(eBook PDF) Econometrics by Example 2nd Edition

install download

https://ebookluna.com/product/ebook-pdf-econometrics-by-
example-2nd-edition/

Download more ebook from https://ebookluna.com

 Instant digital products (PDF, ePub, MOBI) ready for you
Download now and discover formats that fit your needs...

Your Wish Is My Command: Programming by Example - eBook

PDF

https://ebookluna.com/download/your-wish-is-my-command-programming-by-
example-ebook-pdf/

ebookluna.com

(eBook PDF) Introductory Econometrics: Asia-Pacific 2nd

Edition

https://ebookluna.com/product/ebook-pdf-introductory-econometrics-
asia-pacific-2nd-edition/

ebookluna.com

(eBook PDF) Practical Econometrics by Hilmer

https://ebookluna.com/product/ebook-pdf-practical-econometrics-by-
hilmer/

ebookluna.com

(eBook PDF) Essential Statistics, Regression, and

Econometrics 2nd Edition

https://ebookluna.com/product/ebook-pdf-essential-statistics-
regression-and-econometrics-2nd-edition/

ebookluna.com
(eBook PDF) Essential Statistics, Regression, and
Econometrics 2nd Edition

https://ebookluna.com/product/ebook-pdf-essential-statistics-
regression-and-econometrics-2nd-edition-2/

ebookluna.com

Mathematica by Example 5th Edition Martha L. Abell & James

P. Braselton - eBook PDF

https://ebookluna.com/download/mathematica-by-example-ebook-pdf/

ebookluna.com

(eBook PDF) The Econometrics of Financial Markets 2nd ed.

Edition

https://ebookluna.com/product/ebook-pdf-the-econometrics-of-financial-
markets-2nd-ed-edition/

ebookluna.com

(eBook PDF) Basic Econometrics 5th Edition by Gujarati

https://ebookluna.com/product/ebook-pdf-basic-econometrics-5th-
edition-by-gujarati/

ebookluna.com

Progress in Heterocyclic Chemistry Volume 29 1st Edition -

eBook PDF

https://ebookluna.com/download/progress-in-heterocyclic-chemistry-
ebook-pdf/

ebookluna.com
 CONTENTS

Preface xiii
Acknowledgments xvii
A personal message from the author xx
List of tables xxii
List of figures xxix

Part I: Basics of linear regression

1 The linear regression model: an overview 2

1.1 The linear regression model 2
1.2 The nature and sources of data 5
1.3 Estimation of the linear regression model 6
1.4 The classical linear regression model (CLRM) 8
1.5 Variances and standard errors of OLS estimators 10
1.6 Testing hypotheses about the true or population regression coefficients 11
1.7 R2: a measure of goodness of fit of the estimated regression 13
1.8 An illustrative example: the determinants of hourly wages 14
1.9 Forecasting 19
1.10 The road ahead 19
Exercises 22
Appendix: The method of maximum likelihood (ML) 25
2 Functional forms of regression models 28
2.1 Log-linear, double log or constant elasticity models 28
2.2 Testing validity of linear restrictions 32
2.3 Log-lin or growth models 33
2.4 Lin-log models 36
2.5 Reciprocal models 38
2.6 Polynomial regression models 40
2.7 Choice of the functional form 42
2.8 Comparing linear and log-linear models 43
2.9 Regression on standardized variables 44
2.10 Regression through the origin: the zero-intercept model 46
2.11 Measures of goodness of fit 49
2.12 Summary and conclusions 50
VIII CONTENTS

Exercises 51
3 Qualitative explanatory variables regression models 53
3.1 Wage function revisited 53
3.2 Refinement of the wage function 55
3.3 Another refinement of the wage function 56
3.4 Functional form of the wage regression 59
3.5 Use of dummy variables in structural change 61
3.6 Use of dummy variables in seasonal data 64
3.7 Expanded sales function 66
3.8 Piecewise linear regression 69
3.9 Summary and conclusions 73
Exercises 74

Part II: Regression diagnostics

4 Regression diagnostic I: multicollinearity 80

4.1 Consequences of imperfect collinearity 81
4.2 An example: married women’s hours of work in the labor market 84
4.3 Detection of multicollinearity 85
4.4 Remedial measures 87
4.5 The method of principal components (PC) 89
4.6 Summary and conclusions 92
Exercises 93
5 Regression diagnostic II: heteroscedasticity 96
5.1 Consequences of heteroscedasticity 96
5.2 Abortion rates in the USA 97
5.3 Detection of heteroscedasticity 100
5.4 Remedial measures 103
5.5 Summary and conclusions 110
Exercises 110
6 Regression diagnostic III: autocorrelation 113
6.1 US consumption function, 1947–2000 113
6.2 Tests of autocorrelation 115
6.3 Remedial measures 121
6.4 Model evaluation 126
6.5 Summary and conclusions 129
Exercises 129
7 Regression diagnostic IV: model specification errors 131
7.1 Omission of relevant variables 131
7.2 Tests of omitted variables 135
7.3 Inclusion of irrelevant or unnecessary variables 138
7.4 Misspecification of the functional form of a regression model 139
7.5 Errors of measurement 141
7.6 Outliers, leverage and influence data 142
7.7 Probability distribution of the error term 145
7.8 Random or stochastic regressors 147
 CONTENTS IX

7.9 The simultaneity problem 147

7.10 Dynamic regression models 153
7.11 Summary and conclusions 162
Exercises 163
Appendix: Inconsistency of the OLS estimators of the
consumption function 167 I
Part III: Topics in cross-section data

8 The logit and probit models 170

8.1 An illustrative example: to smoke or not to smoke 170
8.2 The linear probability model (LPM) 171
8.3 The logit model 172
8.4 The language of the odds ratio (OR) 180
8.5 The probit model 181
8.6 Summary and conclusions 184
Exercises 185
9 Multinomial regression models 190
9.1 The nature of multinomial regression models 190
9.2 Multinomial logit model (MLM): school choice 192
9.3 Conditional logit model (CLM) 198
9.4 Mixed logit (MXL) 201
9.5 Summary and conclusions 201
Exercises 203
10 Ordinal regression models 206
10.1 Ordered multinomial models (OMM) 207
10.2 Estimation of ordered logit model (OLM) 207
10.3 An illustrative example: attitudes toward working mothers 209
10.4 Limitation of the proportional odds model 212
10.5 Summary and conclusions 215
Exercises 216
Appendix: Derivation of Eq. (10.4) 218
11 Limited dependent variable regression models 219
11.1 Censored regression models 220
11.2 Maximum likelihood (ML) estimation of the censored regression
model: the Tobit model 223
11.3 Truncated sample regression models 227
11.4 A concluding example 229
11.5 Summary and conclusions 232
Exercises 233
Appendix: Heckman’s (Heckit) selection-bias model 234
12 Modeling count data: the Poisson and negative binomial regression models 236
12.1 An illustrative example 236
12.2 The Poisson regression model (PRM) 238
12.3 Limitation of the Poisson regression model 242
12.4 The Negative Binomial Regression Model (NBRM) 244
X CONTENTS

12.5 Summary and conclusions 244

Exercises 245

Part IV: Time series econometrics

13 Stationary and nonstationary time series 250

13.1 Are exchange rates stationary? 250
13.2 The importance of stationary time series 251
13.3 Tests of stationarity 251
13.4 The unit root test of stationarity 255
13.5 Trend stationary vs. difference stationary time series 258
13.6 The random walk model (RWM) 262
13.7 Summary and conclusions 266
Exercises 267
14 Cointegration and error correction models 269
14.1 The phenomenon of spurious regression 269
14.2 Simulation of spurious regression 270
14.3 Is the regression of consumption expenditure on disposable income
spurious? 271
14.4 When a spurious regression may not be spurious 274
14.5 Tests of cointegration 275
14.6 Cointegration and error correction mechanism (ECM) 276
14.7 Are 3-month and 6-month Treasury Bill rates cointegrated? 278
14.8 Summary and conclusions 280
Exercises 281
15 Asset price volatility: the ARCH and GARCH models 283
15.1 The ARCH model 284
15.2 The GARCH model 290
15.3 Further extensions of the ARCH model 292
15.4 Summary and conclusions 294
Exercises 295
16 Economic forecasting 296
16.1 Forecasting with regression models 296
16.2 The Box–Jenkins methodology: ARIMA modeling 302
16.3 An ARMA model of IBM daily closing prices, 3 January 2000 to
31 October 2002 304
16.4 Vector autoregression (VAR) 310
16.5 Testing causality using VAR: the Granger causality test 315
16.6 Summary and conclusions 319
Exercises 320
Appendix: Measures of forecast accuracy 323

Part V: Selected topics in econometrics

17 Panel data regression models 326

17.1 The importance of panel data 326
17.2 An illustrative example: charitable giving 327
 CONTENTS XI

17.3 Pooled OLS regression of charity function 328

17.4 The fixed effects least squares dummy variable (LSDV) model 330
17.5 Limitations of the fixed effects LSDV model 332
17.6 The fixed effect within group (WG) estimator 333
17.7 The random effects model (REM) or error components model (ECM) 335
17.8 Fixed effects model vs. random effects model 336 I
17.9 Properties of various estimators 339
17.10 Panel data regressions: some concluding comments 339
17.11 Summary and conclusions 340
Exercises 341
18 Survival analysis 344
18.1 An illustrative example: modeling recidivism duration 344
18.2 Terminology of survival analysis 345
18.3 Modeling recidivism duration 348
18.4 Exponential probability distribution 348
18.5 Weibull probability distribution 351
18.6 The proportional hazard model 353
18.7 Summary and conclusions 355
Exercises 356
19 Stochastic regressors and the method of instrumental variables 358
19.1 The problem of endogeneity 359
19.2 The problem with stochastic regressors 360
19.3 Reasons for correlation between regressors and the error term 363
19.4 The method of instrumental variables 367
19.5 Monte Carlo simulation of IV 369
19.6 Some illustrative examples 370
19.7 A numerical example: earnings and educational attainment of
youth in the USA 373
19.8 Hypothesis testing under IV estimation 378
19.9 Test of endogeneity of a regressor 379
19.10 How to find whether an instrument is weak or strong 381
19.11 The case of multiple instruments 381
19.12 Regression involving more than one endogenous regressor 384
19.13 Summary and conclusions 385
Exercises 387
20 Beyond OLS: quantile regression 390
20.1 Quantiles 391
20.2 The quantile regression model (QRM) 392
20.3 The quantile wage regression model 392
20.4 Median wage regression 396
20.5 Wage regressions for 25%, 50% and 75% quantiles 397
20.6 Test of coefficient equality of different quantiles 400
20.7 Summary of OLS and 25th, 50th (median) and 75th quantile
regressions 401
20.8 Quantile regressions in Eviews 8 402
20.9 Summary and conclusions 403
XII CONTENTS

Exercises 404
Appendix: The mechanics of quantile regression 405
21 Multivariate regression models 407
21.1 Some examples of MRMs 407
21.2 Advantages of joint estimation 408
21.3 An illustrative example of MRM estimation with the same
explanatory variables 409
21.4 Estimation of MRM 410
21.5 Other advantages of MRM 413
21.6 Some technical aspects of MRM 414
21.7 Seemingly Unrelated Regression Equations (SURE) 417
21.8 Summary and conclusions 419
Exercises 422
Appendix 424

Appendices

1 Data sets used in the text 425

2 Statistical appendix 436
A.1 Summation notation 436
A.2 Experiments 437
A.3 Empirical definition of probability 438
A.4 Probabilities: properties, rules, and definitions 439
A.5 Probability distributions of random variables 439
A.6 Expected value and variance 442
A.7 Covariance and correlation coefficient 444
A.8 Normal distribution 445
A.9 Student’s t distribution 446
A.10 Chi-square (2) distribution 447
A.11 F distribution 447
A.12 Statistical inference 448
Exercises 451
Exponential and logarithmic functions 455

Index 460
 PREFACE

The primary objective of this second edition of Econometrics by Example, as in the

first edition, is to introduce the fundamentals of econometrics without complicated
mathematics and statistics. The emphasis throughout the book is on explaining
basic econometric theory with several worked examples using data from a variety
of fields. The intended audience is undergraduate students in economics, business,
marketing, finance, operations research and related disciplines. It is also intended
for students in MBA programs and for researchers in business, government and
research organizations.

Major features
◆ In-depth examples illustrate major concepts in econometrics.
◆ Wherever essential, I have included figures and computer outputs from software
packages, such as Eviews (version 8), Stata (version 12) and Minitab (version 16).
◆ The data used in illustrative examples and in the exercises are posted on the book’s
website.
◆ Some of the exercises included are for classroom assignment.
◆ A full list of the data sets and the descriptions of the variables used in analysis is
provided in Appendix 1.
◆ Appendix 2 provides the basics of statistics that are necessary to follow this book.

New for the second edition

◆ There are two brand new chapters on quantile regression modeling and multi-
variate regression models. Two further chapters on hierarchical linear regression
models and bootstrapping are available on the book’s website.
◆ There are new illustrated examples in several chapters.
◆ I have considerably expanded the data-based exercises. In all there are about 70
data-based examples and exercises.
The book is now divided into five parts.
Part I discusses the classical linear regression model, the workhorse of economet-
rics, in considerable detail. These chapters form the foundation for the rest the
book. Some of the new topics discussed relate to the regression through the origin,
XIV PREFACE

or zero-intercept model, which is illustrated by the well-known capital asset pricing

model (CAPM) of financial theory, using UK stock market data. Another topic
included is the piecewise linear regression, in which linear segments of a regression
line are joined at certain break points, known as knots.
Part II examines critically the assumptions of the classical linear regression
model. Specifically, we discuss the topics of multicollinearity, heteroscedasticity,
autocorrelation, and model specification errors. We also discuss the topics of simul-
taneous equation bias and dynamic regression models. All these topics are discussed
with concrete economic data, some of which are new to this edition. The chapter
on heteroscedasticity discusses some technical aspects of robust standard errors and
introduces the concepts of the heteroscedastic robust t statistic and heteroscedastic
robust Wald statistic. The chapter on autocorrelation discusses both the standard
and alternative Durbin tests of autocorrelation. It also discusses the limitations of the
popularly used Jarque–Bera test of normality in small samples. Several data-based
exercises are added in this part.
Part III deals with what are known as the Generalized Linear Models (GLM). As
the name indicates, they are generalizations of the classical linear regression model.
Recall that the classical model assumes that the dependent variable is a linear func-
tion of the regression parameters, that it is continuous, that it is normally distributed,
and that it has a constant variance. The assumption of normal distribution for the
error term is for obtaining the probability distributions of the regression coefficients
and for the purpose of hypothesis testing. This assumption is very crucial in small
samples.
GLMs are useful in situations where the mean of the dependent variable is a non-
linear function of the regression parameters, the dependent variable is not normally
distributed, and the error variance may be non-constant. The GLMs discussed in this
part are: logit and probit models, multinomial regression models, ordinal regression
models, limited dependent variable regression models, and models of count data
using Poisson and negative binomial regression models. All these models are illus-
trated with several concrete examples
Some chapter specific changes include a discussion of the odds ratios in logit and
probit models and the bivariate probit model that involves two yes/no type depen-
dent variables that may be correlated. Chapter 11, on limited dependent variable
regression models, includes a discussion of Heckman’s sample selection model,
popularly known as the Heckit model. This part of the text includes several new
exercises, including a project for classroom assignment.
Part IV discusses several topics frequently encountered in time series data. The
concepts of stationary and nonstationary time series, cointegrated time series, and
asset price volatility are illustrated with several sets of economic and financial data.
The topic of economic forecasting is of great interest to business and economic fore-
casters. Various methods of forecasting are discussed and illustrated. As in the other
parts of this text, new examples and exercises are interspersed throughout this part
of the book.
Part V, which includes two chapters that are new to this edition, deals with some
advanced topics in econometrics.
Chapter 17 on panel data regression models shows how one can study the behav-
ior of cross-sectional units (e.g. firms in a given industry) over a period of time and
some of the estimation problems in such an analysis. One example is the impact of
 PREFACE XV

income and beer tax on the sales of beer in 50 US states and Washington, DC, over
the period 1985–2000.
Chapter 18 on survival analysis considers the time until an event occurs, such
as the time until an unemployed worker finds employment, the time that a patient
diagnosed with leukemia survives until death, and the time between divorce and
remarriage. We discuss in this chapter how econometric techniques handle these I
situations.
Chapter 19 on stochastic regressors and the method of instrumental variables
addresses a thorny problem in regression analysis, which is the correlation between
the regression error term and one or more explanatory variables in the model. If such
a correlation exists, the OLS estimates of the regression parameters are not even
consistent; that is, they do not converge to their true values, no matter how large
the sample is. Instrumental, or proxy, variables are designed to solve this problem.
The instrumental variables (IV) must satisfy two criteria: First, they must be highly
correlated with the variables for which they are a proxy but are not correlated with
the error term. Second, the IVs themselves must not be possible explanatory vari-
ables in their own right in the model for which they are acting as instruments. These
requirements are often not easy to meet, but in some situations IVs can be found.
Chapter 20 on quantile regression (QR) is new to this edition. Unlike the OLS focus
on estimating the mean value of the dependent variable in relation to one or more
explanatory variables, QR looks at the entire (probability) distribution of a random
variable by dividing the distribution into various segments, such as deciles, quartiles,
and percentiles. In skewed distributions or in distribution with several outliers, it
may be better to estimate the median of the distribution rather than the mean, for
the latter may be affected by outlying or extreme observations. In this chapter, I show
how QR estimates various quantiles and some of the merits of examining the whole
distribution. As a concrete example, we revisit the wage data and related variables
discussed in Chapter 1.
Chapter 21 on multivariate regression models (MRM) is also new to this edition.
MRMs are useful in situations in which we have more than one dependent variable
but each dependent variable has the same explanatory variables. An example is the
scholastic aptitude test (SAT) ,which most high school students in the US take. It has
two components: verbal and quantitative skills. One can estimate an OLS regression
of the test score on each skill separately, but it may be advantageous to estimate them
jointly, for the variables that affect each test scores are the same. It is thus quite likely
that the scores on the two tests are correlated. Therefore, joint estimation of the two
scores that takes into account the possible correlation between them will produce
estimators that are more efficient than if they are estimated separately by OLS.
However, if the errors are not correlated, joint estimation has no advantage over OLS
estimation of each equation singly.
A broader class of MRM is the seemingly unrelated regressions equations (SURE).
A classic example is the investment functions of several different companies in the
same industry group. Since these companies face a common regulatory atmosphere,
the investment decisions made by the individual companies may be estimated more
efficiently if we estimate them jointly rather than estimating each equation singly,
because it is quite likely that the error terms in individual regressions are correlated.
Note that, unlike the SAT example, in which the same individual takes both the
verbal and quantitative part of the SAT examination, in SURE that is not the case. In
XVI PREFACE

addition, in SURE the explanatory variables may be different for different companies.
Interestingly, if each company has identical explanatory variables, each taking identi-
cal values across every company, SURE estimates will be identical to those obtained
by estimating an OLS regression for each company individually. Also, if the error
terms across equations are not correlated, joint estimations of the equations has no
advantage over individual OLS estimation of each equation.

Companion website
The book’s companion website can be found at www.palgrave.com/companion/
gujarati-econometrics-by-example-2e/ and includes sources for both students and
instructors.
For the student, there are chapter summaries and conclusions, and all data sets in
Excel and Stata formats. Students are encouraged to use these data in several end-of-
chapter exercises to practice applying what they have learned to different scenarios.
A password-protected lecturers’ zone includes a collection of PowerPoint pre-
sentations that correspond to each chapter, and a Solution Manual with solutions to
all the end-of-chapter exercises. Because of their specialized nature, I have put two
additional chapters on the book’s website for those lecturers who wish to use them in
teaching: Chapter 22, Elements of hierarchical linear regression models, also known
as multilevel linear regression analysis (MLR), and Chapter 23, Bootstrapping: learn-
ing from the sample.

Hierarchical linear regression models

The primary objective of MLR is to predict the values of some dependent variable
as a function of explanatory variables at more than one level. A frequently studied
example is a child’s score on a standardized reading examination. It is influenced by
the characteristics of the child (e.g. the amount of study time) as well as features of
the child’s classroom (e.g. class size). This is a two-level analysis. If we include the
type of school, parochial or non-parochial, in the analysis, it would be a three-level
analysis. The actual level at which the analysis is done depends on the type of the
problem studied, availability of the data and computing facilities. As you can imag-
ine, the analysis becomes quickly more complex if we study a problem at many levels.
The point of this example is that we must consider the context in which the anal-
ysis is done. That is why MLR models are also known as contextual models. The
standard classical linear regression model is not adequate to deal with such multilev-
el analyses. The chapter on MLR explains the reasons for this and shows how such
multilevel regression models are estimated and interpreted.

Bootstrapping
In the classical linear regression model with the added assumption that the regression
error term is normally distributed we were able to estimate the parameters of the mod-
el, estimate their standard errors and establish confidence interval for the true param-
eter values. But what happens if the normality assumption is not valid or we have a
sample whose true population is unknown to us? In the chapter on bootstrapping, we
show how we can obtain the estimators of the parameters of interest, their standard
errors and the confidence intervals based on the computed standard errors.
 ACKNOWLEDGEMENTS

In preparing the second edition of Econometrics by Example, I have received invalu-

able help from Inas Kelly, Associate Professor of Economics, Queens College of
the City University of New York, and Professor Michael Grossman, Distinguished
Professor of Economics at the Graduate Center of the City University of New York.
I am indebted to them. I am also grateful to the following reviewers for their very
helpful comments and suggestions.

Reviewers of the first edition:

◆ Professor Michael P. Clements, University of Warwick
◆ Professor Brendan McCabe, University of Liverpool
◆ Professor Timothy Park, University of Georgia
◆ Professor Douglas G. Steigerwald, University of California Santa Barbara
◆ Associate Professor Heino Bohn Nielsen, University of Copenhagen
◆ Assistant Professor Pedro André Cerqueira, University of Coimbra
◆ Doctor Peter Moffatt, University of East Anglia
◆ Doctor Jiajing (Jane) Sun, University of Liverpool

Reviewers of the second edition:

◆ Professor Genaro Sucarrat, Norwegian Business School
◆ Doctor Jouni Sohkanen, University of St. Andrews
◆ Doctor Jin Suk Park, Durham University
◆ Professor Linus Yamane, Pitzer College
◆ Professor Doctor Horst Rottman, University of Applied Sciences Amberg Weiden
◆ Associate Professor Paul Solano, University of Delaware
◆ Professor Anh Nguyen, Ichec Brussels Management School
◆ Professor Frank J. Fabozzi, EDHEC Business School
◆ Professor Robert Duval, University of West Virginia
◆ Professor Robert Bickel, Marshall University
◆ Professor Nicholas Stratis, Florida State University
◆ Professor Giovanni Urga, Cass Business School and Bergamo University
XVIII ACKNOWLEDGEMENTS

and to the other anonymous reviewers whose comments were invaluable. Of course,
I alone am responsible for any errors that remain.
I am grateful to Jaime Marshall, Managing Director at Palgrave Macmillan Higher
Education for initiating this book and to Lauren Zimmerman, Development Editor
at Palgrave Macmillan, for her very constructive suggestions and for her meticulous
attention to detail in the preparation of the second edition. In addition, I am thankful
to Aléta Bezuidenhout and Amy Grant for their behind-the-scenes help.

The author and publishers are grateful to the following for kindly granting their
permission:
◆ Doctor Laurits R. Christensen and Doctor Douglas W. Caves for Table 21.6
Estimate of SURE airlines cost functions.
◆ Doctor Singfat Chu for Table 3.20 Diamond pricing.
◆ Professor Philip Cook for Table 17.11 The effect of beer tax on beer sales in 50 US
states and Washington DC, 1985–2000.
◆ Elsevier for Table 19.15 David Card’s OLS and IV wage regressions.
◆ Professor Ray Fair for Table 11.7 Data on extramarital affairs.
◆ Professor Philip Hans Franses, Professor Christiaan Heij, and Oxford University
Press for Table 8.13 Direct marketing of investment product.
◆ Edward W. Frees for Table 17.1 Charitable giving.
◆ Professor Jeremy Freese, Professor J. Scott Long and Stata Press for Table 12.7
Productivity of scholars.
◆ Professor James W. Hardin, Professor Joseph M. Hilbe and Stata Press for Table
8.12 Heart attack within 48 hours of myocardial infarction onset.
◆ John Wiley & Sons for: Table 7.22 Family planning, social setting, and decline in
birth rate in 20 Latin American countries, 1965–1975; the data used in Exercise
8.8; Table 8.9 The number of coupons redeemed and the price discount; Table
12.1 Data on R&D expenditure for 181 firms.
◆ Professor Leo Kahane for Table 5.1 Data on abortion rates in 50 US states for 1992.
◆ McGraw-Hill for the data used in Exercise 12.5.
◆ Professor Michael J. Kahn for Table 1.5 Data on 654 Boston youth.
◆ MIT Press for: Table 8.1 Data on smoking and other variables; Table 18.1
Modeling recidivism.
◆ Professor Tom Mroz for Table 4.4/Table 11.1 Married women’s hours of work and
related data.
◆ Professor Alicia Munnell for Table 17.9 Role of public investment in productivity
growth in 48 US states.
◆ NORC at the University of Chicago for the General Society Survey data used in
Exercise 9.1.
◆ Norton Company for Table 7.8 Consumption of cigarettes and death from lung
cancer.
◆ Professor Alan Reifman for Table 8.14 President Clinton’s impeachment trial.
 ACKNOWLEDGEMENTS XIX

◆ Professor Germán Rodríguez for the data used in Exercise 9.3.

◆ Sage Publications for the results reproduced in Exercise 8.8.
◆ Professor Allen L. Shoemaker for Table 3.21 Body temperature and heart rate.
◆ Professor C. F. Sirman, J. Shilling, U. Dhillon and John Wiley & Sons for Table 8.10
Fixed vs. adjustable rate mortgages.
I
◆ Standard and Poor for Table 10.8 Data on credit ratings of 92 US companies.
◆ Stata Press for Figure 19.1.
◆ Thomson Reuters DataStream for Table 2.15 CAPM of the UK stock market.
◆ Transparency.org and the World Bank for Table 2.18 GDP and corruption index.
◆ The UCLA IDRE Statistical Consulting Group for: Table 8.11 Admission to gradu-
ate school; Table 9.9 High school students’ curriculum choice; Table 12.8 Poisson
model of student absenteeism.
◆ The World Bank for Table 2.19 Fertility and related data for 64 countries.
 A PERSONAL MESSAGE FROM
THE AUTHOR

Dear student,
First, I am thankful to the students and teachers who used the first edition of
Econometrics by Example (EBE). Encouraged by their helpful comments and
suggestions, I have now written the second edition. It retains the user-friendly and
example-oriented approach to econometrics of the first edition. The changes I have
incorporated in this edition relate to some expository refinements of the topics cov-
ered in the first edition. I have added two new chapters in this edition and have put
two additional chapters on the book’s website. I have added several data-based new
exercises to the new edition.
As noted in the first edition, econometrics is no longer confined to economics
departments. Econometric techniques are used in a variety of fields, such as finance,
law, political science, international relations, sociology, psychology, medicine, and
agricultural science. Some techniques specifically developed for solving economic
problems have now found use in several of these disciplines. Newer econometric
techniques to address specific economic situations and refinements of old econo-
metric techniques are what keep the econometrics field an active field of study.
Students who acquire a thorough grounding in econometrics have a head start in
making careers in these areas. Major corporations, banks, brokerage houses, gov-
ernments at all levels, and international organizations like the IMF and the World
Bank employ a vast number of people who can use econometrics to estimate demand
functions and cost functions, and to conduct economic forecasting of key national
and international economic variables. There is also a great demand for econometri-
cians by colleges and universities all over the world.
There are now several textbooks that discuss econometrics from very elementary
to very advanced levels to help you along the way. I have contributed to this growing
industry with two introductory and intermediate level texts and this third book based
on a clear need for a new approach. Having taught econometrics for several years at
both undergraduate and graduate levels in Australia, India, Singapore, the USA, and
the UK, I came to realize that there was clearly a need for a book that explains this
often-complex discipline in straightforward, practical terms by considering several
interesting examples, such as charitable giving, fashion sales, pricing of diamond
stones, and exchange rates, in depth. This need has now been met with Econometrics
by Example.
What has made econometrics even more exciting to study these days is the
availability of user-friendly software packages. Although there are several software
packages, in this book I primarily use Eviews and Stata, as they are widely available
 A PERSONAL MESSAGE FROM THE AUTHOR XXI

and easy to get started with. Student versions of these packages are available at rea-
sonable cost and I have presented outputs from them throughout the book so you
can see the results of the analysis very clearly.
I have also made this text easy to navigate by dividing it into five parts, which are
described in detail in the Preface. Each chapter follows a similar structure, ending
with a summary and conclusions section to draw together the main points in an I
easy-to-remember format. I have put the data sets used in the examples in the book
up on the companion website, which you can find at www.palgrave.com/compan-
ion/gujarati-econometrics-by-example-2e/. Several data archives maintained by
academic journals and universities provide researchers a vast amount of data for
further research.
I hope you enjoy my hands-on approach to learning and that this textbook will be
a valuable companion to your further education in economics and related disciplines
and your future career.
I would welcome any feedback on the text; please contact me via my email address
on the companion website. Such feedback is extremely valuable to me in planning
future editions of this book.
 LIST OF TABLES

Tables marked with an * are available on the companion website: www.palgrave.com/companion/

gujarati-econometrics-by-example-2e/
Table 1.1 Wages and related data*
Table 1.2 Wage regression 15
Table 1.3 Stata output of the wage function 17
Table 1.4 The AOV table 17
Table 1.5 Data on 654 Boston youth*

Table 2.1 Production data for the USA, 2005*

Table 2.2 Cobb–Douglas function for USA, 2005 30
Table 2.3 Linear production function 31
Table 2.4 Cobb–Douglas production function with linear restriction 33
Table 2.5 Data on real GDP USA, 1960–2007*
Table 2.6 Rate of growth of real GDP, USA 1960–2007 35
Table 2.7 Trend in real US GDP, 1960–2007 36
Table 2.8 Food expenditure and total expenditure for 869 US households in 1995*
Table 2.9 Lin-log model of expenditure on food 38
Table 2.10 Reciprocal model of food expenditure 39
Table 2.11 Polynomial model of US GDP, 1960–2007 41
Table 2.12 Polynomial model of log US GDP, 1960–2007 42
Table 2.13 Summary of functional forms 43
Table 2.14 Linear production function using standardized variables 45
Table 2.15 CAPM of the UK stock market, monthly data for 1980–1999*
Table 2.16 Market model of the UK stock market 48
Table 2.17 The market model with intercept 48
Table 2.18 GDP and corruption index*
Table 2.19 Fertility and related data for 64 countries*

Table 3.1 A model of wage determination 54

Table 3.2 Wage function with interactive dummies 56
Table 3.3 Wage function with differential intercept and slope dummies 57
Table 3.4 Reduced wage function 58
Table 3.5 Semi-log model of wages 61
Table 3.6 Gross private investment and gross private savings, USA, 1959–2007*
Table 3.7 Regression of GPI on GPS, 1959–2007 62
Table 3.8 Regression of GPI on GPS with 1981 recession dummy 63
 LIST OF TABLES XXIII

Table 3.9 Regression of GPI on GPS with interactive dummy 63

Table 3.10 Quarterly retail fashion sales 1986-I–1992-IV*
Table 3.11 Results of regression (3.10) 65
Table 3.12 Sales, forecast sales, residuals, and seasonally adjusted sales 67
Table 3.13 Expanded model of fashion sales 68
Table 3.14 Actual sales, forecast sales, residuals, and seasonally adjusted sales 69 I
Table 3.15 Fashion sales regression with differential intercept and slope dummies 70
Table 3.16 Hypothetical data on production lot size and average cost (AC,$) 72
Table 3.17 Relationship between average cost and lot size 72
Table 3.18 Lot size and average cost relationship disregarding the threshold value 73
Table 3.19 Effects of ban and sugar consumption on diabetes*
Table 3.20 Diamond pricing*
Table 3.21 Body temperature, gender, and heart rate*
Table 3.22 A sample of 528 wage earners*

Table 4.1 The effect of increasing r23 on the variance of OLS estimator b2 82
Table 4.2 Hypothetical data on expenditure, income, and wealth for 10 consumers 83
Table 4.3 Regression results (t values in parentheses) 83
Table 4.4 Mroz data on married women’s hours of work*
Table 4.5 Women’s hours worked regression 85
Table 4.6 The VIF and TOL factors 87
Table 4.7 Revised women’s hours worked regression 88
Table 4.8 VIF and TOL for coefficients in Table 4.7 89
Table 4.9 Principal components of the hours-worked example 90
Table 4.10 Principal components regression 91
Table 4.11 Manpower needs of the US Navy*
Table 4.12 Data on blood pressure and related variables for 20 patients*
Table 4.13 Longley classic data*

Table 5.1 Data on abortion rates in the 50 US states for 1992*

Table 5.2 OLS estimation of the abortion rate function 98
Table 5.3 The Breusch–Pagan test of heteroscedasticity 101
Table 5.4 Abridged White test 103
Table 5.5 Transformed Eq. (5.1) 104
Table 5.6 Logarithmic regression of the abortion rate 105
Table 5.7 Robust standard errors of the abortion rate regression 106
Table 5.8 Heteroscedasticity-corrected robust standard errors of the wage function 109
Table 5.9 Heteroscedasticity-corrected robust standard errors of the hours function 109
Table 5.10 GDP growth rate and related data for 106 countries*
Table 5.11 Data for 455 US manufacturing industries, 1994*

Table 6.1 US consumption function, 1947–2000*

Table 6.2 Regression results of the consumption function 114
Table 6.3 BG test of autocorrelation of the consumption function 120
Table 6.4 First difference transform of the consumption function 122
Table 6.5 Transformed consumption function using = 0.3246 124
Table 6.6 HAC standard errors of the consumption function 125
Table 6.7 Autoregressive consumption function 126
XXIV LIST OF TABLES

Table 6.8 BG test of autocorrelation for autoregressive consumption function 127

Table 6.9 HAC standard errors of the autoregressive consumption function 128
Table 6.10 Housing starts and related data for USA, 1973–2011*

Table 7.1 Determinants of hourly wage rate 133

Table 7.2 Expanded wage function 133
Table 7.3 Refinement of the wage model 134
Table 7.4 RESET test of the wage model 136
Table 7.5 The LM test of the wage model 137
Table 7.6 Regression of experience on age 139
Table 7.7 Determinants of log of wages 140
Table 7.8 Consumption of cigarettes and death rate from lung cancer in 11 countries 143
Table 7.9 Deaths from lung cancer and consumption of cigarettes (all countries) 143
Table 7.10 Deaths from lung cancer and consumption of cigarettes (USA excluded) 144
Table 7.11 Calculated p-value equivalents to true alpha levels at given sample sizes 146
Table 7.12 Aggregate consumption function for the USA, 1960–2009*
Table 7.13 Reduced form regression of PCE on GDPI 151
Table 7.14 Reduced form regression of income on GDPI 151
Table 7.15 OLS results of the regression of PCE on income 152
Table 7.16 OLS results of regression (7.22) 157
Table 7.17 Results of regression with robust standard errors 157
Table 7.18 The results of regression (7.23) using HAC standard errors 158
Table 7.19 OLS estimates of model (7.26) 161
Table 7.20 OLS estimates of model (7.26) with HAC standard errors 161
Table 7.21 Cigarette smoking and deaths from various types of cancer in 43 US states and
Washington, DC, 1960*
Table 7.22 Family planning, social setting, and decline in birth rate in 20 Latin American
countries, 1965–1975 165

Table 8.1 Data on smoking and other variables*

Table 8.2 LPM model of to smoke or not to smoke 171
Table 8.3 Logit model of to smoke or not to smoke 176
Table 8.4 The effect of a unit change in the mean value of the explanatory variables on the
probability of smoking 178
Table 8.5 The logit model of smoking with interaction 179
Table 8.6 Odds ratios for smoking versus non-smoking 181
Table 8.7 Probit model of smoking 182
Table 8.8 The probit model of smoking with interaction 183
Table 8.9 The number of coupons redeemed and the price discount 185
Table 8.10 Fixed vs. adjustable rate mortgages*
Table 8.11 Admission to graduate school*
Table 8.12 Heart attack within 48 hours of myocardial infarction onset*
Table 8.13 Direct marketing of an investment product*
Table 8.14 President Clinton’s impeachment trial*

Table 9.1 Data on school choice*

Table 9.2 Multinomial logistic model of school choice 195
Table 9.3 Raw data for mode of travel*
Other documents randomly have
different content
Prussiens, ou Pruczi, ou Borussiens, s’obstinait dans son idolâtrie, et devait
s’y obstiner pendant des siècles encore? Oui, il en fut ainsi. Les dieux
proscrits, réfugiés sur les rives de l’Oder et de la Sprée, revenaient de là,
vous le comprenez bien, visiter leurs anciens sectateurs. Ainsi se
continuèrent sans fin dans les bas-fonds du monde allemand les croyances
mythologiques.... Vous le voyez, monsieur, je suis rentré chez moi.»
Achevons rapidement cette première partie de notre tâche pour arriver
enfin à la mythologie moderne, populaire, non moins curieuse, non moins
étrange que l’autre.
Pendant la durée du moyen âge, l’Allemagne s’était hérissée de burgs, de
donjons féodaux surmontés d’un casque et d’une croix; la croix s’élevait à
l’encoignure de toutes les rues de ses villes, dans tous les carrefours de ses
campagnes; les plus belles basiliques du monde, d’innombrables couvents
se miraient dans les eaux de son fleuve, et cependant au sein de ses
campagnes, de ses villes, le long des rivages de son fleuve, les faux dieux
pullulaient encore.
Instruit par l’Église à ne plus les regarder que comme des démons, le
peuple n’osait leur faire un mauvais accueil. Les démons ne sont pas des
hôtes avec lesquels on puisse rompre trop brusquement.
«Dès le huitième siècle du christianisme, dit un de nos savants
fournisseurs, les Saxons et les Sarmates, entendant les missionnaires leur
parler sans cesse de la puissance redoutable du démon, crurent prudent de
lui offrir un culte secret pour le désarmer et même se le rendre favorable. Ils
l’appelaient le dieu noir ou Tybilinus; les Allemands l’appellent encore
aujourd’hui Dibel ou Teufel.»
Eh bien, le dieu noir devint pour les peuples germaniques le chef
d’armée de leurs dieux proscrits, armée qui devait encore se grossir de plus
en plus.
Les princes, les chevaliers, suivis de leurs vassaux, partaient en foule
pour la croisade; mais de la croisade, mais de l’Orient, princes et vassaux,
en même temps que de saintes reliques, rapportaient la tradition des
gnomes, des péris et des ondines.
Irrité de ne plus être dieu, le Rhin, pour se venger des seigneurs évêques,
accueillait ces derniers venus comme il avait fait de leurs devanciers. Dans
ses eaux régénératrices, les ondines se mêlaient aux tritons et aux naïades;
les gnomes s’abritaient sous ses rochers, où ils faisaient bon ménage avec
les nains, et au crépuscule du soir, les nymphes, les elfes, les dryades
recommençaient à danser sur ses rivages avec les sylphes, les fées et les
péris.

Sans doute, pour l’Allemagne chrétienne ce fut là plus tard moins une
affaire de conscience qu’un aliment à l’imagination; mais dans ce bon pays,
à la fois croyant et rêveur, où les paroles des poëtes sont paroles d’évangile,
l’imagination domine facilement la conscience, et la recherche de la petite
fleur bleue en égara plus d’un, même parmi les doctes, dans des sentiers
quasi-sataniques. D’ailleurs il est dans l’essence de l’esprit allemand,
toujours tourné vers l’idéalité, son pôle magnétique, d’opposer au culte
officiel un autre culte plus intime, plus mystérieux.
Il en était ainsi au quatorzième et au quinzième siècle; il en est encore
ainsi au dix-neuvième, surtout parmi le peuple des campagnes, qui, durant
son passage à travers les temps de sorcellerie, où Tybilinus dominait
presque exclusivement, a complétement modifié ses croyances païennes, et
transporté son Olympe sur le Broken, la montagne du Sabbat.
Voyons maintenant ce que sont devenus, parmi les habitants des bords du
Rhin, leurs anciens dieux et demi-dieux de toutes les paroisses.
 XI

XI
Esprits élémentaires de l’air, du feu et de la terre.—Des Sylphes, de leurs
divertissements et de leurs usages domestiques.—La petite reine Mab.—Les Follets.—
Elfes clairs et Elfes noirs.—Véritable cause du somnambulisme naturel.—La fiancée
du vent.—Le Feu-Grisou.—Maître Hœmmerling.—Le dernier Gnome.

Répétons-le, si nous ne l’avons pas dit encore assez clairement, en

Allemagne, les mœurs, les coutumes, les croyances, les choses du préjugé,
comme celles de l’art et de la science même, ont un commencement et
n’ont pas de fin. Dans cette vieille terre du mysticisme et de la philosophie,
tout s’implante à jamais, tout s’y perpétue, comme les chênes séculaires de
l’antique Hercynie; le vieil arbre abattu, à défaut de sa tige, y verdit encore
çà et là par ses rejets et ses surgeons. Le druidisme lui-même s’y est
perpétué. Nous l’avons vu combattre contre les dieux de Rome; il a
combattu de même contre le christianisme avec Witikind; il se cachait dans
les rangs des premiers iconoclastes ou briseurs d’images; au milieu de cette
vaste contrée, soumise enfin, et dévouée tout entière au catholicisme, on a
pu le voir ressusciter tout à coup aux premières lueurs de la Réforme.
Luther fut encore un druide.
Grâce à cette ténacité de croyances, dans ce bienheureux sol prolifique,
tout ce qui semble avoir disparu n’a fait que se modifier, tout ce qui est
mort ressuscite sous une forme ou sous une autre.
Prouvons-le.
De tous ces dieux déjà mentionnés par nous, ceux qu’on aurait pu croire
à jamais oubliés, balayés par le vent, qu’ils avaient eu la prétention de
suppléer, ou retombés dans la poussière à laquelle ils paraissaient faire
concurrence, c’étaient, certes, ces petits dieux microscopiques dont nous
avons parlé tout d’abord.
Il n’en était rien. Ne représentaient-ils pas de fait les esprits élémentaires
par excellence? et le culte des éléments persista en dépit des autres cultes
qui le frappaient de réprobation.
Seulement, ces dieux atomes, quoique restés bien petits, bien petits,
s’étaient, relativement à leur ténuité première, développés d’une manière
considérable; ils avaient même pris une forme et un corps, un corps visible,
une forme non dépourvue de grâces.
Ils étaient devenus les Alps ou Alfs, connus plus tard sous leur
dénomination orientale de Sylphes.
Il arrivait autrefois que le voyageur attardé, le paysan ou le bûcheron
revenant d’une noce vers la tombée de la nuit, avaient cette chance heureuse
de rencontrer dans une clairière du bois ou sur les bords d’un ruisseau, une
troupe de lutins s’ébattant au milieu des clartés crépusculaires.
 C’étaient les Sylphes, ce petit peuple de l’air, qui volaient par essaims,
faisant leur nid d’une fleur ou de quelques brins de mousse au pied d’un
genêt, ne sortant que le soir pour aller se visiter réciproquement et remplir
leurs devoirs de société et de bon voisinage.
Si le voyageur, le bûcheron ou le paysan avait doucement marché sur le
sable du ruisseau ou dans un sentier herbeux qui amortit le bruit de ses pas,
s’il s’était arrêté à temps pour bien voir sans être vu, alors il pouvait assister
à leurs divers exercices, et, témoin ignoré, pénétrer les secrets de leur vie
intime.
Avez-vous, lecteur, dans le Roméo de Shakspeare, entendu Mercutio
raconter la venue de la petite reine Mab?

O then, I see, queen Mab hath been with you.

«Son char est fait d’une coquille de noisette finement évidée; les longues
pattes d’un faucheux ont fourni les rayons de ses roues; le manche de son
fouet est un os de grillon, et son postillon un petit moucheron vêtu de gris.»
 Eh bien, le paysan, le bûcheron ou le voyageur jouissait d’un spectacle
non moins curieux.
Parmi nos Sylphes, les uns, suspendant un fil de la Vierge entre deux
brins d’herbe, se livraient au plaisir de l’escarpolette ou se faisaient un
hamac d’une toile d’araignée; les autres dansaient en tourbillonnant dans
l’air avec un harmonieux bruissement d’ailes qui, pour eux, servait
d’orchestre à ce bal aérien. Non loin de là, les petites dames sylphides, en
bonnes ménagères, lavaient leur linge dans un rayon de la lune ou
préparaient le repas commun.
C’était un léger mélange du miel extrait du nectaire des fleurs, quelques
gouttes de lait recueillies sur les hautes herbes touchées en passant par les
mamelles pendantes des génisses, quelques perles de cette précieuse rosée
sécrétée par les plantes aromatiques, le tout servant d’assaisonnement à des
œufs de papillon, et battu en neige.
Si, durant le repas, d’épaisses ténèbres enveloppaient tout à coup les
convives, d’autres lutins, les Follets, aux ailes de feu, venaient prendre
place à leur table hospitalière, payant leur écot par la clarté qu’ils
répandaient autour d’eux.
La principale occupation de ceux-ci consistait à marcher devant le
voyageur égaré, afin de le remettre dans sa route.
Tels étaient alors les esprits inoffensifs de l’air et du feu. Tout a bien
changé de ce côté: depuis que des méchants ont fait courir le bruit qu’ils ne
sont que le produit d’une combustion de gaz hydrogène ou de la présence
du phosphore tenu en dissolution dans les terrains humides, les Feux-
Follets, prenant les hommes en haine, ne se montrent plus aux voyageurs
que pour les entraîner dans les ravines et les marécages.
Quant aux Sylphes (Alps ou Alfs), soit que de mauvais propos aient été
de même tenus sur eux,
 La danse des Elfes.

soit que le chimiste Liébig, dans son Traité sur la composition de l’air, ait
étourdiment nié leur existence parce qu’il n’avait trouvé ni Sylphes ni
Sylphides au fond de son appareil, subissant une troisième transformation,
ils sont devenus les Elfes perfides, également ennemis des hommes.
Les Elfes aujourd’hui se divisent en deux classes, toutes deux
redoutables.
 Nymphes errantes à travers les prairies et les bois, comme les Willis des
Slaves, les Elfes clairs (Liosalfar) guettent les jeunes gens sans expérience
et les associent à leurs danses sans fin, à la suite desquelles, le souffle leur
manquant, ils tombent le plus souvent pour ne plus se relever. Les traditions
allemandes sont pleines de leurs méfaits. La place où se sont circonscrites
ces rondes diaboliques s’argente sous leurs pas. C’est à ces cercles argentés
que les bergers reconnaissent leurs traces, dont ils ont hâte de s’éloigner
ainsi que leurs troupeaux.

Les Elfes noirs (Schwartzalfar) personnifient le cauchemar et le

somnambulisme, le somnambulisme naturel, bien entendu.
Pendant ce dernier état, c’est l’Elfe noir qui dirige les mouvements du
dormeur, qui vit en lui, qui pense et agit pour lui, qui le fait grimper sur les
meubles et même sur les toits; qui lui fait garder son équilibre, à moins
que.... Pauvre dormeur, prends garde! les Elfes noirs sont traîtres et cruels;
il pourrait bien passer par la tête de celui qui te possède l’idée bouffonne de
te jeter du haut en bas.
Les Alfs, devenus les Elfes, n’étaient pas les seuls esprits de l’air, on le
comprend: vu leur nature frêle et délicate, par manque de souffle ils
n’auraient pu suffire à enfler la voile des vaisseaux ou à pourchasser les
nuages d’un horizon à l’autre.
Chez les Celtes, tous les magiciens avaient eu les vents et la tempête à
leur disposition; aujourd’hui encore en Norwége, en Laponie, certains
hommes vous vendent, à prix débattu, le vent qui vous convient pour
 accomplir heureusement votre traversée;
en Allemagne, le peuple reconnut le vent
comme puissance élémentaire; il ne le
divinisa pas, comme avaient fait les Grecs
et les Romains avec toute cette famille
essoufflée d’Éole, d’Eurus, de Borée et de
Favonius, mais il en fit un personnage
doué de volonté, agissant par lui-même.
Les poëtes aidèrent à donner de
l’importance à monsieur le Vent.
Il me tombe sous la main une ballade
qui mettra le lecteur à même d’en juger:
«Greth, la jolie meunière, était courtisée
par le fils du roi. Son père, le meunier,
sachant que les fils de rois n’épousent
guère, lui avait choisi pour mari un jeune
marchand de farine de Rotterdam.
«Le Hollandais s’était déjà mis en route
par le Rhin; le soir même il devait arriver pour faire sa demande. Greth
appela à son aide monsieur le Vent, qui entra aussitôt par sa fenêtre, non
sans briser quelques carreaux.
«Que me veux-tu?
«—Un homme, malgré moi, va venir pour être mon mari; il s’approche
dans sa barque à voiles; fais en sorte qu’il ne puisse toucher à Bingen.»
«Le Vent souffla, souffla si bien que la barque, au lieu de continuer de
tenir le cap sur Bingen, navigua en arrière jusqu’à Rotterdam. A Rotterdam
elle ne put même jeter ses amarres; reculant toujours, elle s’engagea dans la
mer du Nord, où peut-être encore aujourd’hui le Hollandais est en train de
courir des bordées.
«Mais avant de souffler, le Vent avait posé ses conditions auxquelles la
belle meunière avait souscrit sans même les entendre, tant, sous l’influence
de son visiteur, les meubles, les portes, les cloisons faisaient vacarme autour
d’elle. Et c’est ainsi que la pauvre Greth se trouva être la fiancée du Vent,
ce qui la contrista fort, car plus d’espoir pour elle d’épouser jamais le fils du
roi.
 «Cependant, avec sa belle fiancée, le Vent se montrait galant à sa
manière. Chaque matin, quand elle ouvrait sa fenêtre, il lui jetait de beaux
bouquets arrachés par lui dans les jardins voisins.
«Quelque jeune garçon du village qu’elle avait dédaigné passait-il
devant elle sans la saluer, monsieur le Vent lui enlevait son chapeau, qu’il
faisait tournoyer en l’air à des hauteurs si considérables, que volontiers il
n’apparaissait bientôt plus que de la grosseur d’une alouette. Trop heureux
que, du même coup, avec le chapeau, il ne lui enlevât pas la tête.
«Un jour (on peut supposer que ce jour-là monsieur le Vent dormait), le
fils du roi entra au moulin, pénétra sans obstacle dans la chambre de Greth,
et tout d’abord voulut l’embrasser; Greth le laissa faire. Mais, de nouveau,
sans qu’au dehors rien ne bougeât, les portes et les cloisons se démenèrent,
battant à qui mieux mieux; les meubles, les tables, les chaises exécutèrent
une danse désordonnée.
«Greth elle-même se mit à tournoyer d’une manière effrayante; ses
cheveux, tout à coup dénoués, épars, ruisselants, agités, tourbillonnaient
comme elle avec des bruissements, des sifflements sinistres. Épouvanté à la
vue de cette tempête à huis clos, le prince s’écria:
«Ah! maudite, tu es la fiancée du Vent!»
«Et au même instant une rafale épouvantable emporta le fils du roi, la
meunière et le moulin, dont on n’entendit plus parler depuis. Peut-être
avaient-ils été rejoindre le Hollandais qui courait toujours ses bordées dans
la mer du Nord, ou le chapeau qui poursuivait sa route à travers les
nuages.»
La tradition ne nous dit pas si c’est après cet événement que monsieur le
Vent épousa madame la Pluie.
Voilà pour les esprits de l’air. Quant à ceux du feu, bien entendu ils
n’étaient pas représentés seulement par les Follets; il y avait aussi les
Salamandres, trop connues pour qu’il soit nécessaire d’en parler ici; de
même des Feux-Saint-Elme, proches parents des Feux-Follets; mais nous
nous arrêterons un instant devant le redoutable Feu-Grisou, l’effroi des
mineurs, en nous étonnant du rôle presque insignifiant joué par lui dans la
Mythologie populaire de l’Allemagne, malgré les nombreuses victimes
qu’il a faites dans tous ces pays de montagnes, et particulièrement dans le
Harz.
 Cette foudre souterraine, plus meurtrière que celle d’en haut, les peuples
du Rhin l’ont simplement personnifiée sous la figure d’un moine de haute
taille, qu’ils nomment maître Hœmmerling.
Maître Hœmmerling visite les mines de temps en temps avec les allures
pacifiques d’un amateur ou plutôt d’un inspecteur qui en prendrait à son
aise; cependant, surtout le vendredi, il est parfois sujet à des colères subites.
Qu’un ouvrier manie le pic avec maladresse, qu’il soit insolent envers son
chef ou son chef trop dur, trop exigeant envers lui, rapide comme l’éclair il
ira de l’un à l’autre, tandis qu’ils ont le corps à moitié hors de la fosse, et,
rapprochant subitement ses longues jambes, il leur broiera la tête entre ses
deux genoux, sans plus de façons que n’en met une bonne mère de famille à
écraser entre les ongles de ses deux pouces l’insecte nuisible qui s’attaque à
son enfant bien-aimé.
Nous voilà quittes envers les esprits élémentaires de l’air et du feu; mais
tandis qu’à la suite de maître Hœmmerling, nous nous trouvons engagés
dans les profondeurs des montagnes, pourquoi, sans désemparer, ne dirions-
nous pas un mot des Gnomes, ces esprits de la terre?
A travers la couche d’air épaisse qui remplit ces immenses cavernes,
voyez-vous pendre de haut en bas de gigantesques stalactites tout
imprégnées de fer; ce sont les colonnes de ces palais souterrains; autour des
stalactites, des eaux dormantes et plombées figurent de petits lacs dont les
bords sont comme cerclés de rouille; çà et là, dans des fonds vaseux,
encombrés de minerais et de scories de toute espèce, croissent de noirs
roseaux en forme de couleuvres: comme les couleuvres, ils se replient sur
eux-mêmes, promenant de côté et d’autre leur tête, à l’extrémité de laquelle
brille un œil de diamant. Ces sombres profondeurs semblent se peupler
d’êtres fantastiques; près d’un amas de pépites d’or, dans une pose
immobile, se tient un griffon, gardien vigilant et silencieux; autres gardiens
des trésors enfouis dans ce monde des métaux et des pierres précieuses, une
bande de chiens noirs rôde incessamment le long de ces voûtes; sur les
pentes, de petits nains, pareils à des grillons, sautillant comme des pois sur
le crible du vanneur, ramassent de droite et de gauche des paillettes d’or
abandonnées à leur discrétion; d’énormes grenouilles y sont aussi placées
en sentinelles; puis enfin, au plus profond de ces abîmes se meuvent les rois
de cet empire, au corps ramassé, aux membres trapus, à la tête monstrueuse;
ce sont les Gnomes.
 Mais aux Gnomes on ne croit plus guère; les ouvriers mineurs, qui
chaque jour auraient dû se trouver en rapport avec eux, ont nié leur
existence, et insensiblement ils sont passés à l’état d’êtres fabuleux.
Il m’a été raconté cependant que, pas plus tard que l’année dernière, une
jolie paysanne des environs de Hombourg fut vue certain soir à la danse,
portant au doigt un gros rubis. Elle prétendait l’avoir reçu d’un esprit de la
terre qui lui était apparu à l’entrée des mines du Taunus.
Après informations prises par les commères, convaincue de n’avoir eu
de rencontre réelle qu’avec un Gnome anglais, voyageant pour sa santé et
courtisant les jolies filles pour sa satisfaction, elle fut chassée du pays.
C’est le dernier Gnome dont on ait entendu parler dans cette partie de
l’Allemagne.
 XII

XII
Esprits élémentaires des eaux.—Pétrarque à Cologne.—Jugement de Dieu par l’eau.—
Des Nixes et des Ondines.—Une permission de dix heures.—L’Ondine au pied
blanc.—Toc, toc! hâtez-vous!—Horribles mystères du Rhin.—La cour du grand
Nichus.—Nixcobt, le messager des morts.—Ses joyeux tours.—Je me mets à la
recherche d’une Ondine.

«En quittant Aix-la-Chapelle, je m’étais arrêté à Cologne, sur la rive

gauche du Rhin, toute couverte alors de plusieurs rangs de femmes, troupe
innombrable et charmante.... Couronnées de fleurs ou d’herbes aromatiques,
les manches relevées au-dessus du coude, elles plongeaient dans le fleuve
leurs mains blanches et leurs bras potelés, en murmurant je ne sais quelles
paroles mystérieuses que je ne pouvais comprendre.
«J’interrogeai. On me répondit que c’était l’ancien usage du pays. Grâce
à ces ablutions, accompagnées de certaines prières, le fleuve emportait avec
lui, au courant de ses flots rapides, tous les maux qui, sans cela, vous
auraient atteints dans l’année. A quoi, en souriant, je répondis:
«Bienheureux les peuples du Rhin, puisque le bon fleuve entraîne vers les
contrées lointaines toutes leurs misères! Jamais ni le Pô ni le Tibre ne
réussiraient si bien à nous débarrasser des nôtres!»
Ainsi s’exprime Pétrarque dans une de ses lettres familières datée de la
veille de la Saint-Jean.
Cette lettre, précieuse autant par sa date que par son contenu, témoigne
irréfutablement qu’au quatorzième siècle, dans ce même jour où s’allument
les feux de joie en l’honneur des fêtes du solstice, obstinés vestiges de
l’ancien culte du feu, le Rhin avait sa part égale dans les hommages
populaires.
Par malheur, les chrétiens finirent par en appeler aux éléments, soit de
l’eau, soit du feu, comme à une autorité judiciaire.
Ce principe admis que les éléments étant des substances pures devaient
naturellement rejeter loin d’eux tout objet impur, dans l’ordalie par l’eau on
vous déshabillait, et après vous avoir préalablement lié en croix les mains et
les pieds, c’est-à-dire la main droite attachée au pied gauche et la main
gauche au pied droit, on vous jetait dans une rivière, dans un cours d’eau
quelconque, pourvu qu’il fût profond; surnagiez-vous, déclaré coupable, on
vous brûlait vif; plongiez-vous, persistiez-vous à rester au fond de l’eau, on
vous reconnaissait innocent, mais vous étiez noyé.
Tel était, selon Henri Heine, le résultat infaillible de cette justice du
moyen âge, et le moyen âge en Allemagne, c’était hier.
Il y avait aussi l’épreuve par le pain et le fromage (exorcismus panis
hordeacei, vel casei, ad probationem veri), mais le pain et le fromage ne
sont pas des éléments. Revenons aux esprits élémentaires des eaux.
Dans le grand mouvement de réaction religieuse qui se fit après
Charlemagne, tous les dieux mythologiques des fleuves et des rivières
n’avaient pas manqué de se reconstituer, ou à peu près, dans leurs anciens
emplois. Le grand Nix ou Nichus, à qui était échu le gouvernement de tous
les fleuves de l’Allemagne, n’était rien autre que le ci-devant Niord, un dieu
considérable, espèce de Neptune scandinave. Cette importante découverte
appartient en propre au savant Mallet-Dupan.
Sans doute ce dieu Niord, à la suite de la déroute d’Argentoratum, était
tombé dans le Rhin. On l’y croyait noyé; il n’avait fait que chercher un
refuge dans ses cavités les plus profondes, les plus insondables. De là,
malgré les décrets des conciles, en dépit de l’anathème chrétien qui
atteignait également tous les esprits élémentaires, le grand Nichus avait
appelé à lui les divinités subalternes des sources, des étangs, des lacs, des
rivières, aussi bien les nymphes du rivage que les monstres difformes,
écailleux, qui grouillaient dans les bas-fonds du Rhin; il s’en était fait une
escorte, un peuple, une armée. Avec cette armée, il avait envahi les rivages
du Necker, du Mein, de la Moselle, de la Meuse, ses puissants tributaires, et
maintenait par la terreur les habitants du littoral. Plus d’une fois on l’avait
vu pousser ses ravages bien avant dans les plaines, renverser les églises à
peine édifiées, et noyer dans ses eaux les déserteurs du culte d’Odin.
Niord était un dieu méchant et d’un affreux caractère. Il avait soumis au
joug le plus fantasque, le plus cruel, ses sujets de toutes les classes, et fait
du Rhin un enfer des eaux.
C’est dans ce royaume humide et sombre du grand Nichus que nous
allons aborder, en tenant moins compte, nous le déclarons, de ses dignitaires
que de ses plus humbles sujets ou sujettes, c’est-à-dire les Nixes, les Ondins
et les Ondines, race de démons anathématisés, qui, à eux seuls, composent
presque toute cette population sous-fluviatile.
Quoi! pauvre Lore, belle fée du Lorelei, vous qui avez préféré la mort au
supplice, assez friand d’ordinaire à celles de votre sexe, de rendre tous les
hommes amoureux de vous, ne seriez-vous donc aujourd’hui qu’un démon,
une puissance malfaisante[1]? Non; de ce côté, l’opinion publique a résisté
aux déclarations de l’Église. Pour les Nixes comme pour les Elfes, on
admet généralement deux espèces distinctes: les Nixes proprement dites,
anciennes divinités païennes, dont on ne saurait trop se méfier, et les Nixes
femmes, presque toujours inoffensives, parfois secourables.
[1] Voir le Chemin des Écoliers librairie de L. Hachette et Cie.
A celles-ci nous continuerons de donner ce doux nom: les Ondines.
 Les Nixes de la première catégorie prennent volontiers toutes sortes de
déguisements pour arriver à leurs fins. On en voit rôder aux abords du
fleuve, dans les endroits isolés; quelques-unes ont paru dans les villes du
littoral, où elles se faisaient passer pour des étrangères de distinction, ou
pour des artistes, généralement de première force sur la harpe. Elles y ont
noué des intrigues amoureuses fatales aux galants. D’autres se sont
montrées dans les fêtes villageoises, se mêlant à la danse avec une ardeur
telle que leurs valseurs, enivrés, entraînés par elles, saisis de vertige,
perdant la tête, croyant toujours entendre le bruit des harpes ou des violons,
aux trompeurs accords de notes fascinatrices, abordaient la rive du Rhin, et
ne reprenaient un instant leurs sens qu’en disparaissant sous les flots.
N’oublions pas un fait essentiel. Pour se préserver de l’approche de ces
fées maudites, il suffit de porter sur soi un brin de marrube ou d’origan. Que
ceux qui projettent de visiter les bords du Rhin se tiennent pour avertis.
Avant de prendre leur passe-port, ils doivent se présenter d’abord chez
l’herboriste.
 La Nixe à la harpe.

La seconde classe des Nixes, la seule intéressante, les Ondines, sont,

autant que j’ai pu me rendre compte de leur nature ambiguë, les âmes
errantes des pauvres filles qui, par désespoir d’amour, se jettent dans le
Rhin; et trop souvent le pauvre amour allemand, à bout de courage, va
demander asile au suicide.
D’après les renseignements un peu confus puisés dans mes auteurs ou
dans mes entretiens intimes avec la famille Rosahl, les Ondines, nées
mortelles, bien inférieures en puissance aux Nixes véritables, vivent sous
l’eau le même temps qu’elles auraient vécu sur la terre, si, volontairement,
elles n’avaient pas abrégé leur existence. C’est là pour elles une
résurrection conditionnelle, un purgatoire anticipé où trop souvent elles
expient, sinon la faute de leur amour, du moins celle de leur mort.
 Dans les abîmes du fleuve, au fond de ces grottes toujours submergées,
se tient un tribunal secret présidé par le grand Nichus qui les soumet à sa
discipline impitoyable, comme le prouvent surabondamment une foule
d’histoires sinistres, entre autres celle des trois Ondines de Sinzheim,
rapportée par les frères Grimm à la date de 1806.
Trois jeunes filles d’une merveilleuse beauté, trois sœurs, se montraient
chaque soir à la veillée d’Epfenbach, près de Sinzheim, et prenaient place
parmi les fileuses de lin. Elles apportaient des chansons nouvelles et de jolis
contes inconnus au pays. D’où venaient-elles? On l’ignorait sans oser s’en
enquérir, dans la crainte de paraître se tenir en défiance à leur égard. Elles
étaient la joie de ces réunions; mais aussitôt que sonnaient dix heures, elles
se levaient, et ni prières ni supplications ne pouvaient les faire demeurer un
moment de plus.
Il arriva qu’un jour le fils du maître d’école, amoureux de l’une d’elles,
pour mettre obstacle à leur départ, s’avisa de retarder l’horloge de bois qui
devait sonner l’heure de la retraite.

Le lendemain, des gens du village côtoyant le lac de Sinzheim

entendirent des gémissements sous l’eau, dont trois larges taches de sang
vinrent rougir la surface. Depuis ce temps, on ne revit plus les trois sœurs à
la veillée, et le fils du maître d’école ne fit plus que dépérir. Il mourut peu
de temps après.
Dans ces trois sœurs, douces, aimables, laborieuses, rien n’accusait la
fréquentation de l’esprit des ténèbres. On se rappela seulement que le bas de
leur robe était souvent mouillé à l’ourlet, le seul signe auquel on puisse
reconnaître les Ondines, tant, du reste, elles sont semblables aux autres
jeunes filles, et l’on déplora bien amèrement la sévérité du grand Nichus.
Touchant la permission de dix heures, nos lois militaires elles-mêmes
sont moins rigoureuses que les siennes.
On s’abuserait cependant en pensant que toutes les Ondines ont la
douceur et la résignation de celles-ci. Aigries par le souvenir de leur
abandon, il en est qui ne songent qu’à se venger, et par là semblent
participer un peu à la nature des Nixes, ou plutôt, pourquoi ne pas le dire
avec franchise? restent fidèles à leurs instincts de femmes.
Comme preuve à l’appui, voici un petit drame complet que Mlle
Marguerite Rosahl a extrait, à mon intention, du volumineux recueil de
Busching.
Le comte Herman de Filsen, dont les domaines s’étendaient sur la rive
droite du Rhin, entre Osler-Spey et Braubach, allait se marier avec la riche
héritière du château de Rheins, rive gauche. Déjà son messager, chargé des
lettres de convocation, s’était mis en route; mais, en route, la crue subite
d’un ruisseau lui avait barré le passage. En essayant de le franchir, son
cheval s’était abattu et noyé. Sans perdre courage, le messager poursuivit
son chemin pédestrement. Partout il rencontra le ruisseau devenu torrent, et
le torrent le serrait de près, décrivant des courbes, des zigzags, des
cataractes, toujours lui interceptant les voies de communication et les
sentiers praticables.
S’aidant d’un bâton, sautant de roche en roche, le pauvre homme,
perdant un peu la tête, ne se dirigeant plus qu’au hasard, se trouva devant le
Rhin, où le torrent, grondant tout à coup derrière lui, semblait le pousser de
tous ses efforts.
Par bonheur pour lui, un bateau flottait près de la rive; il le détacha,
s’empara de la rame, regagna Filsen et dit au comte:
«Monseigneur, une Nixe s’est opposée à mon voyage.»
 Le comte ne croyait pas aux Nixes. Il dépêcha un autre messager. A
celui-ci comme à celui-là advint pareille mésaventure.
Le jour du mariage était fixé; le comte passa outre, quitte à ne se
présenter à l’autel qu’avec un maigre cortége.
Un matin, quand il traversa le fleuve de la rive droite à la rive gauche
pour rejoindre sa fiancée, une tempête subite se déclara. Il crut voir sortir
des flots une figure pâle, qui, pesant sur l’avant de la barque, essayait de
l’entraîner au fond du gouffre. Devenu taciturne, il appela à lui son
majordome, et le chargea de s’enquérir de ce qu’était devenue une certaine
fille du voisinage, Gottlieb de Braubach.
«Je l’ai rencontrée il y a quelques jours à la chapelle de Saint-Marc, dit
le majordome, et lui ai même offert de l’eau bénite. Gottlieb s’est informée
près de moi de votre prochain mariage, monseigneur. Elle était bien
portante et d’assez belle humeur.

—Va la trouver sur-le-champ, dit le comte, et rapporte-moi de ses

nouvelles.»
 Pendant le repas des noces, Herman de Filsen paraissait joyeux et galant
près de la nouvelle comtesse, mais il suait à grosses gouttes des efforts qu’il
faisait pour le paraître, quand un petit pied de femme, blanc et menu, se
dessina à ses yeux, à ses yeux seuls, au plafond de la salle du festin.
La sueur se glaça sur son front. Se levant brusquement, il courut se
réfugier dans le salon, où sa femme, sa mère, ses convives, le croyant atteint
d’un mal subit, le suivirent tout en désarroi.

Dans le salon, une draperie se souleva, et une main blanche, toujours

visible à lui seul, en sortit, son doigt indicateur recourbé en signe d’appel.
Naguère, sans y ajouter foi, Herman a entendu conter que ce petit pied
blanc, cette main blanche annoncent la présence de l’Ondine et une
catastrophe inévitable.
Il croit maintenant.
L’évêque qui venait de le marier avait assisté au repas. Herman va droit à
lui, s’agenouille et se confesse à voix haute d’avoir abusé de la confiance
d’une jeune fille, belle et sage entre toutes, de l’avoir détournée de ses
devoirs et abandonnée. Gottlieb a demandé au fleuve l’oubli de ses maux, et
maintenant elle songe à se venger.
«Bénissez-moi, mon père, car je vais mourir.»
Avant de prononcer les paroles de l’absolution, l’évêque exige qu’il
abjure d’abord sa croyance impie à ces êtres surnaturels déniés par l’Église.
 «Puis-je ne pas croire à ce que je vois.... La voici!... pâle, comme je l’ai
vue ce matin à la tête de la barque.... Ses cheveux, entremêlés d’herbes
vertes, sont épars sur ses épaules; elle me regarde avec un sourire
larmoyant....
—Visions! reprend l’évêque; votre regard vous abuse.
—Mais alors ce n’est pas seulement le regard qui me trompe, car
j’entends sa voix.... elle m’appelle.... Pardon, Gottlieb!...
—Délire! piéges du démon! Et qui vous dit que cette fille ait cessé de
vivre, et par un crime?... Grâce à Dieu, mieux inspirée, Gottlieb est venue
me trouver comme pénitente; aujourd’hui elle habite un couvent.»
Dans ce moment l’assemblée, grandement émue de cette scène, en fut
distraite par l’arrivée du majordome, qui, l’air effaré, s’approcha de la
comtesse douairière, la mère du comte, et lui parla bas à l’oreille. Celle-ci
ne put retenir un cri:
«Morte! répéta-t-elle.
—Oui, elle est morte, et moi je vais mourir!»
cria Herman avec un geste de désespoir.
La jeune épouse, offensée de ces aveux d’un
autre amour, s’était d’abord tenue à l’écart; ne
consultant que son cœur, elle essaya de lutter
contre cette rivale invisible, et, les bras tendus, elle
se rapprocha de son mari; mais il la repoussa
rudement.
L’évêque commença ses exorcismes.
Tandis qu’il exorcisait:
«Que me veux-tu, Gottlieb? disait le comte;
fais-moi grâce, et nous prierons pour toi. Tu
pleures et tu m’embrasses tour à tour, mais tes baisers ne me sont
qu’amertume, puisqu’à une autre j’ai donné mon nom, puisqu’une autre est
ma....»
Il n’acheva pas. Poussant un râle aigu, il venait de tomber de tout son
long sur le parquet, et à son cou on voyait le sillon gonflé et bleuâtre de
l’étranglement.
Cette histoire de l’Ondine au pied blanc, à la main blanche, circule
encore aujourd’hui dans toute l’Allemagne; seulement, pour les uns, le
héros se nomme Herman de Filsen, pour les autres Pierre de Staufenberg.
Ainsi qu’il a ses Ondines, le fleuve a ses Ondins et ses Nixs mâles, ces
derniers grands ravisseurs de femmes, grands destructeurs d’enfants, et
l’épouvante des villes rhénanes.
Au milieu de la nuit, par un temps de bourrasque, un homme, enveloppé
d’un manteau sombre, se présente au logis d’une accoucheuse.
«Toc, toc! hâtez-vous!... ma femme a besoin de votre aide!... Venez
vite!»
L’accoucheuse le suit en s’étonnant qu’il la conduise sur les bords du
Rhin, et de ne pas voir de bateau pour le passage.
«Entrez, entrez hardiment,» dit l’homme au manteau en désignant à la
matrone un sentier qui de lui-même se creuse sous les eaux.
L’un menaçant, l’autre tremblant de peur, ils
arrivent dans une grotte sous-fluviale. Là, sur
une couche de roseaux, l’accoucheuse trouve
une femme criant et se tordant au milieu des
préliminaires de la maternité.
Elle entre aussitôt en fonctions, et le mari
emporte le marmot, laissant imprudemment les
deux femmes ensemble.
«Mon mari est un Nix, un monstre, un
démon! dit aussitôt l’accouchée à
l’accoucheuse; il m’a enlevée comme je lavais
un matin mon linge au bord du rivage; depuis
ce temps il me détient ici malgré moi. L’enfant
que vous venez de mettre au monde, il est en
train de le manger peut-être, mais à coup sûr il
le tuera comme il vous tuera vous-même si vous
ne lui gardez le secret.»
Il faut le croire, cette première sage-femme fut discrète, puisque mille
autres de sa profession y ont été prises après elle.
Dans tous mes auteurs, j’ai retrouvé, à des dates différentes, cette même
histoire du Nix et de l’accoucheuse, et de la fille enlevée, et du nouveau-né
mis à mort par son père.
 «C’est chose effroyable que le diable ait le pouvoir d’engendrer des
enfants comme font les Nixs!» s’écrie à ce sujet Martin Luther.
De cet empire humide et ténébreux des Nixs et des Ondins, le maître, le
despote, le Wasserman par excellence, nous l’avons dit, c’est le grand
Nichus. L’autorité qu’il exerce ne se borne pas aux droits de haute et basse
justice; sa volonté, réglée sur ses appétits désordonnés, est la loi suprême
pour tous; les Nixs mâles composent sa cour; pour son harem, il choisit les
plus belles mortes que le suicide lui envoie. Entre ce Sardanapale au teint
verdâtre et ses odalisques de morgue se passent, dit-on, des scènes de
débauche monstrueuse qui donneraient à croire, si l’on n’avait déjà reconnu
en lui Niord, le dieu scandinave, que le grand Nichus n’est autre qu’un de
ces anciens empereurs romains divinisés, dont Pétrone a tracé l’histoire
galante avec de la boue et du sang.
Son principal agent et le factotum de
la communauté, Nixcobt, dit le messager
des morts, chargé d’entretenir les
relations entre les habitants du fleuve et
ceux du littoral, est peut-être le
personnage le plus excentrique de la
Mythologie du Rhin.
 Lorsque l’aube va poindre, lorsque la sommité des hautes montagnes
seule commence à s’éclairer d’une lueur douteuse, on a vu parfois une
espèce d’homme court, trapu, horriblement grotesque, raser dans l’ombre
les maisons de la ville, ou descendre le long des coteaux, entre les rangs
pressés des ceps de vigne, qu’il dépasse à peine en hauteur. Sa tête
effrayante tourne sur son cou grêle comme sur un pivot, lui permettant
ainsi, sans ralentir sa marche, de tout inspecter autour de lui. Ses épaules
nues, ses coudes, ses genoux et la partie saillante de ses pommettes sont
couverts d’écailles de poisson; de petites nageoires se soulèvent par
intervalle sous la cheville de ses pieds; son œil rond et glauque est marqué
au centre d’un point rouge lumineux; ses dents et sa chevelure sont vertes,
et sa bouche, largement fendue, contournée comme celle d’un barbillon, se
contracte sous un immobile sourire qui vous glace de terreur. C’est lui, c’est
Nixcobt.
Le jour venu, de retour au fleuve, il s’enquiert si sa funèbre population
ne s’est pas augmentée de quelques victimes, volontaires ou non. Il prend
leur signalement, dresse leur nouvel état civil, apprend par eux les causes
déterminantes de leur brusque passage d’un monde dans l’autre, leur offrant
ses bons offices pour les remettre en communication avec les parents ou les
amis qu’ils ont laissés derrière eux, ignorants de leur sort ou inconsolables
de leur perte.