Introduction

Concept de causalité
Tests de causalité (Granger)

MODELES LINEAIRES MULTIVARIES

Causalité et Tests de causalité
Université Internationale Privée d’Abidjan (UIPA)
Master Economie, Première année
Année académique 2022 − 2023

Boris BAFFO,
Enseignant-Chercheur à ENSEA Abidjan

20 mars 2023

Boris BAFFO Séries tempOrelles II - Master Economie (UIPA)

 Introduction
Concept de causalité
Tests de causalité (Granger)

Plan de l’exposé

1 Introduction

2 Concept de causalité

3 Tests de causalité (Granger)

Boris BAFFO Séries tempOrelles II - Master Economie (UIPA)

 Introduction
Concept de causalité
Tests de causalité (Granger)

Plan de l’exposé

1 Introduction

2 Concept de causalité

3 Tests de causalité (Granger)

Boris BAFFO Séries tempOrelles II - Master Economie (UIPA)

 Introduction
Concept de causalité
Tests de causalité (Granger)

Motivation
L’identification des relations causales permet de mieux
comprendre les phénomènes économiques.
La mise en évidence des relations causales aboutit à une
formulation correcte de la politique économique.
Cependant, il y a plusieurs approches de la causalité,
notamment :
B Approche de Granger
B Approche de Sims
Toutefois, il y a deux propriétés consensuelles à la causalité :
Priorité temporelle : Les causes précèdent leurs effets ;
Influence tangible : Les causes contiennent des informations
uniques sur les causés qui ne sont disponibles
autrement.
Dans l’analyse des séries chronologiques, les approches de
causalité intègrent la priorité temporelle.
Boris BAFFO Séries tempOrelles II - Master Economie (UIPA)
 Introduction
Concept de causalité
Tests de causalité (Granger)

Objectif et Contenu

Objectif
Comprendre et réaliser une analyse de la causalité à partir d’un
modèle VAR (Vector Autoregressive) ;

Objectifs spécifiques
◦ Comprendre la notion de causalité.
◦ Comprendre la mise en œuvre des tests de causalité.
◦ Mettre en œuvre les tests de causalité sous le logiciel R.

Boris BAFFO Séries tempOrelles II - Master Economie (UIPA)

 Introduction
Concept de causalité
Tests de causalité (Granger)

Plan de l’exposé

1 Introduction

2 Concept de causalité

3 Tests de causalité (Granger)

Boris BAFFO Séries tempOrelles II - Master Economie (UIPA)

 Introduction
Concept de causalité
Tests de causalité (Granger)

Approches de causalité

Il existe prinicipalement deux approches de causalité :

B la causalité au sens de Granger ;
B la causalité au sens de Sims ;
Considérons deux processus {y1,t , t ∈ Z} et {y2,t , t ∈ Z}.
Selon Granger, y1,t cause y2,t si la prédictibilité de y2,t est
améliorée lorsque l’historique de y1,t est intégrée dans
l’analyse.
Selon Sims, y1,t cause y2,t si les valeurs futures de y2,t
expliquent les valeurs courantes y1,t .
Dans ce module, nous nous focalisons la causalité au sens
Granger, qui est la plus utilisée.

Boris BAFFO Séries tempOrelles II - Master Economie (UIPA)

 Introduction
Concept de causalité
Tests de causalité (Granger)

Causalité au sens de Granger

Considérons deux processus {y1,t , t ∈ Z} et {y2,t , t ∈ Z}.

Notons
◦ Iy1 (t) = {y1,t , y1,t−1 , . . .} l’historique de y1 à la date t ;
◦ Iy2 (t) = {y2,t , y2,t−1 , . . .} l’historique de y2 à la date t.
◦ Iy1 ,y2 (t) = {y1,t , y2,t , y1,t−1 , y2,t−1 , . . .} les historiques de y1 et
y2 à la date t.

Boris BAFFO Séries tempOrelles II - Master Economie (UIPA)

 Introduction
Concept de causalité
Tests de causalité (Granger)

Causalité au sens de Granger

Définition 1
y1 ne cause pas y2 ssi ∀h > 0

E(y2,t+h |Iy1 ,y2 (t)) = E(y2,t+h |Iy2 (t))

A la date t, la prévison de y2,t à l’horizon h est identique autant en

l’absence qu’en présence de l’historique de y1 à cette date.

Définition 2
y1 ne cause pas y2 ssi ∀h > 0

σ 2 (y2,t+h |Iy1 ,y2 (t)) ≥ σ 2 (y2,t+h |Iy2 (t))

A la date t, la précision (σ 2 la variance) de la prévison de y2,t à

l’horizon h est supérieure ou égale par rapport à celle où les
informations relatives aux valeurs passées de y1,t étaient omises.
Boris BAFFO Séries tempOrelles II - Master Economie (UIPA)
 Introduction
Concept de causalité
Tests de causalité (Granger)

Causalité au sens de Granger dans un VAR : Exemple

Considérons le modèle VAR(1) bivarié de (y1,t , y2,t ) suivant

(
y1,t = α1 + β1,1 y1,t−1 + β1,2 y2,t−1 + 1,t
y2,t = α2 + β2,1 y1,t−1 + β2,2 y2,t−1 + 2,t

avec (1,t , 2,t ) les innovations.

Sa formulation matricielle donne

Yt = Φ0 + Φ1 Yt−1 + t

avec      
α1 β1,1 β1,2 
Φ0 = , Φ1 = et t = 1,t
α2 β2,1 β2,2 2,t

Boris BAFFO Séries tempOrelles II - Master Economie (UIPA)

 Introduction
Concept de causalité
Tests de causalité (Granger)

Causalité au sens de Granger dans un VAR : Exemple

Nous avons : à l’horizon h = 1,

E(Yt+1 |Yt , . . . , Y1 ) = Φ0 + Φ1 Yt

autrement dit
(
E(y1,t+1 |Yt , . . . , Y1 ) = α1 + β1,1 y1,t + β1,2 y2,t
E(y2,t+1 |Yt , . . . , Y1 ) = α2 + β2,1 y1,t + β2,2 y2,t

Ainsi,
B y1 ne cause pas y2 ssi β2,1 = 0.
B y2 ne cause pas y1 ssi β1,2 = 0.

Boris BAFFO Séries tempOrelles II - Master Economie (UIPA)

 Introduction
Concept de causalité
Tests de causalité (Granger)

Causalité au sens de Granger dans un VAR : Exemple

Nous avons : à l’horizon h = 2,

 
E(Yt+2 |Yt , . . . , Y1 ) = Ik + Φ1 Φ0 + Φ21 Yt

On montre que
(
E(y1,t+2 |Yt , . . . , Y1 ) = γ1,2 + θ1,2 y1,t + (β1,1 + β2,2 )β1,2 y2,t
E(y2,t+2 |Yt , . . . , Y1 ) = γ2,2 + (β1,1 + β2,2 )β2,1 y1,t + θ2,2 y2,t

Ainsi,
B y1 ne cause pas y2 ssi β2,1 = 0.
B y2 ne cause pas y1 ssi β1,2 = 0.

Boris BAFFO Séries tempOrelles II - Master Economie (UIPA)

 Introduction
Concept de causalité
Tests de causalité (Granger)

Causalité au sens de Granger dans un VAR : Exemple

Nous avons : à un horizon h > 0,

h−1
X 
E(Yt+h |Yt , . . . , Y1 ) = Φi1 Φ0 + Φh1 Yt
i=0

On montre que
(
E(y1,t+h |Yt , . . . , Y1 ) = γ1,h + θ1,h y1,t + λ1,h β1,2 y2,t
E(y2,t+h |Yt , . . . , Y1 ) = γ2,h + λ2,h β2,1 y1,t + θ2,h y2,t

Ainsi,
B y1 ne cause pas y2 ssi β2,1 = 0.
B y2 ne cause pas y1 ssi β1,2 = 0.

Boris BAFFO Séries tempOrelles II - Master Economie (UIPA)

 Introduction
Concept de causalité
Tests de causalité (Granger)

Causalité au sens de Granger dans un VAR

Soit un processus vectoriel Yt = (y1,t , . . . , yk,t ) (k variables)
admettant une représentation VAR(p)

Yt = Φ0 + Φ1 Yt−1 + Φ2 Yt−2 + · · · + Φp Yt−p + t où (1)

t est le vecteur des innovations tel que

(
T Σ si h = 0
E(t ) = 0 et E(t t−h ) = (2)
0 6 0
si h =

yj ne cause pas yi ssi

∀r ∈ {1, . . . , p}, Φi,j

r =0 (3)

où Φi,j
r est l’élément de la ligne i et la colonne j de Φr .

Boris BAFFO Séries tempOrelles II - Master Economie (UIPA)

 Introduction
Concept de causalité
Tests de causalité (Granger)

Plan de l’exposé

1 Introduction

2 Concept de causalité

3 Tests de causalité (Granger)

Boris BAFFO Séries tempOrelles II - Master Economie (UIPA)

 Introduction
Concept de causalité
Tests de causalité (Granger)

Démarche
Ce test consiste à confronter deux modèles :
B le modèle non contraint

Yt = Φ0 + Φ1 Yt−1 + Φ2 Yt−2 + · · · + Φp Yt−p + t (4)

B le modèle contraint

Yt = Φ0 + Φ1 Yt−1 + Φ2 Yt−2 + · · · + Φp Yt−p + t (5)

sous les contraintes ∀r ∈ {1, . . . , p}, Φi,j

r = 0.
Cette comparaison se fait via deux tests :
B le test de Wald : comparaison des logarithmes des déterminants
des matrices de dispersion des résidus des deux modèles.
B le test de Fisher : comparaison des sommes des carrés des
résidus des deux modèles.

Boris BAFFO Séries tempOrelles II - Master Economie (UIPA)

 Introduction
Concept de causalité
Tests de causalité (Granger)

Démarche

La mise en œuvre des deux tests :

B le test de Wald - H0 : yj ne cause pas yi

si Wcal > Wα,lu alors yj cause yi

B le test de Fisher - H0 : yj ne cause pas yi

si Fcal > Fα,lu alors yj cause yi

où α est le seuil de significativité

◦ α est le seuil de significativité ;
◦ Wcal est la statistique de test et Wα,lu la valeur critique au
seuil α ;
◦ Fcal est la statistique de test et Fα,lu la valeur critique au seuil
α;

Boris BAFFO Séries tempOrelles II - Master Economie (UIPA)

 Introduction
Concept de causalité
Tests de causalité (Granger)

MERCI DE VOTRE AIMABLE

ATTENTION

Boris BAFFO Séries tempOrelles II - Master Economie (UIPA)