Économétrie II

Économétrie IIL3 Économétrie – L3 MASS “Math-éco”

Pr. Philippe Polomé, U. Lyon 2

Année 2015-2016

Économétrie II

Ch. 0. Introduction

Moi-même

Table des matières

Ch. 0. IntroductionMoi-mêmeOrganisation du coursObjectifs du cours

Économétrie II

Ch. 0. Introduction

Moi-même

PrésentationI Professeur à l’Université Lumière Lyon 2I Labo GATE-LSE UMR 5824 CNRS - UL2 - UJM - ENS

Économétrie II

Ch. 0. Introduction

Moi-même

Recherches

I Économie de l’environnementI Risques environnementauxI Gouvernance écologiqueI Comportements prosociauxI Évaluation (valorisation) non-marchande

I Économie agricole : Analyse micro des décisionsenvironnementales

I Économetrie appliquée

Économétrie II

Ch. 0. Introduction

Moi-même

Master “Risque & Environnement”I UL1-UL2-UL3-ECL-ENTPE-Mines-INSA-IEPI Parcours M2 RISE “Gouvernance” Droit-économie-ingénierieI M1 Analyse Politiques Économiques (APE) - économétrie

Économétrie II

Ch. 0. Introduction

Organisation du cours

Table des matières

Ch. 0. IntroductionMoi-mêmeOrganisation du coursObjectifs du cours

Économétrie II

Ch. 0. Introduction

Organisation du cours

OrganisationI Cours

I Supports en ligneI Vous voyez les supports par vous-mêmeI Environ 11p/hI En cours : résumé + exercises pratiques

I 30h CMI + TD N. Havet

I Quelques devoirs sur logiciel chez soiI Ne sont pas corrigés en CMI Seront vus en TD si vous le demandezI Sont matière d’examen (vu en TD ou pas)

I ÉvaluationI CM 2/3 – TD 1/3 (CC)I CM : QCM ou autre

I Devoirs, pratiques en coursI Questions de compréhension, sans calcul, sans logiciel

Économétrie II

Ch. 0. Introduction

Organisation du cours

Emploi du temps CMMardi 14-17h15 Risque26 janv. 2016

Thémis 702 fév. 2015 x9 fév. 2016 x16 fév. 201623 fév. 2016 Vacances1 mar. 2016

Thémis 70

x8 mar. 201615 mar. 201622 mar. 201629 mar. 20165 avr. 2016 Préfa P112 avr. 2016 Thémis 70 x19 avr. 2016 Vacances26 avr. 2016 Thémis 70

Économétrie II

Ch. 0. Introduction

Organisation du cours

Stratégie

Médiane : de 8.2 à 10.3 selon les années

Économétrie II

Ch. 0. Introduction

Organisation du cours

Logiciels

I Logiciels économétriques :I Tableur OOCalc : gratuit et similaire à MSExcelI Gretl : similaire à Stata et sorties “standards”I R, SAS, Stata, eviews, LimDep, Gauss...

I Avantages de GretlI Gratuit et open source, peut être téléchargé et installé sur vos

ordinateurs perso. @ gretl.sourceforge.net/I Multiples langues dont français, chinois, espagnol et anglaisI Jeux de données inclusI Bons outils graphiquesI Connecte avec divers autres logiciels pour analyse plus poussée

ou sorties de présentation

Économétrie II

Ch. 0. Introduction

Organisation du cours

Références

I Introductory Econometrics, J. WooldridgeI Beaucoup d’exemples, large public – pas en français

I Econométrie, R. Bourbonnais, Dunod, 2002I Bonne vision très synthétique en français – peu

d’exemples/intuition

I Introductory Econometrics : Using Monte Carlo Simulationwith Microsoft Excel®, H. Barreto & F. Howland, 2005

I Aussi info sur site MS Windows

Économétrie II

Ch. 0. Introduction

Objectifs du cours

Table des matières

Ch. 0. IntroductionMoi-mêmeOrganisation du coursObjectifs du cours

Économétrie II

Ch. 0. Introduction

Objectifs du cours

Rappel d’économétrieI Multiples données réelles sur l’économie et autres

I On aimerait pouvoir évaluer quantitativement des effets« toutes choses égales par ailleurs »

I Mais tout est mélangé : rien n’est « égal par ailleurs »I Par exemple

I Effet d’une politique sur le marché de l’emploiI alors que l’économie mondiale évolue

I Effet sur d’une taxe sur les engraisI alors que tous les prix agricoles changent

I Les facteurs de réussite scolaire alors chaque élève est différentI 3 objectifs de l’économétrie

I Lien entre théorie et réalité (économie ou autre)I Prédire une variable

I Conditionnellement à d’autres variables ou pasI Résumer les observations

Économétrie II

Ch. 0. Introduction

Objectifs du cours

MRL & MCOModèle de Régression Linéaire [MRL]

yi = �0 + �1X1i + ...+ �kXki + ✏i

Hypothèses principales du MRLI

Sphéricité des erreurs : Terme aléatoire ✏ “sympa”I

Exogénéité : Pas de facteur confondant Z ⇢ y et Z ⇢ X

ISpécification du MRL :

I Variable dép. continue, bon ensemble de X, linéarité

Sous ces hypothèses, MCO est très bonI Pas de biaisI PrécisI Convergent/consistant

Économétrie II

Ch. 0. Introduction

Objectifs du cours

Objectifs du cours

I Les hypothèses MRL sont-elles réalistes ?I Dans quels cas ont-elles le plus de chances d’être satisfaites ?I Tester la validité des hypothèses

I Si les hypothèses ne sont pas respectées ?I Qu’arrivent-ils aux propriétés de MCO ?I Quelles sont les solutions ?

I Méthodes alternatives d’estimationI Transformation des données...

Économétrie II

Ch. 0. Introduction

Objectifs du cours

Données réelles

I Ma page de courswww.gate.cnrs.fr/perso/polome/DataLinks.xhtml

I liste de quelques sources bien connues

I Gretl contient des bases de données réelles utilisées dans destextes de références

I Questions et méthodes spécifiques suivant le type de données(p. suivante)

Trois types de données réelles

ICoupe transversale (Cross-section)

I Beaucoup d’agents i , une période t ; principal objet de ce coursI Strike duration data, Choix de plan de pension, Nombre de

visites chez le médecin

ISéries temporelles/chronologiques (Time series)

I Un i , bcp de t ; MCO inadaptés - on fera une introI Macroéconomie dont : prix, déflateurs, emplois, population,

croissance, investissement, éducation... par année, trimestre...I Daily/Weekly stock prices or exchange rates, Rate of return on

portfolios

IPanel

I Beaucoup de i , quelques t ; MCO souvent inadaptés !I Manufacturing companies over several yearsI Employment and schooling history for a sample of men for

some years

Économétrie II

Ch. 0. Introduction

Objectifs du cours

Plan du cours

1. Modèle de régression linéaire & estimateur MCO2. Inférence : Classique & bootstrap3. H. Sphéricité

3.1 Espérance non-nulle du terme d’erreur3.2 Hétéroscédasticité3.3 Autocorrélation + intro séries temporelles

4. H. Endogénéité & méthodes des moments5. H. Spécification

5.1 Ensemble des X5.2 Modèle de choix dichotomique & maximum de vraisemblance