EViews

Voici un plan de 7 jours conçu pour un débutant. L'objectif est qu'à la fin de la semaine, vous
soyez capable d'importer des données, d'estimer une régression et d'interpréter les résultats
dans EViews.

Jour 1 : Découvrir EViews

Objectifs

 Comprendre l'interface.
 Créer un projet (Workfile).
 Ouvrir et enregistrer un fichier.

À apprendre

 Barre de menus.
 Fenêtre Workfile.
 Objets (Series, Group, Equation).

Exercice

1. Ouvrez EViews.
2. Créez un nouveau Workfile.
3. Enregistrez-le sous le nom MonPremierProjet.
4. Explorez les menus sans modifier les données.

Jour 2 : Importer des données

Objectifs

 Importer un fichier Excel.

 Vérifier que les données sont correctement chargées.

À apprendre

 Importation d'un fichier Excel.

 Types de variables.
 Valeurs manquantes.

Vous pouvez télécharger des données économiques gratuites depuis :

 World Bank Open Data

Exercice
Téléchargez un fichier contenant par exemple :
  PIB
 Inflation
 Population

Puis :

 importez-le dans EViews ;

 ouvrez chaque variable ;
 vérifiez le nombre d'observations.

Jour 3 : Statistiques descriptives

Objectifs

 Décrire les données.

À apprendre

 Moyenne
 Médiane
 Écart-type
 Minimum
 Maximum

Exercice
Pour une variable (par exemple le PIB) :

 affichez les statistiques descriptives ;

 répondez à ces questions :
o Quelle est la moyenne ?
o Quelle est la valeur maximale ?
o Quelle est la valeur minimale ?

Jour 4 : Graphiques
Objectifs

 Visualiser les données.

À apprendre

 Courbe
 Histogramme
 Nuage de points
Exercice
Réalisez :

 un graphique du PIB ;
 un histogramme de l'inflation ;
 un nuage de points entre PIB et inflation.

Puis décrivez ce que vous observez.

Jour 5 : Première régression

Objectifs
Comprendre le modèle :

Y=β0+β1X+ε

Par exemple :

 Y = consommation
 X = revenu

Exercice
Estimez une régression simple.

Ensuite répondez :

 Quel est le coefficient de X ?

 Est-il positif ou négatif ?
 Quelle est la valeur du R² ?

Jour 6 : Interpréter les résultats

Apprenez à lire :

 les coefficients ;
 les p-values ;
 les statistiques t ;
 le R² ;
 la statistique F.

Exercice

Rédigez une interprétation, par exemple :

Une augmentation d'une unité du revenu est associée à une augmentation moyenne de la
consommation égale au coefficient estimé. Si la p-value est inférieure à 0,05, l'effet est
considéré comme statistiquement significatif.

Jour 7 : Mini-projet
Téléchargez un jeu de données (10 à 100 observations).

Effectuez les étapes suivantes :

1. Importation.
2. Statistiques descriptives.
3. Graphiques.
4. Régression.
5. Interprétation.
6. Exportation des résultats vers Word ou Excel.

À la fin, rédigez un court rapport (1 à 2 pages) comprenant :

 l'objectif de l'analyse ;
 une description des données ;
 les résultats de la régression ;
 votre conclusion.

Ressources utiles
 Documentation officielle : EViews Help System
 Site officiel : EViews
 Tutoriels vidéo : YouTube (recherchez « EViews tutorial for beginners » ou « EViews
en français »).

Conseil pour progresser rapidement

Consacrez 45 à 60 minutes par jour :

 15 minutes de théorie (régression, statistiques descriptives, tests) ;

 30 à 45 minutes de pratique dans EViews.

Partie 1 : Découverte d'EViews (Exercices 1

à 5)
Exercice 1 : Créer un Workfile

Objectif
Créer un nouveau fichier de travail.
À faire

 Ouvrir EViews.
 Créer un Workfile annuel de 2010 à 2024.

Correction
Vous devez obtenir une base contenant 15 observations (2010 à 2024).

Exercice 2 : Importer un fichier Excel

Importer un fichier contenant :

Année PIB Inflation

2015 120 2,1
2016 126 1,8
2017 130 2,5

Correction

Après importation :

 trois variables doivent apparaître ;

 les années doivent être reconnues comme observations.

Exercice 3 : Sauvegarder le projet

Enregistrer le Workfile.

Correction

Créer un fichier .wf1.

Exercice 4 : Ouvrir une série

Afficher la variable PIB.

Correction

Une colonne de valeurs numériques doit apparaître.

Exercice 5 : Renommer une variable

Transformer :

PIB → GDP

Correction

La série s'appelle désormais GDP.

Partie 2 : Statistiques descriptives

(Exercices 6 à 10)
Exercice 6

Calculer :

 moyenne
 médiane
 minimum
 maximum

Correction

Dans :

View → Descriptive Statistics

Exercice 7

Quelle variable est la plus dispersée ?

Comparer les écarts-types.

Correction

La variable ayant le plus grand écart-type est la plus dispersée.

Exercice 8

Construire un histogramme.

Correction
Observer :

 symétrie ;
 asymétrie ;
 concentration des valeurs.

Exercice 9

Tracer l'évolution du PIB.

Correction

Graph → Line.

Exercice 10

Tracer PIB et Inflation sur un même graphique.

Correction

Créer un Group puis :

View → Graph.

Partie 3 : Corrélation (Exercices 11 à 15)

Exercice 11

Calculer la corrélation entre :

PIB et consommation.

Correction

Une corrélation proche de :

 +1 → forte relation positive.

 −1 → forte relation négative.
 0 → absence de relation linéaire.

Exercice 12
Interpréter une corrélation de 0,92.

Correction

Très forte relation positive.

Exercice 13

Interpréter une corrélation de −0,80.

Correction

Forte relation négative.

Exercice 14

Comparer deux corrélations :

0,30 et 0,85.

Correction

0,85 indique une relation beaucoup plus forte.

Exercice 15

Peut-on conclure qu'une forte corrélation implique une causalité ?

Correction

Non. Une corrélation n'implique pas nécessairement une relation de cause à effet.

Partie 4 : Régression linéaire (Exercices 16

à 25)
Exercice 16

Estimer :

Consommation = β₀ + β₁ Revenu
Correction

Quick → Estimate Equation

cons c revenu

Exercice 17

Lire le coefficient du revenu.

Correction

Si β₁ = 0,80 :

Une augmentation d'une unité du revenu est associée à une augmentation moyenne de 0,80
unité de la consommation.

Exercice 18

Lire le R².

Correction

Si :

R² = 0,91

Alors 91 % de la variation de la consommation est expliquée par le revenu.

Exercice 19

Interpréter une p-value de 0,002.

Correction

La variable est statistiquement significative au seuil de 5 %.

Exercice 20

Interpréter une p-value de 0,45.

Correction
La variable n'est pas statistiquement significative au seuil de 5 %.

Exercice 21

Interpréter une constante négative.

Correction

La constante représente la valeur prédite de la variable dépendante lorsque toutes les variables
explicatives valent zéro. Son interprétation dépend du contexte économique.

Exercice 22

Comparer deux modèles.

Modèle A

R² = 0,70

Modèle B

R² = 0,90

Correction

Le modèle B explique une plus grande part de la variation de la variable dépendante.

Exercice 23

Identifier la variable dépendante.

cons c revenu

Correction

La variable dépendante est :

cons

Exercice 24

Identifier la constante.
Correction

La constante est :

Exercice 25

Combien de variables explicatives contient :

y c x1 x2 x3

Correction

Trois variables explicatives : x1, x2 et x3.

Partie 5 : Interprétation (Exercices 26 à 30)

Exercice 26

Expliquer le rôle du R².

Correction

Il mesure la proportion de la variation de la variable dépendante expliquée par le modèle.

Exercice 27

Expliquer le test t.

Correction

Il permet de vérifier si un coefficient est statistiquement différent de zéro.

Exercice 28

Expliquer la statistique F.

Correction

Elle permet d'évaluer si le modèle est globalement significatif.

Exercice 29

Interpréter le signe d'un coefficient négatif.

Correction

Lorsque la variable explicative augmente, la variable dépendante tend à diminuer, toutes

choses égales par ailleurs.

Exercice 30

Interpréter les résultats suivants :

Coefficient Valeur
Constante 15
Revenu 0,75
R² 0,88
p-value 0,001

Correction

 Lorsque le revenu augmente d'une unité, la consommation augmente en moyenne de

0,75 unité.
 Le modèle explique 88 % de la variation de la consommation.
 La p-value (0,001) est inférieure à 0,05 : le coefficient du revenu est statistiquement
significatif.

TD
Ces six thèmes constituent le cœur d'un TD d'économétrie en licence ou en master. Voici un
mini-cours pratique avec les commandes à utiliser dans EViews, l'interprétation des résultats
et un exercice type pour chacun.

TD 1 : Régression multiple
Objectif
Expliquer une variable YYY par plusieurs variables explicatives.
Exemple :

Consommation=β0+β1Revenu+β2Prix+β3Inflation+εConsommation=\beta_0+\
beta_1Revenu+\beta_2Prix+\beta_3Inflation+\varepsilonConsommation=β0+β1Revenu+β2
Prix+β3Inflation+ε

où :

 Y = Consommation
 X1 = Revenu
 X2 = Prix
 X3 = Inflation

Dans EViews
Quick → Estimate Equation

Saisissez :

cons c revenu prix inflation

Interprétation
Supposons les résultats suivants :

Variable Coefficient p-value

C 8,25 0,02
Revenu 0,65 0,000
Prix -0,35 0,01
Inflation -0,08 0,30

Conclusion

 Le revenu augmente la consommation.

 Les prix réduisent la consommation.
 L'inflation n'est pas significative (p-value > 0,05).

Exercice
Interprétez :

 β₁ = 0,75
 β₂ = -0,42
  β₃ = 0,03

TD 2 : Test d'hétéroscédasticité de White

Définition
L'hétéroscédasticité signifie que la variance des erreurs n'est pas constante.

Cette situation rend les tests statistiques moins fiables.

Dans EViews
Après avoir estimé la régression :

View

Residual Diagnostics

Heteroskedasticity Tests

White

Résultat
Supposons :

Prob. Chi-Square = 0,18

Décision

Comme :

0,18 > 0,05

➡️On ne rejette pas l'hypothèse d'homoscédasticité.

Les erreurs ont une variance constante.

Exercice
Interprétez :

Prob = 0,001

Réponse :

Il existe une hétéroscédasticité.

TD 3 : Test de Durbin-Watson
Objectif
Détecter une autocorrélation des erreurs.

Dans EViews
La statistique Durbin-Watson apparaît automatiquement dans les résultats de la régression.

Interprétation
Valeur DW Interprétation
≈2 Pas d'autocorrélation
<2 Autocorrélation positive
>2 Autocorrélation négative

Exemple

DW = 1,92

Conclusion :

Pas d'autocorrélation notable.

Exercice

Interprétez :

DW = 0,82

Réponse :

Présence d'une forte autocorrélation positive.

TD 4 : Multicolinéarité
Définition
Deux variables explicatives sont fortement corrélées entre elles.

Exemple :

 Salaire
 Revenu

Ces variables peuvent mesurer une information très proche.

Comment la détecter ?
Dans EViews :

 Matrice de corrélation entre variables explicatives.

 Calcul du facteur d'inflation de la variance (VIF), si disponible selon la version, ou via
des procédures complémentaires.

Exemple

Corr(Revenu, Salaire) = 0,98

Conclusion :

Multicolinéarité très forte.

Conséquences
 Coefficients instables.
 Écarts-types élevés.
 Difficulté à interpréter les effets individuels.

TD 5 : Variables qualitatives (Variables

muettes)
Exemple
Sexe :

 Homme = 1
 Femme = 0

Régression :

salaire c experience sexe

Résultat

Variable Coefficient
Expérience 180
Sexe 420

Interprétation

À expérience identique, la catégorie codée 1 présente un salaire moyen supérieur de 420

unités à la catégorie de référence (codée 0).

Exercice
Créer une variable :

Ville

 Bamako = 1
  Autres villes = 0

Interprétez ensuite son coefficient dans une régression.

TD 6 : Prévisions
Supposons un modèle :

vente c prix revenu

Après estimation :

Forecast

Nom :

VENTE_PREVUE

EViews calcule les valeurs prévues.

Exercice
Comparer :

 Vente réelle
 Vente prévue

Calculer les erreurs de prévision et commenter la qualité du modèle.

TD 7 : Séries temporelles
Exemple :

PIB annuel

2010–2025
Graphique
View

Graph

Observer :

 tendance ;
 saisonnalité (pour des données mensuelles ou trimestrielles) ;
 ruptures éventuelles.

Régression sur séries temporelles

Exemple :

pib c investissement exportation

Test de stationnarité
Dans EViews :

View

Unit Root Test

Augmented Dickey-Fuller test (ADF)

Interprétation

 p-value < 0,05 : la série est stationnaire.

 p-value > 0,05 : la série n'est pas stationnaire.

Une série non stationnaire doit souvent être transformée (par exemple en première différence)
avant certaines analyses.
Exercice de synthèse (niveau examen)
On étudie les déterminants de la consommation :

Consommation=β0+β1Revenu+β2Prix+β3Inflation+εConsommation=\beta_0+\
beta_1Revenu+\beta_2Prix+\beta_3Inflation+\varepsilonConsommation=β0+β1Revenu+β2
Prix+β3Inflation+ε

Le logiciel fournit :

Variable Coefficient p-value

C 12 0,03
Revenu 0,72 0,000
Prix -0,40 0,02
Inflation -0,06 0,48

Informations complémentaires :

 R² = 0,91
 Durbin-Watson = 1,98
 Test de White : p-value = 0,21

Questions

1. Interprétez chaque coefficient.

2. Quelles variables sont statistiquement significatives au seuil de 5 % ?
3. Interprétez le R².
4. Que concluez-vous avec la statistique de Durbin-Watson ?
5. Que concluez-vous avec le test de White ?
6. Le modèle semble-t-il adapté pour expliquer la consommation ? Justifiez votre
réponse.

Ce type d'exercice est très représentatif des évaluations en économétrie : il combine

estimation, lecture des sorties d'EViews et interprétation économique des résultats.