Académique Documents
Professionnel Documents
Culture Documents
Akram SMATI
Année Universitaire: 2021/2022
Introduction
individu à la date t non seulement des valeurs prises par les variables
Le modè le é tudié ici peut donc ê tre spé cifié sous la forme :
Pour autant, Y i t - 2 , lui, n’est thé oriquement pas corré lé avec ∆εit tout
en demeurant fortement corré lé e avec ∆Y t - 1
pré sente donc à ce titre toutes les qualité s attendues d’un bon
Y it-2
instrument
qui pré sente toutefois l’inconvé nient de conduire à la perte d’un degré
de liberté .
Méthode des Moments Généralisés
consiste à prendre pour chaque pé riode la premiè re diffé rence de l'é quation à
estimer pour é liminer les effets spé cifiques individuels. On obtient :
Il s’agit ensuite d’ instrumenter la variable endogè ne retardé e par ses valeurs
passé s de 2 pé riodes et plus. Cependant, cette mé thode ne permet pas d’identifier
l’effet des facteurs invariants dans le temps. De plus, Blundel et Bond (1998) ont
montré à l'aide des simulations de Monte Carlo que l'estimateur G M M en
systè me est plus performant que celui en diffé rences premiè res, ce dernier donne
des ré sultats biaisé s dans des é chantillons finis lorsque les instruments sont
faibles.
Méthode des Moments Généralisés
G M M en Système
Y it = X it + Y it 1 + it
i = X it + Yit 1 +
Y
Méthode des Moments Généralisés
G M M en Système
Les principaux tests en panels dynamiques, reposent sur les hypothè ses
suivantes, à accepter.
-Test de Sargan :
H0: Les instruments sont valides.
G M M : Estimation en 2 étapes
1) Une première estimation se fait sous l’hypothèse d’absence de corrélation des erreurs et
leur homoscédasticité.
2) Ensuite, le vecteur des résidus issu de cette première estimation est utilisé pour estimer
de façon convergente une matrice variance-covariance des erreurs, dans une deuxième
étape d’estimation. A cette deuxième étape, l’hypothèse d’absence de corrélation des
erreurs et de leur homoscédasticité est vérifiée.
Cela fait de l’estimateur GMM estimé en deux étapes plus efficace que l’estimateur
GMM estimé en une seule étape ((Roodman (2009a, 2009b)).
Méthode des Moments Généralisés
Commande STATA: xtabond2
Avec le logiciel Stata, la méthode GMM system est préprogrammée (commandes «
xtabond2 » et « twostep » ).
Aussi, nous nous basons dans l’écriture des commandes relatives à nos estimations sur les
recommandations de Roodman (2009a, 2009b) et Newey et Windmeijer (2009), dont
l’application de la correction de Windmeijer (2005), afin d’obtenir des écarts-types
asymptotiques, donc robustes et éliminer, ainsi, le biais potentiel qui pourrait découler de
l’estimation en deux étapes. A travers l’utilisation de la commande « collapse », le logiciel
Stata 11 garantit un petit nombre d’instruments utilisés qui n’excède pas le nombre
d’observations, afin de pouvoir estimer le modèle d’une façon non biaisée, ce qui évite
potentiellement le problème de prolifération des instruments (Roodman (2009a, 2009b)).
En effet, avec un nombre d’instruments trop élevé, qui dépasse le nombre d’observations,
les variables endogènes peuvent être sur-présentées par leurs instruments, d’où le risque de
persistance du problème d’endogénéité.