Chapitre 6 La méthode des variables instrumentales
|
|
- Julie Morin
- il y a 6 ans
- Total affichages :
Transcription
1 Chapitre 6 La méthode des variables instrumentales Licence Econométrie / MASS Econométrie II, Martin Fournier Fournier@gate.cnrs.fr Econométrie/Mass. Présentation du problème La question de l endogénéité Econométrie/Mass. L hypothèse d éxogénéité Les MCO supposent l exogénéité des variables explicatives, i.e. Cov(x,u) = 0 Il existe de nombreuses situations où l on doit rejeter cette hypothèse La méthode des variables instrumentales permet de tenir compte de l endogénéité de certaines variables explicatives Econométrie/Mass 3
2 . Endogénéité et causalité Une première source d endogénéité concerne la possibilité d une causalité inverse. On estime : y = β 0 + β x + β x + u Alors qu il existe une causalité inverse telle que : x = δ 0 + δ x + Zγ + αy + v Cov(x,u) 0 Econométrie/Mass 4.3 Un exemple On cherche à estimer une équation de croissance économique : ln(pib t ) ln(pib t- ) = β 0 + β INV t + β EXP t + u INV : taux d investissement EXP : taux d exportations Or on sait que : INV t = δ 0 + δ PIB t- + Zδ + v et EXP t = γ 0 + γ PIB t- + Zγ + w Econométrie/Mass 5.4 Endogénéité et variable omise Supposons que le modèle sous-jacent est : y = β 0 + β x + β x + u mais que l on fasse une erreur de spécification en omettant la variable x. On estime donc : y = δ 0 + δ x + v avec v = β x + u Si les variables x et x sont corrélées alors x est également corrélé à v Econométrie/Mass 6
3 .5 Erreurs de mesure CEV «Classical Error-in-Variables» (CEV) : y = β 0 + β x + u Avec une observation avec erreur : x e = x x Équation estimée : y = β ( u β ) 0 + βx + e Avec x corrélé avec le terme d erreur u-β e. cov ( x, u β e ) = β cov( x, e ) = β σ e Econométrie/Mass 7. La méthode des variables instrumentales Le cas de la régression simple Econométrie/Mass 8. Objectifs Méthode qui permet d estimer des paramètres sans biais lorsqu une variable explicative est endogène (i.e. Cov(x,u) 0) Causalité inverse Biais de variable omise CEV Econométrie/Mass 9 3
4 . Les instruments y = β 0 + β x + β x + u avec Cov(x,u) 0 On appelle instrument pour la variable x une variable z qui vérifie les propriétés suivantes : ) z est une variable exogène : Cov(u) = 0 ) z est une variable corrélée avec la variable x : Cov(x ) 0 Econométrie/Mass 0.3 Trouver un instrument valide La théorie économique (et le bon sens) permettent (parfois) de trouver des instruments qu il peut être légitime de supposer exogènes (Cov(u) = 0) On peut en revanche aisément tester formellement la deuxième propriété (Cov(x ) 0) par un T-test à partir d une première estimation : x = π 0 + π z + v H 0 : π = 0 Econométrie/Mass.4 Variables instrumentales Régression simple Prenons le cas de la régression simple : y = β 0 + β x + u avec x endogène et z un instrument valide On peut écrire : L estimateur IV de β est donc donné par : Econométrie/Mass 4
5 .5 Variables instrumentales Régression simple () Sous l hypothèse d homoscédasticité E(u z) = σ = Var(u) On peut écrire la variance du paramètre estimé : Var Var ˆ ( ˆ β ) σ = nσ ρ x x, z ( ˆ ˆ σ β) = SST R x x, z Econométrie/Mass 3.6 IV versus OLS ( ˆ ˆ σ Var ˆ β ) = OLS SST ( ) x ˆ ˆ σ Var ˆ β IV = SSTxRx, z La variance de l estimateurs IV ne diffère de celle des MCO que par le R de la régression de x sur z Comme R <, La variance de l estimateurs IV est plus grande que celle des MCO NB : Mais l estimateur MCO est biaisé si Cov(x,u) 0! Plus la corrélation entre z et x est forte, plus la variance de l estimateur IV est faible Econométrie/Mass 4.7 Validité des instruments Il est souvent difficile de tester l hypothèse d exogénéité des instruments (Cov(u) = 0) Si l instrument n est pas exogène, l estimateur IV sera également biaisé : Corr( u) σ u IV : plim ˆ β = β + Corr( x) σ ~ σ u OLS: plim β = β + Corr( x, u) σ x L estimateur IV sera préféré si : Corr(u)/Corr(x) < Corr(x,u) Econométrie/Mass 5 x 5
6 .8 Variables instrumentales Doubles Moindres Carrés (SLS) y = β 0 + β x + u x = π 0 + π z + v L estimateur IV est équivalent à une estimation en deux étapes : ) Estimation de l équation d instrumentation : x = π 0 + π z + v xˆ = π 0 + πz ) Estimation de l équation d intérêt sur x y = δ 0 + δ xˆ + w Econométrie/Mass 6.9 IV Doubles Moindres Carrés () On peut montrer que : δ = MCO IV β La relation : y = δ 0 + δ xˆ + w peut être estimée par les MCO avec : δ MCO Cov( π 0 + π y) πcov( y) = = Var( π + π z) Cov( π + π x u) πcov( y) Cov( y) = = = β π Cov( x) Cov( u) Cov( x) 0 0 IV Econométrie/Mass 7 3. La méthode des variables instrumentales Le cas de la régression multiple Econométrie/Mass 8 6
7 3. IV et régression multiple Les estimations IV peuvent être étendues au cas de la régression multiple : y = β 0 + β y + β z + u avec y et y 3 endogènes et z et z exogènes Il est nécessaire d avoir au moins un instrument pour chaque variable Econométrie/Mass 9 3. IV et régressions multiples () Écrivons le modèle structurel comme : y = β 0 + β x + β x + u avec x endogène et x exogène Soit z un instrument pour x Cov(u) = 0 x = π 0 + π z + π x + v, avec π 0 NB : Cette équation régresse la variable endogène sur toutes les variables exogènes et l instrument Econométrie/Mass Doubles Moindres Carrés - Two Stage Least Squares (SLS) y = β 0 + β x + β x + u Il est possible (et souhaitable) d avoir plusieurs instruments pour la même variable endogène : x = π 0 + π z + π z + π 3 z 3 + v Hypothèse : z et z 3 sont des instruments valides - Ils ne sont pas des déterminants directs de y - Ils sont non-corrélés avec le terme d erreur u - Ils sont corrélés avec y Econométrie/Mass 7
8 3.4 L estimateur IV et les SLS On peut montrer (cf. cours de M) que dans le cas général l estimateur IV est donné par : IV β = ( Z' X ) Z' Y avec Z : Ensemble des variables exogènes (explicatives non endogènes + instruments) Ce qui correspond à l estimateur des doubles moindres carrés : SLS Xˆ Xˆ β = ( ' ) Xˆ ' Y Avec Xˆ : Ensemble des variables explicatives simulées à partir de l équation d instrumentation : X = Zπ + v Econométrie/Mass 3.5 L estimateur IV et les SLS () X = Zπ + v IV SLS β = β MCO ˆ π = ( Z ' Z ) Z ' X MCO Xˆ = Z ˆ π = Z( Z ' Z) Z' X Y Xˆ SLS = β + u ˆ SLS β = ( Xˆ ' Xˆ ) = ' ' [( Z( Z ' Z) Z' X ) ( Z ( Z' Z ) Z ' X )] ( Z ( Z' Z) Z' X ) = ( Z' X ) Z ' Y Xˆ ' Y Econométrie/Mass 3 Y 3.6 Doubles Moindres Carrés : La forme de l instrumentation Remarque : Chacun des instruments pourrait être utilisé indépendamment comme instrument La meilleure forme d instrumentation est une combinaison linéaire de toutes les variables exogènes Remarque : Si les coefficients de l estimateur IV et de l estimateur SLS sont égaux, la variance des MCO pour l estimation de deuxième étape est invalide Econométrie/Mass 4 8
9 3.7 Nombre d instruments Lorsqu on a plusieurs variables endogènes, il faut avoir au moins autant d instruments que de variables endogènes Econométrie/Mass 5 4. Le cas particulier des erreurs de mesure Econométrie/Mass 6 4. Erreurs de mesure CEV et estimations IV Reprenons le modèle d erreur de mesure CEV y = β 0 + β x * + β x + u - On observe x au lieu de x * - x = x * + e - e est non corrélé avec x * et x - x est endogène Si l on peut trouver un instrument z pour x t.q. Corr(u) = 0 et Corr(x ) 0 Alors l estimation IV corrige le biais d atténuation Econométrie/Mass 7 9
10 5. Tester l endogénéité d une variable Econométrie/Mass 8 5. Test de Hausman On sait que : - Les estimateurs MCO et IV sont sans biais et convergents sous l hypothèse d exogénéité - Seul l estimateur IV reste sans biais si l hypothèse d exogénéité est rejetée - L estimateur MCO est préférable à l estimateur IV sous l hypothèse d exogénéité L idée du test de Hausman est de tester l égalité des estimateurs MCO et IV Test disponible sous tous les logiciels usuels Econométrie/Mass 9 5. Test de corrélation des erreurs y = β 0 + β x + β x + u x = π 0 + π z + π z + π 3 z 3 + v Si x est endogène et z un jeu d instruments valides alors le résidu de l équation d instrumentation v est corrélé au résidu de l équation d intérêt u Tester directement cette hypothèse Econométrie/Mass 30 0
11 5.3 Test de corrélation des erreurs () Procédure en 3 étapes : ) Estimation de l équation d instrumentation et création d une variables de résidus v ) Inclusion du résidu v comme variable explicative de l équation d intérêt 3) Test de significativité du coefficient associé à v Si le coefficient est statistiquement différent de zéro, l hypothèse d exogénéité est rejetée NB : Si l on a plusieurs variables endogène, il faut tester conjointement la significativité des résidus de chaque équation d instrumentation Econométrie/Mass Tester des restrictions suridentifiées Si l on a un seul instrument pour la variable endogène, il est impossible de tester l absence de corrélation entre l instrument et le terme d erreur : Corr(u) = 0 Modèle «juste identifié» Si l on dispose de plusieurs instruments, le modèle est «sur-identifié» et il est possible de tester l exogénéité d un instrument Econométrie/Mass Le test OverID Test en trois étapes : ) Estimation de l équation d intérêt par IV et construction du résidu empirique u ) Regression du résidu u sur toutes les variables exogènes du modèle (explicatives + instruments) 3) Test de la significativité jointe des coefficients estimé par un test du multiplicateur de Lagrange : Sous l hypothèse nulle (exogénéité des instruments) : LM = nr ~ χ q avec q le nombre d instruments en excès Econométrie/Mass 33
12 6. Exemple Econométrie/Mass Exemple : Equation de salaire lnwage Expersq + U i = β + βeduci + β3experi + β4 Dependent Variable: LWAGE Method: Least Squares Sample (adjusted): 48 Included observations: 48 after adjustments i i Variable Coefficient Std. Error t-statistic Prob. C EDUC EXPER EXPERSQ MCO R-squared Mean dependent var.9073 Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) Econométrie/Mass Exemple : Equation de salaire () On suspecte l éducation d être endogène et on a instruments : éducation de la mère (motheduc) et du père (fatheduc) Dependent Variable: EDUC Method: Least Squares Sample: 48 Included observations: 48 Equation d instrumentation : Les instruments sont significatifs Variable Coefficient Std. Error t-statistic Prob. C EXPER EXPERSQ MOTHEDUC FATHEDUC R-squared 0.47 Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) Econométrie/Mass 36
13 6.3 Exemple : Equation de salaire (3) Dependent Variable: LWAGE Method: Two-Stage Least Squares Sample (adjusted): 48 Included observations: 48 after adjustments Instrument list: EXPER EXPERSQ MOTHEDUC FATHEDUC Résultats (automatisé) des Double Moindre Carrés (SLS) Variable Coefficient Std. Error t-statistic Prob. C EDUC EXPER EXPERSQ R-squared Mean dependent var.9073 Adjusted R-squared S.D. dependent var S.E. of regression Sum squared resid Durbin-Watson stat Second-stage SSR.096 Econométrie/Mass Exemple : Equation de salaire (4) Dependent Variable: LWAGE Method: Least Squares Sample: 48 Included observations: 48 Résultats (manuels) de l instrumentation Variable Coefficient Std. Error t-statistic Prob. C EDUCF EXPER EXPERSQ R-squared Mean dependent var.9073 Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion.5500 Sum squared resid.096 Schwarz criterion.9956 Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) Econométrie/Mass Exemple : Test d endogénéité Dependent Variable: LWAGE Method: Least Squares Sample: 48 Included observations: 48 L endogénéité de l éducation ne peut pas être rejetée au seuil de 0% Variable Coefficient Std. Error t-statistic Prob. C EDUC EXPER EXPERSQ RESEDUC R-squared Mean dependent var.9073 Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion.080 Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) Econométrie/Mass 39 3
MODELE A CORRECTION D ERREUR ET APPLICATIONS
MODELE A CORRECTION D ERREUR ET APPLICATIONS Hélène HAMISULTANE Bibliographie : Bourbonnais R. (2000), Econométrie, DUNOD. Lardic S. et Mignon V. (2002), Econométrie des Séries Temporelles Macroéconomiques
Plus en détailIntroduction à l économétrie : Spécifications, formes fonctionnelles, hétéroscédasticité et variables instrumentales
Introduction à l économétrie : Spécifications, formes fonctionnelles, hétéroscédasticité et variables instrumentales Pierre Thomas Léger IEA, HEC Montréal 2013 Table des matières 1 Introduction 2 2 Spécifications
Plus en détailMaster 2: Econométrie 2
Master 2: Econométrie 2 Partie 1 Michel BEINE michel.beine@uni.lu Université du Luxembourg Master 2: Econométrie 2 p. 1/22 Manuel La partie économétrique du cours est basé sur le livre Introductory Econometrics,
Plus en détailLa Banque nationale doit contrôler le franc en se fixant un objectif de taux de change
CON FERENCE D E P R E S S E D U 6 F E V R I E R 2 0 1 5 Daniel Lampart, premier secrétaire et économiste en chef de l USS La Banque nationale doit contrôler le franc en se fixant un objectif de taux de
Plus en détailTests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles
Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Valentin Patilea 1 Cesar Sanchez-sellero 2 Matthieu Saumard 3 1 CREST-ENSAI et IRMAR 2 USC Espagne 3 IRMAR-INSA
Plus en détailRépartition du tourisme de croisière dans la Caraïbe : quels déterminants?
Centre d Etude et de Recherche en Economie, Gestion, Modélisation et Informatique Appliquée www.ceregmia.eu Document de travail 2010-09 Décembre 2010 Répartition du tourisme de croisière dans la Caraïbe
Plus en détailIntroduction à l approche bootstrap
Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?
Plus en détailExercice : la frontière des portefeuilles optimaux sans actif certain
Exercice : la frontière des portefeuilles optimaux sans actif certain Philippe Bernard Ingénierie Economique & Financière Université Paris-Dauphine Février 0 On considère un univers de titres constitué
Plus en détailModèles Estimés sur Données de Panel
Modèles Estimés sur Données de Panel Introduction Il est fréquent en économétrie qu on ait à composer avec des données à deux dimensions : - une dimension chronologique - une dimension spatiale Par exemple,
Plus en détailTests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE
Chapitre 5 UE4 : Biostatistiques Tests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés.
Plus en détailÉvaluation de la régression bornée
Thierry Foucart UMR 6086, Université de Poitiers, S P 2 M I, bd 3 téléport 2 BP 179, 86960 Futuroscope, Cedex FRANCE Résumé. le modèle linéaire est très fréquemment utilisé en statistique et particulièrement
Plus en détailAnalyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés
Analyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés Professeur Patrice Francour francour@unice.fr Une grande partie des illustrations viennent
Plus en détailChapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE
UE4 : Biostatistiques Chapitre 3 : Principe des tests statistiques d hypothèse José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Introduction
Plus en détailTESTS PORTMANTEAU D ADÉQUATION DE MODÈLES ARMA FAIBLES : UNE APPROCHE BASÉE SUR L AUTO-NORMALISATION
TESTS PORTMANTEAU D ADÉQUATION DE MODÈLES ARMA FAIBLES : UNE APPROCHE BASÉE SUR L AUTO-NORMALISATION Bruno Saussereau Laboratoire de Mathématiques de Besançon Université de Franche-Comté Travail en commun
Plus en détailL équilibre Ressources Emplois de biens et services schématisé par une balance
IV) l équilibre ressources - emplois et son interprétation Cet article fait suite à ceux du 19 janvier et du 18 février 2013. Il en est le complément logique sur les fondamentaux macro- économiques d un
Plus en détailRelation entre deux variables : estimation de la corrélation linéaire
CHAPITRE 3 Relation entre deux variables : estimation de la corrélation linéaire Parmi les analyses statistiques descriptives, l une d entre elles est particulièrement utilisée pour mettre en évidence
Plus en détailCONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)
CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un
Plus en détailFOAD COURS D ECONOMETRIE 1 CHAPITRE 2 : Hétéroscédasicité des erreurs. 23 mars 2012.
FOAD COURS D ECONOMETRIE CHAPITRE 2 : Hétéroscédasicité des erreurs. 23 mars 202. Christine Maurel Maître de conférences en Sciences Economiques Université de Toulouse - Capitole Toulouse School of Economics-ARQADE
Plus en détailAnalyse de la variance Comparaison de plusieurs moyennes
Analyse de la variance Comparaison de plusieurs moyennes Biostatistique Pr. Nicolas MEYER Laboratoire de Biostatistique et Informatique Médicale Fac. de Médecine de Strasbourg Mars 2011 Plan 1 Introduction
Plus en détailPrincipe d un test statistique
Biostatistiques Principe d un test statistique Professeur Jean-Luc BOSSON PCEM2 - Année universitaire 2012/2013 Faculté de Médecine de Grenoble (UJF) - Tous droits réservés. Objectifs pédagogiques Comprendre
Plus en détailNON-LINEARITE ET RESEAUX NEURONAUX
NON-LINEARITE ET RESEAUX NEURONAUX Vêlayoudom MARIMOUTOU Laboratoire d Analyse et de Recherche Economiques Université de Bordeaux IV Avenue. Leon Duguit, 33608 PESSAC, France tel. 05 56 84 85 77 e-mail
Plus en détailSTATISTIQUES. UE Modélisation pour la biologie
STATISTIQUES UE Modélisation pour la biologie 2011 Cadre Général n individus: 1, 2,..., n Y variable à expliquer : Y = (y 1, y 2,..., y n ), y i R Modèle: Y = Xθ + ε X matrice du plan d expériences θ paramètres
Plus en détailLA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»
LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» Gilbert Saporta Professeur de Statistique Appliquée Conservatoire National des Arts et Métiers Dans leur quasi totalité, les banques et organismes financiers
Plus en détailApproche modèle pour l estimation en présence de non-réponse non-ignorable en sondage
Approche modèle pour l estimation en présence de non-réponse non-ignorable en sondage Journées de Méthodologie Statistique Eric Lesage Crest-Ensai 25 janvier 2012 Introduction et contexte 2/27 1 Introduction
Plus en détailMéthodes de Simulation
Méthodes de Simulation JEAN-YVES TOURNERET Institut de recherche en informatique de Toulouse (IRIT) ENSEEIHT, Toulouse, France Peyresq06 p. 1/41 Remerciements Christian Robert : pour ses excellents transparents
Plus en détaildistribution quelconque Signe 1 échantillon non Wilcoxon gaussienne distribution symétrique Student gaussienne position
Arbre de NESI distribution quelconque Signe 1 échantillon distribution symétrique non gaussienne Wilcoxon gaussienne Student position appariés 1 échantillon sur la différence avec référence=0 2 échantillons
Plus en détailFormations EViews FORMATIONS GENERALES INTRODUCTIVES INTRO : INTRODUCTION A LA PRATIQUE DE L ECONOMETRIE AVEC EVIEWS
Formations EViews FORMATIONS GENERALES INTRODUCTIVES DEB : DECOUVERTE DU LOGICIEL EVIEWS INTRO : INTRODUCTION A LA PRATIQUE DE L ECONOMETRIE AVEC EVIEWS FORMATIONS METHODES ECONOMETRIQUES VAR : MODELES
Plus en détail1 Définition de la non stationnarité
Chapitre 2: La non stationnarité -Testsdedétection Quelques notes de cours (non exhaustives) 1 Définition de la non stationnarité La plupart des séries économiques sont non stationnaires, c est-à-direqueleprocessusquiles
Plus en détailIntroduction à la statistique non paramétrique
Introduction à la statistique non paramétrique Catherine MATIAS CNRS, Laboratoire Statistique & Génome, Évry http://stat.genopole.cnrs.fr/ cmatias Atelier SFDS 27/28 septembre 2012 Partie 2 : Tests non
Plus en détailEconométrie et applications
Econométrie et applications Ecole des Ponts ParisTech Département Sciences Economiques Gestion Finance Nicolas Jacquemet (nicolas.jacquemet@univ-paris1.fr) Université Paris 1 & Ecole d Economie de Paris
Plus en détailEcts. Utilitaire d Économétrie Version 2. Russell Davidson
Ects Utilitaire d Économétrie Version 2 Russell Davidson Mars 1993 Ects, Version 2 c Russell Davidson, Mars 1993. Tous droits de reproduction, de traduction, d adaptation, et d exécution réservés pour
Plus en détailChapitre 3. Les distributions à deux variables
Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles
Plus en détailPARTIE I - Données de cadrage. Sous-indicateur n 9-1 : Nombre de consultations de médecins par habitant, perspective internationale
Indicateur n 9 : Consommation de soins par habitant Sous-indicateur n 9-1 : Nombre de consultations de médecins par habitant, perspective internationale Le nombre moyen de consultations médicales par habitant
Plus en détailCours Marché du travail et politiques d emploi
Cours Marché du travail et politiques d emploi L offre de travail Pierre Cahuc/Sébastien Roux ENSAE-Cours MTPE Pierre Cahuc/Sébastien Roux (ENSAE) L offre de travail 1 / 48 Introduction Introduction Examen
Plus en détailChapitre 3: TESTS DE SPECIFICATION
Chapitre 3: TESTS DE SPECIFICATION Rappel d u c h api t r e pr é c é d en t : l i de n t i f i c a t i o n e t l e s t i m a t i o n de s y s t è m e s d é q u a t i o n s s i m u lt a n é e s r e p o
Plus en détailProbabilités III Introduction à l évaluation d options
Probabilités III Introduction à l évaluation d options Jacques Printems Promotion 2012 2013 1 Modèle à temps discret 2 Introduction aux modèles en temps continu Limite du modèle binomial lorsque N + Un
Plus en détail1 Complément sur la projection du nuage des individus
TP 0 : Analyse en composantes principales (II) Le but de ce TP est d approfondir nos connaissances concernant l analyse en composantes principales (ACP). Pour cela, on reprend les notations du précédent
Plus en détailL Econométrie des Données de Panel
Ecole Doctorale Edocif Séminaire Méthodologique L Econométrie des Données de Panel Modèles Linéaires Simples Christophe HURLIN L Econométrie des Données de Panel 2 Figure.: Présentation Le but de ce séminaire
Plus en détailLes indices à surplus constant
Les indices à surplus constant Une tentative de généralisation des indices à utilité constante On cherche ici en s inspirant des indices à utilité constante à définir un indice de prix de référence adapté
Plus en détailUNIVERSITÉ DU QUÉBEC À MONTRÉAL MARCHÉ DES CDS ET STABILITÉ FINANCIÈRE MÉMOIRE PRÉSENTÉ COMME EXIGENCE PARTIELLE DE LA MAÎTRISE EN ÉCONOMIQUE PAR
UNIVERSITÉ DU QUÉBEC À MONTRÉAL MARCHÉ DES CDS ET STABILITÉ FINANCIÈRE MÉMOIRE PRÉSENTÉ COMME EXIGENCE PARTIELLE DE LA MAÎTRISE EN ÉCONOMIQUE PAR GENNADII BONDARENKO JANVIER 2013 REMERCIEMENTS La réalisation
Plus en détailQuantification Scalaire et Prédictive
Quantification Scalaire et Prédictive Marco Cagnazzo Département Traitement du Signal et des Images TELECOM ParisTech 7 Décembre 2012 M. Cagnazzo Quantification Scalaire et Prédictive 1/64 Plan Introduction
Plus en détailANNEXE VII EFFETS MACROECONOMIQUES DE LA REFORME PIECE JOINTE N 2 SIMULATIONS REALISEES A PARTIR DU MODELE MACROECONOMETRIQUE MESANGE
ANNEXE VII, PJ n 2, page 1 ANNEXE VII EFFETS MACROECONOMIQUES DE LA REFORME PIECE JOINTE N 2 SIMULATIONS REALISEES A PARTIR DU MODELE MACROECONOMETRIQUE MESANGE ANNEXE VII, PJ n 2, page 2 Les simulations
Plus en détailUNIVERSITÉ DU QUÉBEC À MONTRÉAL TESTS EN ÉCHANTILLONS FINIS DU MEDAF SANS LA NORMALITÉ ET SANS LA CONVERGENCE
UNIVERSITÉ DU QUÉBEC À MONTRÉAL TESTS EN ÉCHANTILLONS FINIS DU MEDAF SANS LA NORMALITÉ ET SANS LA CONVERGENCE MÉMOIRE PRÉSENTÉ COMME EXIGENCE PARTIELLE DE LA MAÎTRISE EN ÉCONOMIE PAR MATHIEU SISTO NOVEMBRE
Plus en détailChapitre 4 : Régression linéaire
Exercice 1 Méthodes statistiques appliquées aux sciences sociales (STAT-D-203) Titulaire : Catherine Vermandele Chapitre 4 : Régression linéaire Le diplôme de Master of Business Administration ou MBA est
Plus en détailÉconométrie, causalité et analyse des politiques
Économétrie, causalité et analyse des politiques Jean-Marie Dufour Université de Montréal October 2006 This work was supported by the Canada Research Chair Program (Chair in Econometrics, Université de
Plus en détailCAPTEURS - CHAINES DE MESURES
CAPTEURS - CHAINES DE MESURES Pierre BONNET Pierre Bonnet Master GSI - Capteurs Chaînes de Mesures 1 Plan du Cours Propriétés générales des capteurs Notion de mesure Notion de capteur: principes, classes,
Plus en détailLa problématique des tests. Cours V. 7 mars 2008. Comment quantifier la performance d un test? Hypothèses simples et composites
La problématique des tests Cours V 7 mars 8 Test d hypothèses [Section 6.1] Soit un modèle statistique P θ ; θ Θ} et des hypothèses H : θ Θ H 1 : θ Θ 1 = Θ \ Θ Un test (pur) est une statistique à valeur
Plus en détailAnalyse de variance à deux facteurs (plan inter-sujets à deux facteurs) TP9
Analyse de variance à deux facteurs (plan inter-sujets à deux facteurs) TP9 L analyse de variance à un facteur permet de vérifier, moyennant certaines hypothèses, si un facteur (un critère de classification,
Plus en détailModèles pour données répétées
Résumé Les données répétées, ou données longitudinales, constituent un domaine à la fois important et assez particulier de la statistique. On entend par données répétées des données telles que, pour chaque
Plus en détailTable des matières: Guidelines Fonds de Pensions
Table des matières: Guidelines Fonds de Pensions TABLE DES MATIERES... 1 INTRODUCTION... 2 1 FINANCEMENT ET FINANCEMENT MINIMUM... 3 1.1 FINANCEMENT... 3 1.2 FINANCEMENT DE PLAN... 3 1.3 FINANCEMENT MÉTHODE
Plus en détailRésumé non technique
Résumé non technique Constats : selon le FMI, l indexation et l ajustement biennal du salaire social minimum sont des facteurs déterminants à la fois du différentiel d inflation et de l inflation au Luxembourg
Plus en détailIBM SPSS Regression 21
IBM SPSS Regression 21 Remarque : Avant d utiliser ces informations et le produit qu elles concernent, lisez les informations générales sous Remarques sur p. 46. Cette version s applique à IBM SPSS Statistics
Plus en détailEtude des propriétés empiriques du lasso par simulations
Etude des propriétés empiriques du lasso par simulations L objectif de ce TP est d étudier les propriétés empiriques du LASSO et de ses variantes à partir de données simulées. Un deuxième objectif est
Plus en détailCoup de Projecteur sur les Réseaux de Neurones
Coup de Projecteur sur les Réseaux de Neurones Les réseaux de neurones peuvent être utilisés pour des problèmes de prévision ou de classification. La représentation la plus populaire est le réseau multicouche
Plus en détailDurées d utilisation des facteurs et fonction de production : une estimation par la méthode des moments généralisés en système
Banque du Canada Bank of Canada Document de travail 2004-12 / Working Paper 2004-12 Durées d utilisation des facteurs et fonction de production : une estimation par la méthode des moments généralisés en
Plus en détailDETERMINATION DE L INCERTITUDE DE MESURE POUR LES ANALYSES CHIMIQUES QUANTITATIVES
Agence fédérale pour la Sécurité de la Chaîne alimentaire Administration des Laboratoires Procédure DETERMINATION DE L INCERTITUDE DE MESURE POUR LES ANALYSES CHIMIQUES QUANTITATIVES Date de mise en application
Plus en détailAlgorithmes pour la planification de mouvements en robotique non-holonome
Algorithmes pour la planification de mouvements en robotique non-holonome Frédéric Jean Unité de Mathématiques Appliquées ENSTA Le 02 février 2006 Outline 1 2 3 Modélisation Géométrique d un Robot Robot
Plus en détailTempérature corporelle d un castor (une petite introduction aux séries temporelles)
Température corporelle d un castor (une petite introduction aux séries temporelles) GMMA 106 GMMA 106 2014 2015 1 / 32 Cas d étude Temperature (C) 37.0 37.5 38.0 0 20 40 60 80 100 Figure 1: Temperature
Plus en détailÉ T A T S F I N A N C I E RS du RÉGIME D ASSURANCE COLLECTIVE DES EMPLOYÉS DES FNP pour l année prenant fin le 31 MARS 2011
É T A T S F I N A N C I E RS du RÉGIME D ASSURANCE COLLECTIVE DES EMPLOYÉS DES FNP pour l année prenant fin le 31 MARS 2011 RAPPORT DES VÉRIFICATEURS Au conseil des Biens non publics Nous avons vérifié
Plus en détailUtilisation du Logiciel de statistique SPSS 8.0
Utilisation du Logiciel de statistique SPSS 8.0 1 Introduction Etude épidémiologique transversale en population générale dans 4 pays d Afrique pour comprendre les différences de prévalence du VIH. 2000
Plus en détailLire ; Compter ; Tester... avec R
Lire ; Compter ; Tester... avec R Préparation des données / Analyse univariée / Analyse bivariée Christophe Genolini 2 Table des matières 1 Rappels théoriques 5 1.1 Vocabulaire....................................
Plus en détailINVESTISSEMENTS DIRECTS ETRANGERS ET CROISSANCE ECONOMIQUE EN COTE D IVOIRE
INTRODUCTION Aujourd hui, près de 750 millions de personnes vivent en Afrique subsaharienne (ASS) ; elles sont parmi les plus pauvres du globe terrestre. Pour pousser la croissance économique dans un environnement
Plus en détail1. Une petite économie ouverte dans un monde de capitaux parfaitement mobiles
Le modèle Mundell-Flemming avec parfaite mobilité des capitaux Le modèle Mundell-Flemming (Robert Mundell, Marcus Flemming, début années 1960) est l extension du modèle IS-LM en économie ouverte. Il partage
Plus en détailHedging delta et gamma neutre d un option digitale
Hedging delta et gamma neutre d un option digitale Daniel Herlemont 1 Introduction L objectif de ce projet est d examiner la couverture delta-gamma neutre d un portefeuille d options digitales Asset-Or-Nothing
Plus en détailFiltrage stochastique non linéaire par la théorie de représentation des martingales
Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de
Plus en détailDirection des Études et Synthèses Économiques Département des Comptes Nationaux Division des Comptes Trimestriels
Etab=MK3, Timbre=G430, TimbreDansAdresse=Vrai, Version=W2000/Charte7, VersionTravail=W2000/Charte7 Direction des Études et Synthèses Économiques Département des Comptes Nationaux Division des Comptes Trimestriels
Plus en détailLes avantages des projections budgétaires à long terme : l exemple belge
Les avantages des projections budgétaires à long terme : l exemple belge Par : Geert Langenus (Département Études, Banque nationale de Belgique, geert.langenus@nbb.be) 4 e réunion annuelle des responsables
Plus en détailStéphane Tufféry DATA MINING & STATISTIQUE DÉCISIONNELLE. 06/12/2009 Stéphane Tufféry - Data Mining - http://data.mining.free.fr
Stéphane Tufféry DATA MINING & STATISTIQUE DÉCISIONNELLE 1 Plan du cours Qu est-ce que le data mining? A quoi sert le data mining? Les 2 grandes familles de techniques Le déroulement d un projet de data
Plus en détailde calibration Master 2: Calibration de modèles: présentation et simulation d
Master 2: Calibration de modèles: présentation et simulation de quelques problèmes de calibration Plan de la présentation 1. Présentation de quelques modèles à calibrer 1a. Reconstruction d une courbe
Plus en détailAmeth Saloum NDIAYE. Colloque régional UEMOA-CRDI 2009 1
Ameth Saloum NDIAYE CEPOD, Ministère de l Economie et des Finances, Sénégal Colloque régional UEMOA-CRDI, Ouagadougou, Burkina Faso, 8-10 décembre 2009 1 Problématique et justification Objectifs du papier
Plus en détailLe modèle de Black et Scholes
Le modèle de Black et Scholes Alexandre Popier février 21 1 Introduction : exemple très simple de modèle financier On considère un marché avec une seule action cotée, sur une période donnée T. Dans un
Plus en détailLA RÉDUCTION DU TEMPS DE TRAVAIL : UNE COMPARAISON DE LA POLITIQUE DES «35 HEURES» AVEC LES POLITIQUES D AUTRES PAYS MEMBRES DE L OCDE
LA RÉDUCTION DU TEMPS DE TRAVAIL : UNE COMPARAISON DE LA POLITIQUE DES «35 HEURES» AVEC LES POLITIQUES D AUTRES PAYS MEMBRES DE L OCDE par John P. Martin, Martine Durand et Anne Saint-Martin* Audition
Plus en détailESSEC. Cours «Management bancaire» Séance 3 Le risque de crédit
ESSEC Cours «Management bancaire» Séance 3 Le risque de crédit Plan de la séance 3 : Le risque de crédit (1) Les opérations de crédit Définition d un crédit La décision de crédit Les crédits aux petites
Plus en détailDEMANDE DE VISA TOURISME/ (VISITE FAMILIALE/OU AMICALE)
DEMANDE DE VISA TOURISME/ (VISITE FAMILIALE/OU AMICALE) UN FORMULAIRE DUMENT REMPLIS AVEC UNE PHOTO RECENTE. PASSEPORT D UNE VALIDITE MINIMALE DE 3 MOIS APRES L EXPIRATION DU VISA ET UN MINIMUM DE 2 PAGES
Plus en détailLa nouvelle planification de l échantillonnage
La nouvelle planification de l échantillonnage Pierre-Arnaud Pendoli Division Sondages Plan de la présentation Rappel sur le Recensement de la population (RP) en continu Description de la base de sondage
Plus en détailLES DIFFERENTS TYPES DE MESURE
LES DIFFERENTS TYPES DE MESURE Licence - Statistiques 2004/2005 REALITE ET DONNEES CHIFFREES Recherche = - mesure. - traduction d une réalité en chiffre - abouti à des tableaux, des calculs 1) Qu est-ce
Plus en détailPropriétés des options sur actions
Propriétés des options sur actions Bornes supérieure et inférieure du premium / Parité call put 1 / 1 Taux d intérêt, capitalisation, actualisation Taux d intéret composés Du point de vue de l investisseur,
Plus en détailLes critères d identification des pays les moins avancés
Les critères d identification des pays les moins avancés Vue d ensemble Ce document reprend les éléments présentés sur le site du Comité des politiques de développement http://www.un.org/en/development/desa/policy/cdp/ldc/ldc_criteria.shtml
Plus en détailExercices - Fonctions de plusieurs variables : corrigé. Pour commencer
Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy
Plus en détailPolitiques monétaire et fiscale Cours de M2R Printemps 2006
Politiques monétaire et fiscale Cours de M2R Printemps 2006 Ekkehard Ernst OCDE Ekkehard Ernst 1 Introduction et résumé du cours Objectifs Connaître et apprendre les concepts modernes d analyse monétaire
Plus en détailContradicting Beliefs and Communication. J.-M. Tallon, J.-C. Vergnaud, & S. Zamir CNRS-EUREQua
Contradicting Beliefs and Communication J.-M. Tallon, J.-C. Vergnaud, & S. Zamir CNRS-EUREQua Introduction Papier propose : Considère structure de Kripke (KD45 au lieu de S5) Processus de communication
Plus en détailLEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples.
LEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples. Pré-requis : Probabilités : définition, calculs et probabilités conditionnelles ; Notion de variables aléatoires, et propriétés associées : espérance,
Plus en détailIntroduction aux Statistiques et à l utilisation du logiciel R
Introduction aux Statistiques et à l utilisation du logiciel R Christophe Lalanne Christophe Pallier 1 Introduction 2 Comparaisons de deux moyennes 2.1 Objet de l étude On a mesuré le temps de sommeil
Plus en détaildonnées en connaissance et en actions?
1 Partie 2 : Présentation de la plateforme SPSS Modeler : Comment transformer vos données en connaissance et en actions? SPSS Modeler : l atelier de data mining Large gamme de techniques d analyse (algorithmes)
Plus en détailCours de Tests paramétriques
Cours de Tests paramétriques F. Muri-Majoube et P. Cénac 2006-2007 Licence Ce document est sous licence ALC TYPE 2. Le texte de cette licence est également consultable en ligne à l adresse http://www.librecours.org/cgi-bin/main?callback=licencetype2.
Plus en détailManuel de fonctionnement EA pour Metatrader 4 - Croisement de moyennes mobiles -
Manuel de fonctionnement EA pour Metatrader 4 - Croisement de moyennes mobiles - INSTALLATION L Expert Advisor est livré complet, sous la forme d un fichier exécutable Windows. A l issu de votre téléchargement,
Plus en détailTests de sensibilité des projections aux hypothèses démographiques et économiques : variantes de chômage et de solde migratoire
CONSEIL D ORIENTATION DES RETRAITES Séance plénière du 16 décembre 2014 à 14 h 30 «Actualisation des projections» Document N 5 Document de travail, n engage pas le Conseil Tests de sensibilité des projections
Plus en détailExamen de Logiciels Statistiques
G. Hunault Angers, mai 2011 Licence MEF Examen de Logiciels Statistiques On s intéresse ici au dossier EAEF01 qui contient un extrait des données du recensement américain. On trouvera ces données et leur
Plus en détailCOMMISSION DES NORMES COMPTABLES
COMMISSION DES NORMES COMPTABLES Avis CNC 2010/16 - Traitement comptable des subsides, dons et legs, octroyés en espèces, dans le chef des grandes et très grandes associations et fondations bénéficiaires
Plus en détailTests de comparaison de moyennes. Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique»
Tests de comparaison de moyennes Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique» Test de Z ou de l écart réduit Le test de Z : comparer des paramètres en testant leurs différences
Plus en détailAnalyse de la relation entre primes de terme et prime de change dans un cadre d équilibre international
ANNALES D ÉCONOMIE ET DE STATISTIQUE. N 46 1997 Analyse de la relation entre primes de terme et prime de change dans un cadre d équilibre international Hubert de LA BRUSLERIE, Jean MATHIS * RÉSUMÉ. Cet
Plus en détailCet article s attache tout d abord
Méthodes internationales pour comparer l éducation et l équité Comparaison entre pays des coûts de l éducation : des sources de financement aux dépenses Luc Brière Marguerite Rudolf Bureau du compte de
Plus en détailUne étude de différentes analyses réalisées par le BIT
Association internationale de la sécurité sociale Quinzième Conférence internationale des actuaires et statisticiens de la sécurité sociale Helsinki, Finlande, 23-25 mai 2007 Comparaison des hypothèses
Plus en détailLa valeur présente (ou actuelle) d une annuité, si elle est constante, est donc aussi calculable par cette fonction : VA = A [(1-1/(1+k) T )/k]
Evaluation de la rentabilité d un projet d investissement La décision d investir dans un quelconque projet se base principalement sur l évaluation de son intérêt économique et par conséquent, du calcul
Plus en détailLa crise économique vue par les salariés français
La crise économique vue par les salariés français Étude du lien entre la performance sociale et le contexte socioéconomique Baggio, S. et Sutter, P.-E. La présente étude s intéresse au lien entre cette
Plus en détailComment régler un litige avec son vendeur de produits financiers?
Comment régler un litige avec son vendeur de produits financiers? Elsa Aubert Direction des relations avec les épargnants Le 16 novembre 2011 2 Plan de la présentation I Auprès de qui réclamer? 1. L interlocuteur
Plus en détailRapport d évaluation du master
Section des Formations et des diplômes Rapport d évaluation du master Droit des affaires européen et comparé de l Université du Littoral Côte d Opale - ULCO Vague E 2015-2019 Campagne d évaluation 2013-2014
Plus en détailLa rémunération des concepteurs. en théâtre au Québec. de 2004 à 2006
La rémunération des concepteurs en théâtre au Québec de 2004 à 2006 Conseil québécois du théâtre - novembre 2007 Dans le cadre des travaux préparatoires des SECONDS ÉTATS GÉNÉRAUX DU THÉÂTRE PROFESSIONNEL
Plus en détailEspérance conditionnelle
Espérance conditionnelle Samy Tindel Nancy-Université Master 1 - Nancy Samy T. (IECN) M1 - Espérance conditionnelle Nancy-Université 1 / 58 Plan 1 Définition 2 Exemples 3 Propriétés de l espérance conditionnelle
Plus en détailLa prévision est un art difficile de manière générale, mais c est
Noémie Jess Dorian Roucher Département de la conjoncture Jean-Baptiste Bernard Guillaume Cléaud Département des études économiques La prévision est un art difficile de manière générale, mais c est particulièrement
Plus en détail