Post on 24-Jun-2022
1
ECONOMETRIE
FINANCIERE II
ECONOMETRIE
FINANCIERE II
• MASTER 2
• CESAG, DAKAR,
• Octobre-Novembre 2019
Dr. DIAKITE. O. Karim•Docteur en Sciences Economiques et de Gestion, UCAD, Dakar
•M/A UPGC KORHOGO
E.mail: gueykarim@yahoo.frE.mail: gueykarim@gmail.com
Cel : 77 319 02 49
CHAP 1: L'économétrie
sur données de panel
La démarche économétrique.
La disponibilité de l’information statistique et sa
nature (coupe instantanée, série chronologique ou
panel) vont conditionner la portée du champ
d’investigation empirique, ainsi que les méthodes
économétriques à retenir.
04/11/2019 2gueykarim@gmail.com
CHAP 1: L'économétrie
sur données de panel
La démarche économétrique.
Une double vision est requise au niveau de la lecture
des articles de référence. (Type de données, de
variables retenues, méthodes d’estimation, type
d’instruments et de tests,…) en plus du cadre
conceptuel de la théorie économique.
Economie et statistique vont de pair.
04/11/2019 3gueykarim@gmail.com
CHAP 1: L'économétrie
sur données de panel
La démarche économétrique.
Les résultats empiriques sont tributaires de la qualité de
l’information statistique et de la représentativité de
l’échantillon retenu.
D’où le besoin de s’attarder sur la description de la base
statistique.
Une analyse descriptive détaillée de l’échantillon est
importante avant de se lancer dans les estimations
économétriques.04/11/2019 4gueykarim@gmail.com
CHAP 1: L'économétrie
sur données de panel
La démarche économétrique.
La transposition (pure et simple) d’un modèle théorique
tiré de la littérature et appliqué dans un contexte qui n’est
pas le sien peut être une approximation grossière de la
réalité et peut conduire à des résultats controversés.
Les objectifs de la recherche (l’économique) peuvent être
« en conflit » avec les méthodes économétriques
souhaitées.
04/11/2019 5gueykarim@gmail.com
CHAP 1: L'économétrie
sur données de panel
La démarche économétrique.
Les méthodes économétriques « sophistiquées »
améliorent souvent la précision des estimateurs mais ne
remettent pas en question la nature de la relation entre
les variables étudiées ! La solution est plutôt d’ordre
économique que statistique.
04/11/2019 6gueykarim@gmail.com
CHAP 1: L'économétrie
sur données de panel
La démarche économétrique.
Cette série est consacrée à l’économétrie des données de
panel sous Stata.
Elle fait l’objet de séminaires de formations pour les
étudiants de Master pour leur permettre de manipuler les
principales estimations en données de panel, classiques et
dynamiques.
04/11/2019 7gueykarim@gmail.com
CHAP 1: L'économétrie
sur données de panel
Présentation des modèles à données de panel
Spécificités des données de panel
Modélisation des données de panel
04/11/2019 8gueykarim@gmail.com
CHAP 1: L'économétrie
sur données de panel
Modélisation des données de panel
Les données utilisées en économétrie sont le plussouvent des séries chronologiques ou en coupeinstantanée concernant une période donnée.
Les données de panel, ou données longitudinalespossèdent les deux dimensions précédentes
04/11/2019 9gueykarim@gmail.com
CHAP 1: L'économétrie
sur données de panel
Modélisation des données de panel
Les données utilisées en économétrie sont le plus souvent desséries chronologiques ou en coupe instantanée concernantune période donnée.
Les données de panel, ou données longitudinalespossèdent les deux dimensions précédentes (individuelle ettemporelle).
En effet, il est souvent intéressant d’identifier l’effet associé àchaque individu (un effet qui ne varie pas dans le temps, maisqui varie d’un individu à un autre).
Cet effet peut être fixe ou aléatoire .04/11/2019 10gueykarim@gmail.com
CHAP 1: L'économétrie
sur données de panel
Modélisation des données de panel
04/11/2019 11gueykarim@gmail.com
Par conséquent, le modèle en données depanel s’écrit comme un modèle à double indicequi prend la forme suivante :
CHAP 1: L'économétrie
sur données de panel
Modélisation des données de panel
04/11/2019 12gueykarim@gmail.com
La double dimension qu’offrent les données de panel est unatout majeur.
En effet, si les données en séries temporelles permettentd’étudier l’évolution des relations dans le temps, elles nepermettent pas de contrôler l’hétérogénéité entre les individus.
A l’inverse, les données en coupes transversales permettentd’analyser l’hétérogénéité entre les individus mais elles nepeuvent pas tenir compte des comportements dynamiques ,puisque la dimension temporelle est exclue du champd’analyse.
CHAP 1: L'économétrie
sur données de panel
Modélisation des données de panel
04/11/2019 13gueykarim@gmail.com
Ainsi, en utilisant des données de panel, on pourraexploiter les deux sources de variation de l’informationstatistique :
Temporelle où variabilité intra-individuelle (within)
et individuelle ou variabilité inter-individuelle(Between).
CHAP 1: L'économétrie
sur données de panel
Modélisation des données de panel
04/11/2019 14gueykarim@gmail.com
Remarques 1 :
L’augmentation du nombre d’observations permet de garantirune meilleure précision des estimateurs, de réduire les risquesde multi colinéarité et surtout d’élargir le champ d’investigation.
Le panel considéré n’est pas nécessairement complet (cylindré)où toutes les unités statistiques sont observés durant la mêmepériode considérée. Il peut s’agir d’un panel incomplet, noncylindré.
Le cylindrage de l’échantillon n’est pas conseillé à ca use du risque de biais de sélectivité.
CHAP 1: L'économétrie
sur données de panel
Modélisation des données de panel
04/11/2019 15gueykarim@gmail.com
Remarques 2 :
Théoriquement, les méthodes proposées supposentque la dimension individuelle est infinie (on peutprendre des centaines, ou des milliers d’entreprises)et que la dimension temporelle est finie.
D’où l’intérêt de contrôler l’hétérogénéité individuellequi peut être supposé fixe ou aléatoire.
CHAP 1: L'économétrie
sur données de panel
04/11/2019 16gueykarim@gmail.com
Les régressions linéaires sur données de panel
La première étape à établir pour un échantillon de données depanel est de vérifier la spécification homogène ou hétérogènedu processus générateur de données.
La phase de test de spécification revient à déterminer si on a ledroit de supposer une fonction de régression identique pourtous les individus (modèle Pooled ).
Dans ce cas, les élasticités des facteurs exogènes sont identiques
et la constante elle aussi identique pour tous les individus
selon le modèle suivant :
�� � ��� � �
CHAP 1: L'économétrie
sur données de panel
04/11/2019 17gueykarim@gmail.com
Les régressions linéaires sur données de panel
Toutefois, lorsqu’on travaille sur des séries agrégées,
il est peu probable que la fonction de régression, soit
strictement identique pour tous les individus étudiés.
Ainsi, il convient de tester si les élasticités des
différents facteurs sont identiques.��
CHAP 1: L'économétrie
sur données de panel
04/11/2019 18gueykarim@gmail.com
Les régressions linéaires sur données de panel
Si ce n’est pas le cas, il n’existe à priori aucune structure
d’estimation commune entre les pays (individus), et donc
l’utilisation des données de panels ne se justifie pas et peut
même conduire à des biais d’estimation.
On doit, alors, estimer les fonctions individu par individu.
CHAP 1: L'économétrie
sur données de panel
04/11/2019 19gueykarim@gmail.com
Les régressions linéaires sur données de panel
En revanche, s’il existe bien une relation
identique pour toutes les élasticités, alors la
source d’hétérogénéité ne peut provenir que
des constantes ��
CHAP 1: L'économétrie
sur données de panel
04/11/2019 20gueykarim@gmail.com
Les régressions linéaires sur données de panel
Or, rien ne garantit que les pays étudiés possèdent lemême niveau moyen de la variable endogène.
Au contraire, il se peut parfaitement que des facteurstemporels ou structurels (comme la position géographique,le climat, l’éloignement par rapport au grands axescommerciales…) pouvaient conduire à des différencesstructurelles entre les individus.
CHAP 1: L'économétrie
sur données de panel
04/11/2019 21gueykarim@gmail.com
Les régressions linéaires sur données de panel
Dans ce cas, le niveau moyen des facteurs, déterminer par
varie selon les pays même si les élasticités du
modèle sont les même.
On obtient alors un modèle avec effets individuels qui s’écrit
sous la forme :
��
CHAP 1: L'économétrie
sur données de panel
04/11/2019 22gueykarim@gmail.com
Les régressions linéaires sur données de panelAinsi, la phase de test de spécification revient à déterminer si leprocessus générateur de données peut être considéré commehomogène, c’est-à-dire unique pour tous les individus, ou si aucontraire il apparaît totalement hétérogène, auquel casl’utilisation des techniques de panel ne peut se justifier.
Entre ces deux cas extrêmes se trouve un modèle dit à effetsindividuels.
Il convient, surtout, d’identifier la source d’hétérogénéité pourbien spécifier le modèle.
CHAP 1: L'économétrie
sur données de panel
04/11/2019 23gueykarim@gmail.com
:
(1986)
vraie rejetée
Graphique 1 : Procédure générale de test présentée dans Hsiao
CHAP 1: L'économétrie
sur données de panel
04/11/2019 24gueykarim@gmail.com
Les régressions linéaires sur données de panelTest de Spécification :1.1. Hétérogénéité des Comportements :Plusieurs configurations sont disponibles : Les constantes et les paramètres sont identiques. On qualifie ce
panel de panel homogène (Pooled ). Les N constantes et les N vecteurs de paramètres sont différents
selon les individus. On a donc N = 5 (selon le nombre de pays) modèlesdifférents, on rejette la structure de panel.
Les N vecteurs de paramètres sont identiques, tandis que lesconstantes diffèrent selon les individus. On obtient un modèlehétérogène à effets individuels .
����
����
������ � �
CHAP 1: L'économétrie
sur données de panel
04/11/2019 25gueykarim@gmail.com
Les régressions linéaires sur données de panelTest de Spécification :
a) Test d’homogénéité globale ( H0):
Il s’agit de tester le test suivant :
Avec :
La statistique utilisée est celle de Fisher :
CHAP 1: L'économétrie
sur données de panel
04/11/2019 26gueykarim@gmail.com
Avec : N = 5 pays, K= 3 variables exogènes et T = 16 années. SCR c’est la somme des carrés résiduels du modèle (1) :
SCRc est celle du modèle constraint (modèled’homogénéité totale ou Pooled) : elle est calculée enestimant le modèle sur l’échantillon complet à NTobservations.
pour chaque individu (pays).
′
CHAP 1: L'économétrie
sur données de panel
04/11/2019 27gueykarim@gmail.com
Les régressions linéaires sur données de panel
Pour notre modèle les résultats sont les suivantes :
La statistique ainsi calculée est supérieure à F(16 ; 60) ≈ 2.13du tableau de Fisher ; on rejette alors l’hypothèse
d’une parfaite homogénéité du modèle et on passe au deuxièmetest.
a) Test d’homogénéité globale ( H0):
CHAP 1: L'économétrie
sur données de panel
04/11/2019 28gueykarim@gmail.com
Les régressions linéaires sur données de panelTest de Spécification :b) Test d’homogénéité des coefficients βi (H0) :
Le test est le suivant :
La statistique du test est la suivante :
Avec, est la somme des carrés résiduels du modèlecontraint à effet individuels :
Ici les estimateurs (Withen ) des paramètres sont obtenus en centrantles variables sur les moyennes individuelles respectives. C’est le même que l’estimateur à effet fixe donné par Eviews et STATA
′
��� � �� � ���� � ������
CHAP 1: L'économétrie
sur données de panel
04/11/2019 29gueykarim@gmail.com
Les régressions linéaires sur données de panelTest de Spécification :
b) Test d’homogénéité des coefficients βi (H0) :
Les résultats d’estimation dans notre modèle sont les suivantes
Cette valeur est inferieur à celle du tableau de Fisher
Ainsi, on accepte l’hypothèse et on admet le modèle de panel avec homogénéitédes coefficients et on passe au test suivant d’homogénéité des coefficients αi.
′
βi
CHAP 1: L'économétrie
sur données de panel
04/11/2019 30gueykarim@gmail.com
Les régressions linéaires sur données de panelTest de Spécification :
Test d’homogénéité des constantes αi (H0) :
La statistique de ce test est la suivante :
Avec :
On rejette, alors, l’hypothèse H03 pour opter à un modèle de panel
à effet individuel causé par l’hétérogénéité de la constant αi
Il ne reste maintenant que de déterminer la nature de cet effet (fixe ou aléatoire) par le test d’Hausman.
CHAP 1: L'économétrie
sur données de panel
04/11/2019 31gueykarim@gmail.com
Les régressions linéaires sur données de panelTest de Spécification :Test d’Hausman :C’est un test qui sert à discriminer les effets fixes et aléatoiresdes effets individuels dans un modèle des données en panel.
Il s’agit de tester la présence éventuelle d’une corrélation oud’un défaut de spécification (corrélation entre des effetsindividuels et des variables explicatives).
Le test est le suivant : � ���� �� ��⁄ �� ���� �� ��⁄ ��
CHAP 1: L'économétrie
sur données de panel
04/11/2019 32gueykarim@gmail.com
Les régressions linéaires sur données de panelTest de Spécification :Test d’Hausman :Sous l’hypothèse les effets individuels sont aléatoires, alors laméthode adéquate pour l’estimation est la Méthode desMoindres Carrés Généralisés (MCG). Sinon, sous l’hypothèsel’estimateur utilisé est l’estimateur Within.
La statistique du test est la suivante :
CHAP 1: L'économétrie
sur données de panel
04/11/2019 33gueykarim@gmail.com
Test d’Hausman :
CHAP 1: L'économétrie
sur données de panel
04/11/2019 34gueykarim@gmail.com
Test d’Hausman :
La statistique du test d’Hausman est égal à 104,378et présente une probabilité statistique de 0,0000 doncon va rejeter l’hypothèse H0, et opter pour un modèlede panel à effet fixe.
CHAP 1: L'économétrie
sur données de panel
04/11/2019 35gueykarim@gmail.com
2. Modèles à effets individuelsNous allons à présent nous concentrés sur les modèles de
panel hétérogènes, où la seule source d’hétérogénéité provientdes constantes individuelles.
On suppose ainsi que les coefficients des différentes variablesstochastiques explicatives sont identiques pour tous lesindividus du panel On suppose en outre que cescoefficients sont des constantes déterministes.
Les constantes individuelles quant à elles, diffèrent selonles individus.
�� � �
CHAP 1: L'économétrie
sur données de panel
04/11/2019 36gueykarim@gmail.com
2. Modèles à effets individuels
CHAP 1: L'économétrie
sur données de panel
04/11/2019 37gueykarim@gmail.com
2. Modèles à effets individuels
CHAP 1: L'économétrie
sur données de panel
04/11/2019 38gueykarim@gmail.com
2. Modèles à effets individuels
a) Estimateur Within ou LSDV (Least Square DummyVariables)
L’estimateur des Moindres Carrés Ordinaires (MCO) des paramètres etdans le modèle à effets fixes est appelé estimateur Within; ou estimateur àeffets fixes ou estimateur LSDV (Least Square Dummy Variable).
Comme nous l’avons vu, le terme Within s’explique par le fait que cetestimateur tient compte de la variance intra groupe de la variableendogène.
La troisième appellation LSDV tient au fait que cet estimateur conduit àintroduire des variables dummies.
CHAP 1: L'économétrie
sur données de panel
04/11/2019 39gueykarim@gmail.com
2. Modèles à effets individuels
a) Estimateur Within ou LSDV (Least Square DummyVariables)
Les estimateurs de ce modèle par la méthode des MCO sont les meilleursestimateurs linéaires, sans biais et convergents (BLUE ).
Dans la pratique, l’estimateur des MCO ou LSDV est obtenu à partir d’unmodèle transformé où les différentes variables du modèle sont centrées parrapport à leurs moyennes individuelles respectives. On retient, alors, laspécification suivante :
CHAP 1: L'économétrie
sur données de panel
04/11/2019 40gueykarim@gmail.com
2. Modèles à effets individuels
a) Estimateur Within ou LSDV (Least Square DummyVariables)
Les réalisations des estimateurs des constantes sontdéduites au point moyen, après estimation des paramètrespar MCO sur le modèle transformé précédent.
CHAP 1: L'économétrie
sur données de panel
04/11/2019 41gueykarim@gmail.com
2. Modèles à effets individuels
a) Remarque importante :
Il est conseillé dans le cas où le panel est non cylindréd’utiliser l’option robuste (estimateur à effet fixe robuste) demanière à tenir compte de l’hétéroscédasticité des erreurs,puisque la variance des erreurs du modèle transformé n’estpas constante.
En effet, on vérifie que :
CHAP 1: L'économétrie
sur données de panel
04/11/2019 42gueykarim@gmail.com
2. Modèles à effets individuels
a) Limites :
Outre le fait que la variabilité inter-individuelle n’est pasexploitée pour estimer les paramètres structurels du modèle,une limite inhérente au modèle à effets fixes réside dans le faitque l’impact des facteurs invariants à travers le temps ne peutêtre identifié.
Ceci constitue une limite au niveau de l’analyse économique,puisqu’il revient à restreindre le champ d’analyse économiquede l’étude.
CHAP 1: L'économétrie
sur données de panel
04/11/2019 43gueykarim@gmail.com
2. Modèles à effets individuels2.2. Modèle à effets aléatoires
Dans la pratique standard de l’analyse économétrique, onsuppose qu’il existe un grand nombre de facteurs qui peuventaffecter la valeur de la variable expliquée et qui pourtant nesont pas introduits explicitement sous la forme de variablesexplicatives.
Ces facteurs sont alors approximés par la structure desrésidus.
Le problème se pose de la façon similaire en économétrie depanel.
CHAP 1: L'économétrie
sur données de panel
04/11/2019 44gueykarim@gmail.com
2. Modèles à effets individuels2.2. Modèle à effets aléatoires
Le problème se pose de la façon similaire en économétrie depanel.
La seule différence tient au fait que trois types de facteursomis peuvent être envisagés.
Il y a tout d’abord les facteurs qui affectent la variableendogène différemment suivant la période et l’individuconsidéré.
CHAP 1: L'économétrie
sur données de panel
04/11/2019 45gueykarim@gmail.com
2. Modèles à effets individuels2.2. Modèle à effets aléatoires
Il peut en outre exister des facteurs qui affectent de façonidentique l’ensemble des individus, mais dont l’influencedépend de la période considérée (effets temporel).
Enfin, d’autres facteurs peuvent au contraire refléter desdifférences entre les individus de type structurelles, c’est à direindépendantes du temps (effets individuel).
CHAP 1: L'économétrie
sur données de panel
04/11/2019 46gueykarim@gmail.com
2. Modèles à effets individuels2.2. Modèle à effets aléatoires
CHAP 1: L'économétrie
sur données de panel
04/11/2019 47gueykarim@gmail.com
2. Modèles à effets individuels2.2. Modèle à effets aléatoires
CHAP 1: L'économétrie
sur données de panel
04/11/2019 48gueykarim@gmail.com
2. Modèles à effets individuels2.2. Modèle à effets aléatoires
CHAP 1: L'économétrie
sur données de panel
04/11/2019 49gueykarim@gmail.com
2. Modèles à effets individuels2.2. Modèle à effets aléatoires
FIN
MERCI
POUR
VOTRE
ATTENTION04/11/2019 50gueykarim@gmail.com