Économétrie-cours complet

Spread the love

Vous trouverez ci-dessous le lien de téléchargement du fichier en pdf, et vous trouverez dans le document le contenu suivant:

1. Qu’est-ce que l’économétrie ? 
I. La notion de modèle 1
  A. Définition 1
  B. La construction des modèles en économétrie 2
II. Le rôle de l’économétrie 5
  A. L’économétrie comme validation de la théorie 5
  B. L’économétrie comme outil d’investigation 5
III. La théorie de la corrélation 6
  A. Présentation générale 6
  B. Mesure et limite du coefficient de corrélation 8

2. Le modèle de régression simple
I. Présentation du modèle 13
  A. Exemple introductif 13
  B. Rôle du terme aléatoire 14
  C. Conséquences du terme aléatoire 16
II. Estimation des paramètres 17
  A. Modèle et hypothèses 17
  B. Formulation des estimateurs 18
  C. Les différentes écritures du modèle : erreur et résidu 21
  D. Propriétés des estimateurs 22
III. Conséquences des hypothèses : construction des tests 24
  A. Hypothèse de normalité des erreurs 24
  B. Conséquences de l’hypothèse de normalité des erreurs 25
  C. Test bilatéral, test unilatéral et probabilité critique d’un test 27
IV. Équation et tableau d’analyse de la variance 33
  A. Équation d’analyse de la variance 33
  B. Tableau d’analyse de la variance 34
V. La prévision dans le modèle de régression simple 39

3. Le modèle de régression multiple 47
I. Le modèle linéaire général 47
  A. Présentation 47
  B. Forme matricielle 48
II. Estimation et propriétés des estimateurs 49
  A. Estimation des coefficients de régression 49
  B. Hypothèses et propriétés des estimateurs 51
  C. Équation d’analyse de la variance et qualité d’un ajustement 54
III. Les tests statistiques 59
  A. Le rôle des hypothèses 59
  B. Construction des tests 60
  C. Tests sur les résidus : valeur anormale, effet de levier et point d’influence 62
IV. L’analyse de la variance 67
  A. Construction du tableau d’analyse de la variance et test de signification globale d’une régression 67
  B. Autres tests à partir du tableau d’analyse de la variance 68
  C. Généralisation des tests par analyse de la variance 73
V. L’utilisation de variables indicatrices 75
  A. Constitution et finalités des variables indicatrices 75
  B. Exemples d’utilisation 76
VI. La prévision à l’aide du modèle linéaire général et la régression récursive 81
  A. Prédiction conditionnelle 81
  B. Fiabilité de la prévision et intervalle de prévision 82
  C. Les tests de stabilité par la régression récursive 84
  D. Le test de spécification de Ramsey 86
VII. Exercices récapitulatifs 90
  A) Interprétation géométrique de la méthode des moindres carrés 102
  B) Résolution de l’exercice 1 par des logiciels informatiques de régression multiple 103
  C) Estimation de la variance de l’erreur 105

4. Multicolinéarité et sélection du modèle optimal 107
I. Corrélation partielle 107
  A. Exemple introductif 107
  B. Généralisation de la notion de corrélation partielle 108
II. Relation entre coefficients de corrélation simple, partielle et multiple 112
III. Multicolinéarité : conséquences et détection 114
  A. Conséquences de la multicolinéarité 114
  B. Tests de détection d’une multicolinéarité 115
  C. Comment remédier à la multicolinéarité ? 118
IV. Sélection du modèle optimal 119

5. Problèmes particuliers : la violation des hypothèses 125
I. L’autocorrélation des erreurs 125
  A. Présentation du problème 125
  B. L’estimateur des Moindres Carrés Généralisés (MCG) 126
  C. Les causes et la détection de l’autocorrélation des erreurs 127
  D. Les procédures d’estimation en cas d’autocorrélation des erreurs 134
II. L’hétéroscédasticité 142
  A. Présentation du problème 142
  B. Correction de l’hétéroscédasticité 144
  C. Tests de détection de l’hétéroscédasticité 147
  D. Autre test d’hétéroscédasticité : le test ARCH 153
III. Modèles à erreurs sur les variables 154
  A. Conséquences lorsque les variables sont entachées d’erreurs 154
  B. La méthode des variables instrumentales 155
  C. Le test d’exogénéité d’Hausman 156
  D. La méthode des moments généralisée 157

6. Les modèles non linéaires 165
I. Les différents types de modèles non linéaires 165
  A. Les fonctions de type exponentiel 165
  B. Les modèles de diffusion 168
II. Méthodes d’estimation des modèles non linéaires 170
  A. Initiation aux méthodes d’estimation non linéaires 170
  B. Exemples d’application 172

7. Les modèles à décalages temporels 177
I. Les modèles linéaires autorégressifs 177
  A. Formulation générale 177
  B. Test d’autocorrélation et méthodes d’estimation 178
II. Les modèles à retards échelonnés 183
  A. Formulation générale 183
  B. Détermination du nombre de retards 184
  C. Distribution finie des retards 188
  D. Distribution infinie des retards 192
III. Deux exemples de modèles dynamiques 198
  A. Le modèle d’ajustement partiel 198
  B. Le modèle d’anticipations adaptatives 199

8. Introduction aux modèles à équations simultanées 217
I. Équations structurelles et équations réduites 218
  A. Exemple introductif 218
  B. Le modèle général 220
  C. Cas particulier : les modèles récursifs 221
II. Le problème de l’identification 221
  A. Restrictions sur les coefficients 221
  B. Conditions d’identification 222
III. Les méthodes d’estimation 223
  A. Les moindres carrés indirects 223
  B. Les doubles moindres carrés 223
  C. Autres méthodes d’estimation 224
  Annexe 236
  Identification : les conditions de rang 236

9. Éléments d’analyse des séries temporelles 239
I. Stationnarité 239
  A. Définition et propriétés 239
  B. Fonctions d’autocorrélation simple et partielle 240
  C. Tests de « bruit blanc » et de stationnarité 241
II. La non-stationnarité et les tests de racine unitaire 245
  A. La non-stationnarité : les processus TS et DS 245
  B. Les tests de racine unitaire et la stratégie séquentielle de test 248
III. Les modèles ARIMA 256
  A. Typologie des modèles AR, MA et ARMA 256
  B. L’extension aux processus ARIMA et SARIMA 259
IV. La méthode de Box et Jenkins 260
  A. Recherche de la représentation adéquate : l’identification 260
  B. Estimation des paramètres 261
  C. Tests d’adéquation du modèle et prévision 262

10. La modélisation VAR 275
I. Représentation d’un modèle VAR 276
  A. Exemple introductif 276
  B. La représentation générale 277
  C. La représentation ARMAX 278
II. Estimation des paramètres 279
  A. Méthode d’estimation 279
  B. Détermination du nombre de retards 279
  C. Prévision 280
III. Dynamique d’un modèle VAR 284
  A. Représentation VMA d’un processus VAR 284
  B. Analyse et orthogonalisation des « chocs » 285
  C. Décomposition de la variance 288
  D. Choix de l’ordre de décomposition 288
IV. La causalité 292
  A. Causalité au sens de Granger 292
  B. Causalité au sens de Sims 293

11. La cointégration et le modèle à correction d’erreur 297
I. Exemples introductifs 297
II. Le concept de cointégration 299
  A. Propriétés de l’ordre d’intégration d’une série 299
  B. Conditions de cointégration 301
  C. Le modèle à correction d’erreur (ECM) 301
III. Cointégration entre deux variables 302
  A. Test de cointégration entre deux variables 303
  B. Estimation du modèle à correction d’erreur 303
IV. Généralisation à k variables 306
  A. La cointégration entre k variables 306
  B. Estimation du modèle à correction d’erreur 307
  C. Le modèle à correction d’erreur vectoriel 308
  D. Tests de relation de cointégration 310
  E. Test d’exogénéité faible 313
  F. Synthèse de la procédure d’estimation 314

12. Introduction à l’économétrie des variables qualitatives 319
I. Les problèmes et les conséquences de la spécification binaire 320
II. Les modèles de choix binaires 322
  A. Le modèle linéaire sur variable latente 322
  B. Les modèles Probit et Logit 323
  C. Interprétation des résultats et tests statistiques 325
III. Les modèles à choix multiples 330
  A. Les modèles Probit et Logit ordonnés 331
  B. Le modèle de choix multiples non ordonné : le Logit multinomial 335
IV. Les modèles à variable dépendante limitée : le modèle Tobit 337
  A. Le modèle Tobit simple : modèle de régression tronqué ou censuré 338
  B. Estimation et interprétation des résultats 340

13. Introduction à l’économétrie des données de panel 345
I. Présentation des modèles à données de panel 346
  A. Spécificités des données de panel 346
  B. La méthode SUR 347
  C. Le modèle linéaire simple 348
II. Les tests d’homogénéité 349
  A. Procédure séquentielle de tests 349
  B. Construction des tests 350
III. Spécifications et estimations des modèles à effets individuels 355
  A. Le modèle à effets fixes individuels 355
  B. Le modèle à effets aléatoires 357
  C. Effets fixes ou effets aléatoires ? Le test d’Hausman 358

Liste des exercices 363
Tables statistiques 367
Bibliographie 375
Index 379


Spread the love

Laisser un commentaire