Vous êtes sur la page 1sur 6
Chapitre 7 La multicolinéarite Licence Econométrie / MASS Econométrie II, 2007-2008 Martin Fournier
Chapitre 7
La multicolinéarite
Licence
Econométrie
/ MASS
Econométrie II,
2007-2008
Martin Fournier
Fournier@gate.cnrs.fr
Econométrie II - L3
Econométrie/Mass
1
1. Présentation du problème Colinéarité parfaite / Colinéarité partielle Econométrie II - L3
1. Présentation du
problème
Colinéarité parfaite
/ Colinéarité
partielle
Econométrie II - L3
Econométrie/Mass
2
1.1 La multicolinéarité parfaite Dans ce cas, la matrice X est singulière et donc l’estimation
1.1 La
multicolinéarité parfaite
Dans
ce cas, la
matrice
X est singulière
et
donc
l’estimation
des
paramètres
par
MCO
est
impossible.
Le problème de
multicolinéarité
parfaite est
ainsi
un problème d’identification.
Les
coefficients
du
modèle
sont
indéterminés et
leur
variance infinie.
Econométrie II - L3
Econométrie/Mass
3
1.2 La multicolinéarité partielle Le cas le plus habituel rencontré avec les données est celui
1.2 La
multicolinéarité partielle
Le
cas
le plus
habituel
rencontré avec
les
données
est
celui
les variables sont
fortement mais
pas
parfaitement
corrélée.
Contrairement
à
la
multicolinéarité parfaite,
on
ne
va
pas
avoir un
problème
d’identification
mais
un
problème
statistique
(précision).
Les
coefficients du modèle de
régression
peuvent
être déterminés
mais
l’écart-type
de leur estimation
est important.
Econométrie II - L3
Econométrie/Mass
4
1.3 Les conséquences pratiques de la multicolinéarité partielle Quand les variables explicatives sont fortement
1.3
Les
conséquences pratiques
de
la
multicolinéarité
partielle
Quand les variables explicatives sont
fortement
corrélées,
on observe souvent les
problèmes
suivants :
- Forte variance des paramètres estimés et intervalles de
confiance
autour
des paramètres importants,
- Tests de
Student peu significatifs bien que les
variables explicatives
soient
conjointement fortement
significatives,
- Instabilité des coefficients estimés
par MCO, pouvant
être de signes contraires
à l’intuition et d’ampleur
improbable.
Econométrie II - L3
Econométrie/Mass
5
1.4 Exemple Econométrie II - L3 Econométrie/Mass 6
1.4 Exemple
Econométrie II - L3
Econométrie/Mass
6
2. Tests de détection de la multicolinéarité Econométrie II - L3 Econométrie/Mass 7
2. Tests de détection
de
la
multicolinéarité
Econométrie II - L3
Econométrie/Mass
7
2.1 Calcul des corrélations On peut calculer les coefficients de corrélation entre les variables explicatives
2.1 Calcul des corrélations
On
peut calculer
les
coefficients
de corrélation
entre
les
variables explicatives prises
2 à 2.
Mais
cela ne
teste que l’existence
du phénomène à un
niveau
d’ordre
1.
Les
simples
corrélations entre les variables
X
ne
donnent
pas
toujours
une
indication
adéquate
du
problème.
Econométrie II - L3
Econométrie/Mass
8
2.2 Autres tests Il existe un certain nombre de tests de multicolinéarité mais le «
2.2 Autres
tests
Il
existe un
certain
nombre de
tests
de
multicolinéarité mais le
« test
» usuel de
l’économètre appliqué est
généralement
l’observation de
la faible qualité des
résultats
d’estimation
:
- Faible précision
des
coefficients estimés
- Faible robustesse des résultats
Econométrie II - L3
Econométrie/Mass
9
3. Remédier à la multicolinéarité Econométrie II - L3 Econométrie/Mass 10
3. Remédier
à la
multicolinéarité
Econométrie II - L3
Econométrie/Mass
10
3.1 Comment remédier à la multicolinéarité ? Il existe plusieurs techniques pour limiter les difficultés
3.1 Comment remédier à
la
multicolinéarité
?
Il
existe
plusieurs
techniques
pour
limiter
les
difficultés dues
au problème de multicolinéarité :
i) revoir la
construction
du modèle
: éliminer
les
variables
suspectées de causer
le
problème dans
la
régression.
Mais dans
ce cas
: problème de
spécification.
ii) Incorporation d’information supplémentaire
: par
exemple,
augmenter la taille
de l’échantillon.
Econométrie II - L3
Econométrie/Mass
11
3.2 Comment remédier à la multicolinéarité ? iii) Régression des moindres carrés partiels [Helland 1990,
3.2 Comment
remédier
à la
multicolinéarité
?
iii) Régression des moindres
carrés partiels
[Helland
1990, Tenenhaus 1998] :
on obtient des
estimateurs
successifs en considérant les
résidus comme une
nouvelle variable dépendante.
iv) Régressions pas à pas [Hocking, 1976] :
en limitant
le nombre de variables explicatives
suivant leurs
coefficients
de corrélation partielle
avec la variable
expliquée, on
réduit
les colinéarités
éventuelles.
v) Etc.
Econométrie II - L3
Econométrie/Mass
12
3.3 Un exemple sous Stata Econométrie II - L3 Econométrie/Mass 13
3.3 Un
exemple
sous Stata
Econométrie II - L3
Econométrie/Mass
13
3.4 Un exemple sous Stata Corrélations partielles Econométrie II - L3 Econométrie/Mass 14
3.4 Un
exemple
sous Stata
Corrélations partielles
Econométrie II - L3
Econométrie/Mass
14
3.5 Un exemple sous Stata Modification du modèle Econométrie II - L3 Econométrie/Mass 15
3.5 Un
exemple
sous Stata
Modification
du modèle
Econométrie II - L3
Econométrie/Mass
15
4.1 Conclusion La multicolinéarité apparaît quand il existe une relation linéaire parfaite ou presque parfaite
4.1 Conclusion
La
multicolinéarité apparaît quand il existe une relation
linéaire
parfaite ou presque
parfaite
entre
deux
ou
plusieurs
variables explicatives du
modèle.
Dans
cette
situation,
il n’est pas possible
de
mesurer
l’impact
séparé de
chaque
variable
explicative sur la variable
à
expliquer.
La
multicolinéarité
reflète des problèmes
de données
plutôt
que
des
modèles.
Il
apparaît
habituellement
quand il y a peu
de variations dans
les régresseurs au
sein de
l’échantillon.
Econométrie II - L3
Econométrie/Mass
16
4.2 Conclusion Il y aura cependant toujours un certain degré de multicolinéarité existant dans les
4.2 Conclusion
Il
y
aura
cependant
toujours
un
certain
degré
de
multicolinéarité
existant
dans
les
modèles
économétriques
due
à
la
nature
des
données
économiques.
Cette
multicolinéarité
peut
parfois
perturber
les résultats des estimations.
L’idée
serait
plutôt
de
bannir
les
techniques
automatiques
de
sélection
de
variables explicatives
pour
privilégier les modèles
avec une
interprétation
économique.
Econométrie II - L3
Econométrie/Mass
17