f

ou
kr
EViews & données de panel
ha
aC

7 étapes pour structurer, tester et estimer ton modèle

n
ub
Lo

Le récap essentiel pour ta recherche en économétrie panel

Loubna Chakrouf · Doctorante FEG

Loubna Chakrouf
Au programme

1 Structurer son panel

2 Statistiques descriptives

f
ou
3 Tester la stationnarité kr
ha
n aC

4 Pooled OLS, FE ou RE ?
ub
Lo

5 Le test de Hausman

6 GMM dynamique & diagnostics

Loubna Chakrouf
 1 · Structurer son panel

Workfile Structure Type -> Dated - Panel

Identifiants : Cross-section ID + Date/Time ID

f
Vérifie le nombre d'individus (N) et de périodes (T)
•
ou
kr
Un panel équilibré simplifie les tests, sans être obligatoire
ha
• Ordonne toujours les données par section puis par période
n aC
ub
Lo

Astuce : nomme tes séries clairement (ex. rating, debt_gdp) pour repérer vite les erreurs de
structure.

Loubna Chakrouf
 2 · Statistiques descriptives

View -> Descriptive Statistics -> Common Sample /

Individual Samples

• Objectif : repérer valeurs manquantes, moyennes, écarts-types

• Un panel déséquilibré (N×T incomplet) influence le choix des

f
tests suivants

ou
• kr
Vérifie la cohérence des unités entre variables (devise, base 100,
ha
etc.)
n aC
ub
Lo

Ces vérifications simples évitent bien des surprises au moment de l'estimation.

Loubna Chakrouf
 3 · Tester la stationnarité

Menu : View -> Unit Root Test · Commande : uroot

Levin-Lin-Chu Im-Pesaran-Shin

Racine unitaire commune à tous les Racine unitaire spécifique à chaque

individus individu

f
ou
kr
ha
Fisher (ADF / PP) Hadri
aC

Combine les tests ADF ou PP de chaque Seul test où H0 = stationnarité (pas

n
ub

section racine unitaire)

Lo

Astuce : en cas de résultats divergents entre tests, Fisher (ADF/PP) reste le plus robuste sur un
panel non cylindré (N et T variables selon les individus).

Loubna Chakrouf
 4 · Pooled OLS, FE ou RE ?

Quick -> Estimate Equation -> Panel Options · Base : ls y c x1 x2

Pooled OLS Effets fixes Effets aléatoires

Un seul intercept pour Un intercept par Hétérogénéité traitée

tous les individus — individu — contrôle comme aléatoire — plus
ignore l'hétérogénéité l'hétérogénéité non efficient si valide

f
ou
observée
kr
ha
n aC
ub
Lo

Le choix final entre FE et RE se fait avec le test de Hausman (étape suivante).

Astuce : commence toujours par estimer les trois — compare ensuite avec Hausman.

Loubna Chakrouf
 5 · Le test de Hausman

Depuis une équation en effets aléatoires :

View -> Fixed/Random Effects Testing -> Correlated RE -
Hausman Test

p-value < 5 % p-value ≥ 5 %

f
ou
Effets et régresseurs corrélés -> on Pas de corrélation détectée -> on
retient les effets fixes kr retient les effets aléatoires
ha
n aC
ub
Lo

Ce test doit toujours précéder le choix final entre effets fixes et aléatoires.

Loubna Chakrouf
 6 · Passer au GMM dynamique

Object -> Dynamic Panel Data Wizard (Arellano-Bond /

Blundell-Bond)

gmm(cx=fd, per=f) y y(-1) @ @dyn(y)

• Utile quand la variable dépendante est retardée (endogénéité)

f
•
ou
1-step vs 2-step : ajoute gmm=perwhite pour la version 2-step
kr
ha
• Le nombre d'instruments ne doit pas dépasser le nombre de
aC

sections (N)
n
ub
Lo

Le GMM sert souvent de test de robustesse à côté d'une estimation FE/RE classique.

Loubna Chakrouf
 7 · Valider son GMM

Sargan / Hansen AR(1) / AR(2)

1-step -> J-statistique (Sargan). 2-step - AR(1) significatif attendu (par

> Hansen J-Test (Coefficient construction), AR(2) non significatif
Diagnostics). p > 0,05 -> instruments souhaité.
valides.

f
ou
kr
ha
n aC
ub

equation_name.abtest -> table AR(1) / AR(2)

Lo

automatique

Astuce : privilégie le 2-step + Hansen si tu suspectes de l'hétéroscédasticité.

Loubna Chakrouf
Le parcours en un coup d'œil

1 Structurer

2 Stats

3 Racine unitaire

f
ou
4 FE / RE
kr
ha
5 Hausman
aC

6 GMM
n
ub
Lo

7 Diagnostics

Sauvegarde ce post pour ta prochaine estimation panel.

Loubna Chakrouf · Doctorante, FEG – Université Ibn Tofaïl

Loubna Chakrouf