Économie rurale

Quelle informatique pour l'économétrie ?

J.C. Poupa

Résumé
La démarche économétrique mobilise un ensemble important de méthodes numériques et statistiques, dont certaines sont
spécifiques. Cet article, après avoir regroupé ces méthodes en plusieurs grandes catégories, examine comment un certain
nombre de logiciels connus peuvent répondre aux besoins des économètres. Dans un second temps, il aborde le problème de
la gestion et de la documentation des données utilisées et celui de l'interface avec des logiciels ou programmes variés. Le
dernier chapitre donne un exemple d'environnement informatique pour l'économétrie et décrit un produit créé spécialement pour
répondre à ce type de demande.

Abstract
The art and science of econometrics needs an important set of statistical and numerical methods. Some of them are specific to
the particular field of econometrics. This paper emphasizes several packages. Choosing among them is a difficult task.
Therefore we are giving some guidelines. An other important question regards data banks. We are presenting a specific
package specially designed for linking economic data with econometric programs.

Citer ce document / Cite this document :

Poupa J.C. Quelle informatique pour l'économétrie ?. In: Économie rurale. N°157, 1983. pp. 97-100;

doi : https://doi.org/10.3406/ecoru.1983.3001

https://www.persee.fr/doc/ecoru_0013-0559_1983_num_157_1_3001

Fichier pdf généré le 08/05/2018

ECONOMIE
n° 157, septembre-octobre
RURALE 1983

QUELLE INFORMATIQUE POUR L'ECONOMETRIE ?

J.C. POUPA
INRA - Rennes

Résumé :
La démarche économétrique mobilise un ensemble important de méthodes numériques et statistiques, dont
certaines sont spécifiques. Cet article, après avoir regroupé ces méthodes en plusieurs grandes catégories, examine
comment un certain nombre de logiciels connus peuvent répondre aux besoins des économètres. Dans un second temps,
il aborde le problème de la gestion et de la documentation des données utilisées et celui de l'interface avec des
logiciels ou programmes variés. Le dernier chapitre donne un exemple d'environnement informatique pour l'économétrie
et décrit un produit créé spécialement pour répondre à ce type de demande.

Summary :
WHICH PROCESSING FOR ECONOMETRICS ?
The art and science of econometrics needs an important set of statistical and numerical methods. Some of them
are specific to the particular field of econometrics. This paper emphasizes several packages. Choosing among them
is a difficult task. Therefore we are giving some guidelines. An other important question regards data banks. We
are presenting a specific package specially designed for linking economic data with econometric programs.

La démarche économétrique requiert, du point de vue
informatique, à la fois des procédures de calcul et de gestion de
données. Quelles sont ces procédures ? Quelles sont leurs fonctions ?
Comment s'articulent ces fonctions dans un environnement
informatique de recherche ?
1. LES PROCEDURES DE GESTION DE DONNEES
1-1. - Les besoins
Les données utilisées en économétrie sont généralement des
séries chronologiques de périodicité annuelle, trimestrielle ou
mensuelle. La méthode spatio-temporelle exploite des données
observées simultanément dans le temps et l'espace, au niveau
d'unités géographiques telles que la région ou le département.
Les variables de base sont donc soit des vecteurs, soit des
matrices lorsque la dimension spatiale s'ajoute à la dimension
temporelle.
La construction d'un modèle économétrique exige d'abord de
disposer de données propres, fiables et documentées : comment
ont-elles été élaborées ? D'où proviennent-elles ? L'instrument
de mesure est-il invariant dans l'espace et le temps ? etc. L'éco-
nomètre se heurte aux mêmes problèmes que le statisticien. Il
doit disposer pour chaque variable non seulement d'une sérrie
de valeurs numériques, mais aussi d'une suite d'attributs
documentaires : descriptif, source, homogénéité, références aux
définitions, transformations subies, conventions pour des données
manquantes ou des raccordements de séries, etc.. Ces
ensembles de données acquièrent parfois de très grandes dimensions
en particulier pour des modèles macroéconomiques. Il peut
s'avérer nécessaire de prendre en compte un grand nombre de
variables dans la phase d'exploration, pour n'en retenir qu'un
nombre plus limité dans la phase de formalisation du modèle. Les
résultats des tests statistiques puis le comportement du modèle
en simulation conduisent à éliminer ou à transformer certaines
variables, à en ajouter d'autres éventuellement exclues dans une
phase antérieure. Dans ces conditions, il est souhaitable que
l'outil informatique puisse intervenir le plus tôt possible en amont
de la démarche, donc pour tous les aspects de gestion et de
documentation des données.
1-2. - Les moyens informatiques pour la gestion des données
Ces tâches s'effectuaient traditionnellement en partie à
l'extérieur de la sphère informatique, à l'aide de fiches explicatives
associées aux bordereaux de saisie, la machine n'étant
pratiquement utilisée que pour l'ultime conditionnement des données
avant la phase de calcul. Notons ici que les seules opérations de
lecture et d'écriture, selon une syntaxe très rigoureuse et sous une
forme parfois difficilement lisible, consommaient tout autant
d'« énergie programmeur » que le calcul proprement dit, ce qui
limitait beaucoup les possibilités d'exploration systématique. La
situation pouvait être pire encore lorsqu'il fallait transiter par
un service de perforation-vérification de cartes.
Les systèmes informatiques de gestion de bases de données
offrent des possibilités nombreuses pour simplifier ce travail :
structuration des fichiers, documentation illimitée, désignation
simple des variables par leur nom, saisie directe en format libre
et avec contrôle, mise à jour facile, accès immédiat aux données,
partage des fichiers, etc. Plusieurs logiciels statistiques ou d'éco-
nométrie gèrent leurs propres bases de données (SAS, TROLL,
APACHE (1) ou accèdent à des bases de données externes
(version IBM de TSP). La plupart lisent les données dans une
section spécialisée, parfois en format libre ou selon des
spécifications du type de celles traditionnellement utilisées dans le
langage Fortran (TSP, SPSS, GLIM, EAS...). Il faut alors
prévoir des procédures d'interface avec le système de gestion des
bases de données. Le problème est le même pour ranger des
variables issues de la phase de calcul.
1. Les références des logiciels cités sont regroupées dans une liste
reproduite en annexe.

97-
 Le concept de base de données est utilisé dans son sens le plus
large. Il peut s'agir des bases de données relationnelles
classiques ou de produits spécifiques réalisés par des équipes. Dans
cette dernière solution, les procédures sont conçues en fonction
des besoins exprimés et des ressources d'un site et sont donc
d'utilisation extrêmement simplifiée par rapport à des produits
d'intérêt beaucoup plus général : ainsi la base de données MGVM
permet, à l'aide d'une dizaine de commandes très simples et d'une
assistance conversationnelle, de gérer de grands ensembles de
vecteurs ou de matrices mais aussi d'assurer l'interface avec
l'ensemble des logiciels de calculs externes.
2. LES MOYENS DE CALCUL
Les calculs économétriques pourraient, pour chaque
application, être traduits dans un langage de programmation : une
recherche en économétrie exigerait alors la collaboration d'une
équipe d'informaticiens. L'intérêt des logiciels est justement de
permettre aux économètres de mobiliser les procédures de
calcul les plus communément utilisées sans devoir réécrire les
algorithmes et les traduire dans un langage. Ces procédures de
calcul sont ici classées en cinq chapitres : description statistique,
transformations de données vectorielles ou matricielles,
estimation de paramètres, simulation, algorithmique numérique.
2-1. - La description statistique
Cette tâche se situe en amont de la démarche économétrique.
Elle a pour objet de faire le point sur l'ensemble des données
statistiques disponibles : comment se regroupent les variables ?
Comment sont-elles corrélées ? Il s'agit en fait d'une
structuration préalable des données pour guider les choix ultérieurs et
éviter une exploration trop aléatoire ou trop coûteuse. Des
procédures de statistique descriptive existent généralement dans les
logiciels d'économétrie mais elles couvrent un champ plus ou moins
restreint. Les logiciels statistiques généraux sont beaucoup plus
complets, qu'il s'agisse des méthodes classiques ou, multidimen-
sionnelles, et sont mieux adaptés à des démarches exploratoires
dont l'intérêt est de dégager une première vue d'ensemble (SPSS,
SAS, BMDP, etc.).
2-2. - La transformation des données
La variable utilisée dans un modèle est rarement la variable
brute directement issue de l'observation économique. Elle peut
être une fonction de plusieurs variables, un indice, une moyenne
mobile, etc. Il faut donc fabriquer ces variables et mémoriser
les transformations effectuées. Bien qu'il s'agisse de
transformations arithmétiques simples sur des vecteurs ou des matrices,
on appréciera la présence d'outils adaptés dans un logiciel dans
la mesure où ils évitent des va-et-vient permanents avec des
programmes externes. Parmi les fonctions les plus communes, on
peut citer les opérations arithmétiques sur les séries (qui
utilisent le formalisme usuel des expressions arithmétiques), les
procédures de calcul d'indices, des outils d'interpolation,
d'extrapolation ou de raccordement et quelques utilitaires très
pratiques de type désaisonnalisation ou calcul d'amortissements. Au
cours de cette phase, il est absolument indispensable de pouvoir
documenter les variables créées ou transformées, pour ne pas
prendre le risque de fabriquer une base de données qui
deviendrait vite inexploitable.
2-3. - L'estimation de paramètres
L'intérêt d'un logiciel d'économétrie est lié pour une grande
part à ce chapitre, vu que les estimateurs spécialisés n'existent
généralement pas dans les logiciels statistiques et que leur mise
en œuvre numérique, comme leur traduction informatique,
s'avère être parfois complexe et coûteuse. Les programmes
correspondants sont optimisés et fournissent un ensemble de
résultats indispensables pour l'économètre et qui ne figurent pas
nécessairement dans des produits à vocation plus générale. En ce qui
-98
concerne le seul modèle linéaire, si la procédure des moindres
carrés ordinaires est présente dans beaucoup de logiciels
statistiques, il n'en est plus de même pour des méthodes qui font
intervenir des variables instrumentales, des variables retardées
(Almon) ou d'autres hypothèses sur les résidus (Orcutt-Cochrane,
Hildreth-Lu, Durbin...). On recherchera éventuellement, en
fonction de ses préoccupations, des estimateurs pour les modèles non
linéaires, les systèmes à équations simultanées, les méthodes dites
spatio-temporelles, l'analyse spectrale, etc..
La complétude apparente d'un logiciel économétrique n'est
pas sa seule qualité. Il faut également veiller à ce que le langage
proposé soit aussi proche que possible du formalisme
mathématique usuel, pour faciliter tant la mise au point des programmes
que leur réutilisation. Le langage sera encore meilleur s'il offre
une grande liberté dans le choix des notations : le fait de
nommer directement les variables et parfois de désigner une
équation ou un groupe d'équations par un nom permet de ne pas
perdre de vue la signification mathématique des opérations et le
contenu économique du modèle.
2-4. - La simulation
Cette étape peut intervenir dès qu'un modèle cohérent sur le
plan statistique est construit. La simulation des phénomènes
économiques étudiés sur la période d'estimation et à partir des
valeurs observées des variables exogènes constitue un premier
test de validation du modèle. La simulation pour l'avenir
permet d'examiner la stabilité du modèle et dans le meilleur des cas,
de construire des variantes en fonction d'un corps
d'hypothèses. Sur le plan mathématique il s'agit de calculer les coefficients
d'un système d'équations puis de le résoudre pour chaque période
d'observation. Les valeurs instantanées des variables endogènes
sont les inconnues. Les coefficients instantanés sont calculés à
partir des valeurs fournies pour les variables exogènes
(instantanées ou décalées) et des valeurs des variables endogènes
décalées. La simulation est dite dynamique lorsque ces dernières
valeurs sont celles calculées à la période antérieure, statique s'il
s'agit de valeurs observées.
Des procédures de simulation existent indépendamment des
logiciels d'économétrie mais leur présence dans ces logiciels (TSP,
TROLL) est intéressante dans la mesure où elle évite des
passages d'un produit informatique à un autre, avec tous les
problèmes d'interface qui peuvent se poser. Ces simulations peuvent
aussi s'effectuer par programmes, avec l'aide éventuelle des
procédures de résolution de systèmes d'équations disponibles dans
des bibliothèques d'analyse numérique (NAG). Leur mise en
œuvre pratique exige cependant une connaissance élémentaire
des algorithmes classiques de résolution des systèmes linéaires
et non linéaires, avec leurs hypothèses d'application et leurs
conditions d'initialisation pour certains d'entre eux.
2-5. - L'algorithme numérique
Les méthodes économétriques mobilisent et adaptent des
procédures numériques très générales : calcul matriciel, algorithmes
d'optimisation, dérivations vectorielles, etc. Un logiciel pour
lequel le langage prévoit l'accès direct à de telles fonctions
élémentaires permet à l'économètre de calculer par exemple son
propre estimateur, en progressant au pas-à-pas, à partir d'une
expression formalisée avec les conventions mathématiques usuelles. Les
procédures numériques utiles peuvent être disponibles dans
d'autres disciplines (recherche opérationnelle, physique). En
conséquence, il vaut mieux prendre du recul par rapport aux
techniques utilisées pour être en mesure d'abord de maîtriser les
algorithmes puis, en fonction des résultats de cette analyse, de savoir
exploiter judicieusement l'ensemble des ressources disponibles
dans un centre de calcul et dans son environnement. On quitte
alors le domaine économétrique pour rejoindre les domaines
informatiques et numériques.
 3. L'ENVIRONNEMENT INFORMATIQUE
POUR L'ÉCONOMÉTRIE
Les besoins informatiques pour une recherche de type
économétrique étant globalement répertoriés, il reste à se définir un
environnement de travail, lequel dépend de la nature et de la
dimension des problèmes traités mais aussi des ressources
informatiques accessibles.
3-1. - Les limites des logiciels
On pourrait être tenté de croire, en regard de certaines
argumentations, que l'outil universel capable de résoudre tous les
problèmes d'économétrie existe sur le marché du logiciel : la mise
en œuvre de cet outil se limiterait à l'application scrupuleuse de
règles d'utilisation consignées dans un manuel. Certes des
produits logiciels très performants et très complets, faciles à
utiliser, sont proposés mais le praticien se heurte de fait à de
nombreuses difficultés imprévues, liées à la clarté et à la cohérence
du langage, à la qualité de la documentation et aux
performances réelles des programmes. Dès que Ton s'écarte des méthodes
standards, l'outil logiciel devient de plus en plus inadapté.
L'existence de fonctions numériques (procédures de calcul matriciel,
programmes d'optimisation, gradient, hessien, etc..) peut aider
à résouder davantage de problèmes mais cette façon relativement
empirique de procéder peut aboutir à un gaspillage très
important de ressources humaines et informatiques, avant de se
heurter à ses propres limites : complexité des programmes, coûts
excessifs, difficulté d'interpréter les erreurs et de vérifier
l'exactitude des résultats... Elle est de plus éprouvante pour le
praticien et très peu rationnelle, voire archaïque, pour l'informaticien,
Cette remarque se justifie d'autant plus que beaucoup de
logiciels sont de conception relativement ancienne et n'intègre pas
un certain nombre de progrès récents.
Après que les possibilités offertes par les différents outils
logiciels aient été examinées, il peut être nécessaire de recourir aux
bases de données
mgvtn intermédiaires
' consultation
1
If
1 i '
'
données
i
SPSS
tats
■
BMDP
Autres
logiciels
environnement associé a une tâche
environnement associé à un projet de recherche
Schéma : interface entre base de données et logiciels.
-99-
moyens classiques de l'informatique, en l'occurrence les
langages de programmation dits de haut niveau et leurs bibliothèques
de programmes. Dans ce cas, quel que soit le langage utilisé, il
vaut mieux ne pas procéder au coup par coup mais prendre le
temps de formaliser et de structurer les algorithmes puis de
paramétrer et de documenter les produits créés. Ainsi se construit
progressivement un environnement de recherche adapté aux
besoins exprimés par les équipes.
3-2. - L'interface entre les bases de données
et les logiciels et programmes
Une condition nécessaire pour accéder à tout produit logiciel
ou programme externe est de préserver au maximum
l'indépendance entre les procédures de calcul et les bases de données. Cette
indépendance évite d'être lié à un seul produit, éventuellement
incomplet et obsolescent, et facilite grandement les transferts d'un
site informatique vers un autre.
Dans le contexte du Centre Régional Interuniversitaire de
Calcul de Bretagne,, implanté à Rennes, les économètres accèdent
principalement à deux logiciels : APACHE et TSP. Le premier,
dans sa version originale, gère des fichiers pour lesquels l'accès
à une variable s'effectue via un numéro d'ordre. Le second lit
des vecteurs d'observations rangés séquentiellement ou des
matrices du type observations-variables, le programmeur ayant la
possibilité de nommer les variables. Quant aux logiciels statistiques
comme SPSS ou BMDP, ils lisent les données sous la forme d'un
tableau observations-variables mais avec des variantes dans les
syntaxes autorisées. Un logiciel spécialisé, MGVM, créé pour
l'économétrie, permet d'extraire les jeux de données pour les
soumettre aux différents logiciels de calcul selon des formats
complètement définis en mode conversationnel et dans le langage
naturel. Les valeurs calculées peuvent en retour être
documentées et archivées dans les bases de données. Le schéma
ci-dessous illustre la structuration de cet environnement.
saisie
mise à jour
Bases
de données
m g vn> transferts
.bases de données communes
3-3. - Description de MGVM.
MGVM offre un nombre volontairement réduit de
commandes, regroupées en quatre chapitres : création d'une base de
données, modification et mise à jour, édition et sélection pour les
logiciels, transformations numériques. Ces commandes sont sur
le plan informatique totalement indépendantes et sont en fait
pilotées par un programme superviseur qui contrôle d'une part
toutes les opérations sur les fichiers et d'autre part un certain
nombre d'événements imprévisibles. Cette structuration permet
de s'adapter aisément à toute évolution ou transformation de
l'environnement informatique, ou à des demandes formulées par
des équipes : des commandes d'accès aux logiciels nouveaux
s'ajoutent progressivement à la version originale ; des outils
d'empilement de vecteurs ont été créés pour répondre aux besoins
exprimés par les économètres ; plusieurs opérateurs spécifiques
de transformation des matrices en vecteurs sont disponibles » La
documentation de base est accessible en ligne et les réponses
erronées sont systématiquement interprétées et reformulées.
La gestion d'une telle base de données est très simple. Le
traditionnel bordereau de saisie, dans lequel chaque caractère est
dûment positionné, est remplacé par un texte libre qui est
interprété. Les outils d'édition offrent des possibilités de contrôle
adaptées à la nature des données et assurent l'interface avec les
logiciels : les variables choisies sont désignées par leurs noms et
rangées dans des fichiers intermédiaires conformément aux
spécifications fournies ou aux exigences des logiciels.
Les données calculées par les logiciels peuvent être archivées
dans la base de données : elles transitent par des fichiers
intermédiaires, produits par des logiciels puis repris, contrôlés et
ANNEXE : Liste des logiciels cités
APACHE Logiciel d'économétrie. Ministère de l'Economie. Direction
de la Prévision. Division Informatique. 151, rue Saint-
Honoré, 75056 Paris R.P.
BMDP Biomédical Computer Programs. University of California
Press, 2223 Fulton Street, Berkeley, California 94720.
EAS Econometric Analysis System. Oklahoma State University.
Department of Agricultural Economics, Stillwater Okla-
homa 74078.
GLIM Generalised Linear Interactive Modeling. 7 Banbury Road,
Oxford OX2 6NN.
MGVM Module de Gestion de Vecteurs et de Matrices. INRA,
Station d'Economie et de Sociologie Rurales, 65, rue de Saint-
Brieuc, 35042 Rennes cedex. Centre Interuniversitaire de
-100-
mentés par MGVM. Pour faciliter cette tâche, des améliorations
ont été apportées aux logiciels APACHE et TSP afin
d'autoriser un accès direct aux fichiers structurés gérés par MGVM.
Avant la phase de développement des logiciels, les calculs
économétriques ne pouvaient être effectués que par des spécialistes
qui maîtrisaient simultanément les méthodes d'analyse
numérique et aux moins un langage informatique. Aujourd'hui l'éco-
riomètre est en mesure de résoudre seul un certain nombre de
problèmes en mobilisant judicieusement les ressources des sites
informatiques sur lesquels il peut travailler. On peut penser en
outre que des produits nouveaux, beaucoup plus performants
parce qu'intégrant à la fois les connaissances linguistiques
actuel es et les progrès technologiques récents, seront commercialisés
dans les années à venir.
Confrontées à cette situation, les équipes, en économétrie
comme dans d'autres disciplines, se heurtent au problème de
l'évaluation d'un logiciel ou d'un environnement informatique.
Comment procéder à cette évaluation ? Faut-il adopter une
attitude très pragmatique qui se réfère à quelques expériences et à
des tests sur des exemples d'école ? Faut-il au contraire
examiner d'abord les propriétés formelles du langage proposé puis
construire une méthode rigoureuse d'évaluation ? En fait ces
interrogations débordent largement du cadre d'une discipline
particulière et renvoient à la question beaucoup plus générale de la
définition d'un environnement scientifique de recherche.
Calcul de Bretagne, Université de Rennes 1 . UER de
Mathématiques et d'Informatique.
NAG Numerical Algorithms Group. 256 Banbury Road, Oxford
OX2 7DE.
SAS Stastistical Analysis System. SAS Institute Inc. Box, 8000
Cary, North Carolina 27511.
SPSS Statistical Package for the Social Sciences. SPSS Inc. Suite
3000, 444 North Michigan Avenue, Chicago, Illinois 60611.
TROLL Time-shared Reactive On-Line Laboratory, National Bureau
of Economics research, inc. Computer research center for
economics and management science, 575 Technology square,
Cambridge. Massachusetts 02139.
Time Series Processor, TSP International, 928 mears court,
Stanford, California 94305.