Académique Documents
Professionnel Documents
Culture Documents
Les Modèles VAR I
Les Modèles VAR I
Gourch
1
Les modèles VAR Pr. Gourch
Introduction
L’explication des phénomènes économiques par une seule équation demeure
insuffisante d’où la nécessité de recourir à plus d’équations pour l’explication de
ces phénomènes, c’est le cas des MES (modèles à équations simultanées) dans
lesquels une variable endogène d’une équation est variable exogène d’une autre.
Il arrive aussi que dans l’étude des phénomènes économiques à une équation, la
variable intervient avec un ou plusieurs retards comme variable explicative.
Dans un tel cas on est en présence d’un processus autorégressif AR (p) avec
p = 1 ,2…
En faisant intervenir (dans l’analyse dynamique des phénomènes économiques)-
plusieurs variables endogènes expliquées par leurs valeurs retardées et par les
valeurs courantes (ou retardées) d’une autre variable endogène, on se retrouve
alors avec des vecteurs autorégressifs (VAR).
Donc Les VAR sont une combinaison des modèles à équations simultanées et
des processus autorégressifs.
Toutefois, la majorité des propriétés statistiques des modèles d’estimation ne
s’appliquent qu’à des variables stationnaires, mais cette situation n’est pas
souvent observée au niveau des séries économiques et le fait de les traiter
comme des variables stationnaires introduit un grand biais qui peut remettre en
cause la qualité des estimations.
Dans leur article publié en 19871, Engel et Granger ont montré que des variables
non stationnaires étaient généralement liées par des relations de cointégration, et
que ces relations devaient être prises en compte pour l'estimation et la prévision.
Il est donc apparu que l'on ne pouvait se contenter de stationnariser les variables
par différentiation avant d'étudier leurs relations, pour éviter des régressions
erronées résultant de leurs utilisation, du fait que de telles régressions peuvent
indiquer que les variables sont corrélées alors qu’en fait elles ne le sont pas.
1
Engel R.F. et Granger C.W.J. “Co-Integration and Error Correction: Representation, Estimation, and Testing”,
Econometrica, Vol. 55, No. 2. (March, 1987), pp. 251-276
2
Les modèles VAR Pr. Gourch
3
Les modèles VAR Pr. Gourch
4
Les modèles VAR Pr. Gourch
5
Les modèles VAR Pr. Gourch
En posant :
𝑌t= (𝑦1t, y2t,……. 𝑦nt)′ ;
𝐴 = (𝑦nt, 𝛽0,……. 𝜃0)′ ;
𝑌t-1= (𝑦1t-1, 𝑦2t-1,……. 𝑦nt-1)′ ;
𝑌t-2= (𝑦1t-2, 𝑦2t-2,……. 𝑦nt-2)′ ;
.
.
.
6
Les modèles VAR Pr. Gourch
8
Les modèles VAR Pr. Gourch
9
Les modèles VAR Pr. Gourch
10
Les modèles VAR Pr. Gourch
𝑘 2 𝑝𝐿𝑛(𝑛)
𝑆𝐶(𝑝) = 𝐿𝑛[𝑑𝑒𝑡 |∑ 𝑒|] +
𝑛
𝑀𝑖 = ∑ 𝐴𝑗 𝑀𝑗−𝑖 𝑖 = 1, 2, 3, … , 𝑒𝑡 𝑀0 = 𝐼
𝑗=1
Ainsi il vient :
𝑀1 = 𝐴1 ; 𝑀2 = 𝐴1 𝑀1 + 𝐴2 𝑀0 = 𝐴12 + 𝐴2 ; 𝑀3 = 𝐴13 + 𝐴1 𝐴2 + 𝐴2 𝐴1 + 𝐴3 … 𝑒𝑡𝑐
La variance de l’erreur de prévision pour des k variables (𝜎𝑛2 (ℎ)) se lit sur la
diagonale de la matrice ∑ 𝑒 (ℎ).
L’intervalle de prévision au seuil de (1−𝛼/2) est donné par 𝑌𝑛(h) = 𝑡𝛼/2 ∗𝜎𝑛 (ℎ) ;
avec 𝑡𝛼/2 valeur de la loi normale.
11