Académique Documents
Professionnel Documents
Culture Documents
sérielle des erreurs le but étant de valider des erreurs non corrélées permettant de
justifier l’utilisation de la méthode d’estimation POLS ou bien des erreurs auto
corrélées permettant l’usage de la méthode d’estimation MCG. Ce test concerne
la dimension temporelle du panel. Pour la dimension individuelle, on peut
songer à un test d’hétéroscédasticité. Lorsque l’hétéroscédasticité est validée par
le test on passe automatiquement à l’estimation par les MCG. On part du corps
d’hypothèses suivant :
⎧⎪H 0 : E(εit2 ) = σ2
⎨
⎪⎩H1 : E(εit2 ) = h (Xit )
Sous l’hypothèse nulle on postule l’homoscédasticité tandis que l’hypothèse
alternative correspond à l’hétéroscédasticité. On suppose aussi l’existence d’une
ou plusieurs variables qui sont source d’hétérogénéité et donc
d’hétéroscédasticité au niveau des termes d’erreurs. On suppose donc l’existence
d’un vecteur d’ordre Q, noté h(.), qui indique une hétéroscédasticité ayant pour
source Q variables qui dépendent des variables explicatives du modèle. On
pratique on considère la plupart du temps soit des vecteurs jusqu’à k c'est-à-dire
allant de 1 à Q=k ou bien une combinaison linéaire de toutes les variables
explicatives du modèles qui l’estimation de ce modèle par POLS.
Procédure pratique:
1
as
NTR 2 ⎯⎯→ χ(2Q)
Exemple :
* Test d'hétéroscédasticité (valeur tabulée à 5% pour Q=8 chi2*=15.51 ;
et pour Q=2 chi2*=5.99)
gen res2=res^2
gen xb2=xb^2
.
. gen chi21=e(N)*e(r2)
.
. display chi21
27.419607
On constate que la statistique estimée donne la valeur 27.41 qui est dans la zone
d’acceptation de H1. Donc le recours à l’estimation par la méthode MCG
s’impose.
2
. * Estimation MCG
.
. xtgls ggdpcap ldebt lIIC linvest gpop Trade PI lschooling DTT, panels(hetero)
.
. gen chi22=e(N)*e(r2)
.
. display chi22
1.8077892
3
Modèle à effets fixes
Il s’agit de l’un des modèles les plus utilisés dans l’économétrie des données de
panel. On l’appelle aussi le modèle de l’analyse de la covariance. Il postule
principalement des constantes qui dépendantes des individus et qui sont
déterministes. C’est le cas du modèle à coefficients uniformes et avec une
constante spécifique aux individus. On aura donc la forme suivante :
y it = α i + βʹ′X it + ε it i = 1,, N ; t = 1,, T
yi = Sµ + Xiβ + Sαi + εi i = 1,, N
β et Xit sont des vecteurs d’ordre k. Les coefficients α i représentent les effets
individuels constants et invariants dans le temps. Ils indiquent tout effet propre à
l’individu et qui n’apparait pas dans la régression. εit sont les termes d’erreurs
reflétant tout effet omis dans la partie systématique.
On écrit le modèle en forme matricielle :
⎡ y1 ⎤ ⎡S⎤ ⎡0⎤ ⎡ X1 ⎤ ⎡ ε1 ⎤
Y = ⎢
⎢ ⎥ = ⎢ ⎥ α + +
⎥ ⎢ ⎥ 1
⎢ ⎥ α + ⎢ ⎥β +
⎢ ⎥ N ⎢ ⎥
⎢ ⎥
⎢ ⎥
⎣ y N ⎥
⎢ ⎦ ⎣0⎥
⎢ ⎦ ⎣S⎥
⎢ ⎦ ⎣X N ⎥
⎢ ⎦ ⎢
⎣ε N ⎥
⎦
avec les éléments constitutifs qui suivent :