UNIVERSITÉ HASSAN II Ain Chock FACULTE DES SCIENCES JURIDIQUES ECONOMIQUES ET SOCIALES CASABLANCA INTRODUCTION AUX MÉTHODES ÉCONOMÉTRIQUES (LES FONDEMENTS D Compléments du co De Mr Fouzi Mourji or 5 Sni* to View RIE) Filière : Economie et Gestion Semestre 6 Année Universitaire 2012/2013 professionnelle. Plan du polycopie Le cœur du cours d’introduction aux méthodes économétriques est constitué de deux chapitres : le 1er porte sur le modèle linéaire de régression simple et le 2nd sur la régression multiple.
Nous y développons les méthodes basiques d’estimation des aramètres d’un modèle et les propriétés des estimateurs et introduisons également les techniques de validation des modèles. Mais pour bien comprendre l’intérêt de cet apprentissage, nous présentons dans une annexe 1, les concepts de modèles et en particulier les modèles de politique économique. Nous montrons que les modèles que nous allons apprendre à construire dans ce cours, constituent des outils d’aide à la décision, que ce soit au niveau microéconomique ou macroéconomique.
Dans l’annexe 2, nous effectuons des rappels statistlques ndispensables, nous y expliquons qu’avant tout travail de modélisation, il importe de procéder à des traitements préalables sur les séries statistiques ; en l’occurrence il importe de passer des séries en dirhams courants à des séries en dirhams constants. *AGF 9 rif s ferons référence explicitement et les développerons en temps opportun au cours des différentes séances.
INTRODUCTION : Voir les séances de cours avec les définitions de base et la démarche en économétrie et pannexe qui traite de la typologie des modèles. Chapitre I- Le MODELE LINEAIRE DE REGRESSION SIMPLE SECTION I – Présentation et hypothèses de base SECTION II -L’Estimation des paramètres et étude de leurs propriétés (cf. le cours et l’annexe Il pour les traitements préalables sur les senes statistiques) : Introduction à la validation des modèles SECTION III CHAPITRE II : MODELE LINEAIRE DE REGRESSION MULTIPLE SECTION I – Présentation – Hypothèses dans le M.
R. M SECTION II – Détermination et propriétés des estimateurs – Tests dans le Modèle Linéaire de Régression SECTION IV Multiple CHAPITRE I. Le MODELE LINEAIRE DE REGRESSION SIMPLE (MLRS) : INTRODUCTION Définition Du point de vue étymologique, le terme « économétrie comporte à la fois le terme « économie » (en tant que science) et le terme « mesure». Elle applique les méthodes statistiques aux données empiriques issues de l’observation de faits économiques, pour expliquer et prévoir révolution des variables.
En reprenant Malinvaud (1970) : « l’économétrie utilise l’outil mathématique et l’induction statisti ue, pour vérifier des théories économiques économiques » L’objet de l’économétrie est donc de confronter une explication théorique à un ensemble de données. Ces données peuvent être : i) temporelles), ii) en coupe transversale (données d’enquêtes) ou iii) de panel etc… ). Voir les exemples dans le cours. L’économétrie vise à quantifier les relations entre grandeurs économiques dont la théorie ou l’expérience affirme l’existence.
Elle permet de connaître le sens et l’intensité des liens entre variables. ( Ex: voir le cours) L’économétrie permet de construire des modèles de prévision ou d’analyse / d’aide à la décision. Les principales phases de la modélisation en économétrie sont au nombre de quatre e schéma suivant les résume: Dans le cours, nous répondons à deux questions principales au niveau de chaque phase 1- En quoi elle consiste ? 2- Comment y procéder ?
On souligne que le sens des « flèches n’est pas unique dans la mesure où le travail de l’économétrie est un travail itératif. Cf. l’annexe I sur la typologie des modèles I – PRESENTATION GENERA PAGFZÙFS (i=l Nous avons donc « n » couples () qui sont des réalisations des variables Y et X. a et b sont des paramètres réels et inconnus que l’on se propose d’estimer à Faide des observations Exemples : voir les développements du cours Il. HYPOTHESES « CLASSIQUES » POUR LE MLRS : Hypothèse 1 : Le modèle est correctement spécifié.
Il y a une mauvaise spécification lorsqu’on effectue un mauvais choix des variables, la forme de la liaison entre la variable endogène et la variable exogène n’est pas correctement établie ou bien la définition des variables ( Niveau, Variation, Indice,… etc. ) ne correspond pas au problème tralté. Autrement dit, il faut que la variable explicative retenue soit la « meilleure » sans omission d’autres variables, la vraie relation oit une relation linéaire dans ou par rapport aux paramètres à estimer et enfin la variable aléatoire intervienne de manière additive.
Remarque : Une mauvaise spécification peut aussi provenir des tautologies. Expliquer les recettes touristiques en prenant le nombre des touristes comme variable explicative est une tautologie. Exemple : Consommation des produits laitiers : 1 ère étape : : consommation de produits laitiers du ménages i dans l’agglomération du type j : revenu du ménage i dans l’agglomération de type j vraie pour i = 1 et pour je 1,2 j=l commune de taille
