I. Introduction
publicité
Econométrie II – Chapitre 1 Introduction Licence Econométrie 2007-2008 Martin Fournier [email protected] L3 Econométrie - Econométrie II 1 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 2 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. L3 Econométrie - Econométrie II 3 1 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 4 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 5 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 L3 Econométrie - Econométrie II 6 2 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 L3de colinéarité Econométrie - Econométrie II 7 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 8 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 ? L3 Econométrie - Econométrie II 9 3 Démarche Tester la validité des hypothèses Proposer des méthodes d’estimations alternatives lorsque les hypothèses sont violées. L3 Econométrie - Econométrie II 10 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 : AbsenceL3de colinéarité Econométrie - Econométrie II 11 4
