Академический Документы
Профессиональный Документы
Культура Документы
Introduction
Jonathan Benchimol
Plan
Analyse statistique
Economtrie
Jonathan Benchimol
Fentre initiale
Jonathan Benchimol
Fentre de commande
Jonathan Benchimol
Statuts et fentres
Jonathan Benchimol
File/New/Workfile puis suivre les indications wfcreate(wf=annual, page=myproject) a 1950 2005 File/Open/Workfile puis slectionner le fichier ouvrir wfopen "c:\data files\data.wf1" File/Open/Foreign Data as Workfile puis slectionner le fichier ouvrir wfopen "c:\data files\data.xls"
Jonathan Benchimol
File/New/Workfile Choisir le type de structure Choisir la frquence Choisir les bornes Donner un nom au workfile Donner un nom la page du workfile
Optionnel:
Jonathan Benchimol
Saisie de donnes
10
Jonathan Benchimol
Fentre Workfile
Repres
11
Jonathan Benchimol
Fentre Workfile
12
Jonathan Benchimol
Des commandes lmentaires peuvent tout d'abord tre reportes une une dans la ligne de commande (situe au-dessous de la barre de menu). Les commandes seront alors excutes immdiatement, mais ne seront pas enregistres dans un fichier. On ouvre une nouvelle fentre dans laquelle on va enregistrer une squence de commandes. Pour ouvrir un programme existant:
Batch use
Ce mode permet d'excuter un bloc de commandes et de les enregistrer dans un fichier. On pourra alors excuter le programme de faon rpte et l'appliquer d'autres bases de donnes.
13 Jonathan Benchimol
Equation Facteur
Graphique Groupe de sries Max. de vraisemblance Matrice Modle
14
Texte
Carte de valeurs VAR Vecteur
Les objets
Avec le menu:
Object/New Object
type_objet nom_objet
Srie temporelle:
series x
group g x y
Groupe de sries:
Equation:
equation eq01
15
Jonathan Benchimol
Fentre Object
16
Jonathan Benchimol
Menu
File: ouverture, fermeture, sauvegarde, impression Edit: copi, coll, retour en tat prcdent, rechercher Object: crer, grer ou imprimer un type dobjet View (lorsquun objet est slectionn): voir, statistiques sur lobjet, lien avec la base de donnes, ouvrir Proc: procdures globales ou particulires Quick: estimation, statistiques groupes, tests statistiques, VAR, gnrateur bouton le plus utilis !!! Options, Add-in, Windows: facultatif Help: utiliser sans limite.
17 Jonathan Benchimol
Analyse statistique
18
Jonathan Benchimol
19
Jonathan Benchimol
Sheet
Line
Stats
20
21
Jonathan Benchimol
22
Jonathan Benchimol
series y
series y = log(y)
series = @movav(x,6)
23
Jonathan Benchimol
Partie suprieure Point initial et terminal de lintervalle Partie inferieure Zone conditionnelle
24 Jonathan Benchimol
Exemple dchantillon
Partie suprieure: prendre en compte uniquement les observations 50 100 et 200 250:
Partie inferieure: parmi ces observations, prendre en compte uniquement celles o la variable x est comprise entre 6 et 13 et la variable y est inferieure sa moyenne:
25
Jonathan Benchimol
Dfinition dchantillon
Slectionner uniquement , dans un chantillon de 1970Q1 1999Q4, les donnes o rates est suprieur 1.8:
26
Chanes de caractre
Ligne de commande:
alpha myseries alpha name alpha symbol smpl @all if name = Benchimol" Object/New Object/Series Alpha
Grace au menu:
Mettre dans la srie de caractres myseries le nom de la srie name et le symbole de la srie symbol entre parenthse:
alpha myseries = name + " (" + symbol + ") series bname = (@lower(@left(name, 1)) = "B")
Jonathan Benchimol
27
Attribution de labels
Utile uniquement lorsque la variable ne prsente quun nombre restreint de valeurs. Pour attribuer un label une srie, cliquer sur Properties dans le menu de celle-ci puis sur Value Map.
28 Jonathan Benchimol
Attribution de labels
29
Jonathan Benchimol
Groupe de sries
Permet de visualiser et dtudier plus dune srie, formant ainsi un groupe de sries. Crer simplement un groupe de sries en slectionnant plus dune srie du workfile (maintenir enfonce la touche Ctrl et cliquer sur les sries slectionner), puis clic bouton droit, puis Open, puis as a Group. Cet objet est trs utile pour effectuer des tableaux rcapitulatifs, pour reprsenter lvolution dune srie en fonction dune autre ou pour en reprsenter plusieurs sur un mme plan.
30
Jonathan Benchimol
Utilisation de laide
IMPORTANT: ds que vous avez une question, cliquez sur Help, puis sur Quick Help Reference, puis sur lun des type correspondant votre interrogation:
Question sur un Objet ? Question sur une Commande ? Question sur une Fonction ? Question sur les Matrices ? Question sur la Programmation ?
Une fois que vous avez ouvert le champ correspondant votre question, tapez-y un mot cls de votre IMPORTANT: utilisez le plus souvent possible laide.
31 Jonathan Benchimol
32
Jonathan Benchimol
Crer un graphique
Lorsque vous avez ouvert une srie, cliquer sur View/Graph Un cran apparait (cf. ci-contre). Configurer votre graphique puis cliquer sur OK pour lafficher.
33
Jonathan Benchimol
Crer un groupe de sries Ouvrir le groupe puis allez dans View/Graph puis OK Si vous voulez obtenir plusieurs graphiques sur une seule fentre, cliquer sur Options, puis dans Multiple Series, cliquer sur Multiple Graphs Pour changer de Template, cliquer aussi sur Options (ou double-clic sur le graphique), puis Template & Objects puis laissez-vous guider.
34 Jonathan Benchimol
Prsentation du graphique
Possibilits: ajouter du texte, modifier lchelle des axes, modifier lapparence (template), sauvegarder son propre template, afin de le rutiliser, etc Ces agrments esthtiques sont trs pratiques lorsque les graphiques doivent rpondre une mme charte graphique par exemple. Mettons en pratique par plusieurs exemple ces possibilits.
35
Jonathan Benchimol
Le graphique gnr partir dune srie par Eviews peut tre soit connect aux donnes, soit dconnect des donnes partir desquelles il a t construit:
Si lon change quelque chose dans les donnes, cela modifiera laspect du graphique: Freeze Si lon change quelque chose dans les donnes, ou si on passe une autre visualisation, cela ne modifiera pas laspect du graphique: Freeze
Freezer un objet cre un autre objet qui devient indpendant de lobjet originel. Il ny a plus dactualisation possible.
36 Jonathan Benchimol
Statistiques de base
Cliquer sur une srie, puis: View/Descriptive Stats & Tests/Histogram and Stats View/Descriptive Stats & Tests/Stats Table
Quick/Group Statistics/Descriptive Statistics Les observations manquantes sont automatiquement exclues des statistiques
Jonathan Benchimol
37
Economtrie
38
Jonathan Benchimol
Mesure de grandeurs pralablement dfinies par l'conomie (emploi, croissance, valeur ajoute, etc.); Vrification empirique de relations entre ces grandeurs prdites par des modles issus de l'conomie mathmatique ; Etude a priori de relations entre grandeurs mathmatiques indpendamment d'un modle conomique sous-jacent.
39
Jonathan Benchimol
Objectifs
Expliquer ces mesures. Exploiter des donnes. Etablir et tester des relations robustes entre elles. Exposer et prsenter ses rsultats. Quantifier des paramtres dun modle. Tester des hypothses ou des prvisions. Confronter des modles concurrents. Simuler des volutions passes ou venir. Etudier des interactions entre variables. Rapprocher la thorie la ralit.
Jonathan Benchimol
40
Mthodologie
Spcifier du modle
Choisir les variables explicatives Choisir la forme fonctionnelle Prendre en compte les chocs
Estimer le modle Evaluer et analyser les rsultats Tester de la robustesse de lestimation Prvoir Envisager des variantes Cas extrmes
Jonathan Benchimol
Utiliser le model
41
Nomenclature
Relation entre une variable explique (Yt) et des variables explicatives (Xt,k) pondres par des paramtres (ak), une constante (paramtre a0) et une perturbation (choc ut,i):
On cherche estimer les paramtres, inconnus du modle. ut,i peut tre peru comme un choc, une perturbation, une erreur ou un ala. Il sagit ici dan modle linaire avec un terme constant.
42 Jonathan Benchimol
Objectifs spcifiques
Estimer les paramtres du modle. Evaluer la prcision des estimations. Montrer le pouvoir explicatif du modle. Savoir si la liaison globale entre Yt et Xt,k est significative. Savoir si lapport marginal de chaque variable est significatif. Evaluer la capacit prdictive du modle. Envisager des aspect particuliers.
43
Jonathan Benchimol
MCO: Tests
44
R ajust Mean dependent var S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Hannan-Quinn criter. F-statistic Durbin-Watson stat Prob(F-statistic)
Jonathan Benchimol
Crer un workfile regroupant les donnes analyser Estimer les coefficients de la rgression:
Quick/Estimate Equation ou Object/Equation Ecrire la relation sous forme dune quation: VExplique=c(1)*VExplicative1+c(2)*VExplicative2+C(3) ou LS Vexplique C Vexplicatives spares par un espace
Les variables suivies de (-1), (-2) sont des variables retardes. Lestimation se fait en ajustant lchantillon de faon ne pas tenir compte des donnes manquantes.
45 Jonathan Benchimol
Eviews donne le choix entre plusieurs techniques destimation, et une personnalisation de lchantillon au moment de lestimation.
46
Jonathan Benchimol
Lorsque vous obtenez le rsultat des estimations, un onglet Resids apparait. Cliquez dessus pour obtenir un graphique des rsidus (perturbations).
0.8 0.4 0.0 -0.4 .4 .2 .0 -.2 -.4 00 01 02 03 04 Residual 05 06 Actual 07 08 Fitted 09 10 11 -0.8 -1.2
47
Jonathan Benchimol
48
Jonathan Benchimol
Fonctions retournant un vecteur ou une matrice dobjets: Fonctions retournant des caractres:
49
Jonathan Benchimol
Les reprsentations Les sorties La structure ARMA Les rsidus Gradients, drivs Matrice des covariances Tests sur les coefficients Tests sur les rsidus Tests de stabilit Etc
Jonathan Benchimol
50
Des prvisions Un modle Des drives de la fonction de rgression par rapport aux paramtres Un groupe des rgresseurs
51
Jonathan Benchimol
En ligne de commande
Stocker dans un vecteur lestimation dune quation par les moindres carrs (MCO):
52
show eq1.results
Jonathan Benchimol
En ligne de commande
Stocker les rsidus dune quation estime dans une srie nom_residus:
eq1.makeresids nom_residus
eq1.resids(options)
g pour une reprsentation graphique t pour une reprsentation sous forme de tableau
show eq1.resids
makemodel
53
Jonathan Benchimol
Student: test de significativit dun paramtre Fisher: test de significativit global Test de normalit des erreurs Durbin Watson: Test dautocorrlation White: Test dhtroscdasticit Show: Test de stabilit Test de colinarit
54
Jonathan Benchimol
Autres tests
Aprs avoir effectu votre rgression, les test Student, de Fisher et de Durbin-Watson figurent directement dans la fentre quation gnre.
Pour calculer dautres tests statistiques, cliquez sur le bouton View de la fentre Equation, et slectionnez soit un des trois type de diagnostic: Coefficient, Residuals ou Stability. Pour revenir aux rsultats de la rgression, cliquez sur le bouton Stats.
55 Jonathan Benchimol
Considrations importantes au moment du choix dun modle Consquences du choix dun mauvais modle Assurer la validit dun modle Critres de choix Erreurs de spcification Remdes Evaluation des performances de modles
56
Jonathan Benchimol
Omission dune variable pertinente Inclusion dune variable superflue Forme fonctionnelle errone Erreurs de mesure Erreurs de spcification du terme stochastique
Test de Student (pour une variable) Test de Fisher (pour plusieurs variables) Examen des rsidus Analyse de lautocorrlation ou de lhtroscdasticit
Jonathan Benchimol
57
Aprs avoir effectu votre rgression, cliquez sur View de la fentre quation puis cliquez sur Residuals Diagnostics, puis sur Correlegram Q Statistics Vous devez ensuite choisir lordre maximal dautocorrlation des rsidus que vous dsirez obtenir. Remarque
Un processus AR(1) est frquemment postul, car il traduit lide quun choc exogne un moment donn a un effet persistant mais dcroissant exponentiellement avec le temps.
58
Jonathan Benchimol
Lanalyse graphique des rsidus permet le plus souvent de dtecter une autocorrlation des erreurs lorsque :
Les rsidus sont pendant plusieurs priodes conscutives, soit positifs, soit ngatifs : corrlation positive Les rsidus sont alterns : corrlation ngative.
Cependant, le plus souvent, lanalyse graphique est dlicate interprter. Il faut faire des tests dautocorrlation:
59
Le test de Durbin Watson (DW) teste seulement lautocorrlation du premier ordre. Il existe un plage de valeurs pour lesquelles on ne peut conclure. Dans un modle auto rgressif, le test de DW est biais en faveur de lacceptation de lhypothse nulle:
En effet, prenons le modle AR suivant Yt = a0 + a1 Yt-1 + a2Xt + ut La variable explique Yt dpend de ses valeurs passes.
60
Jonathan Benchimol
Test de Breusch-Pagan-Godfrey
Si les erreurs suivant un AR(p), alors il faut tester lgalit zro de tous les coefficients de cet AR(p). Dans la fentre quation, aller dans View, puis Residuals Diagnostics, puis dans Heteroskedasticity Tests
61
Jonathan Benchimol
Test de Breusch-Pagan-Godfrey
Les rgresseurs du modle peuvent comprendre des valeurs dcales de la variable dpendante (ce qui tranche avec les restrictions du test de DW). Ce test est galement applicable lorsque les erreurs suivant un MA(q). Si lon ne considre quun AR(1), le test BG est connu sous le nom de test M de Durbin. La valeur p, longueur du dcalage, ne peut tre prcise priori. Il est invitable de procder quelques exprimentations. On peut alors utiliser les critres AIC, HQC et SC pour choisir le bonne longueur du dcalage.
62 Jonathan Benchimol
En prsence dautocorrlation
Trouver si lautocorrlation est une pure autocorrlation et non le rsultat dune mauvaise spcification du modle. Les rsidus peuvent tre dus une mauvaise spcification du modle ou une forme fonctionnelle incorrecte. Est-ce que les variables prises en compte prsentent des tendances, auquel cas il faut intgrer dans le modle le temps (@trend). Si en changeant la spcification, la statistique de DW reste anormalement faible alors on peut effectivement conclure la prsence dautocorrlation. Si il sagit dautocorrlation pure MCQG
63 Jonathan Benchimol
4,000 3,600 3,200 600 400 200 0 -200 -400 -600 00 01 02 03 04 Residual 05 06 Actual 07 08 Fitted 09 10 11 2,000 2,800 2,400
Means by Season
64
Jonathan Benchimol
Lorsquon utilise un modle sur des sries temporelles, des changements structurels peuvent se produire entre la variable expliquer et les variables explicatives: les paramtres ne restent globalement pas identiques sur toute la priode. Comment dtecter un changement structurel ?
Le test de Chow estime deux modles: en utilisant lensemble des donnes et un autre utilisant une priode restreinte. Si la diffrence entre les deux modles est significative, on peut douter de la stabilit de la relation sur lensemble de la priode.
65 Jonathan Benchimol
Tests de stationnarit
Un exemple avec le test de Dickey-Fuller Augment (ADF). Ce test se base sur lhypothse de corrlation des rsidus et sur lestimation par les MCO des 3 modles suivants :
66
Jonathan Benchimol
Exemple
Test de stationnarit de la srie CATTLE_NB: modle avec tendance et constante en niveau , on commence toujours par ce choix. Le test est plus grand que les seuils derreurs 1%, 5% et 10%: on rejette donc lhypothse de stationnarit. Remarque: il peut exister un lien entre CATTLE_NB et CATTLE_NB (-12).
67 Jonathan Benchimol
Exemple
Test de stationnarit de la srie des CATTLE_NB: modle avec constante en niveau : mmes remarques que prcdemment.
68
Jonathan Benchimol
Exemple
Ici, on test la srie D(CATTLE_NB_SA) i.e. la srie CATTLE_NB vue prcdemment mais ajuste des variations purement saisonnires.
cattle_nb.x12(mode=a) On utilise le mode additif car notre srie contient des valeurs ngatives !
Ce test de spcification utilise des modles artificiels non linaires afin de les confronter au modle estim. Ces modles artificiels sont composs du modle estim plus une composante de deuxime et/ou de troisime ordre multiplie par un coefficient. Si ces coefficients sont nuls, le modle initial est adquat. Deux moyens deffectuer ce test:
70
Jonathan Benchimol
Programmation
Un programme peut tre enregistr et/ou tre utilis et/ou modifi linfini. En automatisant un processus, et en crivant cela dans un programme, vous gagnerez normment de temps. Exemple:
Ecrire un programme qui permet de dsaisonnaliser la srie cattle_nb par la mthode x12 additive Puis qui effectue la diffrence premire du rsultat par deux mthodes (diffrence et log diffrence).
Avant de commencer crire ce programme, faite cette procdure uniquement avec votre souris
71 Jonathan Benchimol
Etc
72 Jonathan Benchimol
Vision conomique
Parfois, un simple raisonnement conomique permet de ne pas utiliser doutils statistiques complexes:
280
Vache folle (2002,2003) Crise porcine (2004) Crise du lait (2007, 2010) Diminution des marges sur la volaille
73
Jonathan Benchimol
L'ACP permet de transformer des variables corrles en nouvelles variables dcorrles les unes des autres. Objectif:
Rduire l'information en un nombre de composantes principales plus limit que le nombre initial de variables. Gomtrique: reprsentation des variables dans un nouvel espace gomtrique selon des directions d'inertie maximale Statistique: recherche d'axes indpendants expliquant au mieux la variance des donnes
Approche
74
Jonathan Benchimol
ACP: un exemple
PC1 explique 98% de la variance totale. PC1 est une combinaison linaire de l'ensemble des cinq prix. PC1 peut-tre interprt comme un indice des prix.
75 Jonathan Benchimol
ACP: un exemple
PC2 dpend ngativement des prix de la viande rouge (porc, buf et viande) et positivement des prix de la viande de volaille (chair de poulet et volaille).
Le graphique ci-contre montre la forte baisse entre la premire et la deuxime valeur propre.
0 1 2 3 4 5
76
Jonathan Benchimol
Prvision
Aprs avoir effectu une rgression, cliquez sur le bouton Forecast du menu de la fentre quation et choisissez la mthode adquate.
Prvision dynamique: pour chaque priode, la valeur prvue la date t-1 est utilise pour calculer la prvision la date t. Prvision statique: pour une priode au del de la priode dobservation, cette prvision est plus prcise.
77 Jonathan Benchimol
Pour construire des prvisions statiques (lorsque lquation estime contient comme rgresseur la variable explique retarde), les valeurs observes sont utilises.
do eq1.fit yhat yse Stock dans yhat et yse la srie ajuste et les cart types associs.
Pour construire des prvisions dynamiques (lorsque lquation estime contient comme rgresseur la variable explique retarde), les valeurs prvues sont utilises lorsque lhorizon de prvision est suprieur 1.
78
Dessaisonalisation
Dessaisonalisations de base:
79
Jonathan Benchimol
80
Jonathan Benchimol
Actual series
Linearized series
Forecast of series
81
Jonathan Benchimol
120 100 80 60 40 1983 1984 1985 1986 1987 X 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998
Forecast of series
Linearized series
82
Jonathan Benchimol
EGGS_NB
4,000 3,800 3,600 3,400 3,200 3,000 2,800 2,600 2,400 2,200 00 01 02 03 04 05 06 07 08 09 10 11 12
Une saisonnalit peut tre dans les donnes. La connaissance de la variable nous indique une saisonnalit.
83
Jonathan Benchimol
Juin est la priode o le nombre dufs produits est maximal. Fvrier est la priode basse. La production est en croissance en moyenne sur lchantillon.
84
Means by Season
Jonathan Benchimol
Jan
Feb
Mar
Apr
May
Jun
Jul
Aug
Sep
Oct
Nov
Dec
Jan
Feb
Mar
Apr
May
Jun
Jul
Aug
Sep
Oct
Nov
Dec
Feb
Mar
Apr
May
Jun
Jul
Aug
Sep
Oct
Nov
Dec
Means by Season
85
Jonathan Benchimol
Filtre de frquence: sparer une dynamique issue dun cycle de celle qui nest pas engendre par un cycle.
Aller dans Proc sur le menu de la fentre de la srie, puis dans Frequency Filter
Jonathan Benchimol
86
Lait (marge en %)
Trend
Cycle
Objectif: dissocier les cycles de court terme et de long terme. Tolrances: inflexions lentes de la tendance, en imposant que cet cart la tendance ne dpasse pas une certaine valeur reprsentant les volutions de la partie conjoncturelle. Atout: Reprsentation non linaire de la tendance. Lambda = 100*(nombre de priode dans lanne)
88
Jonathan Benchimol
ANOVA
L'analyse de la variance (ANalysis Of VAriance) permet de vrifier que plusieurs chantillons sont issus d'une mme population. Ce test s'applique lorsque l'on mesure une ou plusieurs variables explicatives catgorielles (facteurs de variabilit, de diffrentes modalits ou niveaux) qui ont de l'influence sur la distribution d'une variable continue expliquer. On parle d'analyse un facteur, lorsque l'analyse porte sur un modle dcrit par un facteur de variabilit, d'analyse deux facteurs ou d'analyse multifactorielle sinon.
89 Jonathan Benchimol
Tests de causalit
Aprs avoir valid la stationnarit des donnes, on peut tester un lien de causalit entre des sries temporelles. Ci-contre, on montre que:
90
Jonathan Benchimol
Quelques repres
@R2 R @RBAR2 R ajust @SE Ecart type de la rgression @SSR Somme des carrs des rsidus @DW DurbinWatson @F Fstatistic @LOGL Valeur de la fonction de vraisemblance @REGOBS Nombre dobservation de la rgression @AIC Critre dinformation dAkaike @SC Critre de Schwartz @MEANDEP Moyenne de la variable dpendante @SDDEP Ecart type de la variable dpendante @NCOEF Nombre total de coefficients estims @COVARIANCE(i,j) Covariance des coefficients i et j @RESIDCOVA(i,j) Covariance des rsidus de lquation i avec ceux de lquation j dans un VAR ou un objet systme. @RESIDCOVA doit tre prcd du nom de lobjet.
91 Jonathan Benchimol
Quelques repres
+ Addition Soustraction * Multiplication / Division ^ Puissance > Suprieur; X>Y vaut 1 si X est suprieur Y et vaut 0 sinon. Idem avec =, <, <>, <=, >=. D(X) Diffrence premire de X, X X(1) D(X,n) Diffrence du nime ordre de X D(X,n,s) Diffrence du nime ordre de X et diffrence saisonnire dordre s.
92 Jonathan Benchimol
Quelques repres
LOG(X) Logarithme naturel DLOG(X) Diffrence premire de logarithme naturel: LOG(X) LOG(X(1)) DLOG(X,n) Diffrence du nime ordre du logarithme de X: LOG(X) LOG(X(n)) DLOG(X,n,s) Diffrence du nime ordre du logarithme de X et diffrence saisonnire dordre s. EXP(X) Fonction exponentielle ABS(X) Fonction valeur absolue SQR(X) Fonction racine carre SIN(X) Fonction sinus COS(X) Fonction cosinus @ASIN(X) Fonction arc sinus @ACOS(X) Fonction arc cosinus
93 Jonathan Benchimol
Quelques repres
RND zro et un. NRND @PCH(X) @INV(X) @DNORM(X) @CNORM(X) @LOGIT(X) @SUM(X) @MEAN(X) @VAR(X) @SUMSQ(X) @OBS(X) @COV(X,Y)
Nombre alatoire normalement distribu N(0;1) Pourcentage de variation: (XX(1))/X(1) Inverse ou rciproque: 1/X Densit normale standard Distribution normale cumulative Logit de X Somme des X Moyenne des X Variance des X Somme des carrs de X Nombre dobservations de X valides Covariance entre X et Y
94
Jonathan Benchimol
Quelques repres
@COR(X,Y) Corrlation entre X et Y @CROSS(X,Y) Produit crois entre X et Y @MOVAV(X,n) Moyenne mobile sur n priodes de X, o n entier naturel @MOVSUM(X,n) Somme mobile sur n priodes de X, o n entier naturel @TREND(d) Tendance normalise zro en priode d o d est une date ou un numro dobservation. @SEAS(d) Variable dummy saisonnire gale un lorsque le trimestre ou le mois vaut d, et zro sinon. @DNORM(X) Fonction standard de densit normale de X @CNORM(X) @DNORM(X) cumulative de X @TDIST(X, d) Probabilit que le test de Student dpasse X avec d degrs de libert. @FDIST(X, n, d) Probabilit que le test de Fisher dpasse X avec n degrs de libert au numrateur et d degrs de libert au dnominateur. @CHISQ(X, d) Probabilit que le test du Chi dpasse X avec d degrs de libert.
95
Jonathan Benchimol