section/ Random →OK
Dependent Variable: TCRPIB
Method: Panel EGLS (Cross-section random effects)
Sample: 2003 2017
Periods included: 15
Cross-sections included: 5
Total panel (balanced) observations: 75
Swamy and Arora estimator of component variances
Effects Specification
S.D. Rho
Weighted Statistics
Unweighted Statistics
33
❖ View → Fixed/ Random effects testing → Correlated Random effects-Hausman test
Chi-Sq.
Test Summary Statistic Chi-Sq. d.f. Prob.
Effects Specification
La probabilité associé au statistique de Hausman est 0,1978 supérieur au seuil 5%. Donc H0
ne peut être rejetée. Alors il y a Présence d’effets aléatoires.
34
❖ Estimation du modèle retenu
Selon le test de Hausman, le modèle à estimer est à effets aléatoires
Effects Specification
S.D. Rho
Weighted Statistics
Unweighted Statistics
35
12
Series: Standardized Residuals
Sample 2003 2017
10
Observations 75
8 Mean 8.19e-16
Median 0.226679
6 Maximum 6.101348
Minimum -6.588122
Std. Dev. 2.036587
4
Skewness -0.214878
Kurtosis 3.877159
2
Jarque-Bera 2.981556
0 Probability 0.225197
-6 -4 -2 0 2 4 6
La probabilité associée à la statistique de Jarque-Bera est 0,225197 qui est supérieure au seuil de 5%.
Alors on ne peut pas rejeter l’hypothèse selon laquelle les résidus suivent une loi normale.
36