Econométrie

Introduction

• Matière du cours :
— Organisation pratique du cours
— Introduction générale

1. Organisation pratique du cours

• Contact :

— Bernard Lejeune, Bureau R.41, Bât. B31, Email : B.Lejeune@uliege.be

— Kelly Cioppa, Bureau 1.45, Bât. B31, Email : Kelly.Cioppa@uliege.be

• Annonces via LOL@ : s’inscrire si nécessaire

• Site internet du cours : http://www.microeco.ulg.ac.be/lejeune

Ce site contient :
— le calendrier du cours
— le syllabus du cours, les slides des présentations
— les questions/exercices à préparer pour le cours théorique
— les exercices des répétitions
— le logiciel GRETL et des fichiers de données
 3

• Calendrier du cours :

Semaine Cours théorique Répétition

1 Mardi 17/9, introduction -
2 Mardi 24/9, cours 1 -
3 Mardi 1/10, cours 2 Vendredi 4/10, répet. 1
4 Mardi 8/10, cours 3 Vendredi 11/10, répet. 2
5 Mardi 15/10, cours 4 Vendredi 18/10, répet. 3
6 - Vendredi 25/10, répet. 4
7 Mardi 29/10, cours 5 -
8 Mardi 5/11, cours 6 Vendredi 8/11, répet. 5
9 Mardi 12/11, cours 7 Vendredi 15/11, répet. 6
10 Mardi 19/11, cours 8 Vendredi 22/11, répet. 7
11 Mardi 26/11, cours 9 Vendredi 29/11, répet. 8
12 - Vendredi 6/12, répet. 9
13 - -
14 - -

• Cours théorique : 10 séances de 2h45

— Support : - syllabus, slides
- bouquin HGL (2011)
- feuilles de questions/exercices à préparer

— Contenu : - présentation synthétique de la matière (+- 30 min.)

- résolution des questions/exercices à préparer

• Répétitions : 9 séances de 2h
— Support : feuilles d’exercices

— Contenu : résolutions des exercices à l’aide de GRETL

(en mode démonstration)

• Evaluation : examen écrit (70%) et sur ordinateur (30%)

 5

2. Introduction générale

2.1. Economie et économétrie

• Théorie économie :
Analyse des comportements économiques au travers de modèles décrivant des
relations théoriques entre des variables économiques

• Econométrie :

Ensemble de méthodes statistiques pour évaluer des relations empiriques entre des
variables, en particulier des relations suggérées par la théorie économique

• Un outil central de l’économétrie : le modèle de régression

En bref, il permet de décrire la façon dont la valeur moyenne prise par une variable
varie en fonction d’une ou plusieurs autres variables
Remarque : relation entre variables = causalité entre variables

• Le modèle de régression permet :

— de représenter et de quantifier des relations entre variables
— de faire des prévisions, en particulier de l’effet ‘marginal’ d’une variable, les
autres variables étant maintenues constantes
— de tester des théories

• Le modèle de régression s’appuie sur :

— l’économie mathématique
— les outils de la théorie des probabilités et de l’inférence statistique
— des données. On distingue :
a- les données en coupe : xi, i = 1, ..., n
b- les données chronologiques : xt, t = 1, ..., T
c- les données en panel : xit, i = 1, ..., n, t = 1, ..., T
Remarques : - les données de type (b) et (c) requièrent un traitement spécial
- les données sont généralement non-expérimentales
 7

2.2. Eléments de l’approche économétrique

• Définition/identification d’une relation d’intérêt

Exemple : si on s’interroge sur la propension marginale à consommer des biens
culturels des ménages, on s’intéressera à la relation :
dCons
Cons = f (revenu), où : drevenu = p.m.c

• Spécification d’un modèle probabiliste de la relation d’intérêt, comprenant comme

ingrédients essentiels des variables aléatoires et des paramètres, pour notre exemple :

E(Cons|revenu) = β 1 + β 2 revenu ⇔ Cons = β 1 + β 2 revenu + e ,

↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓
v.a. v.a. par. par. v.a. v.a. par. par. v.a. v.a.

• Les données (observations) dont on dispose sont regardées (pour des raisons d’échan-
tillonnage ou de modélisation) comme des réalisations particulières des variables
aléatoires du modèle, pour une certaine valeur des paramètres

• Sur cette base, en utilisant des outils d’inférence appropriés, on pourra :

— estimer les paramètres du modèle et évaluer la précision de ces estimations
— tester des hypothèses liées aux paramètres du modèle
— faire des prévisions et évaluer la précision de ces prévisions

• Un cas particulier :
— Paramètre d’intérêt : revenu moyen m des ménages d’une population
— Modèle probabiliste :
E(y) = m,
où : y = le revenu d’un ménage tiré au hasard dans la population
f (y) = la distribution du revenu des ménages dans la population
— Si les données sont obtenues par échantillonnage aléatoire, les observations
(y1, ..., yn) sont par construction des réalisations indépendantes de la variable
aléatoire y , pour une certaine valeur du paramètre m
— La même approche peut être utilisée dans une perspective de modélisation
 9

2.3. Rappel de théorie des probabilités

• Variables aléatoires et distributions de probabilité (cas discret et cas continu)

• Espérance et variance d’une variable aléatoire (et leurs propriétés)
• Couples de variables aléatoires :
— loi jointe, marginale et conditionnelle
— espérance et variance conditionnelle
— indépendance, covariance et corrélation
— espérance et variance de combinaisons linéaires
• Lois usuelles :
— loi normale
— loi du khi-carré (χ2)
— loi de Student (t)
— loi de Fisher(-Snedecor) (F )
Un résumé de ces concepts est fourni dans l’annexe B du bouquin HGL (2011)