2. Définir l’économétrie.
Présenter l’objet de l’économétrie.
Expliquer la notion de modèle.
Identifier les différents types de données.
Distinguer variable expliquée et variable explicative.
Expliquer le terme d’erreur.
Expliquer la notion de causalité.
3. L’économétrie constitue une branche de la science économique, qui fait appel
conjointement à la théorie économique, la statistique, les mathématiques et
l’informatique afin de tester les différents phénomènes et théories économiques.
« L’économétrie est l’unification de la statistique, de la théorie économique et des
mathématiques pour comprendre les relations quantitatives de la vie
économique.»
Ragnar Frisch (Nobel 1969)
Application des techniques mathématiques et statistiques à l’analyse des
phénomènes économiques.
Le principal outil d’analyse quantitative utilisé par les économistes et
gestionnaires dans divers domaines d’application, comme la macroéconomie, la
finance ou le marketing, etc.
4. 1930 : R. FRISCH, C. ROOSE et I. FISHER auraient baptisé « économétrie » cette
discipline relevant à la fois de l’économie et de la statistique.
1944: l’avènement de l’économétrie moderne avec l’intégration de l’approche
probabiliste dans la démarche économétrique.
La seconde moitié du XXe siècle : l’économétrie utilise alors les méthodes
probabilistes de la statistique inférentielle pour spécifier les relations entre les
lois économiques et les données observées (elle intègre en particulier les acquis
des travaux de Student et de Fisher).
À l’heure actuelle: l’économétrie comprend de multiples branches à très forts
contenus.
5. L’économétrie peut permettre de :
Confronter les théories à la réalité économique ;
Quantifier un phénomène ;
Établir une relation entre plusieurs variables ;
Valider ou infirmer empiriquement une théorie ;
Évaluer et mettre en œuvre la politique du gouvernement et des entreprises.
6. La dépréciation du dollar est-elle compatible avec la hausse des prix du pétrole ?
La pollution atmosphérique a-t-elle un impact sur la santé des enfants ?
L’ impact du covid-19 sur le monde du travail ?
Quels sont les facteurs qui favorisent ou au contraire qui freinent l’usage de
l’internet à domicile ?
De manière générale, pour répondre à ces interrogations, l’économètre
devra construire un modèle visant à mettre en relation les diverses variables
d’intérêt.
7. Un modèle constitue une représentation simplifiée de la réalité et consiste à
représenter un phénomène économique sous la forme d’une ou plusieurs
équations.
Il permet de spécifier des relations entre des variables et d’expliquer la façon
dont certaines variables sont déterminées par d’autres.
On parle de modélisation.
La modélisation d’un phénomène ou d’une théorie économique vise ainsi à
comprendre, à expliquer et éventuellement à prévoir le phénomène en question.
8. La construction d’un modèle comporte un certain nombre d’étapes qui sont toutes
importantes :
1. Référence à une théorie : Une théorie s’exprime au
travers d’hypothèses auxquelles le modèle fait référence.
2. Formalisation des relations et choix de la forme des
fonctions: construire des relations à partir des
propositions précédentes.
3. Sélection et mesure des variables: le modèle étant
spécifié, il convient de collecter les variables
représentatives des phénomènes économiques.
4. Validation du modèle : les techniques économétriques
s’efforcent d’apporter des réponses.
9. Nous distinguons plusieurs types de données :
Les séries temporelles (ou séries chronologiques ou chroniques): ce sont des variables
observées à des intervalles de temps réguliers.
La consommation annuelle des ménages algériens sur la période 1975 –
2015.
La régularité des observations est appelée fréquence.
Les données en coupe instantanée ou coupe transversale: ce sont des variables
observées au même instant du temps et qui concernent un groupe spécifique
d’individus.
La consommation des cadres supérieurs en Algérie en 2016.
Les données de panel (ou données longitudinales) : ce sont des variables qui
concernent un groupe spécifique d’individus et qui sont mesurées à des intervalles de
temps réguliers.
La consommation des ménages d’Oran sur la période 1975 – 2015.
les données de panel ont ainsi une double dimension: individuelle et temporelle.
10. Les données de cohorte: elles se distinguent des données de panel par la
constance de l’échantillon, les individus sondés sont les mêmes d’une période sur
l’autre.
11. On appelle variable expliquée ou variable endogène ou encore variable
dépendante la variable que l’on cherche à expliquer.
On appelle variable explicative ou variable exogène ou encore variable
indépendante la variable qui permet d’expliquer la variable endogène.
les valeurs de la variable expliquée dépendent ainsi des valeurs de la
variable explicative.
Si le modèle est constitué d’une seule équation, il n’existe qu’une seule
variable expliquée. En revanche, il peut exister plusieurs variables explicatives.
12. Y X
Variable dépendante Variable indépendante
Variable expliquée Variable explicative
Variable de réponse Variable de contrôle
Variable prédite Variable prédictive
Variable endogène Variable exogène
Variable résultat Variable stimulus
13. Le terme ε est une variable aléatoire appelée erreur ou perturbation ou bruit. Il
s’agit de l’erreur de spécification du modèle, dans la mesure où il rassemble toutes
les variables, autres que la variables explicatives, qui n’ont pas été prises pour
expliquer la variable endogène.
Le terme ε représente l’ensemble des autres variables explicatives qui ne figurent
pas dans le modèle.
Notons que le terme d’erreur regroupe non seulement l’erreur de spécification du
modèle, mais peut également représenter une erreur de mesure liée à des
problèmes de mesure des variables considérées.
Le terme ε représente aussi une erreur de fluctuation d’échantillon,
14. Lorsqu’il s’agit de tester des théorie économiques ou d’évaluer des politiques
publiques, l’objectif est de déterminer si une variable a un effet causal sur une
autre variable.
Le cours du dollar et les fluctuations du prix du pétrole.
La consommation de l’énergie électrique et la croissance économique
15.
16. La moyenne arithmétique d’une variable est égale à la somme des valeurs
prises par cette variable, divisée par le nombre d’observations.
Considérons une variable x comprenant T observations : x1, x2,…, xn ; la
moyenne de cette série, notée 𝑥 est donnée par:
𝑥 =
1
𝑇
𝑡=1
𝑇
𝑥𝑡
17. La variance V(x) d’une variable x est égale à la moyenne des carrées des écarts à la
moyenne:
𝑣 𝑥 =
1
𝑇
𝑡=1
𝑇
(𝑥𝑡 − 𝑥 )²
En pratique, on utilise la formule développée de la variance:
𝑣 𝑥 =
1
𝑇
𝑡=1
𝑇
𝑥𝑡
2
− 𝑥2
l’utilisation de cette formule permet de simplifier les calculs dans la mesure où il n’est
plus nécessaire de calculer les écarts à la moyenne.
18. L’écart type noté σx est la racine carré de la variance, soit:
𝜎𝑥 = 𝑣(𝑥)
19. En pratique, l’étude d’une population est rare. On se restreint fréquemment à
l’étude d’une sous-partie de la population, c’est-à-dire d’un échantillon.
On utilise alors une mesure légèrement différente de la variance,
appelée variance empirique.
20. La variance empirique est donnée par:
𝑆𝑥
2 =
1
𝑇 − 1
𝑡=1
𝑇
(𝑥𝑡 − 𝑥 )²
La formule développée de la variance s’écrit :
𝑆𝑥
2 =
1
𝑇 − 1
𝑡=1
𝑇
𝑥𝑡
2
−
𝑇
𝑇 − 1
𝑥2
21. L’écart type empirique est alors donné par:
𝑆𝑥 =
1
𝑇 − 1
𝑡=1
𝑇
(𝑥𝑡 − 𝑥)²
22. Considérons deux variables X et Y comprenant chacune T observations. La
covariance entre ces deux variables, notée Cov(x,y) est donnée par:
𝑐𝑜𝑣 𝑥, 𝑦 =
1
𝑇
𝑡=1
𝑇
(𝑥𝑡 − 𝑥)(𝑦𝑡 − 𝑦) =
1
𝑇
𝑡=1
𝑇
𝑥𝑡 𝑦𝑡 − 𝑥 𝑦
23. Le coefficient de corrélation est un indicateur du lien existant entre deux variables. Le
coefficient de corrélation linéaire entre ces deux variables, noté rxy est donné par:
𝑟𝑥𝑦 =
𝑐𝑜𝑣(𝑥, 𝑦)
𝜎𝑥 𝜎𝑦
-1 ≤ 𝑟𝑥𝑦 ≤ +1
Proche de 1: les variables sont corrélées positivement;
Proche de -1: les variables sont corrélées négativement;
Proche de 0: les variables ne sont pas corrélées.
24. Dans la pratique ( surtout en économie), ce coefficient est rarement très proche de
l’une des trois bornes
Il est donc difficile de proposer une interprétation fiable à la simple lecture de ce
coefficient
La théorie des tests statistiques nous permet de lever cette indétermination
25.
26. Hypothèses :
𝐻0 ∶ 𝑟𝑥,𝑦 = 0 𝑐𝑜𝑛𝑡𝑟𝑒 𝐻1: 𝑟𝑥,𝑦 ≠ 0
Statistique t :
𝑡∗ =
𝜌𝑥,𝑦
(1 − 𝜌𝑥,𝑦
2
)
𝑁 − 2
Valeur théorique :
𝑡𝑁−2
𝛼
2
Valeur tirée de la table de Student
Prise de décision :
𝑡∗ > 𝑡𝑁−2
𝛼
2
→ On rejette l’hypothèse 𝐻0, le coefficient de corrélation est donc
significativement de 0.
27. L’application de la formule ne permet de déterminer que des corrélations linéaires entre
variables;
Une signification purement statistique qui n’implique pas automatiquement une liaison
d’ordre économique ou physique → Une corrélation fortuite;
28. Titre Auteur(s) Editeur Date de parution
Économétrie : cours et exercices
corrigés (11e édition)
Régis Bourbonnais Dunod 2021
Introduction à l’économétrie Grégory Denglos Puf 2015
Introduction à l’économétrie (2e
édition)
Jeffrey M. Woodbridge De boeck 2018
Exercices pédagogiques
d’économétrie (3e édition)
Régis Bourbonnais Economica 2015
Principes d’économétrie (3e édition) James Stock ; Mark Watson Pearson 2014
Lire l’économétrie
Luc Behaghel La découverte 2012
Économétrie (7e édition) William Green Pearson 2011
Économétrie des données de panel :
théorie et applications
Alain Pirotte Economica 2011
29. Économétrie : Méthode et
applications
Nicolas Jacquemet ; Bruno
Crépon
De boeck 2010
Économétrie : méthodes et
applications avec Eviews
Philippe Casin Technip 2009
Économétrie appliquée :
méthodes, applications,
corrigés (2e édition)
Isabelle Cadoret ; Catherine
Benjamin ; Franck Martin ;
Nadine Herrard ; Steven
Tanguy
De boeck 2009
Économétrie (2e édition)
Claudio Araujo ; Jean
François Brun ; Jean Louis
Combès
Bréal 2008
Économétrie : théorie et
applications
Valérie mignon Economica 2008
Introduction à l’économétrie
(2e édition)
Brigitte Dormont Montchrestien 2007
Économétrie Damodar Gujarati De boeck 2004