Eléments de méthodologie de la recherche en science économique: de l’idée originale à la publication de l’article
1. Eléments de méthodologie de la
recherche en science économique: de
l’idée originale à la publication de l’article
Fousseini TRAORE, IFPRI-DAKAR
Séminaire IFPRI/BAME/UCAD/IPAR
Dakar, 18 octobre 2018
2. Introduction
• La recherche est une activité singulière, semblable à nulle autre
• Elle est censée nous accompagner toute notre vie
• Il faut de la passion, (tous les bons chercheurs sont des passionnés)
• Gratification, pas d’ennuis: toujours des choses à découvrir
– « la joie d’avoir contemplé un instant la vérité face à face », Poincaré (1910)
– « Pour l’honneur de l’esprit humain », Jacobi (1830)
• Contribution à la société (lutte contre la pauvreté, la malnutrition…)
• Ici focus sur la science économique, mais resemblance avec d’autres
disciplines (Physique, Psycho…)
3. Introduction (suite)
• Hypothèses:
– projet déjà financé, dispose de moyens
– Thèse déjà entamée
– Focus: article et non thèse
– Article ayant une partie empirique
• Non couvert:
– Comment chercher les financements et rédiger un projet de
recherche (quoique ressemblances avec rédaction d’article)
4. Idée de départ
• D’ou vient l’idée de départ?
• Si en thèse, interaction avec le Directeur
• Peut être aussi sur commande: thèse fléchée
• Sinon regarder la littérature
– Inventaire des 5 principales revues dans votre discipline
– Quels sont les sujets abordés?
– Regarder surtout les conclusions, ouverture de nouvelles pistes,
limites du travail
– Discuter aussi avec ses collègues, camarades en thèse,
interdisciplinarité…
5. Sujet identifié
• Mobiliser davantage la littérature
• Ne pas hésiter à lire les oeuvres originelles (souvent
déformation reprise partout…)
• Se méfier des “classiques”
• Il faut toujours regarder l’état complet de la littérature :
– le Journal of Economic Perspectives pour le résumé succinct non
technique
– Le Journal of Economic Literature
– Le chapitre correspondant dans la série des Handbooks (North
Holland, Elsevier) s’il existe
6. Comment être original?
• Clef de la recherche
• Condition de la publication
• L’originalité peut se situer à plusieurs niveaux
– Peut être liée à la question: personne n’a posé le problème avant vous (rare au fil du temps)
– à la méthodologie:
• problème de spécification (ajustement partiel, dynamique, non linéarités, variables omises, endogénéite…)
ou technique dépassée (penser aux Time series dans les années 80 versus maintenant)
• A l’asymétrie et aux effets de seuil (transmission des prix, dette-croissance)
– Aux hypothèses: CPP versus Concurrence imparfaite, équilibre partiel vs général, attitude face au
risque/incertitude, anticipations, substituabilité versus complémentarité, …
– aux données: échantillon plus large, pas de biais de sélection…
7. Où trouver les données?
• Si vous avez un budget pour collecter vos données, tant mieux
– Important surtout pour les études micro
– Besoin de faire des expériences randomisées
– Ou sous forme de « jeux », éco expérimentale (proche Psycho)
• Sinon données secondaires
• Si déjà utilisées, ne pas hésiter à solliciter les auteurs. En général ça
marche (obligatoire pour certaines revues, AEA, JPE, ECA…)
• De nombreuses bases de données existent tant en micro qu’en
macro: Organisations internationales (BM, FMI, IFPRI,…), Instituts
nationaux de statistique, centres de recherche indépendants…
8. Où trouver les articles?
• De nombreuses revues sont payantes, souvent un article coute
plus de $30
• En général les labos ont un budget limité, même les plus grands
n’ont pas un abonnement partout
• Ne pas hésiter à demander les auteurs
• Regarder les versions WPs
• Surveiller les grands éditeurs et plateformes: JSTOR, Science
Direct (Elsevier): souvent accès libre pour une certaine période
10. Traitement des données
• Très important
• Toujours regarder l’allure des données (utile pour la suite)
– Adage en time series: P&P = Plot or Perish
• Y a –t-il des outliers? Des ruptures? Des points manquants?
– Comment cela a-t-il été géré?
• Va être capital pour détecter d’éventuelles non linéarités,
changements de régime… (Time series)
• Calculer des stats descriptives (moyenne, écart type, CV)
• Faire les premiers tests pour avoir une intuition au lieu du narratif
11. Estimations
• Quel est le meilleur outil pour répondre à ma question/données que j’ai?
– Econométrie? Modèle de simulation? …
– Approche expérimentale ou non?
• Des choses évidentes mais pas toujours respectées:
– variables dichotomiques -> Modèle de choix discret
– Nombres entiers -> count model
• Penser toujours « specimetry » (Leamer, 1979) avant de faire des choses
compliquées pour corriger:
– Autocorrélation: est-ce un modèle dynamique (ajustement partiel, inerties) et omission de
retards?
– Hétéroscedasticité: est-ce un modèle non linéaire ou est-ce des outliers?
12. Estimations (suite)
• Deux réflexes à avoir avec les mêmes conséquences: les statistiques de tests
(t, Wald, F-tests) suivent des distributions non standards
• Time series
– Les données sont-elles stationnaires? Cointégrées?
– A-t-on de la saisonnalité? Si oui de quelle nature?
• Variables instrumentales
– L’instrument est-il valide? Est-il “fort”?
– Toujours tester la “force” de l ’instrument (même conséquence que la non
stationnarité pour les tests usuels)
– En outre on peut aggraver le mal: biais plus important en IV/MCO (Bound, Jaeger,
& Baker, 1993; 1995; Staiger & Stock, 1997; Stock & Yogo, 2005)
13. Où trouver les logiciels?
• De nombreux logiciels existent
• En général plus d’un peut faire votre travail
• Ne pas être bloqué pour des problèmes de licence: pas mal de
logiciels libres existent et sont puissants
• Plus difficile pour certains travaux (Ex: modélisation EGC)
• Savoir que des remises substantielles sont presque toujours
accordées aux étudiants en général et aux ressortissants des
PVD en particulier
14. Le cas des modèles de simulation (macro-trade)
• S’assurer que le modèle reproduit bien l’année de base
– L’année de base est-elle une année « normale»?
• Si modèle dynamique, faire attention aux hypothèses (évolution des variables
exogènes, trajectoire de référence réaliste?)
• Modèles agricoles: autoconsommation, séparabilité…
• Quid des paramètres? Estimés? Tirés de la littérature? Analyse de sensibilité à faire
• Quel niveau de désagrégation sectoriel et/ou géographique?
– Conséquences non négligeables (Ex: tarifs -> Laborde et al., 2012)
• Quel est le bouclage macro retenu?
– Compte courant
– Solde public
– Marché du travail
15. Que faire en cas de contradiction théorie/faits?
• Exemple de la physique: solution ontologique versus solution législative
• Solution ontologique: confiance absolue dans la loi
– XIXe siècle: Anomalies dans la trajectoire d’Uranus
– Décalage /rapport aux prédictions: accélération avant 1822 et décélération après
– Confiance absolue dans Newton: une autre planète doit exister, agir sur Uranus et
créer le décalage
– Calculs de Le Verrier en 1846 -> J. Galle découvre Neptune
• Solution législative: on change la loi/théorie
– Ecart de 43 secondes d’arc par siècle du périhélie de Mercure (rien du tout)
– Solution ontologique= échec, pas de planète (vulcain)
– Pour Einstein 43’’/siècle pas égal à 0! -> lois de Newton fausses
– Solution: relativité générale
16. Exemple 1 en éco: «Loi de la demande »
• Toutes choses égales par ailleurs, la quantité demandée d’un
bien diminue quand son prix augmente
• Chercheur rassemble données quantités et prix: résultat
inverse, signe positif!
• Pourquoi? Revenu omis
P
Q
O
D’
D
Q Q
P0
P1
17. Exemple 2: théories du commerce international
• Jusqu’à la fin des années 70
– Ricardo: différences de techniques de production
– HOS: Différences de dotations factorielles
– Les pays échangent des biens différents (inter-secteurs)
• Fortement démentie par les faits:
– Tests empiriques contraires aux spécialisation prédites (Leontieff, 1954; Leamer
et al., 1987)
– les échanges intra-branche représentent plus de la moitié des échanges
aujourd’hui et le commerce se fait surtout avec des pays aux dotations
identiques
• Nouvelles théories: Krugman (1979), concurrence monopolistique,
économies d’échelle, préférences CES…
18. Importance du modèle théorique
• Très important, aide à cerner le problème
• Les contradictions apparaissent très vite
• Les hypothèses sont plus faciles à voir, surtout si axiomatique
• Doit permettre de faire de la statique comparative
• Permet de faire des prédictions/interdictions : donc la falsification (réfutation)
au sens de K. Popper, critère de scientificité
• Peut indiquer également un résultat ambigu)
• Mais doit être clairement lié à la partie empirique, équation de test, souvent
aucun lien
• Commencer avec le modèle le plus simple pouvant répondre a la question
19. Thèse (Problème) de Duhem-Quine
• Dévelopée par P. Duhem (1861-1916) et W. Quine (1908-2000)
• Difficulté de tester les prédictions théoriques de facon isolée
• Les prédictions viennent avec de nombreuses hypothèses
auxiliaires
• EX: tester l’intégration des marchés
– Couts de transactions stationnaires
– Marché concurrentiel
– Symétrie des chocs
– Rejet: modèle non valide ou hypothèses auxiliaires violées?
21. Le fond
• Les éléments suivants doivent être présents:
– pertinence
– méthodologie
– données
– résultats
– implications de politique économique
22. Le fond (suite)
• Pertinence
– Pourquoi le sujet est-il important? Elément capital
– Importance pour les finances publiques, nombre de personnes affectées…
• Méthodologie
– Econométrie? EGC? RO?
– Bien mettre en évidence les hypothèses
• Données
– D’ où viennent-elles? Micro? Macro?
– Données de l’auteur ou secondaires?
– Période et unités couvertes
23. Le fond (fin)
• Résultats:
– Ne pas confondre significativité statistique et significativité économique
– Aller du général au particulier
– Ne pas perdre de temps sur des effets non significatifs
– Si calculs ex-post: tester la significativité et ! aux biais et non linéarités)
– Les résultats sont-ils conformes aux attentes théoriques? Sinon pourquoi?
– Les résultats diffèrent-ils de ceux des autres auteurs?
• Implications de politique économique
– Quelle(s) implication(s)?
– Réformes? Abandon de réforme?...
24. La forme
• Utiliser si possible des graphiques plutôt que des tableaux
• Toujours mettre la source et les échelles/unités des axes
• Utiliser les contrastes pour bien faire sortir les différences
• Résultats
– Utiliser des élasticités si possible (sans échelle)
• Notre travail doit être reproductible: toute information
pertinente pour le lecteur doit être signalée (version du
logiciel, sources, définition des indicateurs…)
25. l’ éthique scientifique
• L’intégrité/l’ honnêteté doivent nous guider tout le temps
– Ne pas manipuler ces résultats (régressions sous Word)
– Un résultat négatif n’est pas nécessairement une mauvaise chose, il
faut savoir expliquer
– Les fraudeurs finissent toujours par se trahir
– Un expert peut voir vite la supercherie
– Si on est « grillé», cela peut être pour longtemps
– Il faut citer les travaux antérieurs
26. Quand publier?
• Plusieurs étapes
• Il faut disposer de résultats préliminaires
• Tester la robustesse des résultats préliminaires
• Commencer par son laboratoire (ED…)
• Participer à des conférences à l’extérieur
27. Les conférences internationales
• Très important, on y rencontre des experts du domaine
• On peut très sensiblement améliorer son papier
• Le coût peut être un obstacle, mais des sponsors existent
souvent pour les ressortissants des PVDs
• Suivre le site https://inomics.com/fr
• Deux rencontres à suivre particulièrement:
– African econometrics Society Conference
– GTAP conférence pour la modélisation et le commerce
28. Quelles revues cibler?
• Arbitrage entre qualité et temps d’attente
• Temps de reviewing particulièrement long en économie
• Savoir si cibler une revue généraliste (plus de lecteurs, plus difficile)
ou une revue spécialisée (moins de lecteurs mais plus facile souvent)
• Bien regarder les gens qui y publient et les derniers articles
• Certaines revues (ou éditeurs) ont une « ligne éditoriale »
• Ne pas négliger non plus
– Actes de colloques
– Chapitres d’ouvrage
29. Conclusion
• Bien réfléchir avant de s’engager
• Essayer d’être le plus original possible
• Maitriser ses données
• Trouver l’ adéquation entre le sujet, les données et les techniques utilisées
• Le travail doit être reproductible
• Réfléchir a la théorie économique avant le traitement statistique ou
mathématique d’un problème
• Faire simple (résultats) pour délivrer des messages compréhensibles au
grand public/décideurs