MODULE I

RAPPEL DES PRINCIPES GENERAUX DE

L'ECONOMETRIE ET INTRODUCTION AUX
DONNEES DE PANEL

TALNAN EVRARD
1
INTRODUCTION

L’objet principal de l’économétrie est de favoriser les travaux à caractère quantitatif en

unifiant les approches quantitatives théorique et empirique des problèmes économiques, et en
s’inspirant d’un esprit méthodique et rigoureux. Vue sous cet angle, l’économétrie est donc un
domaine de l’économie qui s’occupe des applications de la statistique mathématique et des
outils de l’inférence statistique à la mesure empirique des relations postulées dans la théorie
économique.

Une étude économétrique se fonde généralement sur des propositions de la théorie

économique. Cette dernière énonce les relations précises et déterministes entre des variables.
Les exemples les plus courants sont les fonctions de production et les modèles
macroéconomiques. Les recherches empiriques fournissent quant à elles des estimations des
paramètres inconnus, telles que les élasticités, les effets de la politique monétaire ou
budgétaire, ou encore les variations de la croissance suite à des chocs sur certains
déterminants. Elle évalue la validité de la théorie sur la base des données réelles. Dès qu’un
modèle est bien spécifié, il peut ensuite être utilisé pour la prévision ou l’analyse.

Le présent module s’articule autour de deux points essentiels : le rappel des principes
généraux de l’économétrie à travers le modèle de régression linéaire, et l’introduction à
l’analyse sur les données de panel.

I. Principes généraux de l’économétrie : le modèle de régression linaire

La régression linaire simple bien que reposant sur des principes basiques de l’économétrie
constitue le point de départ d’analyses plus approfondies. La présente section est organisée
comme suit : d’abord la description du modèle et la présentation de quelques exemples
économiques, ensuite les hypothèses du modèle, l’estimateur des moindres carrés ordinaires
et enfin les principales propriétés de l’estimateur.

1.1. Description du modèle et exemples économiques

Le modèle régression linéaire multiple étude la relation entre une variable dite dépendante et
une ou plusieurs variables indépendantes. Sa forme générique est :

y  X '   ,

Où est la variable dépendante ou variable expliquée ou encore variable endogène et X le

vecteur des variables indépendantes ou variables explicatives, ou encore variables exogènes.

2
Dans cette spécification, est le régressant et les composantes de X ) sont
les régresseurs ou covariantes.

La théorie économique permet de déterminer les variables dépendantes et indépendantes du

modèle. Ceci n’est pas toujours facile. Par exemple, la demande,
, et une fonction inverse de demande,
sont des représentations identiques d’un système de marché.

Le terme est une perturbation aléatoire. En effet, il perturbe une relation qui, autrement, est
stable. La perturbation a plusieurs sources, dont la principale est liée aux erreurs
d’approximation (on ne peut capter tous les effets économiques). L’effet des variables omises
est pris en compte dans la perturbation. D’autres raisons expliquent la présence de ces
perturbations dans les modèles économétriques : les erreurs de mesure (il est difficile
d’obtenir une mesure précise du profit, du stock de capitaux,…).

Ainsi, bien Keynes (1936) avance dans sa Théorie générale que la consommation et le
revenu sont liées par une simple relation déterministe de type , il est convenable
pour une meilleure spécification empirique du modèle de prendre en compte les différents
types d’aléa en réécrivant l’équation sous la forme suivante : .

Un autre exemple assez illustratif des problèmes qu’on peut rencontrer dans la spécification
des modèles est celui de la relation entre salaire et instruction. En moyenne, on s’attend à ce
que des niveaux d’études élevés impliquent des revenus importants. Le modèle de régression
simple néglige cependant le fait que la plupart des gens
n’obtiennent des salaires élevés qu’à un âge avancé, et ce quel que soit le niveau d’étude.
Ainsi, le coefficient va surestimer l’effet du niveau d’études. Si l’âge et l’instruction sont
positivement corrélés, alors le modèle de régression prévoit qu’une augmentation du niveau
d’études s’accompagne d’une hausse du salaire. Une spécification tenant en compte l’effet de
l’âge serait : . On observe souvent que le salaire
augmente moins vite durant les dernières années de travail que pendant les premières. Pour
prendre en compte ce phénomène, on redéfinit le modèle pour obtenir :
, où les coefficients et sont supposés respectivement
positif et négatif.

1.2. Hypothèses du modèle de régression linéaire

Le modèle de régression linéaire est fondé sur un ensemble d’hypothèse concernant les
données et la relation retenue.

3
Hypothèse 1 : Linéarité

Soit une matrice de constituée des données ainsi empilées. Dans la plupart des cas, la
première colonne de est formée de vecteur unitaire. Soit le vecteur de observations,
, et le vecteur des perturbations. La relation entre et est linéaire peut s’écrire
sous la forme suivante : .

Hypothèse 2 : Plein rang

L’hypothèse 2 énonce qu’il n’y a pas de relation linéaire exacte entre les variables
indépendantes. Cette hypothèse est nécessaire pour l’estimation des paramètres du modèle
afin d’éviter les biais de multiple colinéarité liés au faite que la matrice ne serait pas
inversible. En d’autres termes, les composantes de la matrice ne doivent pas s’écrire sous la
forme de combinaison linéaire les uns des autres. est donc une matrice rang et par
conséquent, est de plein rang colonne.

Hypothèse 3 : Exogénéité des variables indépendantes

La structure du terme d’erreur est telle que . Cela signifie que l’espérance de
chaque conditionnellement à toutes les observations est nulle, c’est-à-dire les
observations ne fournissent pas d’informations sur la valeur moyenne de la perturbation. Il
est également supposé que les perturbations ne donnent aucune information sur elles-mêmes,
c’est-à-dire . Les perturbations sont donc générées de manière
purement aléatoire.

Hypothèse 4 : Homoscédasticité et absence d’autocorrélation (perturbations sphériques)

La quatrième hypothèse concerne la variance et la covariance des perturbations :

et

Lorsque la variance est constante, on parle d’homoscédasticité, et lorsque les observations (les
perturbations) ne sont pas corrélées entre elles, on parle d’absence d’autocorrélation. Les
perturbations qui ne satisfont pas les hypothèses d’homoscédasticité et d’absence
d’autocorrélation sont parfois dites sphériques.

4
Hypothèse 5 : Processus générateur des régresseurs

peut être fixe ou aléatoire, mais généré par un mécanisme non relié à . On suppose
généralement que est non stochastique. En effet, la liste des régresseurs est souvent choisie
pour donné.

Hypothèse 6 : Normalité

On suppose que les perturbations sont normalement distribuées, d’espérance nulle et de

variance constante. Ce faisant, on ajoute la normalité de la distribution aux hypothèses 3 et 4
( ). Compte tenu de la structure et de la source de , les conditions
d’application du théorème central limite sont vérifiées, du moins approximativement, et il est
raisonnable de faire l’hypothèse de normalité.

1.3. L’estimateur des MCO et ses propriétés

Ce paragraphe décrit l’estimateur d’une régression à l’aide des et présente ses

principales propriétés.

a. L’estimateur des moindres carrés ordinaires

Bien qu’il existe d’autres méthodes d’estimation, les moindres carrés ordinaires
restent l’estimateur de référence et donc le plus utilisé.

Les paramètres inconnus de la relation stochastique sont à estimer. Il est donc

nécessaire de distinguer les quantités de la population (valeurs théoriques), tels que et , et
leurs estimateurs fondés sur un échantillon de données, notés et . La régression de la
population est et l’estimateur de est noté :

La perturbation associée à la i-ième observation est :

Pour toute valeur de , on estime par le résidu :

A partir de ces définitions, on a :

5
La quantité de la population est un vecteur des paramètres inconnus de la distribution de
probabilité de , dont les valeurs sont estimées à partir de l’échantillon de données, ,
. Ceci est un problème d’inférence statistique. Cependant, il est instructif de
considérer le problème purement algébrique consistant à choisir un vecteur de sorte que la
droite d’ajustement soit proche des points d’observations. La mesure de proximité
constitue un critère d’ajustement. Parmi de nombreux critères disponibles, le plus
fréquemment utilisé est celui des moindres carrés.

b. Le vecteur des coefficients des moindres carrés

Le vecteur des coefficients de moindres carrés minimise la somme des carrés des résidus :

En termes matriciels, la minimisation de l’expression précédente consiste à chercher tel

que :

(avec la transposée du vecteur ).

Le développement de la dernière égalité nous donne :

où

La condition nécessaire pour obtenir un extrémum est :

Si est la solution, alors vérifie les équations normales des moindres carrés :

Si l’inverse de existe, selon l’hypothèse de plein rang (Hypothèse 2), alors la solution
est :

On appelle équations normales, les équations issues de la relation :

6
Pour que la solution obtenue soit un minimum,

doit être une matrice définie positive.

Démonstration : soit pour tout vecteur c non nul, on a :

La quantité est toujours positive, sauf si tous les éléments de v sont nuls. Si v est égal à
zéro, alors est une combinaison linéaire des colonnes de , ce qui contredit l’hypothèse
de plein rang de . Comme c est arbitraire, est positive pour tout c non nul, ce qui démontre
que est définie positive. Par conséquent, si est de plein rang, est la solution unique
permettant de minimiser la somme des carrés des résidus.

c. Qualité de l’ajustement et analyse de la variance

La somme des carrés des résidus semble être une mesure du degré d’ajustement de la droite
de régression (cas de 2 variables) par rapport aux données.

La mesure de l’ajustement étudiée ici couvre à la fois le critère d’ajustement et la covariance

entre et .

La variation de la variable dépendante est définie en termes d’écarts par rapport à la moyenne,
. La variance totale de est la somme des carrés des écarts :

(SCT : Somme Total des Carrés). On peut donc écrire l’équation de régression pour
l’ensemble des observations :

Soit une matrice idempotente de taille transformant les observations en écarts par
rapport aux moyennes de l’échantillon (une matrice idempotente est une matrice symétrique
qui a sur sa diagonale principale et dont les autres éléments sont égaux à , et
qui est égale à son carré). L’expression précédente peut s’écrire comme suit :

7
En multipliant chaque membre par on obtient :

On sait que (compte tenu de l’hypothèse [H3]), et que (car

, puisque ). On a donc :

Par conséquent :

(avec SCT : Somme Totale des Carrés, SCR : Somme des Carrés de la Régression ; SCE :
Somme des Carrés des Erreurs).

A partir de l’expression précédente, on peut déduire le coefficient de détermination :

Une autre méthode pour déterminer le coefficient de détermination :

d’où .

Le coefficient de détermination, compris entre 0 et 1, mesure la proportion de la variation

totale de prise en compte par la variation des régresseurs. si la variation totale de la
droite de régression est horizontale, c'est-à-dire si tous les éléments de sauf la constante
sont nuls. Dans ce cas, la valeur prédite de est toujours et les écarts par rapport à la
moyenne de ne traduisent pas les prédictions pour . En ce sens, n’a aucun pouvoir
explicatif. A l’inverse, lorsque les valeurs de et sont sur le même hyperplan (elles
sont sur la même droite dans le cas de la régression à deux variables) de sorte que les résidus
sont tous nuls.

Le coefficient de détermination peut également s’obtenir comme suit :

8
 Or , , , et , alors . La multiplication de
par donne :

est le carré de la corrélation entre les valeurs observables de et les perturbations

obtenues par l’équation estimée de la régression.

 Analyse de la variance

Source Degrés de liberté Moyenne quadratique

Régression (avec la constante)

Résidu

Total

Coefficient de détermination

 ajusté et mesure de la qualité d’ajustement

La régression avec une variable supplémentaire produit un plus grand. On est ainsi tenté
d’ajouter des variables au modèle car augmente jusqu’à sa limite supérieure 1. Pour
remédier à ce problème, un coefficient ajusté (par rapport aux degrés de liberté), noté ,
est :

La relation entre et est :

peut diminuer lorsqu’une variable est ajoutée à l’ensemble des variables

indépendantes. peut être négatif. Considérons un cas extrême où et ont une corrélation
nulle. Dans ce cas, est égal à . La variation de dépend plus de la
contribution d’une nouvelle variable à l’ajustement de la régression que de la correction liée à
la perte d’un degré de liberté supplémentaire.

9
d. Propriétés de l’estimateur des MCO

 Estimateur sans biais

Pour montrer que l’estimateur des moindres carrés est non biaisé, on écrit :

En prenant les espérances sur :

En utilisant l’hypothèse H3, le second terme s’annule de sorte que :

En conséquence,

L’interprétation de ce résultat est que, pour n’importe quel ensemble d’observations ,

l’espérance de l’estimateur des moindres carrés est . Ainsi, lorsque nous prenons la moyenne
de toutes les valeurs possibles de , nous obtenons également l’espérance non conditionnelle
.

 Variance de l’estimateur des moindres carrés ordinaires

Comme montré précédemment l’estimateur de est :

est donc une fonction linéaire des perturbations (il suffit de poser pour
s’en rendre compte). On en déduit quelle que soit la distribution de , sous les autres
hypothèses, que est un estimateur linéaire sans biais de . La matrice de variance-
covariance de l’estimateur des moindres carrés est :

Soit un autre estimateur sans biais de , où est une matrice . Si est

sans biais, alors :

10
Ce qui implique que . Il existe plusieurs candidats potentiels. Par exemple, supposons
qu’on utilise les premières (ou n’importe quel ) lignes indépendantes de . Alors,
, où est la transposée de la matrice formée des lignes de . La matrice de
covariance de peut être obtenue en remplaçant par dans l’expression de
l’estimateur de . On obtient : . Posons donc
. Alors,

Nous savons que donc est égale à 0. En conséquence,

Soit une forme quadratique en . La matrice de covariance

conditionnelle de est équivalente à celle de plus une matrice non négative définie. Toute
forme quadratique en domine la forme quadratique correspondante en .
Il en résulte une propriété très importante des estimateurs par la méthode des moindres carrés.

 Théorème de Gauss-Markov

Dans un modèle classique de régression linéaire où désigne la matrice des régresseurs,

l’estimateur des moindres carrés est l’estimateur linéaire sans biais de variance minimum de
. Pour n’importe quel vecteur de constantes , l’estimateur linéaire sans biais de la variance
minimum de est , où est l’estimateur des moindres carrés.

e. Estimateur de la variance des moindres carrés

Si l’on souhaite tester l’hypothèse sur ou construire des intervalles de confiance, alors on a
besoin de l’estimation de la matrice de covariance , et donc de
l’estimateur du paramètre de la population . Comme est l’espérance de et une
estimation de ,

semble être un estimateur naturel. Mais les résidus des moindres carrés sont des estimations
imparfaites de l’analogue de la population, . Comme on peut
s’y attendre, cet estimateur n’est pas applicable car n’est pas directement observable. Le
carré de l’espérance du membre droit incorpore un second terme d’espérance non nulle.

11
 Les résidus des moindres carrés sont :

Car . Un estimateur de est fondé sur la somme des carrés des résidus :

L’espérance de cette forme quadratique et donnée par :

est un scalaire (matrice 1X1) et donc égal à sa trace. On peut donc écrire :

Comme n’est pas fonction de , on obtient :

La trace de M est :

Par conséquent,

Ainsi, l’estimateur naturel est biaisé vers zéro, bien que le biais se réduise à mesure que la
taille de l’échantillon s’accroît. Un estimateur sans biais de est :

L’écart-type de régression est , la racine carrée de . Avec on calcule :

Avec l’estimateur de la variance d’un estimateur basé sur l’échantillon.

f. Test d’hypothèse sur les coefficients

Soit le élément de la diagonale . En supposant la normalité,

12
 est de distribution normale standard. Si était connu alors l’inférence statistique
concernant pourrait se fonder sur . En utilisant au lieu de , on déduit une statistique
utilisable à la place de dans l’équation précédente :

est une forme quadratique idempotente pour un vecteur normal standard . Sa

distribution est donc un chi-deux de degrés de liberté. La
variable chi-deux dans l’équation précédente est indépendante de la variable normale standard
.

Théorème : Indépendance de et : Si est normalement distribué, alors l’estimateur

des moindres carrés est indépendant du vecteur des résidus et indépendant de toute
fonction de , y compris .

Par conséquent, le ratio

a une distribution à degrés de liberté. On peut utiliser pour tester les

hypothèses ou pour construire des intervalles de confiance des éléments de .

Il est courant de tester si le paramètre est significativement différent de zéro. La statistique

appropriée

est présente dans la plupart des logiciels, et s’intitule t-ratio. Si , où

représente le de la valeur critique de la distribution de à degrés de
liberté, alors l’hypothèse nulle est rejetée et le coefficient est dit « statistiquement
significatif ». La valeur est utilisée pour le seuil de 5% du niveau de significativité.

g. Test de significativité de la régression

Il est intéressant de tester la significativité globale de la régression. Il s’agit alors du test joint
de l’hypothèse selon laquelle tous les coefficients (sauf la constante) du modèle sont nuls. Si
c’est le cas, le coefficient de corrélation multiple est également nul. Le test peut être fait à
partir de en utilisant la statistique

13
Si l’hypothèse selon laquelle (constante exclue) est vraie et le terme d’erreur
normalement distribué, alors cette statistique suit une distribution de Fisher avec et
degrés de liberté. Remarquons que des valeurs élevées de entraînent également des
valeurs élevées de .

II. Introduction aux données de panel

Les données de panel peuvent se définir comme des échantillons de données combinant des
séries temporelles et des coupes transversales. L’introduction aux données de panel comprend
principalement trois parties : d’abord les caractéristiques des données de panel, ensuite les
avantages puis les limites des estimations sur données de panel.

2.1. Caractéristiques des données de panel et décomposition de la variabilité totale

La double dimension des données de panel constitue un avantage décisif par rapport aux
autres types de données, séries temporelle et coupes transversales. Cette double-dimension
permet en effet de rendre compte simultanément de la dynamique des comportements et de
leur éventuelle hétérogénéité, ce qui n’est pas possible avec les séries temporelles ou les
coupes transversales. Elle permet également de tenir compte de l’influence de caractéristiques
non observables des individus sur leur comportement, dès lors de celles-ci restent stables dans
le temps.

La double dimension des données de panel peut s’interpréter comme la double dimension de
l’information disponible : une dimension individuelle (les individus différent les uns des
autres) et une dimension temporelle (la situation de chaque individu varie d’une période à
l’autre). Il est courant de traduire ces deux composantes de l’information disponible en termes
de décomposition de la variance des observations. Ainsi, admettons que l’on dispose
d’observation sur individus supposés, pour simplifier, être observés sur le même ensemble
de périodes, . Notons , et , l’observation de cette
variable relative à l’individu au cours de la période, on peut alors définir plusieurs
décompositions de la variabilité totale des observations. Une première décomposition possible
est donnée par l’égalité :

soit :

14
La première composante de la variance traduit les différences permanentes (puisque stables
dans le temps), entre les individus ; la seconde composante traduit les écarts entre la situation
de l’individu, à chaque date, et sa position moyenne sur la période. Supposons par exemple
que représente le salaire de l’individu à la date . Alors, la composante inter-individuelle
de la variance représente la partie des différences de salaires entre individus qui est
permanente (correspondant par exemple à des grilles de salaire qui seraient parallèles mais
situées à des niveaux différents). La composante intra-individuelle rend compte, quant à elles,
des écarts, à chaque date, entre le salaire par l’individu et son salaire moyen sur la période
(écarts liés par exemple aux effets de son ancienneté, de son expérience ou encore de la
conjoncture). Une décomposition alternative de la variance conduit à écrire :

soit :

Par analogie avec ce qui précède, la composante inter-temporelle de la variance traduit les
variations agrégées (macroéconomiques, puisque communes à tous les individus) de , d’une
période à l’autre ; la composante intra- temporelle traduit pour sa part le positionnement
relatif de l’individu, à chaque date, vis-à-vis de la valeur moyenne de la variable sur
l’ensemble de la population, à la date . En reprenant l’exemple du salaire, la première
composante de la variance représente l’évolution macroéconomique des salaires et la seconde
les écarts, à chaque date, entre le salaire perçu par l’individu et le salaire moyen dans
l’économie (rendant compte par exemple, de l’effet sur son salaire de ses caractéristiques
personnelles - diplôme, expérience, etc. – et de celles de l’entreprise qui l’emploie – secteur
d’activité, taille de l’entreprise, etc.).

Une dernière décomposition possible de la variance est donnée par l’égalité :

soit :

15
Les deux derniers éléments de cette décomposition ont la même interprétation que celle
donnée ci-dessus. La différence essentielle entre cette décomposition et les deux précédentes
tient au fait qu’un pas supplémentaire est effectué dans l’analyse des différences intra-
individuelles et/ou intra-temporelles. En effet, les différences intra-individuelles, i.e. les
différences entre la position de l’individu à la date et sa position moyenne sur la période,
peuvent être décomposées en un effet agrégé (macroéconomique) et un effet propre à
l’individu. Par exemple, la différence entre le salaire perçu par un individu à la date et son
salaire moyen sur la période s’explique pour partie par une évolution macroéconomique (la
variabilité intra-temporelle, liée par exemple à son déroulement de carrière personnel).
Alternativement, la variabilité inter-individuelle peut se décomposer en une la variabilité
inter-individuelle et une la variabilité intra-individuelle-temporelle : la différence entre le
salaire d’un individu à la date et le salaire moyen dans l’économie à la même date résulte
d’une part, de différence permanentes (liées par exemple à son diplôme, ou à d’autre
caractéristiques stables dans le temps) comme à des écarts de nature transitoire (liés, encore
une fois, à son déroulement de carrière personnel).

La multiplicité de ces décompositions montre l’un des avantages des données de panel : elles
permettent d’étudier les comportements dans leurs différentes dimensions, individuelles et
temporelles, et de mettre en évidence l’influence sur ces comportements de facteurs, tant
individuels qu’agrégés.

2.2. Autres avantages des données de panel

Un avantage supplémentaire des données de panel, pour l’économètre, tient au fait qu’elles
sont souvent extrêmement nombreuses. Il n’est pas rare de disposer d’échantillons de
plusieurs milliers, voire de dizaines de milliers d’observations. En effet, il suffit d’avoir
années d’observations sur individus pour constituer un échantillon de 3000
observations. Le plus souvent, les observations concernent un grand nombre d’individus,
suivis sur un nombre assez limité de périodes.

L’intérêt essentiel que présente la grande taille de ces échantillons est qu’ils conduisent à des
estimations dont les propriétés peuvent être assimilées aux propriétés asymptotiques des
méthodes utilisées (convergence éventuelle, loi asymptotique). Ainsi, la mise en œuvre d’un
estimateur convergent conduit, si les hypothèses nécessaires sont vérifiées, à une estimation
très proche de la vraie valeur des paramètres. En effet, le nombre élevé des observations
permet alors de supposer que le biais et la variance de l’estimation tendent vers zéro. De fait,
l’une des caractéristiques importantes des estimations basées sur un très grand nombre
d’observation est leur grande précision.

La grande variabilité des données de panel constitue un autre de leurs avantages. En effet, les
fortes disparités individuelles que l’on peut observer, tant au niveau des ménages que des
entreprises, des secteurs ou des pays, se traduisent par une forte variabilité inter-individuelle
des données. A l’inverse, leur variabilité temporelle est souvent sensiblement plus limitée. Ce

16
phénomène se comprend aisément. On conçoit bien en effet que les différences que l’on peut
observer entre, par exemple, la production, l’investissement, les immobilisations… d’une
entreprise de 100 000 salariés et ceux d’une PME de 20 salariés sont beaucoup plus marquées
que celles qui apparaissent entre les valeurs que prennent ces diverses grandeurs pour chacune
des deux entreprises considérées à des dates différentes. De même on sait que les disparités
inter-individuelles de salaires sont assez fortes et, en tout état de cause, d’un ordre de
grandeur bien plus important que les différences de salaire d’un même individu au cours de sa
carrière. Au total, la quantité d’information contenue dans les données de panel est donc
extrêmement élevée. La capacité de discriminer entre différentes hypothèses alternatives est
donc sensiblement plus importante lorsqu’on travaille avec ce type de données.

Enfin, dans le cas, le plus fréquent, où les données sont de nature microéconomique, le
caractère individuel des observations présente un double avantage : d’une part, il conduit,
dans les procédures de confrontation des théories (microéconomiques) aux faits observés, à
une meilleure adéquation entre le niveau d’analyse des modèles théoriques et celui des
observations statistiques. D’autre part, il permet d’éviter certaines difficultés liées à
l’agrégation.

2.3. Quelques inconvénients : l’existence d’observations aberrantes et non renseignées

Une première difficulté associée à l’utilisation de données de panel réside dans la fréquence
non négligeable, dans les sources statistiques utilisées, d’observation aberrantes. Puisqu’un
échantillon de données de panel contient un très grand nombre d’observations, on peut penser
a priori que cet ensemble d’observations est capable de « diluer » l’effet de quelques points
aberrants. En fait, ce n’est pas le cas. Huber (1981) a montré que seulement 3% de valeurs
atypiques dans un ensemble d’observations suffisent à perturber significativement la qualité
des estimations. Plus généralement, tous ceux qui ont pratiqué l’économétrie sur données
individuelles savent que quelques points atypiques peuvent suffire à modifier
considérablement les résultats d’une estimation.

La détection des points « aberrants » est donc une question importante mais difficile. En effet,
il ne suffit pas d’une observation sur le même individu s’écarte notablement d’une autre
observation sur le même individu pour pouvoir conclure à son caractère aberrant. Par exemple
le quadruplement de la production d’une entreprise, ou le doublement du revenu d’un ménage,
ne constitue pas obligatoirement des aberrations. Ils peuvent traduire un changement de
situation (fusion pour entreprise, mariage pour un ménage) qui rend la variation observé tout à
fait cohérente. Il importe donc de manier avec précaution les procédures visant à éliminer
systématiquement toute observation correspondant à des valeurs (en niveau ou en taux de
croissance) très élevés. Il est certainement préférable de les identifier et de regarder dans
quelle mesure ces valeurs « aberrantes » le sont effectivement. Pour cela on peut notamment
comparer l’évolution d’une variable avec celles constatées pour d’autres variables. Par
exemple, si une entreprise quadruple sa production mais voit ses effectifs et ses

17
immobilisations rester stables, on peut s’interroger sur la fiabilité des observations
correspondantes de la production.

Si une observation apparaît effectivement aberrante, on peut alors soit la corriger, soit
l’éliminer. Dans le premier cas, il est nécessaire que l’information disponible soit suffisante
pour que la correction soit acceptable. Par exemple, si une entreprise exhibe une croissance
régulière de sa production sur 10 ans mais voit en milieu de période, celle-ci quadruple sans
que les facteurs de production varient dans la même proportion, on peut penser qu’une
interpolation constitue une correction satisfaisante. A l’inverse si l’histoire de l’entreprise est
plus heurtée, une telle correction peut être discutable et il peut être préférable d’éliminer
l’observation en question (et non toutes les observations relatives a cet individu ; car cela
reviendrait alors à éliminer tous les individus ayant une histoire « agitée », ce qui pourrait
conduire à des biais de sélection). Si l’observation considérée, bien que « particulière », n’est
pas aberrante (elle correspond par exemple à une fusion d’entreprises), il est alors souhaitable
de la conserver dans l’échantillon et de l’identifier. Cette identification permet ensuite de
vérifier si l’évènement qui est à l’origine de la forte variation constatée a ou n’a pas d’effet
sur le comportement étudié.

En fait, dans la pratique, la très grande dimension des échantillons maintenant disponibles
conduit le plus souvent à ne pas effectuer de correction ou d’imputations, du fait que celle-ci
risquent d’indure des erreurs mesures dommageables à la qualité des estimations.

Une autre difficulté pratique associée à l’utilisation des données de panel réside dans la
fréquence non négligeable, dans les sources statiques utilisées, d’observation non renseignées.
Pour ces observations non renseignées (ou données manquantes), un raisonnement du même
type que celui effectué à propos des observations aberrantes peut être fait. Si l’on dispose
d’une information suffisante, on peut renseigner l’observation par l’interpolation ou par une
autre méthode plus sophistiquée. Toutefois, il est certainement préférable de laisser
l’observation non renseignées. Il faut noter que les données manquantes peuvent poser un
problème de biais de sélection. En effets, si les individus présents dans l’échantillon ont un
comportement qui diffère systématiquement de celui des individus absents, il est bien évident
que les estimations obtenues ne pourront prétendre à la représentativité des comportements
dans la population. Toutefois lorsque le mécanisme à l’origine de la sélection est connu, il est
possible de corriger les estimations pour tenir compte de ce phénomène.

Pour conclure sur ces difficultés associées aux points aberrants et aux données manquantes, il
faut souligner que, jusqu'à une période récente, il était d’usage de « cylindrer » les
échantillons c’est-à-dire d’éliminer toutes les observations relatives à un individu, dès lors que
l’une d’elles était manquante ou apparaissait comme aberrante. La mise en évidence des
problèmes liés au biais de sélection et de développement de logiciels et programmes
économétriques permettant l’utilisation des échantillons incomplets (non cylindrés) ont
conduit à limiter le recours à cette pratique. Un tel « cylindrage » conduisait en effet très
souvent à éliminer une très forte proportion et donc, à perdre beaucoup d’information ; ceci
induisant, au mieux, une moindre précision des estimations et au pire, un risque de biais.
18
2.4. Tests de spécification de la modélisation sur données de panel

La première chose qu’il convient de vérifier lorsqu’on veut travailler sur les données de panel
est la spécification du modèle, c'est-à-dire si le phénomène que l’on souhaite modéliser obéit
bien à la spécification adoptée. Dans la pratique économétrique, les tests de spécifications
reviennent à montrer à l’aide des tests d’égalité des coefficients que le comportement des
paramètres respecte les prédictions théoriques i.e. effets fixes constant pour chaque individu
et différents suivant les individus et les coefficients des exogènes constants dans le temps et
pour tous les individus (dans le cas très simple d’un modèle à effet fixes individuels).

Considérons le modèle très simple dont la forme générale est :

avec . Les termes d’erreur sont supposées être indépendants et

identiquement distribués de moyenne nulle et de variance égale à .

La première phase du test de spécification consiste à tester l’égalité de tous les coefficients du
modèle ; ce qui revient à tester : . Si cette hypothèse est vérifiée, le
modèle s’écrit alors sous la forme :

Ce type particulier de modèle basé sur l’homogénéité parfaite des comportements dans la
dimension individuelle et temporelle s’appelle « pooled model ». Dans le cas contraire c'est-à-
dire ( et ), il n’existe aucune relation commune entre les individus et
l’utilisation de la structure des données de panel n’est pas appropriée. On devra dans ce cas de
figure estimer des équations séparées (individu par individu). Ainsi la condition de base pour
l’adoption de la structure des données de panel est l’homogénéité au niveau du comportement
capté par les variables exogènes c’est-à-dire .

Une fois que la spécification du modèle sur donnée de panel est admise , il
convient donc de tester l’hypothèse d’existence d’une hétérogénéité inter-individuelle, qui est
captée par l’effet fixe individuel. Cela revient à discriminer entre le modèle (pooled model)

et le modèle à effets fixes individuels :

Il s’agit dans ce cas précis de tester l’hypothèse jointe :

19
contre l’hypothèse alternative .

Notons la somme des carrés des résidus associés à l’estimation du modèle « pooled » et
la somme des carrés des résidus du modèle à effets individuels fixes. Le test de Fisher
conduit à comparer la statistique :

au fractile d’ordre de la loi de Fisher à degrés de liberté. Si

est supérieure ou égale au fractile, on rejette ; le modèle doit inclure des effets fixes
individuels. Dans le cas contraire où on accepte , la spécification de type « pooled » est
appropriée. La démarche précédente peut être adoptée pour les autres tests de spécifications.

Toutefois, il serait intéressant d’interpréter le rejet de l’hypothèse nulle dans le cas précédent
comme une indication sur l’existence d’une hétérogénéité des comportements. La question est
de savoir si la prise en compte des effets fixes individuels suffirait à purger toute
l’hétérogénéité observée.

2.5. Application

Nous réalisons ici une application simple de régression linéaire. Le modèle présenté ici est
une évaluation en coupe transversale du paradoxe de Feldstein et Horioka (1980) sur un
échantillon de 37 pays africains pris entre 1970 et 2006. Les données issues de WDI
proviennent d’une étude réalisée par Bangake et Eggoh (2010)1.

Nous ne présenterons ici que les commandes de Stata dont nous aurons besoin. Le lecteur
intéressé pourra se rapporter au manuel d’initiation à Stata élaborer par Kpodar K. (2009).

Pour importer les données, qui au préalable sont stockées dans une table txt, il faudra faire :

insheet using chemin

Pour calculer les statistiques descriptives, faire :

sum invest saving

Variable | Obs Mean Std. Dev. Min Max

-------------+--------------------------------------------------------
invest | 37 19.21229 6.347791 10.10009 38.66297
saving | 37 11.16069 15.02563 -45.91375 48.91095

1
Bangake, C. et Eggoh, J. (2010) “International Capital Mobility in African Countries: Do the legal origins matter?”
Economics Bulletin, Vol. 30, N°1, pp. 73-83.

20
 Pour faire une régression simple par les moindres carrés ordinaires MCO :
reg invest saving
Source | SS df MS Number of obs = 37
-------------+------------------------------ F( 1, 35) = 0.87
Model | 35.1800748 1 35.1800748 Prob > F = 0.3574
Residual | 1415.42022 35 40.4405778 R-squared = 0.0243
-------------+------------------------------ Adj R-squared = -0.0036
Total | 1450.6003 36 40.2944527 Root MSE = 6.3593

------------------------------------------------------------------------------
invest | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
saving | .0657907 .0705383 0.93 0.357 -.0774096 .208991
_cons | 18.47802 1.308725 14.12 0.000 15.82116 21.13487
------------------------------------------------------------------------------
reg invest saving, noconst
Source | SS df MS Number of obs = 37
-------------+------------------------------ F( 1, 36) = 21.39
Model | 5630.53039 1 5630.53039 Prob > F = 0.0000
Residual | 9477.21199 36 263.255889 R-squared = 0.3727
-------------+------------------------------ Adj R-squared = 0.3553
Total | 15107.7424 37 408.317361 Root MSE = 16.225

------------------------------------------------------------------------------
invest | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
saving | .6648907 .1437688 4.62 0.000 .3733141 .9564674
------------------------------------------------------------------------------

Commentaire des résultats à faire au cours de l’application.

predict invest_p permet d’obtenir les valeurs prédites de la variable stockées dans
la variable .

predict invest_res permet de déduire les valeurs prédites des résidus stockés dans la
variable .

Quelques tests simples sous stata :

On se place dans le cas du modèle avec constante

 Test de normalité des résidus

quietly reg invest saving

predict residu, resid

sktest residu
Skewness/Kurtosis tests for Normality
------- joint ------
Variable | Pr(Skewness) Pr(Kurtosis) adj chi2(2) Prob>chi2
-------------+-------------------------------------------------------
residu | 0.001 0.004 14.98 0.0006

La probabilité du test est de 0,0006. On rejette donc l’hypothèse de normalité des erreurs.

21
  Test de Ramsey Reset

Le test de Ramsey Reset permet de tester l’omission de variable explicative pertinente ou une
mauvaise spécification du modèle.

quietly reg invest saving

ovtest
Ramsey RESET test using powers of the fitted values of invest
Ho: model has no omitted variables
F(3, 32) = 27.12
Prob > F = 0.0000

On rejette donc l’hypothèse nulle selon laquelle le modèle ne comporte pas de variables
omises.

 Test d’hétéroscédasticité
quietly reg invest saving

hettest
Breusch-Pagan / Cook-Weisberg test for heteroskedasticity
Ho: Constant variance
Variables: fitted values of invest
chi2(1) = 25.79
Prob > chi2 = 0.0000

On rejette donc l’hypothèse nulle d’homoscédasticité.

22