Économétrie Appliquée Emmanuel Flachaire Emmanuel Flachaire Économétrie Appliqu
Économétrie Appliquée Emmanuel Flachaire Emmanuel Flachaire Économétrie Appliquée Plan du cours Quatres séances: 1. Qu'est ce que l'économétrie ? E. Flachaire 2. Le modèle de régression simple E. Flachaire 3. Le modèle de régression multiple A. Taranco 4. Applications A. Taranco Travaux dirigés: exercices appliqués en salle informatique Emmanuel Flachaire Économétrie Appliquée Plan du cours Références: 1. Behagel (2006), Lire l'économétrie, Repères, La découverte 2. Gujarati (2004), Économétrie, de Boeck 3. Brooks (2008), Introductory Econometrics for Finance, Cambridge University Press 4. Cadoret et al. (2004), Économétrie Appliquée, de Boeck Emmanuel Flachaire Économétrie Appliquée Séance 1 Qu'est-ce que l'économétrie ? Emmanuel Flachaire Économétrie Appliquée Qu'est-ce que l'économétrie ? ▶Il n'y a pas de réponse unanimement acceptée ▶Sens littéral: mesure de l'économie ▶Utilisation des mathématiques et des statistiques pour évaluer les relations de la théorie économique ▶Ses fonctions: estimer les relations, tester les théories et prévoir l'évolution des variables économiques ▶Son principal outil: le modèle de régression Emmanuel Flachaire Économétrie Appliquée Qu'est-ce que l'économétrie ? Exemples de problèmes traités en TD : ▶Rendements de l'éducation: l'impact des études sur le salaire ▶La parité des pouvoirs d'achat : mythe ou réalité ? ▶Rendement et risque des actions sur le marché boursier ▶Impact d'une hausse des prix des cigarettes sur la demande ▶Les déterminants des prix des logements Emmanuel Flachaire Économétrie Appliquée Qu'est-ce que l'économétrie ? Types de données : ▶Séries chronologiques ou temporelles ▶Données individuelles, en coupes ou transversales ▶Données de panel: combinaison des deux Format des données : ▶quantitatives (salaires, prix, taux de change, etc.) ▶qualitatives (sexe, niveau d'études, année, etc.) Emmanuel Flachaire Économétrie Appliquée Qu'est-ce que l'économétrie ? Analyse de régression : Étudier la relation entre une variable dépendante (y) et une ou plusieurs autres variables explicatives (x ou x1, x2, . . . , xk) ▶y est appelée variable dépendente ou régresssande ▶x est appelée variable explicative ou régresseur ou variable de contrôle On cherche à expliquer les variations de y par les variations de x Emmanuel Flachaire Économétrie Appliquée Qu'est-ce que l'économétrie ? Le modèle de régression simple : y = β0 + β1x + ε Le modèle de régression multiple : y = β0 + β1x1 + · · · + βkxk + ε Le terme d'erreur εt est stochastique, c'est-à-dire qu'il possède des propriétés probabilistes. Sa présence dénote de la diérence entre l'économiste et de l'économètre: ▶L'économiste spéci e une relation déterministe: C = f (Y ) ▶Pour l'économètre, la relation n'est pas parfaite: C = f (Y ) + ε Emmanuel Flachaire Économétrie Appliquée Qu'est-ce que l'économétrie ? La présence du terme d'erreur peut être justi ée par : ▶l'omission de variables : d'autres variables non pris en compte peuvent également avoir une in uence (consommation: taille du ménage, taux d'intérêt, etc.) ▶le comportement humain: en pareille ciconstance des individus peuvent agir diéremment, le terme d'erreur traduit le caractère aléatoire du comportement humain. ▶les erreurs de mesure: les variables ne sont pas mesurées correctement. La présence du terme d'erreur fait que les paramètres β0, . . . , βk ne peuvent plus être calculés, il faut maintenant les estimer. Pour cela, il faut faire des hypothèse statistiques sur le terme d'erreur ε. Emmanuel Flachaire Économétrie Appliquée Qu'est-ce que l'économétrie ? Analyse de régression vs. corrélation : Corrélation: ▶mesure de l'intensité d'une relation linéaire entre 2 variables ▶y et x sont traitées de manière symétrique Régression: ▶y et x ne sont pas traitées de manière symétrique ▶la relation n'est pas forcément linéaire ▶il peut y avoir beaucoup de variables Emmanuel Flachaire Économétrie Appliquée Qu'est-ce que l'économétrie ? Le problème de la causalité : la poule et l'oeuf ▶l'analyse de régression permet d'établir une corrélation, mais elle ne permet pas de déterminer les causes ▶Ex1: Un tsar a observé que c'est dans les villes où il y a le plus de docteurs (x) qu'il y a le plus de malades (y). Il décide de faire fusiller tous les docteurs pour éradiquer la maladie. ▶Ex2: dans quelle mesure un ralentissement de la croissance (x) aecte le taux de chômage (y) ? ▶Le sens de la causalité peut-être justi é par la théorie économique ou le bon sens. Emmanuel Flachaire Économétrie Appliquée Qu'est-ce que l'économétrie ? Le problème de la causalité : la liaison indirecte ▶Il existe une variable non apparente dans les données ▶Une étude marketing dans le sud de la france montre que l'augmentation des ventes de produits anti-moustiques est liée à l'augmentation des ventes de pêches et brugnons. ▶Peut-on en déduire que les pêches attirent les moustiques ? Non : c'est la variable cachée été qui explique cette liaison statistique, alors qu'il n'y a pas de liaison réelle. Emmanuel Flachaire Économétrie Appliquée Qu'est-ce que l'économétrie ? Le rôle des variables de contrôles : la régression multiple ▶La diérence entre le salaire moyen du groupe des hommes et celui des femmes est de l'ordre de 20%. Peut-on conclure à une discrimination salariale ? Non : le niveau d'étude, l'âge, l'expérience peuvent expliquer cet écart (liaison indirecte) ▶Il faut comparer les moyennes des salaires, pour des hommes et femmes de même niveau d'étude, de même âge, de même expérience, etc. ▶La régression multiple permet de mettre en évidence un eet de la variable homme/femme sur le salaire espéré, toute chose étant égale par ailleurs. Les régresseurs jouent le rôle de variables de contrôle. Emmanuel Flachaire Économétrie Appliquée Application 1 L'impact de la taille des classes sur la réussite scolaire L'économétrie comme outil d'évaluation des politiques publiques: ▶Thomas Piketty et Mathieu Valdenaire étudient l'impact de la taille des classes sur la réussite scolaire1 ▶Objectif: estimer l'impact des politiques ciblées de réduction des tailles de classes sur les inégalités de réussite scolaire ▶Utilisation: réduire les inégalités de réussite scolaire 1Rapport pour le ministère de l'éducation nationale, 2006, téléchargeable à http://media.education.gouv.fr/ le/48/4/2484.pdf Emmanuel Flachaire Économétrie Appliquée Application 1 L'impact de la taille des classes sur la réussite scolaire ▶Données du panel primaire de 1997: suivi de la scolarité primaire complète de 9600 élèves entrés au CP en 1997 ▶Indicateurs de réussite scolaire: tests d'évaluations en français et en math. On veut estimer l'impact de la taille des classes CE1 sur les scores obtenus à la rentrée de CE2. ▶À partir des évaluations individuelles, on calcule un score pour chaque élève, noté S et compris entre 0 et 100. ▶La taille moyenne des classes dans le primaire, N, a baissé: 1960 1970 1980 1990 31 26 24.5 23.5 Emmanuel Flachaire Économétrie Appliquée Application 1 L'impact de la taille des classes sur la réussite scolaire ▶Corrélation: ρ(S, N) > 0 Plus grande est la classe, meilleur est le score !! ▶Régression simple: S = α + 0.169 (0.066) N + ε Si la classe ↗de 1 élève, le score ↗en moyenne de 0.169 !! ▶Faut-il augmenter le nombre d'élèves par classe pour améliorer les performances scolaires ? Attention à cette interprétation !! Emmanuel Flachaire Économétrie Appliquée Application 1 L'impact de la taille des classes sur la réussite scolaire Comment expliquer un tel résultat : ▶les élèves socialement défavorisés sont dans des classes plus petites (ZEP vs. hors-ZEP) ▶les classes ne sont pas homogènes Que faire : estimer l'eet de la taille des classes, toutes choses égales par ailleurs, c'est-à-dire en contrôlant l'eet d'autres variables socio-démographiques : ▶profession, niveau d'étude des parents ▶nationalité, âge, frères ou soeurs ▶académie, zone ZEP ou non, etc. Ainsi que le score obtenu en début de CP Emmanuel Flachaire Économétrie Appliquée Application 1 L'impact de la taille des classes sur la réussite scolaire Emmanuel Flachaire Économétrie Appliquée Application 1 L'impact de la taille des classes sur la réussite scolaire ▶Régression simple: S = α + 0.169 (0.066) N + ε ▶Régression multiple avec variables de contrôle : S = α −0.312 (0.065) N + γ1X1 + · · · + γkXk + ε ▶À origine sociale donnée et score indentique en début de CP, les élèves qui béné cient de tailles de classes réduites d'un élève par classe en CE1 obtiennent en moyenne des scores de 0.312 point plus élevés lors des évaluations de math en CE2 Emmanuel Flachaire Économétrie Appliquée Application 1 L'impact de la taille des classes sur la réussite scolaire ▶Le coe cient est le même pour tous les élèves ▶L'impact de la taille des classes peut avoir un eet diérent selon les élèves, qu'ils soient favorisés ou défavorisés ▶Si on distingue les élèves en ZEP et hors-ZEP:2 ▶ZEP: coe cient égal à -0.7 ▶hors-ZEP: coe cient égal à -0.25 ▶L'eet est beaucoup plus important sur les élèves en ZEP 2et d'autres modi cations (discontinuités liées aux ouvertures de classe, IV) Emmanuel Flachaire Économétrie Appliquée Application 1 L'impact de la taille des classes sur la réussite scolaire Taille moyenne des classes de CE1: ZEP=20.9 et hors-ZEP=22.8 Score moyen en math en CE2: ZEP=58.8 et hors-ZEP=67.1 Politique de suppression des ZEP (14% des élèves): ▶Taille des classes moyenne: 22.5 pour tous ▶Conséquences sur ZEP: ▶↗de 1.6 élèves par classes ▶↘de 1.12 du score (0.7 ∗1.6): score=57.68 ▶Conséquences hors-ZEP: ▶↘de 0.3 élèves par classes ▶↗de 0.075 du score (0.25 uploads/Finance/ cours-m1-econometrie-appliquee-slide1-print.pdf
Documents similaires
-
29
-
0
-
0
Licence et utilisation
Gratuit pour un usage personnel Attribution requise- Détails
- Publié le Jul 22, 2021
- Catégorie Business / Finance
- Langue French
- Taille du fichier 0.3769MB