Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

Équipe de recherche en Ingénierie des Connaissances Laboratoire ERIC 1 Ricco Ra

Équipe de recherche en Ingénierie des Connaissances Laboratoire ERIC 1 Ricco Rakotomalala Ricco.Rakotomalala@univ-lyon2.fr PLAN 1. Econométrie : Origine(s), définition(s) et objectif(s) 2. La démarche économétrique 3. Analyse de régression – L’hypothèse de linéarité Équipe de recherche en Ingénierie des Connaissances Laboratoire ERIC 2 3. Analyse de régression – L’hypothèse de linéarité 4. Domaines d’application 5. Types de données 6. Bibliographie Équipe de recherche en Ingénierie des Connaissances Laboratoire ERIC 3 Quelques définitions Définition 1 Définition 1 Définition 1 Définition 1. . . . Etudes des relations quantitatives de la vie économique faisant appel à l’analyse statistique et à la formulation mathématique. Définition 2 Définition 2 Définition 2 Définition 2. . . . L'économétrie exprime quantitativement les corrélations pouvant exister entre des phénomènes économiques dont la théorie affirme l'existence. La théorie économique fournit des idées sur les processus qui déterminent les grandeurs économiques, l'économétrie apporte une vérification empirique et établit quantitativement les corrélations qui apparaissent valides. Équipe de recherche en Ingénierie des Connaissances Laboratoire ERIC 4 valides. Définition 3 Définition 3 Définition 3 Définition 3. . . . L’objectif de l’économétrie est de confronter un modèle économique à un ensemble de données (données de panel, série temporelle, etc.) et ainsi d’en vérifier la validité. Définition 4 Définition 4 Définition 4 Définition 4. . . . L’économétrie est une branche de l’économie qui traite de l’estimation pratique des relations économiques. Carrefour de 3 disciplines Economiste (Expert du domaine) Exprime une théorie sur un phénomène économique Ex. La demande dépend du prix Équipe de recherche en Ingénierie des Connaissances Laboratoire ERIC 5 Mathématicien (Modélisation) Propose une formulation algébrique de la théorie. Ex. Demande = a * prix + b Statisticien (Estimation) Estime les paramètres du modèle à partir de données. Validation statistique. Ex. a = -0.5 ; b = 10 Sous le contrôle de l’Economiste Validation de l’Expert du domaine (ex. a est forcément négatif) Notions clés – Modèle Economique Un modèle consiste en une présentation formalisée d’un phénomène sous forme d’équations mathématiques. Comme toutes les variables économiques sont interdépendantes (notion de système), il n'est pas suffisant de construire des équations isolées : il faut établir un système complet d'équations. = p f O ) ( Exemple : Équipe de recherche en Ingénierie des Connaissances Laboratoire ERIC 6 ∆ + = = = D O p g D p f O ) ( ) ( Exemple : Equations de comportement. Identité Théorie économique Théorie économique Théorie économique Théorie économique Théorie économique Théorie économique Théorie économique Théorie économique Modélisation Modélisation Modélisation Modélisation Modélisation Modélisation Modélisation Modélisation (Introduction d’hypothèses (Introduction d’hypothèses (Introduction d’hypothèses (Introduction d’hypothèses (Introduction d’hypothèses (Introduction d’hypothèses (Introduction d’hypothèses (Introduction d’hypothèses simplificatrices sur la forme de la relation) simplificatrices sur la forme de la relation) simplificatrices sur la forme de la relation) simplificatrices sur la forme de la relation) simplificatrices sur la forme de la relation) simplificatrices sur la forme de la relation) simplificatrices sur la forme de la relation) simplificatrices sur la forme de la relation) β α + × = + × = p D b p a O Estimation de a, b, α et β à partir des données disponibles Notions clés – Modèle Econométrique Faire intervenir l’aléatoire dans l’équation économique. Parce que la relation n’est pas déterministe. La spécification retenue est une simplification, il est évident qu’il ne résume pas toute la teneur de la relation (ex. dans les équations, la relation est vraiment linéaire ?) Il y a d’autres facteurs dont on ne tient pas compte (ex. le prix des autres de biens qui peuvent se substituer au bien étudié) Équipe de recherche en Ingénierie des Connaissances Laboratoire ERIC 7 Les erreurs de mesure sur les grandeurs étudiées, soit lors du processus de récolte des informations, soit tout simplement parce que la donnée récoltée représente peu ou prou le concept que l’on veut étudier. Introduction du facteur « Introduction du facteur « Introduction du facteur « Introduction du facteur « Introduction du facteur « Introduction du facteur « Introduction du facteur « Introduction du facteur « aléatoire aléatoire aléatoire aléatoire aléatoire aléatoire aléatoire aléatoire » » » » » » » » Résumé de toute l’information non prise Résumé de toute l’information non prise Résumé de toute l’information non prise Résumé de toute l’information non prise Résumé de toute l’information non prise Résumé de toute l’information non prise Résumé de toute l’information non prise Résumé de toute l’information non prise en compte dans le modèle en compte dans le modèle en compte dans le modèle en compte dans le modèle en compte dans le modèle en compte dans le modèle en compte dans le modèle en compte dans le modèle D O p D b p a O ε β α ε + + × = + + × = Notions clés – Variable Les variables représentent des grandeurs économiques observées ou mesurées. Ex. les quantités vendues d’un bien, le prix d’un bien, des taux d’intérêt, le solde d’une balance commerciale, le taux de change, etc. La variable doit être représentative du phénomène que l’on étudie, de sa qualité dépend la validité des résultats obtenus Équipe de recherche en Ingénierie des Connaissances Laboratoire ERIC 8 Problèmes d’inadéquation (étudier les ventes de pain, et utiliser des données mesurant les ventes de biscottes) Erreur de mesures (problèmes lors du recueil des données ou des transmissions des données), d’unités (compter en nombre de pain vendu, ou en chiffre d’affaires) Problème de représentativité (mesurer uniquement des ventes des boulangeries, et ne pas tenir compte des ventes en grande surface) Problèmes sur les Problèmes sur les Problèmes sur les Problèmes sur les Problèmes sur les Problèmes sur les Problèmes sur les Problèmes sur les variables variables variables variables variables variables variables variables Notions clés – Variable aléatoire Une variable aléatoire est une grandeur mesurable dont les valeurs sont soumises à une certaine dispersion lors de la répétition d’un processus donné. La dispersion d’une variable aléatoire est régie par une loi de probabilité loi de probabilité loi de probabilité loi de probabilité . Ex. le résultat du jet d’une pièce de monnaie est une variable aléatoire, il prend deux valeurs possibles « pile » ou « face », il suit une loi de Équipe de recherche en Ingénierie des Connaissances Laboratoire ERIC 9 prend deux valeurs possibles « pile » ou « face », il suit une loi de Bernouilli de paramètre p = 0.5. Remarque : à chaque phénomène étudié sa loi de probabilité. Ex. Durée entre deux phénomènes, nombre d’occurrence d’un phénomène dans un laps de temps, nombre d’essais avant d’obtenir un résultat, etc. Notions clés – Types de variables Quantitative Qualitative nominale Qualitative ordinale Success Wages Job Refunding Y 0 Unemployed Slow N 2000 Skilled Worker Slow N 1400 Worker Slow N 1573 Retired Slow Y 2776 Skilled Worker Slow N 2439 Retired Fast N 862 Office employee Slow Y 1400 Salesman Slow N 1700 Skilled Worker Slow Y 785 Employee Fast Y 1274 Worker Slow N 960 Employee Fast N 1656 Worker Fast Équipe de recherche en Ingénierie des Connaissances Laboratoire ERIC 10 N 1656 Worker Fast N 0 Unemployed Slow Le critère le plus important pour distinguer les variables est de déterminer si l’écart entre deux valeurs a un sens, et qu’elles sont comparables deux à deux. Ex. Age, Salaires, Satisfaction, Type d’études suivies,… Notions clés – Population et échantillon La population définit l’ensemble d’individus sur lesquels nous voulons travailler : on parle alors de population de référence ou de population parente ou population mère (ex. les véhicules vendus en France en 2005, etc.). Tous les résultats obtenus sont toujours relatifs à (circonscrites à) une population. Les enquêtes exhaustives consiste à observer tous les individus qui composent la population. Opération très coûteuse. On procède alors à un échantillonnage, on prélève une fraction de la population Équipe de recherche en Ingénierie des Connaissances Laboratoire ERIC 11 On procède alors à un échantillonnage, on prélève une fraction de la population en veillant à ce qu’il soit représentatif de la population c.-à.-d refléter la composition et la complexité de la population. Le taux de sondage correspond au rapport entre la taille de l’échantillon et la taille de la population. Attention au mauvais échantillonnage. Attention au mauvais échantillonnage. Attention au mauvais échantillonnage. Attention au mauvais échantillonnage. Attention au mauvais échantillonnage. Attention au mauvais échantillonnage. Attention au mauvais échantillonnage. Attention au mauvais échantillonnage. Comment s’assurer que l’échantillon est représentatif ? Comment s’assurer que l’échantillon est représentatif ? Comment s’assurer que l’échantillon est représentatif ? Comment s’assurer que l’échantillon est représentatif ? Comment s’assurer que l’échantillon est représentatif ? Comment s’assurer que l’échantillon est représentatif ? Comment s’assurer que l’échantillon est représentatif ? Comment s’assurer que l’échantillon est représentatif ? Rôle des variables de contrôle. Rôle des variables de contrôle. Rôle des variables de contrôle. Rôle des variables de contrôle. Rôle des variables de contrôle. Rôle des variables de contrôle. Rôle des variables de contrôle. Rôle des variables de contrôle. Notions clés – Inférence statistique Inférence statistique. . . . Elle consiste uploads/Management/ 1-generalites-econometrie-pdf.pdf