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 les données du monde réel à des essais statistiques, puis compare et contraste les résultats avec la ou les théories testées.
Selon que vous souhaitez tester une théorie existante ou 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 pratiquent régulièrement cette pratique sont communément appelés économétriciens.
Points clés à retenir
- 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.L'économétrie s'appuie sur des techniques telles que les modèles de régression et les tests d'hypothèse nulle.L'économétrie peut également être utilisée pour essayer de prévoir les tendances économiques ou financières futures.
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, les distributions de probabilité et 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 les trois ont remporté le prix Nobel d'économie en 1971 pour leurs contributions. Aujourd'hui, il est utilisé régulièrement parmi les universitaires ainsi que les praticiens tels que les commerçants et les analystes de Wall Street.
Un exemple d'application de l'économétrie est d'étudier l'effet du revenu à l'aide de données observables. Un économiste peut émettre l'hypothèse qu'en augmentant ses revenus, ses dépenses augmenteront 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 en raison du hasard seul.
La méthodologie de l'économétrie
La première étape de la méthodologie économétrique consiste à obtenir et 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.
La relation la plus courante est linéaire, ce qui signifie que tout changement dans 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 ligne de meilleur ajustement entre les deux ensembles de données, puis tester pour voir à quelle distance chaque point de données est, en moyenne, de cette ligne.
Notez que vous pouvez avoir plusieurs variables explicatives dans votre analyse - par exemple, les changements du PIB et de l'inflation en plus du chômage pour expliquer les cours boursiers. Lorsque plusieurs variables explicatives sont utilisées, 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, 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 (OLS), 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 renvoyé 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 à la disposition d'un économètre.
L'économétrie est désormais 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 afin de prouver 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 p et les tests d'hypothèse nulle sont toutes des méthodes utilisées par les économétriciens pour évaluer la validité des résultats de leur modèle.
Limites de l'économétrie
L'économétrie est parfois critiquée parce qu'elle s'appuie trop sur l'interprétation des données brutes sans les lier à la théorie économique établie ou rechercher des mécanismes de causalité. Il est essentiel que les résultats révélés dans les données puissent être correctement expliqués par une théorie, même si cela signifie développer votre propre théorie des processus sous-jacents.
L'analyse de régression ne prouve pas non plus le lien de causalité, et simplement parce que deux ensembles de données montrent une association, elle peut être fausse. Par exemple, les décès par noyade dans les piscines augmentent avec le PIB. Une économie en croissance provoque-t-elle la noyade? Bien sûr que non, mais peut-être plus de gens achètent des pools lorsque l'économie est en plein essor. L'économétrie s'intéresse en grande partie à l'analyse de corrélation, et n'oubliez pas que la corrélation n'est pas égale à la causalité.
