Définition économétrique

Qu’est-ce que l’économétrie ?

L’économétrie est l’application quantitative de modèles statistiques et mathématiques utilisant des données pour développer des théories ou tester des hypothèses existantes en économie et pour prévoir les tendances futures à partir de données historiques. Il soumet des données du monde réel à des essais statistiques, puis compare et oppose les résultats à la théorie ou aux théories testées.

Selon que vous êtes intéressé à tester une théorie existante ou à utiliser des données existantes pour développer une nouvelle hypothèse basée sur ces observations, l’économétrie peut être subdivisée en deux grandes catégories : théorique et appliquée. Ceux qui se livrent régulièrement à cette pratique sont communément appelés économètres.

Comprendre l’économétrie

L’économétrie analyse les données à l’aide de méthodes statistiques afin de tester ou de développer la théorie économique. Ces méthodes s’appuient sur des inférences statistiques pour quantifier et analyser les théories économiques en exploitant des outils tels que les distributions de fréquence, la probabilité et les distributions de probabilité, l’inférence statistique, l’analyse de corrélation, l’analyse de régression simple et multiple, les modèles d’équations simultanées et les méthodes de séries chronologiques.

L’économétrie a été lancée par Lawrence Klein, Ragnar Frisch et Simon Kuznets. Tous trois ont remporté le prix Nobel d’économie pour leurs contributions. Aujourd’hui, il est régulièrement utilisé par les universitaires ainsi que par les praticiens tels que les traders et les analystes de Wall Street.

Un exemple d’application de l’économétrie consiste à étudier l’effet revenu à l’aide de données observables. Un économiste peut émettre l’hypothèse qu’à mesure qu’une personne augmente ses revenus, ses dépenses augmentent également. Si les données montrent qu’une telle association est présente, une analyse de régression peut alors être effectuée pour comprendre la force de la relation entre le revenu et la consommation et si cette relation est statistiquement significative ou non, c’est-à-dire qu’il semble peu probable qu’elle soit dû au seul hasard.

La méthodologie de l’économétrie

La première étape de la méthodologie économétrique consiste à obtenir et à analyser un ensemble de données et à définir une hypothèse spécifique qui explique la nature et la forme de l’ensemble. Ces données peuvent être, par exemple, les prix historiques d’un indice boursier, les observations recueillies à partir d’une enquête sur les finances des consommateurs ou les taux de chômage et d’inflation dans différents pays.

Si vous êtes intéressé par la relation entre la variation annuelle des prix du S&P 500 et le taux de chômage, vous collecterez les deux ensembles de données. Ici, vous voulez tester l’idée qu’un chômage plus élevé entraîne une baisse des cours boursiers. Le cours de bourse est donc votre variable dépendante et le taux de chômage est la variable indépendante ou explicative.

La relation la plus courante est linéaire, ce qui signifie que tout changement de la variable explicative aura une corrélation positive avec la variable dépendante, auquel cas un modèle de régression simple est souvent utilisé pour explorer cette relation, ce qui revient à générer une droite de meilleur ajustement entre les deux ensembles de données, puis testez pour voir à quelle distance chaque point de données se trouve, en moyenne, de cette ligne.

Notez que vous pouvez avoir plusieurs variables explicatives dans votre analyse, par exemple, les variations du PIB et de l’inflation en plus du chômage pour expliquer les cours boursiers. Lorsque plus d’une variable explicative est utilisée, on parle de régression linéaire multiple, le modèle qui est l’outil le plus couramment utilisé en économétrie.

Différents modèles de régression

Il existe plusieurs modèles de régression différents qui sont optimisés en fonction de la nature des données analysées et du type de question posée. L’exemple le plus courant est la régression des moindres carrés ordinaires (MCO), qui peut être effectuée sur plusieurs types de données transversales ou chronologiques. Si vous êtes intéressé par un résultat binaire (oui-non), par exemple, la probabilité que vous soyez licencié d’un emploi en fonction de votre productivité, vous pouvez utiliser une régression logistique ou un modèle probit. Aujourd’hui, il existe des centaines de modèles dont disposent les économètres.

L’économétrie est maintenant effectuée à l’aide de progiciels d’analyse statistique conçus à ces fins, tels que STATA, SPSS ou R. Ces progiciels peuvent également facilement tester la signification statistique pour fournir un soutien que les résultats empiriques produits par ces modèles ne sont pas simplement le résultat de chance. Le R au carré, les tests t, les valeurs de p et les tests d’hypothèse nulle sont toutes des méthodes utilisées par les économètres pour évaluer la validité des résultats de leur modèle.

Limites de l’économétrie

L’économétrie est parfois critiquée pour s’appuyer trop sur l’interprétation de données brutes sans la relier à la théorie économique établie ou rechercher des mécanismes de causalité. Il est crucial que les résultats révélés dans les données puissent être expliqués de manière adéquate par une théorie, même si cela signifie développer votre propre théorie des processus sous-jacents.

L’analyse de régression ne prouve pas non plus la causalité, et simplement parce que deux ensembles de données montrent une association, cela peut être faux. Par exemple, les décès par noyade dans les piscines augmentent avec le PIB. Une économie en croissance provoque-t-elle des noyades ? Bien sûr que non, mais peut-être que plus de gens achètent des piscines lorsque l’économie est en plein essor. L’économétrie s’intéresse en grande partie à l’analyse de corrélation, et rappelez-vous que la corrélation n’est pas égale à la causalité.