CHAPITRE III.- CADRE EMPIRIQUE ET RESULTATS DU
MODELE
A.- Méthodologie utilisée et
données
A.1) Introduction à l'économétrie des
données de panels
La spécification de panel est souvent utilisée
en économie. L'économétrie des données de panel
consiste à effectuer une analyse à la fois sur des données
temporelles et en coupes transversales. Dans le cadre d'une analyse sur des
données de panels, les estimations peuvent être effectuées
aussi bien sur un panel équilibré, que sur un panel non
équilibré. On utilise le terme de panel équilibré
lorsque pour chaque individu nous disposons du même nombre d'observation.
Cette double dimension permet de tenir compte de l'influence des
caractéristiques non observables des individus (des pays dans notre cas)
sur leur comportement. La variabilité totale de notre échantillon
résulte de la variabilité inter-temporelle et de la
variabilité intra-temporelle. La composante intra-temporelle traduit le
positionnement relatif de l'individu à chaque date vis-à-vis de
la moyenne de la variable sur l'ensemble de la population à la date t.
Tandis que la variation inter-temporelle traduit la variation
agrégée de la variable endogène d'une période
à l'autre.
Avantage des données de
panels
Le plus souvent les échantillons concernent un grand
nombre d'individus et un nombre d'années restreint.
De manière générale, les
échantillons de grande taille conduisent à des estimateurs dont
les propriétés peuvent être assimilées aux
propriétés asymptotiques des méthodes utilisées
(convergences éventuelles et lois asymptotique).
Si les estimateurs sont convergents et si les
hypothèses nécessaires sont vérifiées, cela conduit
à une estimation très proche de la vraie valeur des
paramètres. De plus le nombre élevé d'observation permet
alors de supposer que le biais et la variance de l'estimation tendant vers
zéro.
Inconvénients des données de
panels
Travailler sur des données de panel se
révèle dans certains cas être assez sensible, car
quelques
'Université Quisqueya
53
Impact de Ça croissance démographique sur
Ça croissance économique clans Ces pays en voie de
développement de 1980 à
2008.
points atypiques peuvent suffir à modifier les
résultats d'une estimation. De plus, quand bien même, les
observations aberrantes peuvent être soit corrigées, soit
éliminées du modèle, des données manquantes peuvent
engendrer un problème de biais de sélection.
Raisons du choix de l'utilisation de panel dans notre
cas
Dans le cadre de notre analyse, nous avons choisi d'utiliser
un modèle de panel pour les raisons suivantes :
· une étude de panel nous permet de prendre en
compte la dimension temporelle et en coupe transversale ;
· elle nous permet également de prendre en compte
l'hétérogénéité des différents
individus observés, ce qui revient à parler de
l'hétérogénéité entre les 12 pays
étudiés ;
· la prise en compte des deux dimensions, nous permet
d'obtenir une plus grande source d'information, plus de degrés de
liberté et également plus de performance ;
· et enfin, les données de panel peuvent
détecter et mesurer plus facilement les effets qui ne peuvent être
observés en effectuant une analyse en série temporelle ou en
coupe instantanée.
Modélisation de
l'hétérogénéité
Le but d'une estimation de panel est de modéliser
correctement l'hétérogénéité des
comportements. De plus, ce genre de modèle permet de se rendre compte
des disparités individuelles et/ou temporelles des comportements.
L'économétrie des données de panel
repose sur la définition de trois modèles canoniques
correspondant chacun à un ensemble de contraintes particulières
et donc à différentes façons de modéliser
l'hétérogénéité. Une partie des
modèles pouvant être estimée sur des données de
panels est décrite brièvement dans l'encadré
ci-dessous.
'Université Quisqueya
54
Impact de Ça croissance démographique sur
Ça croissance économique clans Ces pays en voie de
développement de 1980 à 2008.
Encadré : Les modèles de panels et
estimateurs
Modèle de Panel
Dans le cadre de l'économétrie de panel, on
analyse un phénomène sur au moins deux dimensions, par exemple
pour un panel à deux dimensions l'évolution du chômage au
sein des pays des pays sous-développés de 1960 à 2008.
Dans une analyse de panel, on cherche à déterminer, s'il existe
une hétérogénéité dans le comportement des
différents individus étudié, ou si au contraire,
l'ensemble des pays on un comportement homogène. Dans une estimation en
pooled, les différents pays analysés, ont la même
équation de comportement et les mêmes paramètres, donc ont
un comportement homogène.
Yit -- 01 + 02X2it + 33X3it + 34X4it +
35X5it + Eit
S'il existe un effet individuel, celui-ci peut être de
deux types : soit fixe, soit aléatoire. Si cet effet est fixe, seule la
constante est différente entre les différents individus
analysés. Dans ce genre de modèle, on utilise la méthode
du LSDV pour estimer le modèle.
Yit -- Pli + 02X2it +
133X3it + 04X4it +
135X5it + Eit avec (31i qui
représente un effet individuel
Dans le cas où celui-ci est aléatoire ou encore
à erreur composée, la constante de notre modèle est
différente d'un individu à l'autre mais contrairement au cas
précédent, celle-ci est impactée par un choc
aléatoire. Les modèles à effets aléatoires sont
aussi appelés modèles à effet composé.
Yit -- Pli + 02X2it +
33X3it + 04X4it + RSXSit +sit avec
131i = 131 + ui
Remarque : Si tous les coefficients sont
statistiquement différents pour l'ensemble des individus
analysés, alors on rejette la structure de panel de notre modèle.
Il sera donc préférable d'analyser séparément
chacun des pays sur la période de temps étudiée.
Les estimateurs
Dans le cadre d'une estimation de panel, on dispose d'une
large gamme d'estimateur, donc de différentes manières de
calculer de façon optimale la valeur des différents
paramètres du modèle. Dans le cas où il n'y a pas
d'hétérogénéité, le modèle se base
sur des données de panels appelés modèles sur les
données empilées ou encore modèles pooled. Toujours dans
le cas de l'absence de spécificité individuelle et/ou temporelle,
on peut s'intéresser aux moyennes des séries de
l'échantillon au cours du temps. Il s'agit du modèle Between.
Cette méthode revient à appliquer la méthode des MCG aux
MCO.
Et enfm, nous avons les estimateurs Within ou encore
estimateur intra-individuel. Cet estimateur permet de prendre en compte
l'hétérogénéité des individus. Cet effet
spécifique à chaque individu peut être pris en compte en
faisant la régression des écarts entre la valeur associée
à un individu à une période donnée et la moyenne
des valeurs associés à ce même individu sur la
période étudiée.
| 
