I. Introduction

1
L3 Econométrie - Econométrie II 1
Econométrie II – Chapitre 1
Introduction
Licence Econométrie
2007-2008
Martin Fournier
[email protected]
L3 Econométrie - Econométrie II 2
Pourquoi faire appel à
l’économétrie ?
Il est rare en économie d’avoir des données
expérimentales qui permettraient d’évaluer des
effets « toutes choses égales par ailleurs »
Les économistes doivent utiliser des données
réelles pour évaluer les forces et mécanismes
économiques
Approche indispensable pour faire le lien entre la
théorie économique et les questions économiques
réelles.
L3 Econométrie - Econométrie II 3
Pourquoi faire appel à
l’économétrie ?
L’objectif de l’économétrie est de permettre
d’évaluer des effets « toutes choses égales par
ailleurs » à partir de données réelles où rien n’est
« égal par ailleurs »
2 cas particuliers
Les données créées par expérience (économie
expérimentale)
Les « expériences naturelles »
NB : Dans les deux cas, l’outil économétrique reste le
plus souvent indispensable.

2
L3 Econométrie - Econométrie II 4
Trois types de données
disponibles
Coupes transversales
Ex. : Enquêtes emploi
Séries temporelles (chronologiques)
Ex. : Variables macro-économiques françaises (PIB,
inflation, chômage, etc.)
Données de panel
Ex. : Variables macro-économiques sur les pays de la
zone Euro
L3 Econométrie - Econométrie II 5
Trois types de données
disponibles
Des questions et méthodes spécifiques sont
à envisager suivant le type de données
disponibles
Les spécificités liées aux séries temporelles
et aux données de panel seront
principalement abordées en M1
L3 Econométrie - Econométrie II 6
Les hypothèses
Pour pouvoir évaluer des effets « toutes
choses égales par ailleurs », l’économétrie
repose sur une série d’hypothèses qui
doivent être constamment remises en
question
Le choix de l’outil économétrique utilisé
doit se faire en fonction des hypothèses qui
restent légitimes

3
L3 Econométrie - Econométrie II 7
Les hypothèses des MCO
H1 : Modèle de régression linéaire
H2 : X non stochastique
H3 : La valeur moyenne du terme d’erreur est nulle
H4 : Homoscédasticité (constance de la variance de
u)
H5 : Absence d’autocorrélation des erreurs
H6 : Covariance nulle entre u et X
H7 : Nbre d’observations supérieur au nombre de
paramètres
H8 : Les X sont bornés dans leur ensemble
H9 : Modèle correctement spécifié
H10 : Absence de colinéarité
L3 Econométrie - Econométrie II 8
Sous ces hypothèses
Les MCO sont BLUE
Si l’on ajoute l’hypothèse de normalité des
résidus :
Les MCO sont BUE
On peut aisément faire de nombreux tests
d’hypothèses sur les paramètres estimés
L3 Econométrie - Econométrie II 9
Questions
Ces hypothèses sont-elles réalistes ?
Dans quels cas ont-elles le plus de chances
d’être violées ?
Que faire si les hypothèses sont violées ?

4
L3 Econométrie - Econométrie II 10
Démarche
Tester la validité des hypothèses
Proposer des méthodes d’estimations
alternatives lorsque les hypothèses sont
violées.
L3 Econométrie - Econométrie II 11
Questions traitées dans ce cours
H1 : Modèle de régression linéaire
H2 : X non stochastique (Erreurs de mesures)
H3 : La valeur moyenne du terme d’erreur est nulle
H4 : Homoscédasticité
H5 : Absence d’autocorrélation des erreurs
H6 : Covariance nulle entre u et X (Erreurs de
mesures)
H7 : Nbre d’observations supérieur au nombre de
paramètres
H8 : Les X sont bornés dans leur ensemble
H9 : Modèle correctement spécifié (Quelques outils)
H10 : Absence de colinéarité