2. Regression mulptiple : estimation 3. Regression multiple : inférence statistique 4. Regression multiple : résultats asymptotiques 5. Regression multiple : quelques problèmes concrets 6. Regression multiple avec information qualitatives : variables dichotomiques 7. L’hétérocédasticité 8. Problèmes de données et de spéci…cations 9. Organiser un projet empirique Introduction La nature de l’économétrie et les données
Une dé…nition : l’économétrie consiste à développer des
méthodes statistiques pour estimer des relations économiques, tester des théories ou évaluer et appliquer des politiques publiques. 1. Quel est l’impact de la formation sur les salaires? 2. Les stratégies d’investissements des banques sont-elles cohérentes avec les prédictions théoriques des modèles d’investissements? 3. Les dépenses de campagnes électorales augmentent-elles la probabilité d’être élu? 4. Les dépenses d’éducation améliorent-t-elles les résultats scolaires? 5. Peut-on prévoir les taux d’intérêt, le taux d’in‡ation ou le revenu (PIB) dans quelques mois? L’économétrie mobilise des données non expérimentales, elles proviennent d’observations. Introduction Les étapes d’une analyse empirique
Les étapes d’une analyse empirique I
I Mobiliser des données pour tester une théorie ou pour estimer une relation I Formuler une question : certains aspect d’une théorie ou les e¤ets de certaines politiques I Expliciter un modèle formellement : équations décrivant les relations existantes dans les données I Exemple : décisions de consommation sous contrainte budgétaire choix qui maximisent l’utilité ) équation de demande du bien i : Di Di = f (prixi , prixj , Y , go ûts ) Cette équation forme la base de l’estimation économétrique de la demande du bien i. Egalement certains comportements apparemment non économiques : analyse de la criminalité Introduction Les étapes d’une analyse empirique
Les étapes d’une analyse empirique II
I Passage du modèle économique au modèle économétrique : I Forme fonctionnelle de la relation à estimer I Variables non observables I Exemple 1 : déterminants de la criminalité criminalit é = β0 + β1 salairem + β2 autrerev + β3 arrestation + β4 condamnation + β5 âge + u I Choix des variables déterminé par un raisonnement économique I β0 , β1 , β2 , .., β5 sont les paramètres à estimer I Exemple 2 : formation et productivité
I u variables non observables/termes d’erreur : partie la plus importante de l’analyse économétrique. I Tester des hypothèses : β3 = 0 Introduction La structure des données économiques
Les données en coupe I
I Echantillon d’individus, villes, pays, actifs, …rmes, etc.
observées à une période donnée. I Echantillon aléatoire de la population d’origine I Parfois l’échantillon est non aléatoire : problème de la sélectivité de l’échantillon I Données individuelles utiles pour tester des comportements microéconomiques et évaluer les politiques publiques. Introduction La structure des données économiques
Les données en coupe II
I Exemple 1: Déterminants des salaires individuels
Table: Données en coupe sur les salaires et autres caractéristiques
I Exemple 2 : croissance du PIB par têtre entre 1960 et 2000 (gpcrgdp) avec des données sur les dépenses publiques en 1960 (govcons60 ) et le niveau d’éducation moyen de la population en 1960 (second60 )
Table: Données sur les taux de croissance économique et les
I Données sur des variables observées à di¤érentes période du temps I Exemple : prix des actifs, indice de prix, PIB, taux d’homicides annuels, ventes, etc. I Le temps est une dimension cruciale des données : les valeurs passées peuvent in‡uencer les valeurs futures, retards dans les réactions, etc. I Ordre chronologique des observations est important I En général les observations ne sont pas indépendantes au cours du temps : la valeur du PIB au trimestre passé contient de l’information sur sa valeur future : les variables suivent des tendances. I Caractère saisonnier de certaines variables, la fréquence des observations est importante : quotidiennes, hebdomadaires, mensuelles, annuelles, etc. Introduction La structure des données économiques
Les données sur séries temporelles II
I Exemple : données pour étudier les e¤ets macroéconomiques du salaire minimum, les observations doivent être enregistrées de façon chronologique. I Expliquer les e¤ets du salaire minimum (avgmin) sur l’emploi (emp), autres variables explicatives, taux de couverture avgcov, taux de chômage unemp et PNB gnp.
Table: Salaire Minimum, Chômage,et autres caractéristiques
I Données qui présentent une dimension temporelle et
transversalle (Ex. deux enquêtes emplois à di¤érentes périodes, 1990 et 2000). I Structure de données utile pour analyser les e¤ets d’une politique : un échantillon avant la mise en oeuvre de la politique et un échantillon après (Ex. changement du prix de l’immobilier suite à une modi…cation de la …scalité). I Méthodes économétriques similaires à celles utilisées dans l’analyse de données en coupe, avec prise en compte la variabilité temporelle. I Le changement de politique modi…e la variablité "normalement" observée dans le temps. Introduction La structure des données économiques
Les données en pooling II
I Un exemple : évaluer les e¤ets sur le prix de l’immobilier (hprice) d’une modi…cation de la …scalité (proptax). Les autres variables explicatives sont les caractéristiques du logement.
Table: Données en coupe groupé (pooled) : deux années de données sur
I Données qui représentent des séries temporelles pour chaque observation en coupe : suivi d’un échantillon d’individu (personnes, …rmes, pays, etc.) sur plusieurs périodes.
Table: Données de panel (2 années) sur les Statistiques de criminalité
I L’odre des individus n’a pas d’importance I Pour chaque individu on a au plus autant d’observations que de périodes (ici 2). I L’ordre chronologique des observations pour chaque individu est importante. I Les observations pour chaque individus vont être tranformées. I Données plus di¢ ciles à obtenir I Cette structure qui permet de contrôler pour les di¤érences …xes et non observables entre les individus I Cela rend plus aisé d’établir des relations causales I Etude les e¤ets des variables passées sur les variables contemporaines et avec retards dans les réactions. I Pour certaines questions il est necessaire de disposer de données de panel. Introduction Causalité et "toutes choses égales par ailleurs" en économétrie
Causalité et "toutes choses (importantes) égales par
ailleurs" I I L’économiste doit évaluer des relations de cause à e¤et. I education =) productivité? I bien plus compliqué qu’une relation de corrélation I Si les autres éléments qui a¤ectent la productivité ne sont pas …xes, di¢ cile d’établir une relation causale : concept de "toutes choses égales par ailleurs" I Necessaire pour évaluer l’impact des politiques I Théoriquement, impossible de maintenir constants tous les facteurs qui a¤ectent la variable dépendante I Su¢ sement de facteurs sont-ils maintenus …xes pour pouvoir établir une relation causale? I Léconométrie correctement appliquée s’approche d’un context théorique ou "tout est égal par ailleurs". Introduction Causalité et "toutes choses égales par ailleurs" en économétrie
Causalité et "toutes choses (importantes) égales par
ailleurs" II
I Exemple 1 : E¤ets des engrais sur les rendements (Griliches,
1957) I Les engrais appliqués à un sol augmentent-ils les rendements? I Quelle expérience "théorique" peut-on mener? I Exemple 2 : Mesurer les rendements de l’éducation I Choisissons une personne quelconque dans une population, augmentons son niveau d’étude d’une année. De combien augmentera son salaire? I La question de "toutes choses égales par ailleurs" se pose I Quelle expérience "théorique" peut-on mener? Introduction Causalité et "toutes choses égales par ailleurs" en économétrie
Causalité et "toutes choses (importantes) égales par
ailleurs" III =) Dans ces deux exemples le traitement doit-être administré indépendemment des autres facteurs qui a¤ectent le résultat qu’on cherche à évaluer. I Exemple 2 on dispose seulement de données non expérimentales : échantillon aléatoire de la population active. I le choix d’éducation n’est pas aléatoire : dépend d’élements non-observables qui a¤ectent le niveau d’étude. I Les individus plus éduqués ont moins d’expérience I Les aptitudes innées a¤ectent positivement les salaires : les individus plus éduqués en sont davantage dotés. =) Di¢ cile de reproduire un context ou "tout est égal par ailleurs" I l’expérience est mesurable mais pas les aptitudes I Les méthodes récentes portent sur le traitement des caractéristiques non-observables Introduction Causalité et "toutes choses égales par ailleurs" en économétrie
Causalité et "toutes choses (importantes) égales par
ailleurs" IV I Exemple 3 : Les policiers contribuent-ils à diminuer la criminalité? Question expérimentale : choix aléatoire d’une ville et augmenter ses e¤ectifs de police. Quelles sont les e¤ets sur la criminalité? ou : deux villes A et B identiques, augmenter les e¤ectifs de A et évaluer la di¤érence de criminalité entre la ville A et B. I Impossible de trouver deux villes identiques. I Données non expérimentales? I Facteurs qui déterminent les e¤ectifs de polices corrélés avec ceux qui in‡uencent la criminalité : problème de simultanéité I La simultanéité rend di¢ cile l’identi…cation de relations causales Introduction Causalité et "toutes choses égales par ailleurs" en économétrie
Causalité et "toutes choses (importantes) égales par
ailleurs" V I Exemple 4 : Impact du salaire minimum sur le chômage, problème de causalité sur série temporelle I Le modèle o¤re et demande de travail classique prédit qu’une augmentation du salaire minimum réduit l’emploi I L’étude de la relation emploi et salaire minimum au cours du temps permet de quanti…er cette relation I Mais détermination du salaire minimum non aléatoire I dépend de facteurs économiques et politiques qui peuvent a¤ecter l’emploi : salaire minimum non exogène I souvent prédéterminé sur plusieurs années I On peut imaginer une expérience : mais peu réaliste I L’analyse doit contrôler pour les facteurs qui a¤ectent l’emploi pour se rapprocher de la situation expérimentale Résumé
But et objet de l’économétrie
I Tester des théories, évaluer les e¤ets des politiques, et établir des prédictions I Modèles à estimer dérivés formellement ou sur la base d’intuition et raisonnements économiques. I L’analyse économétrique estime les paramètres du modèle et teste des hypothèses sur ces paramètres. I La valeur et le signe des paramètres déterminent la validité des prédictions théoriques et les e¤ets des politiques. I Les données peuvent être en coupe, en pooling, sur séries temporelles ou en panel I Les séries temporelles necessitent un traitement spécial I Hypothèses toujours formulées toutes choses égales par ailleurs. I Souvent données non expérimentales =) identi…cation des relations causales di¢ cile.