Économétrie

Auteur(s) :

Bourbonnais, Régis Découvrir l'auteur

Résumé

Un cours d'économétrie illustré d'exercices corrigés et d'exemples d'utilisation de logiciels spécifiques. Il aborde les domaines classiques de la discipline, les tests statistiques, l'analyse des séries temporelles, la modélisation à plusieurs équations, les variables quantitatives et les données de panel. Avec des compléments en ligne. ©Electre 2021

Éditeur(s)
- Dunod
- Dupli-print
Date
- DL 2021
Notes
- Bibliogr. Index
Langues
- Français
Description matérielle
- 1 vol. (XII-415 p.) : ill. ; 24 cm
Collections
- Éco sup
Sujet(s)
- Manuels d'enseignement supérieur
- Économétrie
ISBN
- 978-2-10-082208-9
Indice
- 330.14 Analyse économique, méthodes statistiques et économétriques
Quatrième de couverture
- Économétrie
  La 11^e édition de ce manuel traite, grâce à une constante mise à jour, de tous les grands domaines de l'économétrie moderne ainsi que de l'ensemble des tests statistiques qui en sont issus.
  Chaque chapitre présente de manière claire et pédagogique :
  
  les objectifs de connaissance et les concepts à maîtriser ;
  
  un cours assorti de nombreux exercices pour mettre rapidement en pratique les connaissances théoriques et se préparer aux examens ;
  
  une rubrique L'essentiel pour retenir les points clés du chapitre.
  
  En complément, les données des exercices pour s'entraîner à utiliser les logiciels d'économétrie Stata, Eviews, Gretl et le tableur Excel sont disponibles en ligne sur le site de l'auteur : regisbourbonnais.dauphine.fr
  
  Qu'est-ce que l'économétrie ?
  
  Le modèle de régression simple
  
  Le modèle de régression multiple
  
  Multicolinéarité et sélection du modèle optimal
  
  Problèmes particuliers : la violation des hypothèses
  
  Les modèles non linéaires
  
  Les modèles à décalages temporels
  
  Introduction aux modèles à équations simultanées
  
  Éléments d'analyse des séries temporelles
  
  La modélisation VAR
  
  La cointégration et le modèle à correction d'erreur
  
  Introduction à l'économétrie des variables qualitatives
  
  Introduction à l'économétrie des données de panel
Tables des matières
- - 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
Origine de la notice:
- FR-751131015 ;
- Electre