Académique Documents
Professionnel Documents
Culture Documents
4/27
Terminologie
5/27
6/27
Exemple
7/27
Exemple d’un modèle structurel
8/27
Forme réduite
9/27
La forme structurelle générale
10/27
Ecriture matricielle
B Y + Γ X = u
(M,M)(M,1) (M,k)(k,1) (M,1)
11/27
Identification
BY + ΓX = u
Si B est inversible, on peut multiplier à gauche l’équation par B −1 :
Y + B −1 ΓX = B −1 u
qui est la forme réduite du modèle. B doit être non singulière (càd
inversible). Cette forme réduite peut être estimée par MCO.
Cependant, les MCO fourniront une estimation de B −1 Γ, et il n’est
pas toujours possible d’identifier séparément les matrices B et Γ :
c’est un système de M ∗ k équations avec M ∗ M + M ∗ k
paramètres inconnus. Pour résoudre le problème, on doit imposer
certaines restrictions.
12/27
Le problème de l’identification
13/27
Le problème de l’identification
La forme structurelle est : BY + ΓX = u
Alors que la forme réduite est : Y + B −1 ΓX = B −1 u
Ce qui peut être réécrit : Y + ΠX = v
I Paramètres structurels inconnus : B , Γ et la matrice de
(M,M) (M,k)
variance-covariance des termes d’erreur Ωu
I Paramètres connus de la forme réduite : Π et la matrice de
variance-covariance des résidus de la forme réduite Ωv
M(M+1)
I Nombre de paramètres structurels : NS = M 2 + Mk + 2
I Nombre de paramètres de la forme réduite :
NR = Mk + M(M+1)
2
I NS − NR = M 2 : il y a M 2 paramètres non identifiés et
l’identification est impossible. On a besoin d’information
supplémentaire (càd des restrictions sur les paramètres) pour
résoudre le modèle
14/27
Restrictions possibles
15/27
Conditions d’identification (1)
Supposons que la normalisation soit faite ainsi que certaines
restrictions d’exclusion.
I Dans le modèle à M équations, considérons l’équation j
I Les paramètres de cette équation sont dans la j e colonne des
matrices B et Γ
I Appelons M le nombre de variables endogènes dans le modèle
(qui est aussi le nombre d’équations dans le modèle)
I k : nombre de variables exogènes
I Mj : nb de variables endogènes de l’équation j, et Mj∗ : nb de
variables endogènes exclues de l’équation j
I kj : nb de variables exogènes dans l’équation j, et kj∗ : nb de
variables exogènes exclues de l’équation j
I On a : M = Mj + Mj∗ et k = kj + kj∗
La condition d’ordre pour que l’équation j soit identifiée est :
kj∗ ≥ Mj (càd : au moins autant d’équations que de paramètres
16/27
inconnus).
Conditions d’identification (2)
I Si la condition d’ordre est vérifiée, alors il y a une solution,
mais pas nécessairement unique
I La condition de rang est nécessaire pour l’unicité
I Condition de rang : l’équation j est identifiée s’il est possible
d’obtenir au moins un déterminant non nul d’ordre
(M − 1, M − 1) (sur les sous-matrices de Π) sur les
coefficients des variables exclues de l’équation j, mais inclues
dans les autres équations du modèle
I Cette condition est rarement vérifiée sur des modèles
complexes
Au final :
I Si kj∗ < Mj : le modèle est sous-identifié
I Si kj∗ = Mj : le modèle est exactement identifié
I If kj∗ > Mj : le modèle est sur-identifié
Remarque : si on a rj restrictions linéaires supplémentaires, alors la
condition d’ordre devient rj + kj∗ ≥ Mj 17/27
Le modèle de Klein
19/27
Moindres carrés indirects (LI)
20/27
Moindres carrés en 2 étapes (2SLS) (LI)
21/27
Moindres carrés en 2 étapes
22/27
Remarques
23/27
Moindres carrés en 3 étapes (3SLS) (FI)
Procedure :
I Même 1e étape que les 2SLS (estimation d’une forme réduite)
I Même 2e étape que les 2SLS (estimation de l’équation de 2e
étape)
I 3e étape : avec l’aide des résultats de 2e étape, calculer les
estimateurs MCG pour prendre en compte l’hétéroscédasticité
et l’autocorrélation
24/27
Autres méthodes et remarques
25/27
Tester la simultanéité
26/27
Le test d’Hausman
1. Estimer par MCO le modèle en forme réduite (chaque
endogène fonction des exogènes) : Pt = c0 + c1 Yt + c2 Wt + vt
2. Remarque : tout comme avec les méthodes précédentes, on ne
cherche pas à retrouver les paramètres structurels
3. Calculer les résidus de ces régressions : v̂t = Pt − P̂t
4. Dans l’équation structurelle, ajouter v̂t comme variable
explicative : Qt = b0 + b1 Pt + b2 v̂t + u2,t dans l’équation
d’offre
5. On estime ce modèle, et on fait un test de Student sur b2 : si
b2 n’est pas significativement différent de 0, il n’y a pas de
simultanéité et les MCO peuvent être utilisés tels quels sur
chaque équation du modèle structurel
6. Si b2 est significativement différent de 0, alors il y a
simultanéité et nous devons utiliser les méthodes spécifiques
aux systèmes d’équations simultanées (3SLS etc)
27/27