Académique Documents
Professionnel Documents
Culture Documents
REALISER PAR:
MZALI AMIRA
Enseignante :Smaoui
Soulef 1
Plan
Introduction
Définition
Problématique
Objectif
Conclusion
2
Introduction
LA METHODOLOGIE DE BOX & JENKINS La
méthodologie de Box & Jenkins vise à formuler un
modèle permettant de représenter une chronique avec
comme finalité de prévoir des valeurs futures. De ce fait,
l'objet de cette méthodologie est de modéliser une série
temporelle en fonction de ses valeurs passées et présentes
afin de déterminer le processus ARIMA adéquat par
principe de parcimonie. Cette méthodologie suggère une
procédure à trois phases :
- Identification du modèle
- Estimation du modèle
- Validation du modèle (Test de diagnostique)
3
Définition du PIB
Le PIB (produit intérieur brut) est un indicateur
économique qui permet de mesurer la production
économique intérieur réaliser par un pays
4
Objectif
Le PIB a pour objectif de quantifier la production de
richesse réalisée sur un Etat sur une période donnée,
généralement un an ou un trimestre grâce aux agents
économique résidant dans le pays concerné.
5
Problématique
Le PIB de l’Inde a cru de 8,6% en 2010. La même année,
celui de la Grèce a baissé de 4,5%. Les prévisions de
croissance du PIB du gouvernement français ne sont pas
toujours conformes à celle de la Commission européenne.
On parle sans cesse du PIB, mais on ne se demande pas
toujours ce qu’il recouvre précisément et s’il s’agit de
l’indicateur le plus pertinent pour évaluer la richesse d’un
pays
6
Série De PIB PAR HABITANT EN TUNISIE
7
Données
8
Graphique
9
Corrélogramme
11
Test de racine unité
Modèle 3
On remarque que le coefficient du trend n’est pas significatives ( t-statistic est
inférieur 1,23<2,79). Prob = 0.2231>5% Donc on accepte H0 : β=0
12
Test de racine unité
Modèle 2
On remarque que le coefficient de la constante significative (t-stat 3,84>2,5)
Prob>5%
Les séries contiennent une racine unité. La Série non stationnaire
Le type de notre séries est DS avec dérivé
13
Stationarisation
Pour un processus DS, la bonne méthode de
stationnarisation est celle de la différenciation Donc
on va créer
La série différenciée :
Pib=Pib-Pib(-1)
14
Graphe et correlogramme de la série ‘DPIB’
créée
15
Interprétation
A partir du graphe on remarque que la série ‘dpib’ est une
série stationnaire autour de sa moyenne. Ainsi d’après le
correlogramme, la FAC converge rapidement vers zéro.
Pour confirmer la stationnarité, on doit appliquer a
nouveau le test DF
16
Test de racine unité
Modèle 3 Modèle 2
Le coefficient du trend n’est pas Le coefficient de la constante est
significatif ( t-stat<2,79), significatif ( 3,84>2,5), La série est
On passe au modèle 2 stationnaire
17
Identification du modèle
On remarque :
De la FAC que la première
autocorrélation est
significativement
différents de zéro
De la FACP que la
première autocorrélation
est significativement
différents de zéro
18
Estimation AR(1)
19
Interprétation
20
Graphe pour valider le modèle
21
Graphe pour valider le modèle
22
conclusion
Un processus autorégressif est un modèle de régression
pour séries temporelles dans lequel la série est expliquée
par ses valeurs passées plutôt que par d'autres variables.
23
Merci pour votre attention