Explorer les Livres électroniques
Catégories
Explorer les Livres audio
Catégories
Explorer les Magazines
Catégories
Explorer les Documents
Catégories
Rappel sur la rgression partage Oprateurs BETWEEN et WITHIN Spcification du modle effets individuels L estimateur LSDV Tests Modle avec effets temporels Modle avec effets individuels et temporels
Y( N ,1)
1( N , K1 )
F1( K1 ,1)
2( N , K 2 )
F 2( K2 ,1) I ( N ,1)
Remarque : F 2 est quivalent l estimateur des MCO sur le modle transform par M1 :
M 1 y ! M 1 X 1F1 M 1 X 2 F 2 M 1I M 1 y ! M 1 X 2 F 2 M 1I car M 1 X 1 ! 0 % % % y ! X F I modle pur des variables X
2
Oprateur between :
Lorsqu il est appliqu une variable, BN permet de calculer les moyennes par individu de cette variable. Cet oprateur est donc appel oprateur interindividuel ou oprateur between .
Oprateur within :
Oprateur :
WN ! I NT BN
' ' WN ! I N ( IT ST ST T ) ou WN ! I NT I N ST ST T
Lorsqu il est appliqu une variable, WN permet de calculer les carts de chaque observation aux moyennes individuelles. Cet oprateur est donc appel oprateur intraindividuel ou oprateur within .
yit ! E i x F I it
' it
yi ! ST E i X i F I i
Y ! DN E X F I
rang ?DN X A ! N K
Les erreurs :
I it : iid (0,
Le modle Y ! DN E X F I est un modle de rgression en forme partage. On peut donc appliquer le thorme FW:
! ( X 'WN X ) 1 X 'WN Y F ' E ! 1 T
DN (Y X F )
i ! yi. xi'. F E
L estimateur de l effet individuel est donc gal la moyenne des rsidus du i me groupe.
Les rsultats s obtiennent galement en appliquant les MCO sur le modle transform par WN :
Le modle global implique l inversion d une matrice (N + K, N + K) Le modle transform ne ncessite que l inversion d une matrice (K, K) Attention : la transformation n est pas non-singulire, on perd N ddl (ddl = NT N K)
On veut savoir si les effets fixes sont diffrents d une quation l autre :
H 0 : Ei ! E H A : Au moins 2 coefficients sont diffrents
Procdure de test :
Procdure de Chow Comparaison modle contraint/modle noncontraint Le modle contraint est le modle I (rgression ordinaire).
Htroscdasticit :
Arellano (1987) a montr qu on pouvait, de faon similaire White (1980), estimer de faon robuste une htroscdasticit de forme inconnue la variance de l estimateur intra-individuel. On peut aussi effectuer les tests de White (1980) ou de Breusch-Pagan. S il y a autocorrlation des erreurs : Une extension du test de Durbin-Watson a t propose au cadre du modle effets fixes partir des rsidus estims du modle intra-individuel.
Autocorrlation :
I i ,t ! VI i ,t 1 uit
yit ! Pt x F I i ,t
' it
yi ! IT P X i F I i
Cet estimateur s obtient comme l estimateur des MCO sur le modle transform :
W T Y ! WT X F WT I ' ( yit y.t ) ! ( xit x.'t ) F erreur
Il s crit :
Y ! DN E DT P X F I
Cependant, les paramtres E et P ne sont pas tous identifiables car la matrice [D N D T] n est pas de rang complet (multicolinarit) Pour des raisons de symtrie, on propose :
d inclure N - 1 variables muettes individuelles d inclure T 1 variables muettes temporelles d ajouter un terme constant global
Y ! DK X F I (NT N T 1 K ddl)
Spcification (1)
Spcification (2)
u2 2 E (I it I js ) ! u 0
2 w
si i ! j et t ! s si i ! j et t { s sinon
Interprtation :
Autocorrlation temporelle individu par individu, constante quel que soit le nombre de priodes sparant deux perturbations Pas de corrlations entre les individus
Spcification (3)
W u2
W u2 W 2 K M O W u2
K
2 Wu !A M 2 2 Wu W W u2
Spcification (4)
K K O K
*V (I ) ! (II ') !
A 0 soit : V (I ) ! M 0
0 K A K M O 0 K
0 0 ! IN A M A
On dmontre que :
V ! IN A
2 2 V ! (W w T W u2 ) BN W wWN
V apparat comme la combinaison linaire des matrices between et within. Les quantits 2 2 2 P1 ! W w T W u et P2 ! W w sont les valeurs propres de cette matrice (resp. de multiplicit N et NT N).
Remarque 2 : soit Alors F est la matrice permettant d effectuer une transformation qui ramne au MCO car : 2 'VF ! W w I
Le modle :
' yit ! E xit F I i ,t
y ! S NT E X F I ! Z K I
Il s agit de l estimateur des MCO appliqu au modle sur les moyennes ' individuelles : yi . ! xi . F erreur Il correspond l estimateur appliqu au modle transform par B N :
BN y ! BN Z K BN I b ! ( Z ' BN Z ) 1 Z ' BN y K
Cette mthode n utilise que la variance interindividuelle des individus privilgiant les diffrences permanentes entre individus. Estimateur sans biais et convergent (pour N et T p ou N p et T fix).
Il s agit de l estimateur des MCO appliqu au modle sur les moyennes individuelles :
WN y ! WN Z K WN I
KW ! ( X 'WN X ) 1 X 'WN y
Cette mthode n utilise que la variance intraindividuelle des individus, excluant toute variabilit attribuable aux diffrences permanentes entre individus. Estimateur sans biais et convergent (pour N et T p ou N p et T fix). En outre, il est asymptotiquement efficient.
Compte tenu de la dfinition de V, cet estimateur se rcrit comme : KMCG ! ( X 'WN X U X ' BN X )1 ( X 'WN y U X ' BN y )
2 2 avec U ! W w (W w T W u2 )
Cet estimateur combine donc les variabilits inter- et intraindividuelles dans une proportion particulire.
Il est l quivalent l estimateur des MCO du modle o les donnes sont transformes par F (transformation quasi-dviation la moyenne). Cet estimateur est sans biais, convergent (pour N et T p ou N p et T fix) et efficient.
Comme la valeur de U est inconnue, il faut l estimer de faon convergente. Swamy et Arora (1972) ont propos d utiliser les variances estimes des rsidus des rgressions intra- et interindividuelles.
2 Un estimateur centr de W w est donn par :
2 ' W w ! (uwuw ) /( NT N K )
o uW ! WN y WN ZKW sont les rsidus de la rgression intra.
' W b2 ! (u B u B ) /( NT TK )
o u B ! BN y BN ZKB sont les rsidus de la rgression inter. Un estimateur convergent de U se dduit de ces 2 2 deux estimations : U ! W w T W b On applique enfin les MCG avec U au lieu de U
Le but est de tester : 2 0 :Wu ! 0 H H A : W u2 { 0 Test de Fisher ou du multiplicateur de Lagrange ( partir du modle contraint estim par les MCO), suivant asymptotiquement une loi du G2 1 ddl. Honda (1985) a propos une version unilatrale de ce test.
Selon Mundlak (1978), les effets spcifiques alatoires ont de grandes chances d tre corrls avec les variables explicatives = corrlation entre les caractristiques inobservables des individus et les caractristiques observables (rgresseurs). Dans ce cas, il montre que seul l estimateur within reste sans biais et convergent. Il en dduit galement un test de corrlation entre les effets spcifiques et les variables explicatives.
un estimateur convergent et efficace sous l hypothse nulle de bonne spcification mais non convergent sous l hypothse alternative et un estimateur convergent sous les deux hypothses
L hypothse nulle correspond au modle erreurs composes alors que l hypothse alternative correspond au modle de Mundlak (o les effets spcifiques sont corrls avec les variables explicatives) Dans ce cas, l estimateur des MCG est convergent et efficace sous H 0 mais non convergent sous H a. Au contraire, l estimateur within est convergent dans les deux cas.
q ! KW KMCG
La quantit :
(K ) V (K ) q : G2 w Q ! q' V MCG K
as
Remarque : on peut galement tester l exognit des effets spcifiques en comparant deux quelconque des estimateurs suivants : K MCO , K MCG , K w et K b
Si la corrlation ne peut pas tre rejete, il faut considrer un modle effets individuels corrls :
estimateur within ou, estimateur MCO ou MCG sur le modle en diffrences premires (pour liminer l effet individuel) ou, estimateurs des variables instrumentales
Hypothses :
i : iid (0, W u2 ) u 2 v t : iid (0, W v ) 2 wit : iid (0, W w ) , v , w mutuellement indpendants u i t it
si i ! j et t ! s si i ! j et t { s si i { j et t ! s sinon
Interprtation :
Autocorrlation temporelle individu par individu, constante quel que soit le nombre de priodes sparant deux perturbations Covariance contemporaine entre les individus
W v2 0 0 W v2 * (I iI 'j ) ! M M 0 0
K K O K
0 0 ! B ! W v2 I T M 2 Wv
0 B 0 B A B K M O M M 0 K A B B ' ! I N ( A B) ( ST ST ) B
B K B K M O B K
B B M B
Soit le modle :
' yit ! zit K i I it
Les hypothses :
Sur les variables explicatives : on suppose Z i fixe, de rang complet K+1 Sur les erreurs : I it : iid (0, W i2 )
K i ! K Hi
K est la partie fixe et H i sont les effets individuels alatoires. On admet que H i : iid (0, ) o ( est une matrice dfinie-positive
Le modle de Swamy est donc un modle de rgression multiple avec perturbations autocorrles et htroscdastiques.
% E (I i ) ! 0 % ! Z i (Z i' W i2 IT ! Ai V (I i ) %% Cov(I i , I j ) ! 0
% % % V (I ) ! (II ') !
A1 0 0 A 2 soit : V (I ) ! M M 0 0
0 0 d !V M AN
Par dfinition :
MCG ! ( Z 'V 1Z ) 1 Z 'V 1 y K
Ci1Ki
o Ci ! ( W i2 ( Z i' Z i )
Interprtation : il s agit d une moyenne pondre matricielle des Ki . La moyenne est pondre en fonction inverse de la variance : les individus pour lesquels l estimation est la plus prcise psent plus dans l estimation globale que les autres. Cependant, puisque C i n est pas connue, cette mthode n est pas applicable.
Pour WM, on utilise la somme des carrs des rsidus des rgressions individuelles. Pour (, on utilise l estimateur :
(!
On peut ensuite remplacer WM et ( par leurs estimations dans V pour la 2me tape des MCGR. On obtient un estimateur convergent et asymptotiquement efficace pour N p et T fixe.
On teste :
H 0 : K 1 ! K 2 ! ... ! K N ! K
Puisque l htrognit des coefficients induit une forme d htroscdasticit, cette dernire peut tre teste l aide de l approche Breusch-Pagan.