L'économétrie pour les nuls : Introduction

Ah l'économétrie ! La hantise de plusieurs milliers d'étudiants en école de commerce et en fac

chaque année. Et pourtant, comprendre la base de l'économétrie et être capable d'analyser les
résultats d'une étude simple ne relève pas de l'impossible. Petit geek de l'économétrie à ses
heures perdues, le Captain' va essayer de démystifier pour vous cette matière, dans un dossier
spécial "L'économétrie pour les nuls", dont voici le premier opus.

"L'économétrie est un outil d'analyse quantitative, permettant de vérifier l'existence de certaines

relations entre des phénomènes économiques et de mesurer concrètement ces relations sur la
base d'observations de faits réels" (Eric Dor, "Econométrie"). L'économétrie se base donc sur les
mathématiques et les statistiques afin d'identifier des relations entre différentes variables. Mais
tout comme vous n'avez pas besoin d'être un pro en microprocesseur pour utiliser un ordinateur,
il n'est pas foncièrement nécessaire d'être un crack en math pour pouvoir se servir de
l'économétrie comme outil d'analyse.

Commençons donc avec un modèle simple à deux variables. Vous souhaitez tester s'il existe une
relation linéaire entre les variables y et x. Pour le poser sous la forme d'une équation, votre but
est d'estimer les coefficients ? de l'équation ci-dessous (avec un terme d'erreur mais que je ne
présente pas dans cette intro pour plus de simplicité).

Je vous ai dit qu'il ne fallait pas forcément être un crack en math, mais il faut bien en faire un
minimum tout de même. Le modèle ci-dessus est un modèle du niveau mathématique de classe
de seconde, le fameux y = f(x).

Pour prendre un exemple, supposons que vous ayez envie de voir le lien entre le poids d'une
voiture et son prix de vente. Avant de faire votre étude, vous avez donc créé une base de
données avec de nombreuses infos sur les voitures, qui pourrait ressembler à celle-ci (si vous
avez envie de vous amuser avec cette base, elle est disponible au format Stata ici "auto.dta").
En réalisant un graphique avec en abscisse le poids d'une voiture (weight) et son prix (price) pour
chacune des 74 voitures de notre base de données, cela donne ça (chaque point correspondant
à une voiture):
Il semble bien qu'il y ait une relation croissante entre le poids d'une voiture et son prix.
Graphiquement on remarque en effet une tendance: plus une voiture est lourde, plus son prix est
élevé (en moyenne). C'est bien beau tout cela, mais si vous êtes chargé d'étude dans l'industrie
automobile et que vous allez voir votre patron en lui disant cela, il va vous dire "tu es bien sympa
mon petit, mais il me faut des chiffres précis et être sur que cette relation est significative et n'est
pas le fruit du hasard".

Et là, deux solutions s'offre à vous. (1) La technique de l'autruche: vous laissez traîner le
problème et inventez des chiffres au hasard en faisant des calculs à l'arrache sur Excel. (2) Lire
le Captain', ouvrir un logiciel économétrique et faire une étude simple de régression linéaire.

Et aussi incroyable que cela puisse paraître, la seconde solution est beaucoup plus simple et
rapide que la première. Il suffit d'un seul calcul dans un logiciel spécialisé (type Stata, Eviews,
Scilab, SAS...) pour avoir l'ensemble des réponses aux questions de votre patron. C'est là
qu'intervient la magie de la "régression linéaire et de la méthode des moindres carrés ordinaire".
Sans rentrer dans les détails, le but de cette technique est de tracer une droite sur le graphique
précédent, tel que l'écart (au carré) entre les points du nuage et votre droite de régression soit le
plus faible possible.
Vous pouvez le faire avec une règle et un crayon de bois, et tâtonner en calculant pour chaque
point l'écart entre les points et votre droite. Ou bien utiliser une fonction automatique sur un
logiciel économétrique. Dans Stata (le logiciel utilisé par le Captain'), la commande "regress price
weight" indique que vous souhaitez faire une régression linéaire entre votre variable y (price) et
votre variable x (weight). Et là pas de panique, le Captain' va vous apprendre à lire les résultats
de ces tableaux blindés de chiffres.

Votre but était donc d'estimer quelle est la relation entre le poids d'une voiture et son prix, en
déterminant les coefficients ?0 et ?1 de votre équation initiale. Pour rappel des mathématiques
de classe de seconde, votre coefficient ?0 va correspondre à l'ordonnée à l'origine et votre
coefficient ?1 à la pente de la droite de régression. Sur le tableau ci-dessus, vous avez ces deux
informations; ?0 correspondant au coefficient de la constante (_cons) et bleu, soit -6,70 et ?1
correspondant au coefficient devant le poids (weight) en rouge, soit 2,05. Votre équation initiale
peut donc s'écrire: " price = -6,70 + 2,05 * weight "

En moyenne donc, et en se basant sur les données de votre échantillon, une voiture de
2000 livres (lbs) coûtera environ "-6,70 + 2,05 * 2000 = 4000 dollars). Si l'on reprend notre
graphique précédent, on peut alors tracer la droite de régression linéaire, qui est la droite
la plus proche possible des différents points. On voit bien que si l'on se base sur une
voiture de 2000 lbs, son prix estimé via la droite rouge est proche de 4000 dollars.
Mais cette relation est-elle significative? Pour cela, il convient de regarder le "t-stat" de
notre tableau de régression (en vert), et de comparer la valeur de ce "t'stat" (dans notre
cas 5,42) à des valeurs déterminés statistiquement. Il est possible de ne pas rentrer dans
les calculs, et uniquement de se baser sur cette règle "si le t-stat est supérieur à 1,96 en
valeur absolue, alors la variable est significative". Ici c'est le cas, donc vous pouvez allez
voir votre patron en lui disant "eh chef, une voiture qui pèse 1 livre de plus qu'une autre
coûtera en moyenne 2,05 dollars de plus, et la relation est significative". Si vous voulez
même faire le mariole, vous pouvez lui dire "[...] et cette relation est significative avec un
intervalle de confiance de 95%", la valeur de t-stat de 1,96 correspondant à cet intervalle
de confiance.

Bien sûr ici, on voit bien qu'il y a de gros écarts entre la droite de régression en rouge et
de nombreux points. Ceci s'explique car le modèle est ultra-simplifié (une seule variable
explicative). Il est d'ailleurs possible d'estimer le pourcentage de la variation de prix
expliqué par la variation de poids, en regardant le R-squared et l'adjusted R-squared (en
jaune dans le tableau). Dans notre exemple, on trouve que 29% de la variation de prix peut
s'expliquer par une variation de poids (et donc que 71% de la variation de prix provient de
variables omises dans notre modèle ou bien de facteurs aléatoires).
Conclusion: Notre exemple peut mettre en avant un premier piège de l'économétrie: la
différence entre causalité et de corrélation. Par exemple, si vous rajoutez discrètement des
parpaings dans le coffre de votre voiture, le prix devrait selon notre modèle augmenté (ce
qui n'a aucun sens). La relation estimée entre le poids d'une voiture et son prix est
davantage une relation de corrélation que de causalité. Ce n'est pas le poids à proprement
parlé qui entraîne une hausse du prix, c'est le fait que le poids est souvent relié à d'autres
variables (taille du moteur, nombre de portes, confort...) qui elles ont réellement une
relation de causalité avec le prix d'une voiture. Rendez-vous la semaine prochaine pour la
suite de notre dossier "L'économétrie pour les nuls", où nous verrons un modèle à
plusieurs variables explicatives permettant de tester cela et de faire des analyses plus
complexes.

Dossier l'économétrie pour les nuls par le Captain':

- Chapitre 1 : Introduction

- Chapitre 2 : La régression linéaire

- Chapitre 3 : (en cours de rédaction)

L'économétrie pour les nuls : La régression

linéaire

Après la première partie la semaine dernière "L'économétrie pour les nuls : Introduction" (si vous
ne comprenez rien à l'économétrie, commencez donc par cet article), le Captain' continue donc
aujourd'hui ce dossier en vous expliquant plus en détail le principe de la régression linéaire à
plusieurs variables, en introduisant en plus la notion de variable indicatrice (dummy variable in
english).

Nous allons continuer avec notre modèle qui essaye d'expliquer le prix d'une voiture (notre
variable dépendante "Y") en fonction de variables explicatives (X 1, X2, D1). La variable
X1 correspond comme dans l'article précédent au poids d'une voiture. La variable X 2 représente la
consommation en carburant de la voiture et la variable D 1 est une variable indicatrice, prenant la
valeur 0 si la voiture est une voiture domestique (donc américaine dans notre exemple) ou 1 si la
voiture est une voiture étrangère. Notre modèle ressemble donc à cela:
Le dernier terme ? correspond au terme d'erreur, qui représente la déviation entre ce que le
modèle prédit et la réalité. Comme précédemment notre but ici va être de déterminer (1) les
variables significatives, c'est à dire voir si les différents coefficients sont différents de 0, (2) la
valeur de la constante alpha et des différents coefficients "beta" qui permettent de minimiser
l'erreur entre notre droite de régression linéaire estimée et les valeurs réelles de Y et enfin (3) la
précision de notre modèle, en utilisant, entre autre, le "R-squared".

Le raisonnement est le même qu'avec seulement une variable, sauf qu'il est difficile de travailler
graphiquement avec plusieurs variables. En effet, une régression linéaire à une variable
explicative peut s'expliquer dans un graphique en 2D (avec en abscisse la variable X et en
ordonnée la variable Y). Lorsque l'on passe à 3 variables explicatives, il faudrait montrer cela
dans un environnement en 4 dimensions (une dimension par variable explicative + une
dimension pour la variable dépendante).

L'introduction d'une variable indicatrice "D 1" ne doit pas vous perturber. Cela permet de travailler
avec des variables qualitatives à la place de variables quantitatives, en codant la variable
qualitative sous la forme binaire (par exemple "homme = 0 et femme = 1). Il s'agit simplement
d'une variable qui permet de voir l'impact de la provenance d'une voiture sur son prix. Par
exemple, et étant donné que D1 = 0 si la voiture est américaine et D1 = 1 si la voiture est
étrangère, une valeur positive du coefficient ?3 signifierait simplement que les voitures étrangères
coûtent en moyenne plus cher que les voitures américaines.

Allez, lançons Stata, et exécutons cette régression.

Etape 1: Tester la significativité des variables. Pour cela, il suffit de regarder le "t-stat" (t) ou bien
la P-value (P>?t?), et comparer ces valeurs à des "valeurs seuils". Pour faire simple, une variable
est significative avec un intervalle de confiance de 95% si son t-stat est supérieur à 1,96 en
valeur absolue, ou bien si sa P-value est inférieure à 0,05. Dans notre exemple, on voit que la
variable "mpg", qui correspond à la consommation en essence de la voiture n'est pas significative
(t-stat trop faible en valeur absolue et P-value trop forte). De plus, l'intervalle de confiance à 95%,
allant de -126.17 à 169.99 comprend la valeur 0. Il est donc impossible de rejeter l'hypothèse ?2 =
0.

Les deux autres variables "weight" et "foreign" sont significatives (t-stat de 5,49 et 5,37 donc
supérieur à la valeur seuil de 1,96). De plus, l'intervalle de confiance ne comprend pas la valeur
0. Pour ?1 par exemple, l'intervalle de confiance permet de dire "je suis sûr à 95% que la valeur
de ?1 se trouve entre 2,20 et 4,72. Le coefficient (=3.467 pour ?1 par exemple) correspond
exactement au milieu de l'intervalle de confiance de la variable.

Mais on fait quoi maintenant qu'on a trouvé que la variable "consommation de la voiture" n'est
pas significative? Et bien on relance la régression, mais en supprimant la variable. En effet, les
résultats de la régression peuvent être modifié par l'inclusion de variables non significatives, et il
est donc préférable d'analyser le résultat d'une régression finale contenant uniquement des
variables significatives. Voici donc le résultat de notre nouvelle régression.
Etape 1 (nouvelle régression): C'est bon, nos deux variables sont significatives (t-stat > 1,96 en
valeur absolue).

Etape 2: Étude des coefficients. La valeur estimée de ?1 est égale à 3,32 et celle de ?3 à 3637.
Comment lire cela? Cela signifie que "toutes choses égales par ailleurs", une voiture pesant une
livre (unité de masse américaine) de plus, coûtera en moyenne 3,32 $ de plus. Même
raisonnement en ce qui concerne l'analyse du coefficient de notre variable indicatrice; "toutes
choses égales par ailleurs", une voiture étrangère coûte en moyenne 3637 dollars de plus qu'une
voiture américaine.

Etape 3: Mais quelle est la précision de notre modèle ? Pour cela, il est possible de regarder le
"R-squared", qui mesure la proportion de la variance de Y (variable dépendante) qui est
expliquée par la variation des toutes les variables explicatives. Le R-squared est par construction
compris entre 0 et 1 ; plus on se rapproche de 1, plus le modèle est précis. Dans notre exemple,
49% de la variation de Y peut-être expliquée par les variations de X 1et D1. En gros, c'est pas mal
mais pas terrible terrible non plus. Il manque en effet de nombreuses variables à notre modèle
pour que celui ci permettent d'estimer avec précision le prix d'une voiture en fonction de ses
caractéristiques.

Il n'existe pas de valeur du R-squared à partir de laquelle le modèle peut-être considéré comme
bon ou mauvais (cela dépend du modèle). Pour donner un ordre d'idée dans cette situation (ne
mettez surtout pas ça dans vos exams d'économétrie), un R-squared proche de 0,8 est signe
d'un bon modèle, tandis que si votre R-square est proche de 0,2 , c'est pas la folie (peut-être pas
mal de variables omises).

Conclusion: Et voilà, en seulement deux articles, vous êtes désormais capable de faire une
analyse économétrique "en coupe instantanée", c'est à dire avec un échantillon à un moment
donné "t" unique. Nous allons voir au prochain article comment procéder dans le cas d'une
analyse en série temporelle, pour étudier les variations d'une variable dans le temps (par
exemple la relation entre le cours du pétrole, le CAC40 et la croissance mondiale entre 2000 et
2012). Et là, ça va se compliquer un peu..

Dossier l'économétrie pour les nuls par le Captain' :

- Chapitre 1 : Introduction

- Chapitre 2 : La régression linéaire

- Chapitre 3 : (en cours de rédaction)