Économétrie des données de panel: de la théorie à la pratique
L'économétrie des données de panel à la différence du modèle linéaire simple présente une double dimension: la dimension temporelle et la dimension individuelle.Par exemple on observe des variables macroéconomiques (PIB, inflation, taux de chômage, dépenses publiques de consommation,...) sur les pays d'une zone monétaire données (Euro) sur une période donnée (2000-2020). Dans cet exemple la dimension temporelle c'est l'année et la dimension individuelle est matérialisée par le pays. L'image ci-après illustre bien la configuration que doivent avoir les données de panel avant estimation. C'est un panel de 4 pays (Individus) sur la période 2000-2005 avec comme variables: les exportations, les Investissement Directs Étrangers (IDE), le Produit Intérieur Brute (PIB), l'ouverture commerciale, l'inflation, le capital humain, l'indice de corruption et le taux de change.
L’économétrie des données de panel présente la modélisation en partant de la structure des données (données d’une coupe instantanée répété à travers le temps - individu/temp-). Il existe deux types de panels suivant la taille des données (micro et macro-panel) et même selon la structure de celles ci (Pseudo panel et panel synthétique). Elle présente également des avantages et des limites et peux aussi avoir différentes spécifications (effet fixe et aléatoire). Il existe aussi plusieurs méthodes d'estimations utilisant les opérateurs within et between ainsi que les test d'hypothèses sur la polarité et l'effet fixe.
La vidéo ci-après présentes de façon claire toutes les étapes à suivre pour estimer un modèle en données de panel des tests de racines unitaires jusqu'à la validation des hypothèses post estimation.
Si vous souhaitez savoir comment implémenter cette méthode sous Stata sans programmer regardez cette vidéo dans laquelle je vous montre comment définir un model comme panel avant de d’embrayer sur le modèle à effet fixe et à effet aléatoire ainsi que le test de spécification de Haussman. Elle présente entre autres la modélisation sous STATA en partant de l'importation de données à partir d'Excel avec la procédure pour définir le modèle comme étant un panel avant de plonger dans la phase d'estimation (modèle à effet fixe et à effet aléatoire). Le test de spécification de haussman de permet déterminer lequel des modèles est adéquat.
Vous pouvez aussi regarder cette vidéo sur l'implémentation de ce modèle sous Eviews pour encore d'avantage assimiler cette méthode. Elle présente aussi comme sous STATA la modélisation sous Eviews en partant de l'importation de données à partir d'Excel avec la procédure pour définir le modèle comme étant un panel avant de plonger dans la phase d'estimation (modèle à effet fixe et à effet aléatoire). Le test de spécification de haussman de permet déterminer lequel des modèles est adéquat.Elle termine par les test sur les résidus: normalité, autocorrélation.
COOL
RépondreSupprimer