Économétrie
11e édition
Régis Bourbonnais
Dunod
Avant-propos
XI
Chapitre Qu'est-ce que l'économétrie ?1
1. La notion de modèle
1
1.1 Définition1
1.2 La construction des modèles en économétrie2
2. Le rôle de l'économétrie
4
2.1 L'économétrie comme validation de la théorie4
2.2 L'économétrie comme outil d'investigation5
3. La théorie de la corrélation
5
3.1 Présentation générale5
3.2 Mesure et limite du coefficient de corrélation7
L'essentiel
12
Chapitre Le modèle de régression simple13
1. Présentation du modèle
13
1.1 Exemple introductif13
1.2 Rôle du terme aléatoire14
1.3 Conséquences du terme aléatoire16
2. Estimation des paramètres
17
2.1 Modèle et hypothèses17
2.2 Formulation des estimateurs18
2.3 Les différentes écritures du modèle : erreur et résidu21
2.4 Propriétés des estimateurs21
3. Conséquences des hypothèses : construction des tests
23
3.1 Hypothèse de normalité des erreurs23
3.2 Conséquences de l'hypothèse de normalité des erreurs24
3.3 Test bilatéral, test unilatéral et probabilité critique d'un test27
4. Équation et tableau d'analyse de la variance
33
4.1 Équation d'analyse de la variance33
4.2 Tableau d'analyse de la variance34
5. La prévision dans le modèle de régression simple
39
L'essentiel48
Chapitre Le modèle de régression multiple49
1. Le modèle linéaire général50
1.1 Présentation50
1.2 Forme matricielle50
2. Estimation et propriétés des estimateurs
51
2.1 Estimation des coefficients de régression51
2.2 Hypothèses et propriétés des estimateurs53
2.3 Équation d'analyse de la variance et qualité d'un ajustement55
3. Les tests statistiques
60
3.1 Le rôle des hypothèses60
3.2 Construction des tests61
3.3 Tests sur les résidus : valeur anormale, effet de levier et point d'influence63
4. L'analyse de la variance
69
4.1 Construction du tableau d'analyse de la variance et test de signification globale d'une régression69
4.2 Autres tests à partir du tableau d'analyse de la variance70
4.3 Généralisation des tests par analyse de la variance76
5. L'utilisation de variables indicatrices
78
5.1 Constitution et finalités des variables indicatrices78
5.2 Exemples d'utilisation78
6. La prévision à l'aide du modèle linéaire général et la régression récursive
85
6.1 Prédiction conditionnelle85
6.2 Fiabilité de la prévision et intervalle de prévision85
6.3 Les tests de stabilité par la régression récursive88
6.4 Le test de spécification de Ramsey89
7. Exercices récapitulatifs
93
Annexes
111
Interprétation géométrique de la méthode des moindres carrés111
Résolution de l'exercice 3.1 par des logiciels informatiques de régression multiple112
Estimation de la variance de l'erreur114
L'essentiel
115
Chapitre Multicolinéarité et sélection du modèle optimal117
1. Corrélation partielle
118
1.1 Exemple introductif118
1.2 Généralisation de la notion de corrélation partielle118
2. Relation entre coefficients de corrélation simple, partielle et multiple
123
3. Multicolinéarité : conséquences et détection
125
3.1 Conséquences de la multicolinéarité125
3.2 Tests de détection d'une multicolinéarité126
3.3 Comment remédier à la multicolinéarité ?129
4. Sélection du modèle optimal
130
L'essentiel
137
Chapitre Problèmes particuliers : la violation des hypothèses139
1. L'autocorrélation des erreurs
140
1.1 Présentation du problème140
1.2 L'estimateur des moindres carrés généralisés (MCG)140
1.3 Les causes et la détection de l'autocorrélation des erreurs141
1.4 Les procédures d'estimation en cas d'autocorrélation des erreurs148
2.L'hétéroscédasticité
156
2.1 Présentation du problème156
2.2 Correction de l'hétéroscédasticité158
2.3 Tests de détection de l'hétéroscédasticité161
2.4 Autre test d'hétéroscédasticité : le test ARCH168
3. Modèles à erreurs sur les variables
169
3.1 Conséquences lorsque les variables sont entachées d'erreurs169
3.2 La méthode des variables instrumentales170
3.3 Le test d'exogénéité d'Hausman171
3.4 La méthode des moments généralisée171
L'essentiel
180
Chapitre Les modèles non linéaires181
1. Les différents types de modèles non linéaires
181
1.1 Les fonctions de type exponentiel181
1.2 Les modèles de diffusion184
2. Méthodes d'estimation des modèles non linéaires
186
2.1 Initiation aux méthodes d'estimation non linéaires186
2.2 Exemples d'application188
L'essentiel
192
Chapitre Les modèles à décalages temporels193
1. Les modèles linéaires autorégressifs
193
1.1 Formulation générale193
1.2 Test d'autocorrélation et méthodes d'estimation194
2.Les modèles à retards échelonnés
199
2.1 Formulation générale199
2.2 Détermination du nombre de retards200
2.3 Distribution finie des retards204
2.4 Distribution infinie des retards209
3. Deux exemples de modèles dynamiques
214
3.1 Le modèle d'ajustement partiel214
3.2 Le modèle d'anticipations adaptatives215
L'essentiel
235
Chapitre Introduction aux modèles à équations simultanées237
1.Équations structurelles et équations réduites
238
1.1 Exemple introductif238
1.2 Le modèle général239
2. Le problème de l'identification
240
2.1 Restrictions sur les coefficients240
2.2 Conditions d'identification241
3. Les méthodes d'estimation
242
3.1 Les moindres carrés indirects242
3.2 Les doubles moindres carrés243
3.3 Autres méthodes d'estimation244
Annexes
256
Identification : les conditions de rang256
L'essentiel259
Chapitre Éléments d'analyse des séries temporelles261
1. Stationnarité
262
1.1 Définition et propriétés262
1.2 Fonctions d'autocorrélation simple et partielle262
1.3 Tests de « bruit blanc » et de stationnarité264
2. La non-stationnarité et les tests de racine unitaire
267
2.1 La non-stationnarité : les processus TS et DS267
2.2 Les tests de racine unitaire et la stratégie séquentielle de test271
3.Les modèles ARIMA
279
3.1 Typologie des modèles AR, MA et ARMA279
3.2 L'extension aux processus ARIMA et SARIMA282
4. La méthode de Box et Jenkins
283
4.1 Recherche de la représentation adéquate : l'identification283
4.2 Estimation des paramètres284
4.3 Tests d'adéquation du modèle et prévision285
L'essentiel301
Chapitre La modélisation VAR303
1. Représentation d'un modèle VAR
304
1.1 Exemple introductif304
1.2 La représentation générale305
1.3 La représentation ARMAX306
2. Estimation des paramètres
306
2.1 Méthode d'estimation307
2.2 Détermination du nombre de retards307
2.3 Prévision308
3. Dynamique d'un modèle VAR
313
3.1 Représentation VMA d'un processus VAR313
3.2 Analyse et orthogonalisation des « chocs »314
3.3 Décomposition de la variance317
3.4 Choix de l'ordre de décomposition317
4. La causalité
321
4.1 Causalité au sens de Granger321
4.2 Causalité au sens de Sims322
L'essentiel326
Chapitre La cointégration et le modèle à correction d'erreur327
1. Exemples introductifs
327
1.1 Premier exemple327
1.2 Deuxième exemple328
2. Le concept de cointégration
329
2.1 Propriétés de l'ordre d'intégration d'une série329
2.2 Conditions de cointégration331
2.3 Le modèle à correction d'erreur (ECM)332
3.Cointégration entre deux variables
333
3.1 Test de cointégration entre deux variables333
3.2 Estimation du modèle à correction d'erreur333
4. Généralisation à k variables336
4.1 La cointégration entre k variables337
4.2 Estimation du modèle à correction d'erreur338
4.3 Le modèle à correction d'erreur vectoriel338
4.4 Tests de relation de cointégration340
4.5 Test d'exogénéité faible343
4.6 Synthèse de la procédure d'estimation344
L'essentiel
350
Chapitre Introduction à l'économétrie des variables qualitatives351
1. Les problèmes et les conséquences de la spécification binaire352
2. Les modèles de choix binaires
354
2.1 Le modèle linéaire sur variable latente354
2.2 Les modèles Probit et Logit355
2.3 Interprétation des résultats et tests statistiques356
3. Les modèles à choix multiples
361
3.1 Les modèles Probit et Logit ordonnés362
3.2 Le modèle de choix multiples non ordonné : le Logit multinomial367
4. Les modèles à variable dépendantelimitée : le modèle Tobit
368
4.1 Le modèle Tobit simple : modèle de régression tronqué ou censuré369
4.2 Estimation et interprétation des résultats371
L'essentiel
377
Chapitre Introduction à l'économétrie des données de panel379
1.Présentation des modèles à données de panel
380
1.1 Spécificités des données de panel380
1.2 La méthode SUR381
1.3 Le modèle linéaire simple382
2. Les tests d'homogénéité
383
2.1 Procédure séquentielle de tests383
2.2 Construction des tests383
3. Spécifications et estimations des modèles à effets individuels389
3.1 Le modèle à effets fixes individuels389
3.2 Le modèle à effets aléatoires390
3.3 Effets fixes ou effets aléatoires ? Le test d'Hausman391
L'essentiel
396
Liste des exercices
397
Tables statistiques
401
Bibliographie
409
Index
413