Chapitre : Les modèles économétriques à choix multiples

Dans de nombreuses applications économiques, la variable dépendante est qualitative et peut prendre plusieurs
modalités. Lorsque ces modalités sont non ordonnées, on utilise les modèles multinomiaux. En revanche, lorsque
les modalités suivent un ordre naturel, les modèles ordonnés sont plus appropriés. Ce chapitre présente ainsi les
fondements théoriques, les spécifications économétriques, les méthodes d’estimation, les principaux tests de
validation et l’interprétation des résultats pour ces deux grandes familles de modèles. Il met également l’accent
sur les critères et tests économétriques permettant de choisir le modèle le plus adapté, notamment les tests des
hypothèses structurelles et les critères d’information.
SECTION 1 : Les modèles multinomiaux (choix non ordonné)
Les modèles multinomiaux sont utilisés lorsque la variable dépendante qualitative comporte plus de deux
modalités sans ordre naturel entre elles. Ils permettent d’analyser les décisions individuelles consistant à choisir
une alternative parmi plusieurs options exclusives, en s’appuyant sur le cadre théorique de l’utilité aléatoire, par
exemple :
 Choix du mode de transport : voiture / bus / train
 Type de contrat de travail : CDI / CDD / indépendant
 Niveau de satisfaction : faible / moyen / élevé
 Choix de filière universitaire
Cette section présente les fondements théoriques des modèles multinomiaux, leurs principales spécifications
économétriques, les méthodes d’estimation, ainsi que les tests de validation et les outils d’interprétation des
résultats, en mettant l’accent sur le modèle Logit multinomial et ses extensions.
1. Cadre théorique : la théorie de l’utilité aléatoire
Les modèles multinomiaux reposent sur la théorie de l’utilité aléatoire, selon laquelle un individu i associe une
utilité à chaque alternative j parmi un ensemble de choix J. Cette utilité est partiellement observable et s’écrit :

U ij =V ij +ε ij = X ' i β j+ ε ij

où Xi représente les caractéristiques observables de l’individu, βj les paramètres spécifiques à l’alternative j, et εij
un terme d’erreur capturant les facteurs non observés. L’individu choisit l’alternative qui maximise son utilité.
Ce cadre permet de relier la probabilité de choix aux caractéristiques individuelles et contextuelles.
2. Le modèle Logit Multinomial (MNL)
Le modèle Logit multinomial suppose que les termes d’erreur εij suivent une loi Gumbel (extrême valeur de type
I), indépendants et identiquement distribués. La probabilité que l’individu iii choisisse l’alternative j est donnée
par :
 '
exp ⁡( X i β j )
Pij = j

∑ exp ⁡(X ' i β k )

k=1

Pour assurer l’identification du modèle, une alternative est choisie comme catégorie de référence, dont les
coefficients sont normalisés à zéro.
Les paramètres sont estimés par la méthode du maximum de vraisemblance, qui consiste à maximiser la log-
vraisemblance associée aux probabilités de choix observées. Cette méthode garantit des estimateurs consistants et
asymptotiquement normaux sous les hypothèses du modèle.
2.3. Hypothèse d’indépendance des alternatives non pertinentes (IIA)
L’hypothèse d’indépendance des alternatives non pertinentes (Independence of Irrelevant Alternatives, IIA) est
une hypothèse centrale du modèle Logit multinomial. Elle stipule que le rapport des probabilités de choix entre
deux alternatives quelconques est indépendant de la présence, de l’absence ou des caractéristiques des autres
alternatives disponibles. Autrement dit, l’introduction ou la suppression d’une alternative supplémentaire ne doit
pas modifier les préférences relatives entre deux alternatives existantes.
D’un point de vue formel, pour deux alternatives j et k, l’hypothèse IIA implique que :
P ij
=exp (Xi ' (βj−βk ))
P ik
Ce rapport dépend uniquement des caractéristiques observables de l’individu et des paramètres associés aux
alternatives j et k, mais pas des autres alternatives.

 Intuition économique
L’hypothèse IIA est raisonnable lorsque les alternatives sont bien distinctes et faiblement substituables. En revanche,
elle devient problématique lorsque certaines alternatives sont proches ou partagent des caractéristiques communes,
car elle impose une structure de substitution irréaliste.

Exemple concret : choix du mode de transport en 5 phases

Phase 1 : Définition du choix
Un individu doit se rendre au travail et peut choisir entre la voiture et le bus. Le modèle Logit multinomial
permet d’estimer la probabilité de choisir chaque alternative en fonction de caractéristiques observables (coût,
temps de trajet, revenu, etc.).
Phase 2 : Probabilités initiales
Supposons que, selon les caractéristiques individuelles et les paramètres du modèle, la probabilité de choisir la
voiture soit 60 % et celle de choisir le bus 40 %. Le rapport des probabilités est donc 0,6/0,4=1,50,6 / 0,4 =
1,50,6/0,4=1,5.
Phase 3 : Introduction d’une alternative supplémentaire
On introduit un troisième mode de transport, le train, proche du bus en termes de coût et de temps de trajet.
L’hypothèse IIA du Logit multinomial impose que le rapport des probabilités entre voiture et bus reste
1,5, quel que soit l’impact du train.
Phase 4 : Problème de l’IIA
Dans la réalité, l’existence du train devrait attirer davantage les usagers du bus que ceux de la voiture. Ainsi,
le rapport effectif voiture/bus devrait diminuer. L’hypothèse IIA est violée si le modèle ne reflète pas cette
substitution différentielle.
Phase 5 : Conséquence et solution
Si l’IIA n’est pas respectée, les probabilités estimées par le Logit multinomial seront biaisées. Pour corriger
cela, on peut utiliser un Nested Logit, qui regroupe bus et train dans une « branche transport en commun », ou
un Mixed Logit, qui permet des substitutions plus réalistes.
Section 2 : Le modèle Probit Multinomial (MNP)
Le modèle Probit multinomial constitue une extension naturelle du cadre de l’utilité aléatoire appliqué aux
choix multiples non ordonnés. Il est généralement introduit comme une alternative au Logit multinomial
lorsque certaines de ses hypothèses, en particulier l’hypothèse d’indépendance des alternatives non pertinentes
(IIA), sont susceptibles d’être violées. Cette section présente la spécification du modèle Probit multinomial,
ses hypothèses fondamentales, sa méthode d’estimation ainsi que ses principales caractéristiques.
1. Spécification du modèle
Comme pour le Logit multinomial, le modèle Probit multinomial repose sur la théorie de l’utilité aléatoire.
Pour un individu i et une alternative j, l’utilité latente est définie par :
U ij = X ' i β j + ε ij
La différence essentielle avec le Logit multinomial réside dans la distribution des termes d’erreur. Dans le
modèle Probit multinomial, le vecteur des erreurs (εi1,εi2,…,εiJ) suit une loi normale multivariée, de moyenne
nulle et de matrice de variance-covariance non diagonale. Cette spécification autorise une corrélation entre
les alternatives, ce qui rend le modèle plus flexible.
L’estimation du modèle Probit multinomial est plus complexe que celle du Logit multinomial. Les
probabilités de choix impliquent des intégrales multidimensionnelles de la loi normale, qui n’admettent pas de
forme fermée lorsque le nombre d’alternatives est supérieur à deux.
En pratique, les paramètres sont estimés par :
 le maximum de vraisemblance simulé,
 ou des techniques de simulation numérique (méthode de Monte Carlo, simulateur de GHK).
Cette complexité computationnelle explique pourquoi le Probit multinomial est moins utilisé en pratique,
notamment lorsque le nombre d’alternatives est élevé.
2. Hypothèses du modèle
Les principales hypothèses du Probit multinomial sont les suivantes :

 les erreurs sont distribuées selon une loi normale multivariée ;

 les erreurs associées aux différentes alternatives peuvent être corrélées ;
 l’individu choisit l’alternative qui maximise son utilité latente.

Le modèle Probit multinomial constitue une alternative économétriquement plus flexible au Logit multinomial,
notamment en présence de corrélation entre les alternatives. Toutefois, en raison de sa complexité d’estimation,
son utilisation doit être justifiée par des arguments empiriques solides, en particulier par le rejet de l’hypothèse IIA
dans le cadre du Logit multinomial.
SECTION 3 : Comparaison des modèles multinomiaux, choix du modèle et analyse des
résultats
Cette section a pour objectif de présenter une démarche économétrique complète, allant de la comparaison des modèles
multinomiaux à l’interprétation économique des résultats du modèle retenu. Elle met l’accent sur les critères théoriques,
empiriques et pratiques guidant le choix entre le Logit multinomial et le Probit multinomial.
1. Comparaison entre le Logit multinomial (MNL) et le Probit multinomial (MNP)
Le Logit multinomial et le Probit multinomial reposent tous deux sur la théorie de l’utilité aléatoire, mais se
distinguent par leurs hypothèses, leurs propriétés et leurs domaines d’application.
Le Logit multinomial (MNL) suppose des erreurs indépendantes et identiquement distribuées selon une loi de
Gumbel, ce qui implique l’hypothèse d’indépendance des alternatives non pertinentes (IIA).
Ses principaux avantages résident dans sa simplicité de spécification et d’estimation, la disponibilité de tests bien
établis (tests IIA, tests de vraisemblance) et une interprétation relativement aisée des résultats, notamment à travers
les effets marginaux et les probabilités prédites. Il est ainsi largement utilisé comme modèle de référence dans les
applications empiriques.
Ses principales limites tiennent à la contrainte forte de l’hypothèse IIA, qui peut être irréaliste lorsque certaines
alternatives sont proches ou fortement substituables, ce qui peut conduire à des résultats biaisés ou peu réalistes.
Le Probit multinomial (MNP) repose sur l’hypothèse d’erreurs suivant une loi normale multivariée et autorise la
corrélation entre les erreurs associées aux différentes alternatives, ce qui permet de relâcher l’hypothèse IIA.
Ses principaux avantages sont sa plus grande flexibilité théorique et sa capacité à modéliser des structures de
substitution complexes entre alternatives, ce qui le rend particulièrement adapté lorsque les choix sont
interdépendants.
Ses principales limites concernent la complexité de l’estimation, souvent basée sur des méthodes de simulation, le
coût computationnel élevé et une interprétation des coefficients moins directe que dans le cas du Logit
multinomial.
Sur le plan pédagogique et empirique, le Logit multinomial est généralement privilégié comme point de départ,
tandis que le Probit multinomial est mobilisé lorsque les tests empiriques ou la nature du phénomène étudié
suggèrent une violation de l’hypothèse IIA et une forte substituabilité entre certaines alternatives.
2. Choix entre le Logit multinomial et le Probit multinomial
Le choix du modèle multinomial approprié repose sur une démarche économétrique rigoureuse en deux étapes : la
vérification empirique des hypothèses du Logit multinomial, en particulier l’hypothèse d’indépendance des alternatives
non pertinentes (IIA), puis l’évaluation de la nécessité de recourir à un modèle plus flexible, tel que le Probit
multinomial.
2.1. Tests de l’hypothèse d’indépendance des alternatives non pertinentes (IIA)
L’hypothèse IIA constitue le critère central de validité du Logit multinomial. Elle stipule que le rapport des probabilités de
choix entre deux alternatives quelconques est indépendant de la présence ou des caractéristiques des autres alternatives. Cette
hypothèse peut être testée empiriquement à l’aide de tests spécifiques.
a) Test de Hausman–McFadden
Le test de Hausman–McFadden repose sur la comparaison des estimateurs obtenus à partir du modèle complet (incluant
toutes les alternatives) et d’un modèle restreint (dans lequel une ou plusieurs alternatives sont exclues).
Sous l’hypothèse IIA, les estimateurs sont consistants dans les deux modèles et leurs différences ne sont pas statistiquement
significatives.
 Hypothèse nulle (H₀) : l’hypothèse IIA est vérifiée (Logit multinomial valide).
 Hypothèse alternative (H₁) : l’hypothèse IIA est violée.
 Règle de décision :

 si la statistique de test n’est pas significative (p-value > 0.05), H₀ n’est pas rejetée → le Logit multinomial
est approprié ;
 si la statistique est significative (p-value < 0.05), H₀ est rejetée → l’hypothèse IIA est invalidée.

b) Test de Small–Hsiao

Le test de Small–Hsiao consiste à diviser l’échantillon en sous-échantillons et à comparer les probabilités prédites
entre le modèle complet et des modèles restreints. Il évalue la stabilité des choix lorsque certaines alternatives sont
retirées.

 Hypothèse nulle (H₀) : l’hypothèse IIA est respectée (Logit multinomial valide).

 Hypothèse alternative (H₁) : l’hypothèse IIA est violée.

 Règle de décision :
  p-value > 0,05 (non significative) → H₀ n’est pas rejetée → les alternatives sont indépendantes → le
Logit multinomial est valide.
 p-value ≤ 0,05 (significative) → H₀ est rejetée → les alternatives sont dépendantes → le Logit
multinomial n’est pas approprié, et un modèle plus flexible (Probit multinomial, logit mixte) est
recommandé.
Ces deux tests sont complémentaires et permettent d’évaluer empiriquement la pertinence de l’hypothèse IIA
dans le contexte étudié.

2.2. Décision économétrique

La décision économétrique découle directement des résultats des tests de l’hypothèse IIA :

 Si les tests ne rejettent pas l’hypothèse IIA, le Logit multinomial est retenu. Il est privilégié pour sa
simplicité de mise en œuvre, son efficacité computationnelle et la facilité d’interprétation de ses résultats.
 Si les tests rejettent l’hypothèse IIA, le Logit multinomial devient inadapté, car il ne capture pas
correctement les relations de substitution entre alternatives. Il est alors économétriquement préférable de
recourir au Probit multinomial ou à des modèles multinomiaux plus avancés (logit emboîté, logit mixte), qui
autorisent la corrélation entre alternatives.
3. Qualité d’ajustement du modèle retenu
Une fois le modèle multinomial sélectionné, il est essentiel d’évaluer sa qualité d’ajustement, c’est-à-dire la
capacité du modèle à reproduire correctement les choix observés. Plusieurs critères sont utilisés pour cet objectif,
chacun offrant une information complémentaire sur la performance du modèle.

3.1 Test du rapport de vraisemblance (LR – Likelihood Ratio Test)

Définition :

Le test LR compare la qualité d’ajustement entre deux modèles imbriqués. Il mesure si l’ajout de paramètres
améliore significativement l’ajustement.

LR=−2× (log-vraisemblance du modèle restreint−log-vraisemblance du modèle complet)

Règle de décision :

 p-value < 0,05 → le modèle complet est significativement meilleur → on retient le modèle plus riche.
 p-value ≥ 0,05 → l’ajout de paramètres n’améliore pas significativement → modèle restreint préféré.

3.2Pseudo-R2(ex. McFadden)

Définition :
Le pseudo-R2 est une mesure analogue au R2 des modèles linéaires, adaptée aux modèles non linéaires comme
le Logit ou le Probit multinomial. Pour McFadden :

2 log−vraisemblance du modèle estimé

R McF =1−
log−vraisemblance du modèle nul

Règle de décision :

 Valeurs proches de 1 indiquent un meilleur ajustement.

 Les valeurs pour des modèles multinomiaux sont souvent plus faibles que dans les modèles linéaires
(0,2–0,4 est considéré comme satisfaisant).

3.3 Matrice de confusion / test de classification pour modèles multinomiaux

Définition

La matrice de confusion compare les valeurs observées de la variable dépendante aux valeurs prédites par le modèle.
Pour un modèle multinomial avec J catégories, la matrice est de dimension J×J, où :

 la ligne correspond aux valeurs observées

 la colonne correspond aux valeurs prédites

Chaque case indique le nombre d’observations correctement ou incorrectement classées.

Règle de décision / interprétation

 Pourcentage de bonnes classifications : fraction d’observations correctement prédites.

 Plus ce pourcentage est élevé, meilleure est la capacité prédictive du modèle.
 Attention : dans les modèles multinomiaux, la classification parfaite est rarement atteinte, surtout si les
probabilités prédites sont proches les unes des autres.
 On peut également utiliser des mesures comme Cohen’s kappa pour ajuster la performance selon le hasard.

L’évaluation de la qualité d’ajustement repose donc sur une combinaison de critères complémentaires :

 LR-test pour juger de la pertinence de paramètres supplémentaires,

 Pseudo-R² pour mesurer la proportion de variation expliquée,
 Test de classification / matrice de confusion pour évaluer la capacité prédictive du modèle.

Cette approche permet de valider à la fois la pertinence statistique et la capacité de prédiction du

modèle retenu, assurant ainsi une base solide pour l’interprétation économique des coefficients.

4. Interprétation économique des coefficients

Après avoir sélectionné et validé le modèle multinomial, la dernière étape consiste à interpréter les coefficients
économétriques. Cette étape est essentielle pour relier les résultats statistiques aux phénomènes économiques
observés et pour tirer des conclusions utiles pour la décision ou la politique économique.

4.1. Coefficients bruts et limites de leur interprétation

Dans les modèles multinomiaux, chaque coefficient βj représente l’effet d’une variable explicative X sur
l’utilité relative d’une alternative j par rapport à une catégorie de référence 0.

 Logit multinomial : la probabilité relative d’un choix augmente avec un coefficient positif et diminue avec
un coefficient négatif.

 Probit multinomial : le principe est le même, mais les coefficients sont liés à une fonction de distribution
normale cumulative, ce qui rend leur interprétation directe moins intuitive.

 Limite: les coefficients bruts ne peuvent pas être interprétés directement en termes de variation de
probabilité, car la relation entre utilité et probabilité est non linéaire.

4.2. Effets marginaux

Pour une interprétation économique claire, on utilise les effets marginaux, qui mesurent la variation de la
probabilité de choisir une alternative j suite à une variation infinitésimale d’une variable explicative X k :

∂ P (Y = j∣ X )
Effet marginal=
∂ Xk

 Signification : indique combien la probabilité de choisir une alternative change pour une petite
augmentation de la variable explicative.

 Les effets marginaux peuvent être calculés pour chaque alternative et pour chaque variable.

Exemple : dans le choix du mode de transport (voiture, bus, train) :

Si le coefficient de “coût du trajet” sur l’utilité de la voiture est négatif, l’effet marginal permettra de
quantifier de combien diminue la probabilité de choisir la voiture lorsqu’on augmente le coût du trajet
d’une unité monétaire.

4.3. Effets marginaux moyens (MEM)

Pour simplifier l’interprétation, on calcule souvent les effets marginaux moyens sur l’ensemble de l’échantillon :

1
n
∂ P (Y i= j∣ X i)
MEM j = ∑
n i=1 ∂ Xk
Cela permet d’avoir une vision globale de l’impact économique d’une variable sur les probabilités de choix, indépendamment
de chaque observation individuelle.

Exemple : choix du mode de transport

Supposons qu’un modèle Logit multinomial explique le choix entre voiture, bus et train selon deux variables : coût
du trajet et revenu du ménage.

 Calcul des MEM pour le coût du trajet :

o Voiture : -0,10 → une augmentation d’1 unité monétaire du coût réduit en moyenne de 10 % la probabilité de
choisir la voiture.
o Bus : +0,03 → une augmentation du coût augmente légèrement la probabilité de choisir le bus (substitution).
o Train : +0,07 → le train devient plus probable lorsque le coût voiture augmente.
Cette section a permis de présenter une démarche économétrique rigoureuse allant de la comparaison des modèles
multinomiaux au choix du modèle approprié, en passant par la validation de ses hypothèses, l’évaluation de sa
qualité d’ajustement et l’interprétation économique des résultats. Une telle démarche garantit la cohérence
méthodologique et la fiabilité des conclusions tirées de l’analyse des choix multiples.

Chapitre : Modèles à choix ordonnés

Les modèles à choix ordonnés sont utilisés lorsque la variable dépendante est qualitative ordinale, c’est-à-dire
qu’elle prend plusieurs modalités naturellement ordonnées, sans que les distances entre ces catégories soient
observables ou mesurables. Ce type de situation est fréquent en économie et en finance, par exemple :
 Satisfaction client : 1 = faible, 2 = moyenne, 3 = élevée
 Niveau d’éducation : 1 = primaire, 2 = secondaire, 3 = supérieur
 Degré de risque financier : 1 = faible, 2 = moyen, 3 = élevé

Contrairement aux modèles multinomiaux non ordonnés, les modèles ordonnés exploitent explicitement
l’information contenue dans l’ordre des choix, ce qui permet une estimation plus efficiente et une interprétation
économique plus cohérente. Ils reposent sur l’hypothèse d’une variable latente continue qui détermine la
catégorie observée à travers des seuils inconnus à estimer.

Ce chapitre présente les fondements théoriques des modèles à choix ordonnés, notamment le Logit ordonné et le
Probit ordonné, leur spécification formelle, leurs conditions d’utilisation, ainsi que l’interprétation des
coefficients et des effets marginaux. Une application empirique sous Stata viendra illustrer les différentes étapes
d’estimation, de validation et d’analyse des résultats.

1. Modèle d’utilité latente (fondement théorique)

Les modèles à choix ordonnés reposent sur l’existence d’une variable latente continue non observable yi∗, qui
reflète l’intensité réelle d’un comportement, d’une opinion ou d’un risque.
On suppose :
 ¿
y i =X ' i β+ ε i

{
1 si y ¿i ≤ μ1
y i 2 si μ1 < y ¿i ≤ μ2
J si y ¿i > μ J−1

Les seuils μj sont estimés avec les coefficients et assurent l’ordre des catégories.

L’ordre est observé, mais les distances entre catégories ne le sont pas, ce qui rend les modèles linéaires inadaptés.

2. Logit ordonné (Ordered Logit)

Le modèle Logit ordonné suppose que l’erreur εi\varepsilon_iεi suit une loi logistique.

La probabilité cumulée est donnée par :

P( yi ≤ j∣ Xi)= Λ(μj−Xi ' β)

où Λ(⋅) est la fonction logistique.

Caractéristiques principales :

 Adapté aux variables dépendantes ordinales

 Hypothèse des odds proportionnels (parallel lines)
 Les coefficients indiquent l’effet sur la variable latente, pas directement sur les
probabilités
 Interprétation via effets marginaux

3. Probit ordonné (Ordered Probit)

Le modèle Probit ordonné repose sur une loi normale standard pour l’erreur :

εi ∼ N (0 ,1)

La probabilité cumulée est :

P( yi ≤ j∣ Xi)=Φ (μj− Xi ' β)

Caractéristiques :

 Hypothèse de normalité des erreurs

 Résultats souvent proches du Logit ordonné
 Interprétation également basée sur les effets marginaux
 Préféré dans certains contextes microéconomiques

4. Comparaison Logit ordonné vs Probit ordonné

Les deux modèles reposent sur la même structure théorique (variable latente + seuils), mais diffèrent par la
distribution des erreurs.

Critère Logit ordonné Probit ordonné

Distribution Logistique Normale
Coefficients Plus grands (≈ 1,6× Probit) Plus petits
Interprétation Similaire via AME Similaire via AME
Résultats empiriques Très proches Très proches

Dans la pratique, le choix dépend rarement des coefficients mais plutôt de la qualité d’ajustement.

5. Choix entre Logit et Probit ordonné (tests)

Le choix entre le logit ordonné et le probit ordonné ne repose pas sur une supériorité théorique absolue de l’un sur
l’autre, mais sur un ensemble de critères méthodologiques, statistiques et pratiques. Trois dimensions principales
guident ce choix : la vérification des hypothèses, l’objectif de l’étude et l’évaluation empirique de la qualité d’ajustement
du modèle.

A) Vérification des hypothèses du modèle

a) Hypothèse de proportionnalité des odds

Le logit ordonné repose sur l’hypothèse dite des lignes parallèles (ou proportional odds assumption), selon
laquelle les coefficients associés aux variables explicatives sont identiques pour l’ensemble des seuils de la
variable dépendante ordonnée.

Cette hypothèse est testée empiriquement à l’aide du test de Brant.

 Hypothèse nulle (H₀) : l’hypothèse des lignes parallèles est respectée

 Hypothèse alternative (H₁) : l’hypothèse est violée

Règle de décision :

 Si la p-value du test de Brant est strictement supérieure à 5 %, l’hypothèse n’est pas

rejetée et le logit ordonné est valide.
 Si la p-value est inférieure ou égale à 5 %, l’hypothèse est rejetée, indiquant que le
logit ordonné est inadapté. Dans ce cas, on peut soit recourir à un modèle ordonné
généralisé, soit considérer le probit ordonné comme alternative pragmatique.

📌 Le probit ordonné repose également sur une structure ordonnée, mais ne dispose pas d’un
test standard aussi direct que le Brant test pour vérifier la proportionnalité des effets.
2. Objectif de l’étude et interprétation économique
2.1 Logit ordonné : priorité à l’interprétation
Le logit ordonné est particulièrement adapté lorsque l’objectif principal est :

 l’interprétation économique des effets,

 la communication des résultats à un public non technique.

Les coefficients peuvent être facilement transformés en odds ratios, permettant une lecture
intuitive en termes de chances relatives de passer à une catégorie supérieure.

👉 Il est donc privilégié dans :

 les études appliquées,

 les analyses de politiques publiques,

 les travaux à visée décisionnelle.

2.2 Probit ordonné : priorité à la précision probabiliste

Le probit ordonné repose sur l’hypothèse d’une distribution normale de l’erreur latente, ce
qui le rend particulièrement pertinent lorsque :

 l’analyse s’intéresse aux probabilités cumulées,

 l’accent est mis sur la précision des prédictions plutôt que sur l’interprétation directe
des coefficients.

Les coefficients du probit ordonné n’ont pas d’interprétation directe en termes d’odds ratios ;
l’interprétation se fait principalement à travers les effets marginaux.

👉 Il est souvent privilégié dans :

 les études de prévision,

 les analyses microéconométriques fines,

 les contextes où l’hypothèse de normalité est jugée plausible.

3. Qualité d’ajustement et critères empiriques
3.1 Log-vraisemblance

Une première comparaison empirique peut être effectuée à partir de la log-vraisemblance

maximisée.

Règle pratique :

 À variables explicatives identiques, le modèle présentant la log-vraisemblance la plus

élevée (en valeur absolue plus faible) offre un meilleur ajustement aux données.

Cependant, ce critère ne pénalise pas la complexité du modèle.

3.2 Critères d’information (AIC et BIC)

Pour tenir compte du compromis entre qualité d’ajustement et parcimonie, on utilise les
critères d’information :

 AIC (Akaike Information Criterion)

 BIC (Bayesian Information Criterion)

Règle de décision :

 Le modèle retenu est celui qui présente la valeur la plus faible de l’AIC et/ou du
BIC.
 En pratique :
o l’AIC privilégie la qualité prédictive,
o le BIC pénalise plus fortement la complexité du modèle.

👉 Si le logit ordonné et le probit ordonné présentent des résultats proches, le choix peut être
guidé par ces critères.

En pratique, le logit ordonné constitue souvent le modèle de référence en raison de sa simplicité et de la

facilité d’interprétation de ses coefficients. Le probit ordonné apparaît comme une alternative pertinente
lorsque l’analyse met l’accent sur les probabilités cumulées, la précision prédictive ou lorsque les hypothèses
du logit ordonné sont discutables. Le choix final doit toujours être justifié empiriquement à l’aide de tests
statistiques et de critères d’ajustement.

Interprétation économique des coefficients dans les modèles à choix ordonnés

L’interprétation des coefficients dans les modèles logit ordonné et probit ordonné diffère
fondamentalement de celle des modèles linéaires classiques. En effet, ces modèles reposent sur une variable
latente non observée, ce qui implique que les coefficients estimés n’affectent pas directement les
probabilités observées, mais agissent sur cette utilité latente sous-jacente.

1. Cadre conceptuel : variable latente et mécanisme de décision

Dans les modèles ordonnés, on suppose l’existence d’une variable latente y∗y^*y∗,
représentant le niveau sous-jacent de préférence, de satisfaction ou d’intensité de
comportement :

y∗=Xβ+εy^* = X\beta + \varepsilony∗=Xβ+ε

La variable observée yyy prend des valeurs ordinales en fonction de seuils (μ1,μ2,…\mu_1, \
mu_2, \ldotsμ1,μ2,…) :

y=jsiμj−1<y∗≤μjy = j \quad \text{si} \quad \mu_{j-1} < y^* \le \mu_jy=jsiμj−1<y∗≤μj

Ainsi, toute variation d’une variable explicative modifie la probabilité de franchir un ou

plusieurs seuils, et non la catégorie observée de manière déterministe.

2. Signe des coefficients : interprétation qualitative

Le signe du coefficient constitue la première information économique exploitable.

 Un coefficient positif indique qu’une augmentation de la variable explicative

augmente la valeur de l’utilité latente, ce qui accroît la probabilité d’appartenir à des
catégories plus élevées de la variable dépendante.
 À l’inverse, un coefficient négatif signifie qu’une augmentation de la variable
explicative réduit l’utilité latente, augmentant la probabilité d’appartenir à des
catégories plus faibles.

📌 Cette interprétation est globale et valable pour toutes les catégories, sous l’hypothèse de
proportionnalité des effets.

3. Ampleur des coefficients : limites de l’interprétation directe

Contrairement aux modèles linéaires, la valeur numérique du coefficient :

 n’indique pas une variation directe de la probabilité,

 ne peut pas être interprétée comme un effet marginal constant.

De plus, l’échelle du coefficient dépend :

 de la fonction de lien (logistique ou normale),

 de la variance de l’erreur latente (normalisée à 1 dans le probit).
👉 Ainsi, les coefficients ne sont comparables qu’en signe et en significativité, mais pas
directement en magnitude entre modèles.

4. Spécificité du Logit ordonné : interprétation en termes d’odds

Dans le logit ordonné, les coefficients peuvent être interprétés en termes de log-odds
cumulés :

log
( P(P ( yy ≤> j)j) )=μj−Xβ
Une augmentation d’une variable explicative entraîne une variation proportionnelle des odds
cumulés d’appartenir à une catégorie inférieure ou égale à jjj.

En exponentiant le coefficient, on obtient un odds ratio cumulatif :

 Un odds ratio supérieur à 1 indique une augmentation des chances de se situer dans
une catégorie plus élevée.
 Un odds ratio inférieur à 1 indique une diminution de ces chances.

📌 Cette interprétation reste cumulative et ne concerne pas une catégorie spécifique isolée.

5. Spécificité du Probit ordonné : interprétation probabiliste

Dans le probit ordonné, les coefficients reflètent l’effet des variables explicatives sur une
distribution normale cumulative.

 L’interprétation directe des coefficients est limitée.

 L’analyse économique repose principalement sur les effets marginaux, qui mesurent
l’impact d’une variation d’une variable explicative sur la probabilité d’appartenir à
chaque catégorie.

Les effets marginaux dépendent :

 des valeurs des variables explicatives,

 des seuils estimés,
 de la catégorie considérée.

👉 Il est donc fréquent d’interpréter les résultats au niveau des probabilités prédites plutôt
qu’au niveau des coefficients.

6. Effets marginaux : interprétation économique opérationnelle

 Les effets marginaux constituent l’outil central pour une interprétation économique fine.

 Pour une variable continue, l’effet marginal mesure la variation de la probabilité

d’appartenir à une catégorie donnée suite à une augmentation marginale de la
variable.
 Pour une variable binaire, il mesure la différence de probabilité entre les deux
modalités.

Un point clé des modèles ordonnés est que :

 une variable peut augmenter la probabilité des catégories élevées,

 tout en réduisant simultanément la probabilité des catégories faibles.

La somme des effets marginaux sur l’ensemble des catégories est toujours nulle, ce qui reflète
la redistribution des probabilités.

Chapitre : Modèles à choix multiples pour données de panel

Les modèles à choix multiples sont utilisés lorsque la variable dépendante représente un choix discret parmi
plus de deux alternatives mutuellement exclusives (par exemple : type de contrat, mode de transport, canal
d’achat, stratégie adoptée par une entreprise). Lorsqu’on dispose en plus de données de panel (individus,
ménages, entreprises ou pays observés sur plusieurs périodes), ces modèles permettent de tenir compte à la fois
de l’hétérogénéité individuelle non observée et de la dynamique temporelle des choix.

Dans de nombreux contextes économiques, ignorer la structure de panel conduit à des estimations biaisées, car
les décisions individuelles sont influencées par des caractéristiques inobservables mais persistantes
(préférences, culture, qualité managériale, etc.). Les modèles à choix multiples pour données de panel
constituent donc un outil central en microéconométrie appliquée.

Dans ce chapitre, l’objectif est de fournir une présentation complète, progressive et appliquée de ces modèles.
Nous commencerons par rappeler le cadre général des modèles à choix discrets fondé sur l’approche de l’utilité
aléatoire, avant d’introduire le modèle Logit multinomial et ses hypothèses fondamentales. Nous mettrons
ensuite en évidence les spécificités liées aux données de panel, notamment le rôle de l’hétérogénéité
individuelle non observée.

Le chapitre présentera ensuite les principales extensions du Logit multinomial adaptées aux données de panel,
en distinguant les modèles à effets aléatoires, les approches conditionnelles et les modèles Logit mixtes. Un cas
concret illustrera chaque étape de la modélisation, depuis la formulation du problème économique jusqu’à
l’interprétation des résultats empiriques. Enfin, une démarche méthodologique structurée, allant de la
préparation des données à la validation du modèle, sera proposée afin de guider l’étudiant ou le praticien dans
une application rigoureuse de ces outils en économétrie appliquée.

Section 1 : Modèles multinomiaux pour données de panel (choix non ordonné)

I. Cadre général des modèles à choix discrets

Les modèles à choix discrets permettent d’analyser des situations où un individu, une entreprise ou un ménage
doit choisir une seule alternative parmi plusieurs options mutuellement exclusives. Ces modèles sont très
utilisés en économie, marketing, transport, finance et sciences sociales pour expliquer les comportements de
décision.
L’idée centrale est de considérer que chaque choix correspond à l’alternative qui maximise l’utilité perçue
par le décideur.

1. La variable dépendante

Soit yit le choix de l’individu i à la période t :

y ¿ ∈ {1 ,2 , … , J }

 Chaque valeur représente une alternative possible (ex. voiture, transport public, taxi).

 La variable dépendante est discrète et nominale : il n’y a pas d’ordre entre les alternatives.

2. Approche par l’utilité aléatoire

Chaque individu i attribue à chaque alternative j une utilité latente Uij:

U ijt =V ijt +ε ijt

 Vijt : composante déterministe, fonction des variables observables (caractéristiques de l’individu, de

l’alternative ou du contexte)
 εijt : composante aléatoire, représentant les facteurs non observés qui influencent le choix

Principe : l’individu choisit l’alternative qui maximise son utilité :

t y ¿ = j si et seulement siU ijt >U ikt , ∀ k ≠ j

Intuition : la partie déterministe Vijt capture les préférences prévisibles, alors que εijt capture l’incertitude ou les
facteurs non mesurés.

1. Concept d’utilité aléatoire

L’idée centrale des modèles à choix discrets est que chaque individu iii attribue à chaque
alternative jjj une utilité individuelle Uij, composée d’une partie observable et d’une partie
aléatoire :

U ijt =V ijt +ε ijt

 Vij : utilité déterministe, fonction des caractéristiques observables de l’individu et de

l’alternative (prix, revenu, temps, attributs spécifiques)

 εij : utilité aléatoire, capture les préférences non observées ou les facteurs imprévisibles
 : l’individu choisit l’alternative qui maximise son utilité :

y ¿ = j si et seulement siU ijt >U ikt , ∀ k ≠ j

La partie déterministe Vijt capture les préférences prévisibles, alors que εijt capture l’incertitude ou les facteurs
non mesurés. Autrement-dit même si deux alternatives ont des caractéristiques observables similaires, des
facteurs non observés peuvent expliquer pourquoi l’individu choisit l’une plutôt que l’autre.

3. Spécification linéaire

Pour faciliter l’estimation économétrique, on exprime souvent l’utilité déterministe comme combinaison linéaire :
' '
U ijt = X ¿ β j +Z ij γ + α ij +ε ijt

 Xit : variables explicatives variant dans le temps (revenu, âge, prix, etc.)

 Zij : caractéristiques spécifiques à l’alternative (ex. confort d’un mode de transport)

 αij: effet individuel non observé spécifique à l’alternative (permet de capturer l’hétérogénéité)
 εijt : terme d’erreur idiosyncratique

Remarque : cette formulation permet de passer naturellement aux modèles pour données de panel
où l’effet individuel (αij) peut être fixe ou aléatoire.

II. Spécificités des données de panel

Les données de panel combinent des dimensions transversales (différents individus, entreprises, ménages ou
pays) et temporelles (observés sur plusieurs périodes). Cette structure particulière présente des avantages
théoriques et pratiques majeurs, mais introduit aussi des défis spécifiques pour la modélisation économétrique.

1. Hétérogénéité individuelle non observée

Chaque individu possède des caractéristiques inobservables qui influencent ses choix :

 Préférences, goûts, culture, habitudes

 Qualité managériale pour les entreprises
 Risque perçu ou aversion au risque

Problème : si ces facteurs ne sont pas pris en compte, les estimations peuvent être biaisées (biais d’omission).

Solution avec données de panel :

 Effets fixes : chaque individu a un intercept spécifique qui capture ses caractéristiques constantes dans le
temps.
 Effets aléatoires : l’hétérogénéité individuelle est modélisée comme une variable aléatoire, permettant
d’estimer la variance entre individus.
 Deux individus ayant des caractéristiques observables identiques peuvent faire des choix différents à cause
de préférences cachées ; le panel permet de contrôler cette variation.

2. Corrélation temporelle

Les décisions d’un individu à une période donnée peuvent dépendre de ses choix passés ou de son expérience
accumulée :

 Ex. : un consommateur qui choisit toujours le même canal d’achat par habitude
 Ex. : une entreprise qui adopte progressivement une stratégie innovante

Implications :

 Les erreurs ne sont pas indépendantes dans le temps (corrélation intra-individu)

 Nécessité de modèles adaptés (effets aléatoires avec corrélation, logit conditionnel,
modèles dynamiques)

le panel permet de distinguer ce qui relève des habitudes individuelles versus des changements dans les
conditions observables (prix, revenu, politiques publiques).

3. Plus de variation et puissance statistique

En observant les mêmes individus sur plusieurs périodes :

 On obtient plus de variabilité dans les variables explicatives (ex. variations de

revenu, de prix, de politiques publiques)
 Cela améliore la précision des estimations et la fiabilité des tests statistiques
 On peut mieux distinguer l’effet des variables observables de celui des effets non
observés

Plus de données par individu = meilleure capacité à isoler les effets réels des variables étudiées.

3. Typologie des modèles à choix multiples pour panel

Selon la nature de la variable dépendante, on distingue deux grandes catégories.

3.1 Modèles multinomiaux nominaux

Ils s’appliquent lorsque les modalités ne présentent aucun ordre naturel.

Exemples :

 Choix d’un mode de transport (voiture, bus, train) ;

 Choix d’une source de financement ;
 Type de contrat de travail.

Les modèles les plus utilisés sont :

 Logit multinomial de panel ;

  Probit multinomial de panel ;
 Mixed logit (logit mixte).

3.2 Modèles multinomiaux ordonnés

Ils concernent les variables qualitatives hiérarchisées.

Exemples :

 Niveau de satisfaction (faible, moyen, élevé) ;

 Niveau de risque (bas, modéré, élevé) ;
 Classe de revenu.

Les modèles associés sont :

 Logit ordonné de panel ;

Probit ordonné de panel ;

 Modèles ordonnés à effets aléatoires ou fixes.

Section 1 : Modèles multinomiaux pour données de panel (choix non ordonné)

Dans de nombreux domaines de l’analyse économique appliquée, les agents sont amenés à
effectuer des choix parmi plusieurs alternatives distinctes ne présentant aucun ordre naturel. Il
peut s’agir, par exemple, du choix d’un mode de transport, d’un type de contrat de travail,
d’un canal de distribution, d’une stratégie d’investissement, ou encore d’un fournisseur de
services financiers. Dans ces situations, la variable dépendante est qualitative nominale et
prend plusieurs modalités mutuellement exclusives, ce qui rend inappropriée l’utilisation des
modèles binaires classiques.

Les modèles multinomiaux pour données de panel constituent alors un cadre économétrique
privilégié pour analyser ce type de décisions lorsque les individus (ménages, entreprises,
banques, pays…) sont observés sur plusieurs périodes. L’introduction de la dimension panel
permet de mieux comprendre la dynamique des choix dans le temps, tout en contrôlant
l’hétérogénéité individuelle non observée susceptible d’influencer de manière persistante les
préférences et comportements décisionnels.

Sur le plan théorique, ces modèles s’inscrivent dans l’approche de l’utilité aléatoire, selon
laquelle chaque agent associe un niveau d’utilité à chacune des alternatives disponibles et
retient celle qui maximise sa satisfaction. La modélisation probabiliste du choix repose alors
sur des hypothèses spécifiques relatives à la distribution des termes d’erreur, donnant
naissance à différentes familles de modèles multinomiaux.
 Cette section a pour objectif de présenter de manière progressive et approfondie les
principaux modèles multinomiaux adaptés aux données de panel. Nous commencerons par le
modèle Logit Multinomial (MNL), qui constitue la spécification de base, en détaillant sa
formulation, ses hypothèses — notamment celle de l’indépendance des alternatives non
pertinentes (IIA) — ainsi que sa méthode d’estimation par maximum de vraisemblance et ses
outils d’interprétation économique.

Nous introduirons ensuite le modèle Probit Multinomial (MNP), qui permet de relâcher
l’hypothèse restrictive d’indépendance entre alternatives en autorisant la corrélation des
termes d’erreur. Une comparaison économétrique entre les approches Logit et Probit
multinomiales sera alors proposée afin de préciser leurs domaines de pertinence respectifs.

Enfin, la section se clôturera par la présentation du modèle Logit Mixte (Mixed Logit ou
Random Parameters Logit), extension particulièrement adaptée aux données de panel. Ce
modèle permet simultanément de relaxer l’hypothèse IIA et d’intégrer l’hétérogénéité
individuelle non observée via des coefficients aléatoires, estimés à l’aide de techniques de
simulation de la vraisemblance.

L’ensemble de ces développements sera accompagné d’outils d’évaluation de la qualité

d’ajustement, de tests économétriques de spécification, ainsi que de méthodes d’interprétation
économique des coefficients et effets marginaux, afin de fournir un cadre opérationnel
complet pour l’analyse empirique des choix multiples non ordonnés en données de panel.

1. Logit multinomial (MNL)

Le modèle logit multinomial constitue l’une des extensions les plus utilisées des modèles logit binaires lorsque la
variable dépendante comporte plus de deux modalités nominales, c’est-à-dire sans ordre naturel. Il est
particulièrement mobilisé pour analyser les décisions individuelles impliquant un choix exclusif parmi plusieurs
alternatives.

Dans un cadre de données de panel, le modèle permet d’expliquer la probabilité qu’un individu iii, à la période
ttt, choisisse une alternative j parmi J possibilités, en fonction de ses caractéristiques observables et
inobservables.

1.1 Spécification du modèle

Le fondement théorique du modèle repose sur l’approche de l’utilité aléatoire. On suppose que chaque individu
associe à chaque alternative j une utilité latente :

U ijt = X ¿ β j +ε ijt

Où :

 Uijt : utilité associée au choix j ;

 Xit : vecteur des variables explicatives ;
 βj : paramètres spécifiques à l’alternative j ;
 εijt : terme d’erreur aléatoire.
L’individu choisit l’alternative procurant l’utilité maximale :

y ¿ = j si et seulement siU ijt >U ikt , ∀ k ≠ j

1.2 Formulation probabiliste

Sous l’hypothèse que les erreurs suivent une loi de Gumbel indépendante et identiquement distribuée, on obtient
la probabilité logit multinomiale :

exp( X ¿ β j )
P ( Y ¿= j )= j

∑ exp( X ¿ β k )
k=1

Pour l’identification du modèle, une modalité de référence est normalisée (souvent β1=0).

Les coefficients estimés s’interprètent alors relativement à cette catégorie de base.

2. Hypothèses du modèle MNL

2.1 Hypothèse d’Indépendance des Alternatives Non Pertinentes (IIA)

L’hypothèse centrale du logit multinomial est celle de l’IIA (Independence of Irrelevant Alternatives).

Elle stipule que le rapport des probabilités de choix entre deux alternatives est indépendant de la présence ou des
caractéristiques des autres alternatives :

P( y ¿= j)
ne d é pend pas des autres alternatives l≠ j , k
P ( y ¿ =k )

 Cette hypothèse peut être restrictive (ex. deux alternatives très similaires).
 Il est important de la tester (test de Hausman ou Small-Hsiao).

2.2 Interprétation économique

Cela signifie que l’introduction ou la suppression d’une alternative n’affecte pas la structure relative des
probabilités existantes.

Exemple :
Si un individu choisit entre :
 Voiture
 Bus
et qu’on ajoute « Bus climatisé », le modèle MNL suppose que la probabilité relative Voiture/Bus reste
inchangée ce qui est souvent irréaliste.
3. Méthode d’estimation : Maximum de Vraisemblance
Le modèle logit multinomial est estimé par la méthode du Maximum de Vraisemblance (MV), adaptée aux modèles
non linéaires.
On définit une variable indicatrice :
 {
d ijt = 1 si l’ individu choisit j
0 sinon

La vraisemblance s’écrit :

L ( β ) =∏ ∏ ∏ P ijt
dijt

i t j

On maximise plutôt le logarithme :

ln L ( β )=∑ ∑ ∑ dijt ln Pijt

i t j

L’optimisation se fait par des algorithmes numériques (Newton-Raphson, BHHH…).

[Link] entre effets fixes et effets aléatoires dans le Logit multinomial pour données de panel

Dans les modèles multinomiaux appliqués à des données de panel, la prise en compte de l’hétérogénéité
individuelle non observée constitue une étape essentielle de la modélisation. En effet, les décisions de choix
répétées dans le temps sont influencées par des caractéristiques propres à chaque individu — préférences,
attitudes face au risque, habitudes de consommation, contraintes organisationnelles — qui ne sont pas toujours
observables dans les bases de données.

L’omission de ces effets individuels peut engendrer des biais d’estimation si ces facteurs inobservés sont corrélés
aux variables explicatives incluses dans le modèle. Pour corriger ce problème, deux grandes spécifications sont
mobilisées dans le cadre du Logit multinomial pour données de panel : les modèles à effets fixes et les modèles à
effets aléatoires.

4.1 Modèle à effets fixes multinomial

Dans la spécification à effets fixes, on suppose que chaque individu possède un terme spécifique
constant dans le temps, noté αij\alpha_{ij}αij, qui affecte son utilité pour chaque alternative.

La fonction d’utilité s’écrit alors :

Uijt=Xit′βj+αij+εijt

Où :

 αij capture l’hétérogénéité individuelle inobservable

 Ce terme peut être corrélé avec les variables explicatives Xit

Cette approche permet donc de contrôler tout facteur inobservable invariant dans le temps,
même s’il est endogène.

Avantages

 Estimateurs consistants en présence de corrélation

 Contrôle rigoureux de l’endogénéité inobservable
  Approche robuste économétriquement

Limites

Cependant, dans le Logit multinomial, cette spécification pose un problème majeur :

 Le nombre d’effets fixes augmente avec le nombre d’individus

 L’estimation par maximum de vraisemblance devient biaisée lorsque T est faible
 Il n’existe pas de transformation conditionnelle simple comme en logit binaire

Ainsi, le Logit multinomial à effets fixes est rarement estimé directement en pratique.

4.2 Modèle à effets aléatoires multinomial

Dans l’approche à effets aléatoires, l’hétérogénéité individuelle est modélisée comme une
variable aléatoire :

Uijt=Xit′βj+αij+εijt

avec :

αij∼N(0,σj2)

Hypothèse fondamentale

La validité du modèle repose sur l’hypothèse clé :

Cov(αij,Xit)=0

Autrement dit :

Les effets individuels non observés doivent être indépendants des variables explicatives. Si
cette hypothèse est violée, les estimateurs à effets aléatoires deviennent biaisés et
inconsistants.

Avantages

 Estimation plus simple que les effets fixes

 Moins de paramètres à estimer
 Permet d’identifier les variables invariantes dans le temps

Limites

 Hypothèse d’indépendance souvent irréaliste

 Risque de biais si corrélation présente
4.3 Méthode de choix entre effets fixes et aléatoires

Étant donné les contraintes du modèle multinomial non linéaire, le test de Hausman classique n’est pas
directement applicable. Le choix repose alors sur des méthodes adaptées, dont la plus utilisée est l’approche de
Mundlak.

A) Approche de Mundlak (1978)

Principe

L’idée consiste à tester indirectement la corrélation entre effets individuels et variables explicatives en introduisant,
dans le modèle à effets aléatoires, les moyennes temporelles des variables explicatives :
T
1
Xi= ∑ X¿
T i=1

La spécification devient :

Uijt=Xit′βj+ X i ′θj+αij+εijt

Interprétation

 X i capture la composante corrélée aux effets individuels

 Si θj est significatif → corrélation existe
 Donc l’hypothèse RE est violée

B)Test statistique

∀j
 Hypothèses
H0:θj=0

→ Pas de corrélation → Effets aléatoires valides

H1:∃θj≠0

→ Corrélation → Effets fixes préférables

Règle de décision

p- Décision économétrique
value
>5% Effets aléatoires retenus
<5% Effets fixes nécessaires
4. Tests et qualité d’ajustement du modèle

L’évaluation d’un modèle MNL repose sur plusieurs indicateurs complémentaires.

3.1 Test de significativité globale (LR-test)

Il compare :

 Modèle complet ;
 Modèle restreint (constante seule).

On teste :

H0:β1=β2=………….=0

Test utilisé : Likelihood Ratio (LR test)

LR=−2(lnLrestreint−lnLcomplet)

Elle suit une loi du Chi-deux.

Interprétation :

 Si significatif (p-value < 5 %) → le modèle est globalement explicatif.

 Sinon → variables non pertinentes collectivement.

4.2 Pseudo-R²

Dans les modèles non linéaires, le R² classique n’existe pas. On utilise des pseudo-R², notamment celui de
McFadden :

2 l n Lc omplet❑
R =1−
ln Lrestreint

Valeurs usuelles :

 0,20 – 0,40 → très bon ajustement ;

 < 0,10 → ajustement faible.

4.3 Test de significativité individuelle

Chaque coefficient est testé via :

 Test de Wald ;
 z-statistique.

Il permet d’identifier les variables influençant significativement la probabilité de choix d’une

alternative donnée par rapport à la référence.

4.4 Matrice de confusion

Elle permet d’évaluer la capacité prédictive du modèle.

Principe :

 Comparer choix observés vs choix prédits ;

 Calculer le taux de bonne classification.

Indicateurs dérivés :

 Accuracy globale ;
 Sensibilité par modalité ;
 Spécificité.

5. Interprétation économique des coefficients

Les coefficients βj représentent l’effet des variables sur le log-odds ratio par rapport à la catégorie de
référence :

ln
( )
Pj
Pref
=X B j

5.1 Odds Ratios (Rapports de chances)

On exponentie les coefficients :

β
¿=e

Interprétation :

 OR >0 : augmente la probabilité relative de choisir j.

 OR <0: la réduit.

Limite : interprétation peu intuitive en log-odds.

5.2 Effets marginaux

Pour une interprétation économique plus intuitive, on calcule les effets marginaux.
 Ils mesurent l’impact d’une variation d’une variable explicative sur la probabilité de choisir
une alternative.

∂Pj
∂ Xk

Type :

 Effets marginaux moyens (MEM) : Moyenne sur tous les individus.

 Effets marginaux au point moyen (AME) : Calculés à la moyenne des variables.

Interprétation économique
Contrairement aux coefficients :

 Ils s’expriment en variation de probabilité ;

 Leur somme sur toutes les modalités = 0 ;
 Une variable peut augmenter une probabilité et en réduire d’autres.

Exemple :

 Effet marginal = 0.13

 Une hausse d’une unité de la variable augmente la probabilité de choisir l’alternative de 13
points de pourcentage, toutes choses égales par ailleurs.

[Link] du modèle Logit Multinomial

Malgré sa popularité, le MNL présente plusieurs limites :

 Hypothèse IIA restrictive ;

 Hétérogénéité non observée mal captée ;
 Corrélation entre alternatives ignorée ;
 Difficulté d’intégration des effets individuels fixes en panel.

Ces limites justifient le recours à des extensions :

 Mixed Logit ;
 Multinomial Probit.

3. Logit mixte (Mixed Logit / Random Parameters Logit)

Le Logit mixte est une extension du Logit multinomial qui permet de :

 Relaxer l’hypothèse IIA (Independence of Irrelevant Alternatives)

 Tenir compte de l’hétérogénéité individuelle non observée via des coefficients aléatoires
 Modéliser des panels longs avec des décisions répétées pour chaque individu
Contrairement au Logit multinomial classique, qui suppose que tous les individus partagent les
mêmes coefficients pour chaque variable, le Mixed Logit permet que ces coefficients varient entre
individus selon une distribution spécifiée (normale, log-normale, etc.).

C’est aujourd’hui le modèle le plus flexible pour analyser des choix discrets non ordonnés en
présence de corrélation intra-individus et de préférences hétérogènes.

2. Spécification et hypothèses
2.1. Fonction d’utilité

Pour chaque individu iii, période t et alternative j :

Uijt=Xijt′βi+εijt

où :

 Xijt : vecteur de variables explicatives (peuvent inclure variables individuelles et

alternatives-spécifiques)
 βi =: β+ηi : vecteur de coefficients aléatoires, avec ηi∼f(⋅) une distribution spécifiée
 εijt : erreur idiosyncratique i.i.d. Gumbel
 Les choix se font par maximisation de l’utilité : yit=arg maxj Uijt

2.2 Hypothèses

1. Les coefficients βi peuvent varier entre individus, capturant l’hétérogénéité des

préférences
2. L’erreur εijt suit la loi de Gumbel, mais la présence de βi relaxe la contrainte IIA
3. Variables explicatives peuvent être individuelles ou spécifiques aux alternatives
4. Structure panel possible : plusieurs périodes par individu

3. Méthode d’estimation
3.1. Maximum de vraisemblance simulée

La probabilité conditionnelle de choisir l’alternative j est :

'
exp ⁡(X ijt βi )
P ( y ¿ = j ∣ β i )=
∑ exp ⁡(X 'ikt β i)
k

Puis, la probabilité non conditionnelle est obtenue par intégration sur la distribution des
coefficients aléatoires :

P ( y ¿= j )=∫ ( y ¿ = j∣ β i ) f ¿
 f (βi∣θ) : densité des coefficients aléatoires, paramétrée par θ

 Estimation via Maximum de vraisemblance simulée, en utilisant des méthodes de

simulation (Monte Carlo, Halton sequences)

3.2. Choix entre effets fixes et aléatoires

.1. Effets dans le Mixed Logit

 Le Mixed Logit incorpore implicitement l’effet aléatoire via les coefficients

aléatoires βi
 Les effets fixes explicites sont difficiles à inclure, sauf en utilisant des variantes
conditionnelles ou des variables alternatives-spécifiques

3.2. Variables individuelles vs alternatives-spécifiques

Type de variable Recommendation

Variables individuelles Mixed Logit avec coefficients aléatoires (Mundlak optionnel pour
seulement tester corrélation RE/variables)
Variables alternatives- Mixed Logit standard suffit (Mundlak rarement utilisé)
spécifiques

Comment identifier une variable individuelle seulement ?

 Elle est identique pour toutes les alternatives d’un individu à une période donnée
 Exemples : âge, sexe, revenu, niveau d’éducation
 Les variables qui diffèrent selon les alternatives sont alternatives-spécifiques : coût,
temps, confort

Tests et qualité d’ajustement

Comme nous l’avons déjà détaillé pour le Logit multinomial, les tests de significativité et les
indicateurs de qualité d’ajustement sont essentiels pour évaluer la pertinence du modèle. Pour le
Mixed Logit, on utilise les mêmes principes :

 Significativité des coefficients : tests z ou Wald pour vérifier si les variables

explicatives influencent significativement les choix.
 Log-vraisemblance et pseudo-R² : permettent de comparer l’ajustement entre
modèles et distributions de coefficients aléatoires.
 Matrice de confusion / classification : compare les choix observés et les choix
prédits, pour vérifier la capacité du modèle à prédire correctement les alternatives.

Remarque : les tests classiques pour IIA (Hausman-McFadden) ne sont plus nécessaires, car
le Mixed Logit relaxe cette hypothèse.
 Interprétation économique des coefficients
Comme pour le Logit multinomial, l’interprétation économique dans le Mixed Logit repose
sur les signes des coefficients et les effets marginaux.

 Les coefficients βi indiquent la direction de l’effet d’une variable sur la probabilité de

choisir une alternative : positif → augmente la probabilité, négatif → diminue la
probabilité.
 Les coefficients aléatoires reflètent la hétérogénéité des préférences entre individus.
 On calcule souvent les effets marginaux moyens (MEM) pour obtenir une
interprétation moyenne sur l’ensemble des individus et des périodes.
 Les relations de substitution entre alternatives peuvent également être évaluées grâce à
la distribution des coefficients.

Remarque pédagogique : ici, nous ne faisons qu’un rappel synthétique, car ces concepts ont
été détaillés dans la section précédente sur le Logit multinomial.

Avantages
 Relaxation de l’IIA
 Capture l’hétérogénéité individuelle
 Peut intégrer à la fois des variables individuelles et alternatives-spécifiques
 Bien adapté aux panels longs

Limites
 Estimation plus complexe et longue que le MNL ou le Conditional Logit
 Nécessite le choix d’une distribution pour les coefficients aléatoires
 Effets fixes explicites difficiles à inclure
 Simulation nécessaire → temps de calcul plus long pour grands panels

Probit multinomial (MNP)

Le Probit multinomial (MNP) est une extension du Probit binaire permettant de modéliser
des choix discrets avec plus de deux alternatives, tout en tenant compte de la corrélation
possible entre les alternatives.

Contrairement au Logit multinomial, qui impose l’hypothèse IIA (indépendance des

alternatives non pertinentes), le MNP permet de modéliser explicitement la covariance entre
les utilités non observées des alternatives.

Il est donc particulièrement recommandé lorsque :

  L’hypothèse IIA du Logit est violée
 On suspecte que des facteurs inobservés influencent plusieurs alternatives simultanément
 2. Spécification et hypothèses
2.1. Fonction d’utilité
Pour chaque individu iii, période t et alternative j :

Uijt=Xijt′βi+εijt

où :

où :

 Xijt : vecteur de variables explicatives (individuelles ou alternatives-spécifiques)

 βj : coefficients propres à chaque alternative
 εit=(εi1t,…,εiJt)′ : vecteur d’erreurs multivariées normalement distribuées

εit∼N(0,Σ)

 Σ : matrice de covariance qui capture la corrélation entre les alternatives

Hypothèses

1. Les erreurs suivent une loi normale multivariée avec covariance Σ non diagonale
2. Les choix sont mutuellement exclusifs
3. Les coefficients peuvent être fixes ou aléatoires si l’on combine MNP et panel long
4.

Méthode d’estimation
Maximum de vraisemblance simulée
La probabilité qu’un individu iii choisisse l’alternative j :
❑
P ( y ¿= j )= ∫ ϕ (ε ; 0 , Σ)dε
ϵ : Uijt > u
ikt t

L’intégrale multidimensionnelle rend l’estimation analytique impossible pour plus de trois alternatives

On utilise donc des techniques de simulation (Maximum de vraisemblance simulée, GHK simulator)

.. Choix FE/RE

 Les effets fixes sont difficiles à inclure directement

 Les effets aléatoires peuvent être intégrés via des coefficients aléatoires pour capturer
l’hétérogénéité individuelle

Avantages et limites par rapport au Logit multinomial

4.1. Avantages
  Permet de relaxer l’hypothèse IIA, ce qui est utile lorsque les alternatives sont
corrélées
 Plus flexible pour capturer les corrélations non observées entre alternatives
 Approprié pour des panels avec des choix répétés

4.2. Limites

 Estimation plus complexe et coûteuse en calcul

 Nécessite une spécification correcte de la matrice de covariance
 Difficulté à inclure les effets fixes explicites
 Interprétation des coefficients plus difficile que dans le Logit

5. Tests et qualité d’ajustement (rappel)

Comme pour le Logit multinomial et le Mixed Logit, on peut vérifier :

 Significativité des coefficients (tests z/Wald)

 Log-vraisemblance et pseudo-R²
 Comparaison entre modèles avec différentes structures de covariance
 Matrice de confusion pour la classification des choix

Rappel pédagogique : ce n’est qu’un rappel synthétique, car les concepts ont été détaillés pour le
Logit multinomial.

Interprétation économique des coefficients

 Les coefficients βj indiquent la direction de l’effet des variables sur la probabilité de
choisir l’alternative j
 Les relations de substitution entre alternatives sont capturées via la covariance Σ
 Les effets marginaux peuvent être calculés pour interprétation moyenne
 Les coefficients aléatoires (si utilisés) reflètent la préférence hétérogène entre
individus

Chapitre 1 : Modèles de Durée Classiques

Les modèles de durée classiques, également appelés modèles de survie ou event history models, constituent
un outil fondamental en économétrie et en statistiques pour analyser le temps écoulé avant la survenue d’un
événement d’intérêt. Contrairement aux modèles de régression classiques qui prédisent une valeur observée à
un moment donné, les modèles de durée se concentrent sur la dimension temporelle, c’est-à-dire combien de
temps s’écoule avant que l’événement ne se produise.
Ces modèles sont dits “classiques” car ils s’appliquent dans un cadre où chaque individu ou unité est observé une
seule fois ou lorsque les unités sont considérées comme indépendantes les unes des autres. Autrement dit, ils
ne tiennent pas compte de la répétition temporelle pour le même individu, ni de l’hétérogénéité spécifique à
chaque unité qui pourrait influencer le risque.
Le principal objectif de ces modèles est de quantifier l’effet des facteurs explicatifs sur la probabilité ou le
risque de survenue de l’événement à chaque instant. Par exemple, en économie et finance, ils permettent
d’analyser :

 La durée de vie d’un produit ou d’un brevet avant obsolescence ou remplacement.

 Le temps jusqu’au défaut de paiement d’un crédit ou de défaillance d’une entreprise.
 La durée de chômage avant réinsertion professionnelle.

Un aspect clé des modèles de durée est la prise en compte de la censure, c’est-à-dire les individus
n’ayant pas encore connu l’événement à la fin de l’étude, ce qui permet d’estimer correctement le
risque là où la régression linéaire ou logit classique échoue.

1. Concepts fondamentaux des modèles de durée

Les modèles de durée s’appuient sur trois concepts principaux : la variable de durée, la fonction de survie, et
la fonction de risque (hazard). Ces concepts permettent de décrire la dynamique du temps jusqu’à la survenue
d’un événement et de quantifier l’effet des covariables.

a) Variable de durée

 On note T la durée jusqu’à l’événement pour un individu ou une unité.

 La durée peut être mesurée en jours, mois, années, selon le contexte.

 Censure à droite : certains individus n’ont pas encore connu l’événement à la fin de l’étude, donc
on sait seulement que T>tfin

Exemple :

 Un client a contracté un crédit, mais n’est pas encore en défaut à la fin de l’étude → T> durée
d’observation.
 Un produit reste fonctionnel à la fin de l’étude → durée de vie censurée.

b) Fonctions principales

Fonction de survie (S(t))

Probabilité que l’événement ne se soit pas produit avant le temps t :

S(t )=P(T >t)

 Propriétés :
o S(0)=1 (au départ, aucun événement n’a eu lieu)
o S(t)→0 lorsque t→∞ (à long terme, tous les événements se produisent)
 La fonction de survie permet de visualiser la probabilité de “survivre” sans événement à chaque instant.

Exemple : si S(12)=0,8 pour un crédit, 80 % des clients n’ont pas encore fait défaut au bout de 12 mois.

Fonction de densité (f(t))

Probabilité que l’événement se produise exactement au temps t :

d
f (t)= [1−S (t)]
dt
 −dS (t)
 Relation avec la fonction de survie : f ( t )= .
dt
 La densité décrit la répartition des événements dans le temps.

Exemple : si f(6)=0,05, alors 5 % des individus subissent l’événement exactement au 6ᵉ mois.

Fonction de risque (hazard) (h(t))

Risque instantané de survenue de l’événement au temps t, conditionnel au fait que l’événement n’est pas encore
arrivé :

P(t ≤T <t+ Δt ∣ T ≥ t) f (t)

h ( t )= lim =
Δt →0 Δt S (t)

 Interprétation : à chaque instant t, quelle est la probabilité que l’événement se produise pour ceux qui sont
encore “à risque”.
 Différence avec f(t) : la fonction de densité mesure la probabilité brute, alors que le hazard mesure la
probabilité conditionnelle par rapport à la survie jusque-là.

Exemple : si h(12)=0,1 pour un crédit, alors au 12ᵉ mois, 10 % des clients encore en règle risquent de passer
en défaut.

c) Relations entre fonctions

Ces fonctions sont reliées par des formules fondamentales :

Fonction de survie à partir de la fonction de risque :

t
S(t )=exp(∫ h(u) du)
0

Fonction de densité à partir du hazard :

f (t)=h(t)S (t)

Hazard cumulatif :
t
H ( t ) =∫ h ( u ) du et S(t)=exp (−H (t))
0

Ces relations permettent de passer d’une fonction à l’autre selon le type de modélisation choisi (paramétrique ou semi-
paramétrique).

Exemple

Supposons qu’un crédit bancaire ait un hasard constant h(t)=0,05 par mois (modèle exponentiel).
Hazard cumulatif :
 t
H ( t ) =∫ 0 , 05 du=0 ,05 t
0

Fonction de survie :

S(t )=exp(−H (t))=exp (−0 , 05 t)

Après 12 mois :

S(12)=exp (−0 , 05 ×12)=exp (−0 , 6)≈ 0 , 55

→ 55 % des clients n’ont pas fait défaut après 1 an.

Fonction de densité :

f (t)=h(t)S (t)=0 , 05× exp(−0 , 05t )

Au 12ᵉ mois :

f (12)=0 , 05 ×exp(−0 , 6)≈ 0 , 0275

→ environ 2,75 % des clients font défaut exactement au 12ᵉ mois.
Cet exemple montre comment hazard, densité et survie sont directement liés et comment on peut calculer les
probabilités de défaut à un instant donné ou la proportion encore “à risque” au fil du temps.
Intérêt de ces concepts

1. Survie (S(t)) → utile pour visualiser la durée moyenne ou médiane avant l’événement.
2. Hazard (h(t)) → utile pour mesurer le risque instantané et l’effet des covariables.
3. Densité (f(t)) → utile pour analyser la répartition des événements dans le temps.

Ces trois fonctions constituent la base pour tous les modèles de durée classiques, qu’ils soient
paramétriques (exponentiel, Weibull, Gompertz) ou semi-paramétriques (Cox), et permettent de comprendre
la dynamique du temps jusqu’à événement.

2. Modèles paramétriques et semi-paramétriques classiques

Les modèles de durée permettent d’estimer la relation entre le temps avant un événement et un ensemble de covariables
X. Selon l’hypothèse sur la forme de la fonction de risque, on distingue les modèles paramétriques et semi-
paramétriques.

a) Modèles paramétriques

Dans l’analyse des modèles de durée classiques, l’approche paramétrique consiste à spécifier explicitement
la forme de la fonction de risque h(t). Contrairement aux modèles semi-paramétriques, ici, tout l’objectif de
l’analyse est de rester dans le cadre paramétrique, afin de pouvoir estimer à la fois la fonction de risque de
base et l’effet des covariables.
Les modèles paramétriques sont choisis en fonction de la nature du risque dans le temps et de la structure de
l’événement étudié. Ils permettent de calculer directement la fonction de survie S(t), la densité f(t) et la fonction
de risque h(t), offrant une interprétation intuitive et quantitative du phénomène.

1. Modèle exponentiel

Hypothèse : le risque de l’événement est constant dans le temps.

h(t)=λ

Avec covariables :

h(t ∣ X )= λ exp( Xβ)

Fonction de survie :

S(t ∣ X )=exp (−λt exp (Xβ))

Le modèle exponentiel s’utilise lorsque le risque de survenue de l’événement reste constant dans le temps, ce
qui le rend adapté aux situations où la probabilité d’occurrence ne dépend pas de la durée écoulée, comme dans
le cas de défauts de paiement à très court terme ou pour des produits standardisés ne subissant pas
d’obsolescence. Cependant, ce modèle présente des limites importantes : il est trop restrictif lorsque le risque
augmente ou diminue avec le temps et reste peu approprié pour les événements “durables” ou pour lesquels la
durée influence significativement la probabilité de survenue.

2. Modèle Weibull

Hypothèse : le risque varie de manière monotone avec le temps :

p−1
h ( t )=λpt

Avec covariables :

h ( ( t |X ) ) =λpt
p−1
exp( Xβ)

Fonction de survie :

S ( ( t| X ) ) =exp ⁡(− λt exp ( Xβ ))

p

Propriétés :

 p>1 → risque croissant

 p<1→ risque décroissant
 p=1→ revient au modèle exponentiel

Utilité : flexible, adapté aux événements où le risque change progressivement avec le temps (ex : durée
de vie d’un produit, risque de défaut croissant).
 3. Modèle Gompertz

Hypothèse : le risque change exponentiellement avec le temps, souvent utilisé pour des phénomènes
biologiques ou économiques où la croissance du risque est rapide.

h(t)=λ exp (γt )

Avec covariables :

h(t ∣ X )= λ exp(γt+ Xβ)

Fonction de survie :

−λ
S(t ∣ X )=exp [ (exp( γt)−1) exp(Xβ )]
γ

Le modèle Gompertz est particulièrement adapté aux situations où le risque augmente ou diminue très
rapidement avec le temps, ce qui le rend pertinent pour les études démographiques, la durée de vie humaine ou
les risques financiers à croissance exponentielle. Il permet par exemple d’analyser le risque de décès d’un patient
ou la probabilité de faillite d’une entreprise lorsque le risque croît rapidement avec le temps. Toutefois, ce
modèle présente des limites : il est moins intuitif que le Weibull et son estimation est généralement plus
complexe, nécessitant des méthodes numériques pour obtenir des paramètres fiables.

4. Choix du modèle paramétrique

Le choix d’un modèle de durée paramétrique constitue une étape centrale de l’analyse empirique. En effet,
chaque spécification (Exponentiel, Weibull, Gompertz) repose sur une hypothèse particulière concernant la
forme de la fonction de risque dans le temps. Une mauvaise sélection du modèle peut conduire à des
estimations biaisées, une mauvaise interprétation économique et des prévisions erronées. Il est donc nécessaire
d’adopter une règle de décision structurée, combinant critères graphiques, statistiques et économiques.

4.1. Analyse graphique préalable du risque

La première étape consiste à examiner empiriquement la forme du risque à partir des données (hazard empirique ou
Kaplan-Meier transformé).

 Règle de décision graphique

 Risque constant → Modèle exponentiel

 Risque monotone (↑ ou ↓) → Modèle Weibull

 Risque exponentiel (variation très rapide) → Modèle Gompertz

 Interprétation économique :

 Défaut de crédit court terme → souvent constant → Exponentiel

 Durée de chômage → risque croissant → Weibull
 Mortalité ou faillite long terme → croissance rapide → Gompertz
2. Tests basés sur les paramètres structurels

Certains modèles sont imbriqués, ce qui permet d’utiliser leurs paramètres comme critère de décision.

 Cas du Weibull
Le paramètre clé est p :
 p=1→ modèle exponentiel
 p>1→ risque croissant
 p<1→ risque décroissant

 Règle de décision

1. Estimer Weibull.
2. Tester H0 : p=1.
3. Si non rejeté → choisir exponentiel.
4. Sinon → conserver Weibull.

Cela fait du Weibull un modèle pivot pour tester la constance du risque.

4.3. Critères d’information (AIC / BIC)

Lorsque plusieurs modèles paramétriques sont estimés, on compare leur qualité d’ajustement via :

 AIC (Akaike Information Criterion)

 BIC (Bayesian Information Criterion)

Forme générale :
AIC=−2 ln (L)+ 2 k
Règle de décision

 Choisir le modèle avec AIC ou BIC le plus faible.

 BIC pénalise plus fortement la complexité → utile pour grands échantillons.

Log-vraisemblance et tests LR

peut comparer les modèles via leur log-vraisemblance :

 Plus elle est élevée → meilleur ajustement.

 Test LR possible pour modèles imbriqués (exponentiel vs Weibull).

Règle de décision
LR=2(ln L1−ln L0 )
 Si significatif → modèle plus complexe préféré.
 Sinon → garder le modèle simple.
Cohérence économique et théorique

Le choix ne doit pas être uniquement statistique. Il doit aussi respecter la logique du phénomène étudié.

Exemples de règles économiques

 Risque indépendant du temps → Exponentiel

 Apprentissage / usure / vieillissement → Weibull croissant
 Accélération rapide du risque → Gompertz

Principe : un bon modèle doit être économiquement interprétable.

4.6. Règle de décision synthétique

Forme du risque Modèle recommandé Test/indicateur clé

Constant Exponentiel (p=1) (Weibull)
Monotone Weibull (p ≠ 1)
Très rapide (expo) Gompertz ( λ ≠ 0)
Meilleur AIC/BIC Celui retenu Critères info
Théorie économique Cohérence Validation finale

5. Interprétation des coefficients

L’interprétation des coefficients constitue une étape essentielle dans l’analyse des modèles de durée paramétriques,
car elle permet de comprendre comment les variables explicatives influencent le risque de survenue de
l’événement et, indirectement, la durée de survie.
Dans ces modèles, les covariables X sont généralement introduites via une spécification multiplicative de la
fonction de risque :
h(t ∣ X )=hO (t)exp ¿)
où :
 h0(t) : fonction de risque de base (dépend du modèle paramétrique).
 Xβ : effet des covariables.
 exp(β): Hazard Ratio (HR).

5.1. Interprétation via le Hazard Ratio

Le coefficient estimé βj n’est pas interprété directement. On utilise :

HR=exp (β j )

Règle d’interprétation

 HR>1 → la variable augmente le risque.

 HR<1 → la variable réduit le risque.
 HR=1→ aucun effet.
5.2. Interprétation quantitative
L’effet se lit en pourcentage :
 % variation du risque=(HR−1) ×10

Exemple

 β=0,30 → HR=1,35
→ Augmentation du risque de 35 %.
 β= −0,22 → HR=0,80
→ Diminution du risque de 20 %.

5.3. Exemple appliqué (défaut de crédit)

Modèle Weibull estimé :

Variable β HR = exp(β) Interprétation

Revenu −0,2 0,78 Réduit le risque de 22 %
5
Endettement 0,40 1,49 Augmente le risque de 49 %
Âge −0,0 0,95 Effet protecteur faible
5
Ancienneté −0,1 0,89 Réduit le risque de 11 %
2
Lecture économique

 Clients à revenu élevé → moins risqués.

 Clients très endettés → plus exposés au défaut.
 Ancienneté bancaire → facteur de confiance.

et sur la durée de survie

nt important :

Les coefficients agissent sur le risque, pas directement sur la durée.

 Si le risque augmente → la durée attendue diminue.

 Si le risque diminue → la durée attendue augmente.

Exemple :
 HR = 1,50 → défaut plus rapide.

 HR = 0,70 → défaut retardé.

5.5. Interprétation selon le modèle paramétrique

L’interprétation des β reste identique quel que soit le modèle :

Modèle Fonction de base h0(t) Interprétation β

Exponentiel Constante Effet multiplicatif constant
Weibull Monotone Effet multiplicatif + dynamique temporelle
 Gompertz Exponentielle Effet multiplicatif + croissance rapide

Toutefois, avant toute interprétation économique, il est indispensable de vérifier la significativité

statistique des coefficients estimés. Un effet est jugé significatif lorsque la p-value associée est
inférieure au seuil conventionnel de 5 %, et lorsque l’intervalle de confiance à 95 % du hazard ratio ne
contient pas la valeur 1. Dans le cas contraire, l’effet de la variable est considéré comme non concluant
et ne peut faire l’objet d’une interprétation économique fiable.

L’interprétation des coefficients dans les modèles de durée paramétriques repose principalement sur les
hazard ratios, qui mesurent l’effet multiplicatif des covariables sur le risque instantané. Une valeur
supérieure à 1 indique une augmentation du risque, tandis qu’une valeur inférieure à 1 traduit un effet
protecteur prolongeant la durée de survie. L’analyse doit toujours combiner significativité statistique,
amplitude économique et cohérence avec la dynamique temporelle du modèle retenu.

Chapitre : Les modèles de comptages

Section 1 : Introduction aux données de comptage
1. Définition
Les données de comptage correspondent à des variables quantitatives discrètes représentant le nombre
d’occurrences d’un événement observé sur une période donnée ou pour une unité donnée. Contrairement aux
variables continues, elles prennent uniquement des valeurs entières positives ou nulles. Les modèles de
comptage sont largement utilisés dans plusieurs domaines :
 Économie de la santé : nombre de visites médicales d’un individu par an.

 Économie du travail : nombre de périodes de chômage.

 Finance et assurance : nombre de défauts de paiement et nombre de sinistres.
 Économie industrielle : Nombre de brevets déposés par une entreprise.
Ces exemples illustrent que le phénomène étudié est discret, non négatif, et souvent rare, ce qui impose une
modélisation spécifique.
2. Limites des modèles linéaires classiques (OLS)
 OLS peut prédire des valeurs négatives et des valeurs non entières, ce qui est économiquement et
statistiquement incohérent.
 Exemple : nombre de visites médicales par an
La variable expliquée est un comptage : y∈ {0, 1,2,…}. Un modèle OLS estimé donne :
visites= 1.5−0.04×revenu

Pour un individu avec revenu=50, on obtient :

^y =1 . 5−2=−0 . 5
  La valeur négative impossible dans le cas des modèles linéaires classiques.
De plus, pour revenu=20, on obtient ^y =¿0.7, valeur non entière, alors que le nombre de visites est une
variable discrète.
 A cet égard, OLS n’impose pas la contrainte de positivité, alors que les données de comptage sont par
nature ≥ 0.

 Hétéroscédasticité structurelle (variance non constante)

 Exemple : nombre de visites médicales
On observe que les individus ayant peu de visites (0 ou 1) présentent une faible dispersion, tandis que ceux
ayant beaucoup de visites présentent une forte dispersion.
 Empiriquement :
E( y ∣ X)=2⇒ Var ( y ∣ X )≈ 2
E( y ∣ X)=10 ⇒ Var ( y ∣ X )≈10

 La variance augmente donc avec la moyenne. Or, le modèle OLS suppose une variance constante :
2
Var ( ε ∣ X )=2 σ
 Ceci engendre une violation structurelle de l’homoscédasticité, ce qui rend OLS inadapté aux données de
comptage.
 Non-normalité des erreurs
OLS suppose implicitement une distribution normale, ce qui est incompatible si une variable expliquée est un
comptage ((y = 0, 1,2,…) avec beaucoup de zéros et quelques valeurs élevées.
En estimant un modèle OLS :
y= Xβ+ ε

Les résidus ε =y − Xβ sont asymétriques, discrets et concentrés près de zéro, avec une longue queue à droite.
Par conséquent, Ils ne suivent donc pas une loi normale, contrairement à l’hypothèse de l’OLS ce qui aboutit
avec coefficients biaisés, erreurs standards incorrectes et tests non fiables.
3. Justification de l’approche probabiliste
Face à ces limites, les modèles de comptage reposent sur une approche probabiliste, dans laquelle :
 La variable dépendante suit une distribution discrète.
 L’espérance conditionnelle est strictement positive.
 La relation avec les covariables est non linéaire.
 Principe général :
E( y i ∣ X i)=μ i> 0
On impose une forme fonctionnelle compatible avec cette contrainte, généralement via :
 μi=exp(X i β)
Cette formulation garantit :
 μi > 0
 Une interprétation économique claire
 Une estimation cohérente par maximum de vraisemblance

4. Positionnement des modèles de comptage dans l’économétrie moderne

Les modèles de comptage occupent une place centrale dans l’économétrie appliquée car ils permettent de :
 Respecter la nature discrète des données, autrement dit La variable est entière et ≥ 0
 Traiter explicitement :
o la sur-dispersion
o les zéros excessifs
o l’hétérogénéité individuelle
 Étendre l’analyse aux données de panel
Ils constituent ainsi une alternative robuste aux modèles linéaires dans de nombreux contextes empiriques.
Section 2 – Le modèle de Poisson standard
Le modèle de Poisson est utilisé lorsque la variable expliquée yi représente un nombre d’occurrences d’un
événement sur une période donnée (visites médicales, accidents, crimes, défauts, etc.).
La variable yi est discrète, entière et non négative :
yi ∈ {0, 1,2,…}
1. Loi de Poisson : définition et propriétés statistiques
La loi de Poisson est une loi de probabilité discrète utilisée pour modéliser le nombre d’occurrences d’un
événement rare sur un intervalle donné, lorsque ces événements surviennent de manière aléatoire et
indépendante.
1.1 Définition
Une variable aléatoire Y suit une loi de Poisson de paramètre λ > 0 si la probabilité d’observer exactement y
occurrences est donnée par :
−λ y
e λ
P(Y = y)= , y=0 , 1 ,2 , …
y!
Où :
 λ représente le nombre moyen d’occurrences de l’événement sur une période donnée ;
 λ est à la fois la moyenne et la variance de Y :
E(Y )=Var (Y )=λ
La loi de Poisson modélise le nombre de fois qu’un événement rare ou répétitif se produit :
 dans un intervalle de temps (par jour, par an),

 ou dans un espace donné (par région, par entreprise),

 lorsque les occurrences sont indépendantes et se produisent à un rythme moyen constant.
 Exemple : visites médicales
Soit Y le nombre de visites médicales par an d’un individu.
Supposons que, sur la population étudiée, un individu effectue en moyenne :
λ =2 visites par an
Alors :
 Probabilité de 0 visite :
−2
P(Y =0)=e ≈ 0.135
 Probabilité de 2 visites :
−2 2
e 2
P(Y =2)= ≈ 0.27
2!
 Probabilité de 5 visites :
−2 5
e 2
P(Y =5)= ≈ 0.036
5!
Les valeurs élevées sont possibles mais de moins en moins probables, ce qui correspond bien aux données de
comptage observées.
1.2 Propriétés statistiques
 Support
La variable aléatoire Y suit une loi de Poisson si :
Y∈N0= {0, 1,2,…}
Elle représente un nombre d’occurrences, donc uniquement des valeurs entières et non négatives.
 Espérance
E(Y )= λ
λ mesure le nombre moyen d’événements observés sur une période donnée.
 Variance
V (Y )= λ
La dispersion du nombre d’événements est exactement égale à la moyenne.

 Propriété clé : égalité moyenne –variance

E(Y )=Var (Y )=λ
Cela signifie que :
 lorsque le nombre moyen d’événements augmente,
 l’incertitude (variance) augmente dans la même proportion.
 Exemple: visites médicales
Soit Y le nombre de visites médicales par an et supposons que la moyenne observée soit :
 λ =4 visites par an
Alors :
 E(Y)=4 ⇒ un individu effectue en moyenne 4 visites.
 Var(Y)=4⇒ la dispersion autour de cette moyenne est également 4.
Si, pour un autre groupe, la moyenne passe à λ=10, la variance devient automatiquement 10, donc les
comportements sont plus dispersés.

Cette propriété est fondamentale car :

 Elle justifie l’hétéroscédasticité naturelle des données de comptage.

 Elle est au cœur du modèle de Poisson économétrique.

 Si, dans les données, on observe Var(Y)>E(Y), le modèle de Poisson est inadapté (surdispersion).

2. Spécification économétrique du modèle de Poisson

Dans un cadre économétrique, le paramètre λ devient individuel et dépend des caractéristiques observées Xi.

 Forme conditionnelle

Yi ∣Xi∼ Poisson (μi)

avec :

μi=E (Y i ∣ X i )

Pour garantir μi>0, on adopte une fonction de lien logarithmique :

μi=exp(X i β)

ou de manière équivalente :

ln (μi)=X i β

 Interprétation

 Le modèle est non linéaire en Y.

 Linéaire en paramètres via la transformation logarithmique.
 Compatible avec la nature discrète et positive des données.

3. Hypothèses fondamentales du modèle de Poisson

Le modèle de Poisson repose sur un ensemble d’hypothèses essentielles qui garantissent la validité de l’estimation et de
l’inférence statistique.
 Indépendance conditionnelle

On suppose que, conditionnellement aux variables explicatives Xi, les observations sont indépendantes :

Y i ⊥Y j ∣ X pour i≠ j

Cela signifie que :

 le nombre d’événements observé pour un individu n’influence pas celui d’un autre,
 une fois les caractéristiques observées prises en compte.

Exemple :

Le nombre de visites médicales d’un individu n’affecte pas celui d’un autre individu, conditionnellement à l’âge,
au revenu et à l’état de santé.

 Spécification correcte de la moyenne

La moyenne conditionnelle est correctement spécifiée :

E(Y i ∣ X i)= λi=exp( X i β )

Toute omission de variables pertinentes ou mauvaise forme fonctionnelle entraîne :

 un biais d’estimation,
 une interprétation erronée des effets.

 Égalité moyenne–variance
Le modèle de Poisson impose :
E(Y i ∣ X i)=Var (Y i ∣ X i )=λi

Cette hypothèse implique une hétéroscédasticité structurelle que la variance augmente avec la moyenne. En
revanche, En cas de sur-dispersion et de sous-dispersion le modèle binomial négatif recommandé.

 Absence d’excès de zéros (zéros non structurels)

Hypothèse nulle :

H 0 : P(Y i=0 ∣ X i)=exp(− λi)

Tous les zéros observés sont générés par le même processus de Poisson. En cas de violation trop de zéros
observés et présence d’individus structurellement à zéro.

 Exogénéité des variables explicatives

Les variables explicatives sont supposées exogènes :

 E(Y i ∣ X i , ui)=E(Y i ∣ X i)

Il ne doit pas exister de corrélation entre X i et des facteurs non observés affectant Y i .

4. Estimation par maximum de vraisemblance

Le Maximum de Vraisemblance (MV) consiste à trouver les paramètres β qui maximisent la probabilité
d’observer les données réelles, étant donné le modèle.

 Fonction de vraisemblance

Pour n observations indépendantes, la fonction de vraisemblance est :

n n −exp ( Xi β) Yi
e ( exp(Xi β))
L ( β ) =∏ P(Y i=Y i ∣ X i )=∏
i=1 i=1 Y i!

Pour simplifier le calcul, on utilise la log-vraisemblance :

n
l(β )=∑ [−exp (X i β)+Y i X i β−ln(Y i !)]
i=1

 Estimation
 On maximise ℓ(β) par rapport à β pour obtenir ^β
 Cette maximisation se fait numériquement, car il n’existe pas de solution analytique simple.
 Les estimateurs ^β sont :
o consistants
o asymptotiquement normaux
o efficient si le modèle est correctement spécifié

5. Interprétation économique des paramètres

Les coefficients βk mesurent l’effet de Xk sur le log de l’espérance conditionnelle :

∂ ln E(Y ∣ X )
=β k
∂ Xk

 Interprétation :

 βk>: effet positif sur le nombre attendu d’événements.

 βk<0: effet négatif.

Cependant, pour rendre l’interprétation plus intuitive en termes relatifs, on utilise le Ratio d’Incidence (IRR).

IRRk=exp(βk)

 RRk>1 : une unité supplémentaire de Xk augmente le nombre attendu d’événements de (IRRk−1) ×100%.
 IRRk< 1: une unité supplémentaire de Xk diminue le nombre attendu d’événements de (1−IRRk) ×100%.
 IRRk=1: absence d’effet.
 Exemple :

IRR=1.20 engendre une augmentation de 20 % du nombre moyen d’événements.

6. Avantages et limites du modèle de Poisson

6.1 Avantages

 Prédit des valeurs positives et entières.

 Prend en compte l’hétéroscédasticité structurelle (variance = moyenne).
 Coefficients interprétables via le log du nombre attendu d’événements.
 Estimation robuste par Maximum de Vraisemblance.

6.2Limites
 Surdispersion : variance > moyenne alors erreurs standard biaisées.
 Excès de zéros : trop de zéros par rapport au modèle nécessite les modèles ZIP/ZINB.
 Indépendance : les observations doivent être conditionnellement indépendantes.
 Mauvaise spécification : omission de variables ou forme incorrecte de X.

Section 4 : Le modèle binomial négatif

Le modèle binomial négatif constitue une extension du modèle de Poisson permettant de traiter le problème de
surdispersion, situation dans laquelle la variance de la variable de comptage est supérieure à sa moyenne. Lorsque
l’hypothèse fondamentale du modèle de Poisson, à savoir l’égalité entre la moyenne et la variance, n’est pas
respectée, l’estimation Poisson peut conduire à des erreurs standards biaisées et à des tests statistiques non fiables.
Le modèle binomial négatif introduit un paramètre de dispersion supplémentaire permettant de mieux capter
l’hétérogénéité non observée entre individus.

1. Formulation statistique et économétrique

Le modèle binomial négatif constitue une extension du modèle de Poisson permettant de traiter la surdispersion,
c’est-à-dire les situations où la variance du nombre d’événements observés excède sa moyenne.

Soit Yi le nombre de visites médicales de l’individu iii. Conditionnellement aux variables explicatives Xi, on
suppose que :

Yi∣Xi∼Binomiale négative (μi,α)

avec :

μi=E (Y i ∣ X i )=exp( X i ' β)

où :
 Xi est le vecteur des caractéristiques individuelles (âge, revenu, maladie chronique),
 β est le vecteur des paramètres à estimer,
 α>0 est le paramètre de dispersion.

La fonction de variance est donnée par :

2
Var (Y i ∣ X i)=μi + α μ❑i

Contrairement au modèle de Poisson, la variance n’est plus contrainte à être égale à la moyenne. Lorsque α=0, le
modèle binomial négatif se réduit au modèle de Poisson, ce qui permet de tester empiriquement la présence de
surdispersion.
2. Détection de la surdispersion et choix du modèle binomial négatif
2.1 Le test du paramètre de dispersion (α) dans le modèle binomial négatif
Il permet de vérifier si l’hypothèse fondamentale du modèle de Poisson, selon laquelle la variance est égale à la
moyenne, est respectée. Lorsque la variance de la variable de comptage est supérieure à sa moyenne, on parle de
surdispersion, ce qui remet en cause la validité du modèle de Poisson.
Dans le cadre du modèle binomial négatif, la surdispersion est capturée par le paramètre de dispersion α.

 Siα=0, il n’y a pas de surdispersion et le modèle de Poisson est approprié.

 Siα>0 et statistiquement significatif, cela indique la présence d’une hétérogénéité non observée entre
individus et justifie le recours au modèle binomial négatif.

2.2 Test d’adéquation (goodness-of-fit) du modèle de Poisson

Le goodness-of-fit (ou test d’adéquation) du modèle de Poisson permet de vérifier si le modèle s’ajuste
correctement aux données de comptage. Ce test est essentiel, car le modèle de Poisson repose sur
l’hypothèse que la variance est égale à la moyenne.

 Principes du test

Deux statistiques sont généralement utilisées :

 Deviance goodness-of-fit
 Pearson chi² goodness-of-fit

Hypothèse nulle (H₀) : le modèle Poisson est correctement spécifié et les données sont conformes à

l’hypothèse d’équidispersion.

 Interprétation

 p-value faible (p < 0,05) : le modèle Poisson ne s’ajuste pas correctement,

indiquant une possible surdispersion, alors il peut être nécessaire de recourir au
modèle binomial négatif.
 p-value élevée (p ≥ 0,05) : le modèle Poisson est approprié pour les données.
 2.3 Comparaison des modèles par les critères d’information (AIC et BIC)

Lorsqu’il s’agit de choisir entre le modèle de Poisson et le modèle binomial négatif, une approche complémentaire
consiste à utiliser des critères d’information tels que l’Akaike Information Criterion (AIC) et le Bayesian
Information Criterion (BIC). Ces critères permettent de comparer la qualité d’ajustement des modèles tout en
pénalisant la complexité (le nombre de paramètres) afin d’éviter le surapprentissage.

 AIC : mesure l’adéquation globale du modèle en pénalisant le nombre de paramètres. Plus la valeur
de l’AIC est faible, meilleur est l’ajustement du modèle.

 BIC : similaire à l’AIC mais pénalise plus fortement les modèles comportant un grand nombre de
paramètres. Une valeur plus faible indique un meilleur compromis entre qualité d’ajustement
et parcimonie du modèle

Règle de décision

 Si le AIC et le BIC du modèle binomial négatif sont inférieurs à ceux du modèle

Poisson, cela indique que le modèle binomial négatif s’ajuste mieux aux données, ce
qui peut confirmer la présence de surdispersion.
 Si les valeurs sont proches ou si le modèle Poisson présente des valeurs plus faibles, le
modèle Poisson reste approprié.

Pour justifier l’utilisation du modèle binomial négatif, on peut mobiliser l’un des trois tests suivants :
le test de goodness-of-fit du Poisson (Deviance ou Pearson chi²) pour détecter un mauvais
ajustement, le paramètre de dispersion α\alphaα pour vérifier la surdispersion, ou la
comparaison des critères d’information (AIC/BIC) entre Poisson et binomial négatif. La
significativité de l’un de ces tests ou la meilleure performance d’ajustement du binomial
négatif constitue une justification statistique robuste pour privilégier ce modèle.

3. Estimation et tests associés

Le modèle binomial négatif est une extension du modèle de Poisson qui permet de traiter les données de comptage
présentant une surdispersion, c’est-à-dire lorsque la variance dépasse la moyenne. Son estimation est réalisée par
maximum de vraisemblance, ce qui permet d’obtenir des estimateurs efficaces et cohérents des paramètres, y
compris du paramètre de dispersion α, qui capte l’hétérogénéité non observée entre les individus.

3.1Estimation du modèle
Le modèle binomial négatif est généralement estimé avec des logiciels économétriques comme Stata, R ou
Python, qui permettent également de calculer les ratios d’incidence (IRR) et les effets marginaux,
facilitant l’interprétation des coefficients.
3.2 Test de surdispersion
Le paramètre de dispersion α permet de tester la surdispersion :
  α>0 et statistiquement significatif cela indique une surdispersion présente et par
conséquent le modèle binomial négatif est justifié.
 α≈0 ou non significatif cela suggère une équidispersion et par là le modèle de Poisson
peut être utilisé.

3.3Test de goodness-of-fit du modèle de Poisson

Avant de recourir au binomial négatif, on peut vérifier l’adéquation du modèle Poisson via les tests de
Deviance ou de Pearson chi² :

 p-value faible (p < 0,05) → mauvais ajustement du Poisson → surdispersion →

binomial négatif recommandé.
 p-value élevée → Poisson approprié

3.4Comparaison des modèles par les critères d’information

Les critères AIC et BIC permettent de comparer les modèles en prenant en compte la qualité
d’ajustement et le nombre de paramètres :

 Valeurs plus faibles → meilleur compromis entre ajustement et parcimonie.

 Si le binomial négatif a un AIC/BIC inférieur à celui du Poisson, cela confirme
généralement son adéquation.

5. Interprétation des résultats

 Coefficients en IRR : IRR > 1 → effet positif sur le nombre attendu d’événements,
IRR < 1 → effet négatif.
 Effets marginaux : chaque unité de variation d’une variable explicative correspond à
une variation absolue moyenne de la variable de comptage, ce qui facilite la lecture
économique.

4. Comparaison Poisson vs Binomial

Le choix entre le modèle de Poisson et le modèle binomial négatif repose sur l’adéquation
du modèle aux données de comptage et sur la présence éventuelle de surdispersion comme
montre le tableau au-dessous.

Tableau : Comparaison Poisson vs Binomial

Critère / Test Poisson Binomial négatif

Hypothèse variance = moyenne Oui Non, (\alpha > 0)
Gestion surdispersion Non Oui
Paramètres supplémentaires 0 1 ((\alpha))
Goodness-of-fit Poisson Vérification requise Non applicable
AIC/BIC Comparatif Comparatif
Recommandation Si données peu dispersées Si surdispersion détectée
Section 4: Les modèles à inflation de zéros
Les modèles à inflation de zéros ont été développés pour traiter les situations où les données de comptage présentent
un nombre excessif de zéros que les modèles de Poisson ou binomial négatif standard ne parviennent pas à expliquer
correctement. Ces zéros peuvent résulter de deux mécanismes distincts : l’impossibilité structurelle de l’événement ou
un processus aléatoire classique de comptage.
1. Problématique de l’excès de zéros
Dans de nombreuses applications empiriques, les données de comptage présentent une proportion de zéros
beaucoup plus élevée que celle prédite par les modèles de Poisson ou binomial négatif standards.

Exemples :

 Individus n’ayant jamais consulté un médecin

 Entreprises n’ayant aucune innovation
 Ménages n’ayant aucun sinistre

Dans ces situations :

P ( Y =0 )observé ≫ P (Y =0 ) Poisson/ NB ​

Ce qui conduit à une mauvaise qualité d’ajustement, à une surestimation des probabilités positives et à des
erreurs standards biaisées. Les modèles à inflation de zéros permettent de résoudre ce problème en introduisant
explicitement un mécanisme supplémentaire générant des zéros.
Cette problématique des zéros excessifs souligne l’importance de comprendre la nature des zéros présents dans les
données de comptage.
2. Distinction entre zéros aléatoires et zéros structurels
La clé conceptuelle des modèles à inflation de zéros repose sur la nature des zéros observés, qui peut être aléatoire
ou structurelle.
 Zéros aléatoires
Les zéros aléatoires sont ceux qui peuvent apparaître naturellement dans le processus de comptage.
Par exemple, dans le cas du nombre de visites médicales, un individu susceptible de consulter peut ne pas se rendre
chez le médecin un mois donné.
Ces zéros sont donc des occurrences possibles prévues par un modèle Poisson ou binomial négatif classique.
 Zéros structurels
Les zéros structurels correspondent à des situations où l’événement ne peut pas se produire en raison de contraintes
structurelles aux observations.
Par exemple, un individu n’ayant pas accès à un médecin ou ne présentant aucun risque de maladie enregistrera
systématiquement un zéro.
Ces zéros ne peuvent être correctement modélisés par un modèle de comptage standard et nécessitent un
mécanisme supplémentaire, intégré dans les modèles à inflation de zéros, pour séparer les zéros structurels des zéros
aléatoires.
Cette distinction est fondamentale car elle explique pourquoi les modèles classiques peuvent sous-estimer la
proportion de zéros et conduire à des biais dans l’estimation des probabilités et des erreurs standards. Les modèles ZIP
et ZINB, en tenant compte explicitement de ces deux types de zéros, offrent ainsi un ajustement plus fiable et des
inférences plus robustes.
3. Principe général des modèles à inflation de zéros
Les modèles à inflation de zéros supposent l’existence de deux processus latents :

1. Un processus binaire qui détermine si l’observation appartient au groupe des zéros structurels
(événement impossible).
2. Un processus de comptage (Poisson ou binomial négatif) qui génère des zéros ou des valeurs
positives.

Ainsi, une observation nulle peut provenir soit du premier processus (zéro certain), soit du second
processus (zéro aléatoire).

 Le modèle Poisson à inflation de zéros (ZIP)

Le modèle Poisson à inflation de zéros (ZIP) est une extension du modèle de Poisson classique conçue
pour traiter les données de comptage comportant un excès de zéros. Contrairement au Poisson
standard, qui suppose que tous les zéros proviennent d’un seul processus aléatoire, le ZIP distingue deux
sources possibles pour les zéros observés :

 Un modèle binaire (logit ou probit) expliquant la probabilité d’être un zéro structurel

 Un modèle de Poisson expliquant le nombre d’événements conditionnellement à l’être

éligible

Formellement :

P(Y i =0)=π i+(1−π i )e−μi

−μi y
e μi
P ( Y i= y ) =( 1−π i ) , y >0
y!

avec :

 πi=P(zéro structurel)
 ln(μi)=Xiβ
  logit(πi)=Ziγ

Interprétation

 γ : facteurs expliquant l’exclusion structurelle

 β : intensité du phénomène chez les individus actifs

Il est approprié lorsque les données présentent un excès de zéros mais pas de surdispersion
importante. Toutefois, si la variance dépasse largement la moyenne, le ZIP peut rester insuffisant.

 Le modèle binomial négatif à inflation de zéros (ZINB)

Le modèle ZINB étend le ZIP en remplaçant la loi de Poisson par une binomiale négative, ce
qui permet de prendre en compte à la fois :

 l’excès de zéros,
 la surdispersion.

Structure
Yi∼ZINB(μi,α,πi)

où :

 α>0 est le paramètre de dispersion

 La variance est donnée par :

Var(Yi∣Xi)=μi+αμi2
Alors, il est particulièrement adapté lorsque les données présentent simultanément une forte proportion de zéros et
une variance élevée. Le ZINB est donc plus flexible, mais aussi plus complexe à estimer et à interpréter.
4. Critères et tests de choix entre modèles
Le choix du modèle de comptage le plus approprié repose sur plusieurs critères statistiques et tests de comparaison,
permettant d’évaluer à la fois la qualité d’ajustement et la pertinence de la spécification du modèle.

 Test de surdispersion

Avant d’introduire l’inflation de zéros, il est essentiel de vérifier la présence de surdispersion.

 H₀ : absence de surdispersion (α=0) → modèle de Poisson approprié

 H₁ : présence de surdispersion (α>0) → modèle binomial négatif préférable

La significativité du paramètre de dispersion α justifie le passage du Poisson au binomial négatif, et du

ZIP au ZINB.

 Critères d’information : AIC et BIC

 Les critères d’information permettent de comparer des modèles non emboîtés en tenant compte du compromis entre
qualité d’ajustement et parcimonie du modèle.
 AIC (Akaike Information Criterion) :

AIC=−2 ln (L)+ 2 k
 BIC (Bayesian Information Criterion) :
BIC=−2 ln( L)+ k ln( n)
où L est la vraisemblance maximisée, k le nombre de paramètres estimés et n la taille de l’échantillon.
Le modèle retenu est celui qui minimise l’AIC et le BIC. De même, ces critères sont particulièrement utiles pour
comparer Poisson vs Binomial négatif ou ZIP vs ZINB.

 Test de Vuong

Le test de Vuong permet de comparer des modèles non emboîtés, notamment :

 Poisson vs ZIP
 Binomial négatif vs ZINB
 H₀ : les deux modèles ont une qualité d’ajustement équivalente
 H₁ : l’un des modèles est statistiquement supérieur

 Règle de décision

 Statistique de Vuong significative et positive → préférence pour le modèle à inflation de zéros

 Statistique non significative → le modèle standard est suffisant

5. Interprétation des coefficients

Les modèles à inflation de zéros (ZIP et ZINB) reposent sur l’existence de deux
mécanismes distincts de génération des observations, ce qui conduit naturellement à
l’estimation de deux ensembles de coefficients, chacun ayant une interprétation économique
spécifique.

Coefficients du modèle de comptage

Les coefficients associés à l’équation de comptage (Poisson ou binomial négatif) mesurent

l’effet des variables explicatives sur le nombre d’événements attendus, conditionnellement
au fait que l’observation n’appartienne pas au groupe des zéros structurels. Ces
coefficients s’interprètent comme des effets semi-élasticités : un coefficient positif indique
qu’une augmentation de la variable explicative accroît l’intensité du phénomène étudié, tandis
qu’un coefficient négatif la réduit.
Coefficients du modèle d’inflation de zéros

Les coefficients de l’équation d’inflation (logit ou probit) expliquent la probabilité qu’une

observation appartienne au groupe des zéros structurels, c’est-à-dire la probabilité d’un
zéro certain. Un coefficient positif augmente la probabilité d’être structurellement exclu du
processus de comptage, alors qu’un coefficient négatif la diminue, rendant plus probable
l’occurrence de l’événement.

Section : Les modèles de Poisson pour données de panel

Dans les données de panel, chaque individu est observé plusieurs fois dans le temps. Le nombre de comptages
(comme le nombre de visites médicales, trajets, ou appels) peut varier à la fois entre individus et dans le temps.
L’utilisation d’un modèle Poisson standard sur données de panel ignore la corrélation intra-individuelle, ce
qui peut biaiser les estimations et sous-estimer les erreurs-types.
Objectif est principale est d’introduire des modèles de Poisson adaptés aux panels, permettant de gérer les effets
non observés (fixes ou aléatoires) et la sur-dispersion éventuelle.
1. Spécification du modèle Poisson panel
Le modèle général pour le panel s’écrit :
E [ Y ¿ ∣ X ¿ , c i ] =λ¿ =exp (X ¿ β +c i )

 Yit : variable de comptage pour l’individu iii à la période ttt

 Xit: vecteur de covariables observées
 β : vecteur de paramètres
 ci: effet individuel non observé (constant dans le temps)

Hypothèses principales

 La variable dépendante est un comptage d’événements (0, 1, 2 …).

 La moyenne et la variance du comptage sont supposées égales (équidispersion).
 Les observations sont indépendantes entre individus, mais peuvent être corrélées dans le temps pour un
même individu (panel).

2. Extensions pour les données de panel

Les modèles de Poisson classiques peuvent être étendus pour traiter les données de panel, afin de tenir compte
de l’hétérogénéité individuelle non observée. Deux principales approches sont utilisées : les effets fixes (FE) et
les effets aléatoires (RE).

 Poisson à effets fixes (FE)

Principe :

 Les effets fixes contrôlent l’hétérogénéité spécifique à chaque individu (ci) en utilisant la variation intra-
individuelle dans le temps.
  Cette méthode est idéale pour éliminer le biais des variables omises constantes dans le temps.

Spécification :

E [ Y ¿ ∣ X ¿ , c i ] =exp( X ¿ β+ c i), ci non observé

Estimation :

 Utilisation du maximum de vraisemblance conditionnelle (Conditional MLE).

 Remarque : les individus dont tous les événements sont nuls sont exclus de l’estimation.

 Poisson à effets aléatoires (RE)

Principe :

 Les effets individuels ci sont supposés non corrélés avec les covariables Xit
 Cette hypothèse permet d’utiliser tous les individus, y compris ceux avec des valeurs nulles
constantes.

Estimation :

 Réalisée via le maximum de vraisemblance du modèle Poisson RE, intégrant la distribution

supposée des effets aléatoires (souvent log-normale ou gamma).

Avantages et limites des modèles (FE et RE)

Modèle Avantages Limites

FE Contrôle l’hétérogénéité individuelle Exclut les individus avec tous événements nuls,
constante, élimine biais de variables moins efficace si très peu de variation intra-
omises individuelle
RE Utilise tous les individus, permet inclusion Hypothèse d’indépendance entre effets individuels
des zéros constants et covariables, potentiellement irréaliste

3. Choix entre effets fixes (FE) et effets aléatoires (RE) dans les modèles de comptage

Dans l’analyse de données de panel avec variables de comptage, il est crucial de décider si l’on doit modéliser
les effets individuels non observés comme fixes (FE) ou aléatoires (RE).

 FE : suppose que les effets individuels peuvent être corrélés avec les covariables.
 RE : suppose que les effets individuels sont indépendants des covariables.

Le choix est important car :

 Une mauvaise spécification (choisir RE alors que les effets sont corrélés) entraîne des estimations biaisées

 Les FE sont toujours consistants mais ne permettent pas d’estimer les variables constantes dans le temps.

Limitation du test de Hausman classique

 Dans les modèles linéaires, le test de Hausman compare FE et RE pour détecter la corrélation entre
effets individuels et covariables.
 Pour les modèles de comptage, le test de Hausman classique n’est pas applicable :
o Les estimateurs FE et RE sont non linéaires (MLE).
o La statistique Hausman standard repose sur une distribution gaussienne, ce qui est violé pour les modèles
de Poisson ou NB.

Approche adaptée : méthode de Mundlak

La méthode de Mundlak teste la validité des effets aléatoires dans les modèles de comptage en incluant les
moyennes individuelles des covariables ; si elles sont significatives, RE est biaisé et FE est préféré, sinon RE
est valide.

Préparation des variables

La première étape consiste à identifier les covariables Xit qui varient dans le temps au sein du panel. Pour
chaque individu i, on calcule ensuite la moyenne individuelle de ces covariables sur toutes les périodes
observées, afin de capturer l’effet spécifique à chaque individu et de permettre de tester la corrélation entre ces
effets individuels et les covariables.
T
1
Xi= ∑X
T t =1 ¿

Estimer un modèle Poisson RE augmenté

Il permet à inclure à la fois les covariables originales et leurs moyennes individuelles.

E [Y ¿ ∣ X ¿ , X i , c i]=exp( X ¿ β + X i γ + c i)

Ici :

o Β mesure l’effet intra-individuel (variation dans le temps).

o γ mesure l’effet entre-individus (corrélation avec ci).

Estimer le modèle : Le modèle est estimé par maximum de vraisemblance, en obtenant les
coefficients des covariables et de leurs moyennes individuelles.

Tester la significativité des moyennes :

Les coefficients des moyennes individuelles X i sont examinés. Si ces coefficients sont significatifs, cela
indique une corrélation entre les effets individuels non observés et les covariables, rendant le modèle RE
classique inapproprié. Dans ce cas, il convient d’utiliser un modèle à effets fixes ou l’approche de Mundlak. Si
les coefficients sont non significatifs, le RE classique peut être considéré comme valide.

Test de la sur-dispersion dans les modèles de comptage en panel

Dans les modèles de comptage en panel, le test de la sur-dispersion vise à vérifier si l’hypothèse fondamentale
du modèle de Poisson, à savoir l’égalité entre la moyenne et la variance conditionnelle, est respectée après prise
en compte de l’hétérogénéité individuelle. Même en présence d’effets fixes (FE) ou aléatoires (RE), il peut
subsister une variabilité excédentaire non expliquée, rendant le modèle de Poisson inadapté.

Le test repose sur l’introduction d’un paramètre de dispersion α dans le cadre du modèle binomial négatif
panel.

 Si α n’est pas significatif (p-value ≥ 5 %), on ne rejette pas H0 : l’hypothèse de Poisson

panel est valide et le modèle de Poisson peut être retenu.

 Si α est significatif (p-value < 5 %), on rejette H0 : il existe une sur-dispersion et le

modèle binomial négatif panel (NB-RE) est préférable, sous réserve de la validité des effets
aléatoires.

Choix des modèles avec zéros excessifs en données de panel : tests et règles de décision

Dans les panels de données de comptage, la présence de zéros excessifs nécessite de

déterminer si un modèle standard (Poisson ou binomial négatif) est suffisant ou s’il faut
recourir à un modèle à inflation de zéros. Le choix du modèle repose sur plusieurs tests et
critères complémentaires, avec des règles de décision claires.

Critères d’information (AIC et BIC)

Lorsque plusieurs modèles de comptage pour données de panel sont envisageables — Poisson
panel, binomial négatif (NB) panel, ZIP et ZINB — il est nécessaire de disposer d’un outil
objectif permettant de comparer leur qualité d’ajustement tout en tenant compte de leur
complexité. Les critères d’information d’Akaike (AIC) et bayésien (BIC) remplissent
précisément ce rôle.

Règle de décision

 Le modèle présentant les valeurs d’AIC et de BIC les plus faibles est retenu, car il
offre le meilleur compromis entre ajustement aux données et simplicité du modèle.
 Une différence marquée en faveur d’un modèle (notamment pour le BIC, plus
pénalisant) constitue une preuve forte de sa supériorité.

Test de Vuong (et variantes corrigées)

Le test de Vuong est un test de comparaison de modèles non emboîtés, fréquemment utilisé
pour évaluer la pertinence des modèles à inflation de zéros par rapport aux modèles de
comptage standards. Il est principalement applicable en données de coupe transversale ou
en panel empilé, et son usage dans les panels doit être interprété de manière indicative plutôt
que strictement formelle.

Règle de décision

 Statistique de Vuong significative et positive : le modèle à inflation de zéros (ZIP ou

ZINB) est préféré, indiquant que la prise en compte explicite des zéros structurels
améliore l’ajustement.
 Statistique non significative : le modèle standard (Poisson ou NB) est suffisant et
l’inflation de zéros n’apporte pas de gain substantiel.
  Statistique significative et négative : le modèle standard est préférable au modèle à
inflation de zéros.

Interprétation des coefficients

Dans les modèles de Poisson (et leurs extensions), les coefficients sont de nature log-linéaire, ce qui rend leur
interprétation directe peu intuitive. Pour faciliter l’analyse économique, on recourt généralement aux taux
d’incidence relatifs (Incidence Rate Ratios – IRR) ou aux effets marginaux, qui permettent de traduire l’impact d’une
variation d’une unité des covariables sur le nombre attendu d’événements, toutes choses égales par ailleurs.