Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

Une équation structurelle : Une équation de comportement Une équation technique

Une équation structurelle : Une équation de comportement Une équation technique Une équation institutionnelle Une variable économique Une variable systématique Une variable aléatoire Une variable endogène Une variable exogène Un paramètre structurel Une série chronologique Point d’observation en coupe transversale Biais : le biais est l'écart systématique qui existe entre les résultats d'une méthode d'estimation et la vraie valeur du paramètre qu'on cherche à estimer. Le biais s'évalue par une expérience de pensée : qu'adviendrait-il en moyenne si l'on répétait de nombreuses fois la même méthode d'estimation sur des échantillons différents ? La méthode d'estimation est sans biais si l'on obtient alors, en moyenne, la vraie valeur. Calibration : la calibration est une méthode pour quantifier les paramètres d'un modèle théorique complexe. Elle se distingue de l'estimation par son caractère moins direct : elle consiste à simuler le modèle pour différentes valeurs des paramètres et à retenir le jeu de paramètres qui donne des résultats compatibles avec un ensemble de faits observés. Convergent : une méthode d'estimation est convergente si les résultats qu'elle donne tendent vers la vraie valeur du paramètre à estimer lorsque la taille de l'échantillon utilisé devient infinie. Par exemple, un sondage électoral par tirage aléatoire dans les listes électorales est une méthode convergente : si l'on augmentait la taille de l'échantillon jusqu'à couvrir toute la population, on estimerait aussi précisément qu'on le souhaite les intentions de vote dans la population. Doubles différences : l'approche des doubles différences est une stratégie empirique qui consiste à déduire l'effet causal d'un événement (ou traitement) en comparant les évolutions d'un groupe affecté par cet événement (le groupe de traitement) et d'un groupe non affecté (le groupe de contrôle). Pour être valide, la méthode des doubles différences suppose qu'on puisse faire les deux hypothèses identificatrices suivantes : 1) les deux groupes auraient, en l'absence de traitement, connu les mêmes évolutions ; 2) le groupe de contrôle n'a pas été affecté, même indirectement, par le traitement. Effet Hawthorne : dans le cadre d'une expérience contrôlée, l'effet Hawthorne est le changement de comportement induit par le fait de participer à l'expérience, et non par le contenu de l'expérience elle-même. L'effet Hawthorne peut biaiser les résultats de l'expérience si l'on attribue à la mesure elle-même cet effet qui est lié au protocole expérimental et qui disparaîtrait en conditions réelles. Endogène : une variable est dite endogène si elle est déterminée à l'intérieur du système qu'on étudie. En économétrie, le fait qu'une variable explicative soit endogène pose problème. En effet, il n'est alors pas possible, à moins de mettre en œuvre des outils spécifiques (comme les variables instrumentales), de savoir si les effets apparents de cette variable sont bien les effets causaux qu'elle induit ou s'ils sont dus à des causes en amont, inobservées. Ces causes inobservées sont alors un exemple de variable manquante (voir ci-dessous). Erreur de la variable manquante (ou omise) : on parle d'erreur de la variable omise lorsqu'on veut expliquer une variable dépendante (ou expliquée) par une variable explicative particulière (dite variable d'intérêt) et qu'on ne tient pas compte d'une troisième variable susceptible d'expliquer la variable dépendante et corrélée avec la variable d'intérêt. L'erreur de la variable manquante vient biaiser l'estimation de l'effet causal : on attribue à la variable d'intérêt des variations de la variable dépendante qui sont en réalité dues à la variable manquante. Par exemple, lorsqu'on explique le salaire par la durée des études sans prendre en compte le milieu social d'origine, l'erreur de la variable omise est qu'on interprète comme un effet des études des hausses de salaire qui sont en partie dues au fait que ceux qui font des études plus longues viennent de milieux plus aisés, ce qui leur facilite l'accès à des emplois plus rémunérateurs. Estimation : l'estimation consiste à quantifier un paramètre théorique, tel qu'il est défini pour une population, à partir de l'observation d'une partie de la population, appelée l'échantillon. Exogène : une variable est dite exogène si elle est déterminée en dehors du système qu'on étudie. Expérience naturelle : une expérience naturelle est un événement (par exemple, une réforme législative, ou la naissance de jumeaux plutôt que d'un seul enfant) qui crée de façon non intentionnelle une situation analogue à celle qu'aurait produite « artificiellement » une expérience contrôlée. Par exemple, l'expérience naturelle crée une différence de traitement fiscal entre deux groupes par ailleurs aussi comparables que s'ils avaient été définis par tirage au sort ; on peut alors étudier l'effet du traitement fiscal en comparant ces deux groupes. Expérimentation (ou expérience) contrôlée : l'expérience contrôlée consiste à traiter différemment deux groupes d'individus par ailleurs strictement comparables, comme pour le test clinique d'un médicament. La plupart du temps, on s'assure de la comparabilité des deux groupes en y assignant les individus de façon aléatoire (tirage au sort). Identification :stricto sensu, un paramètre est dit identifié lorsque les hypothèses qu'on fait permettent de le définir de façon unique. Par exemple, les deux inconnues d'un système de deux équations non colinéaires sont des paramètres identifiés. Plus concrètement, lorsque le paramètre qu'on étudie est l'effet causal d'une variable sur une autre, ce paramètre est identifié lorsqu'il existe une comparaison dont le résultat permette de déduire l'effet recherché. L'identification repose en général sur des hypothèses dites identificatrices (voir ci-dessus l'exemple des hypothèses identificatrices des doubles différences). Inférence : l'inférence consiste à déduire les caractéristiques d'une population de l'observation d'un échantillon, sur un mode probabiliste. Le caractère probabiliste de l'inférence provient du risque d'erreur d'échantillonnage : si l'on a tiré par malchance un échantillon peu représentatif de la population, il existe un écart entre la valeur estimée à partir de l'échantillon et la vraie valeur dans la population. L'inférence prend typiquement la forme suivante : « Au vu de l'échantillon tiré (et sous réserve qu'il ne soit pas particulièrement peu représentatif, ce qui peut arriver dans x % des cas), on peut affirmer que la vraie valeur du paramètre se trouve dans telle fourchette. » Instrument (ou variable instrumentale) : un instrument est une variable qui remplit deux conditions : 1) elle a un impact sur la variable explicative dont on souhaite mesurer l'effet ; 2) elle n'a pas d'impact direct sur la variable expliquée (cette seconde condition est dite condition d'exclusion). Maximum de vraisemblance : la méthode du maximum de vraisemblance est une méthode d'estimation alternative à d'autres méthodes comme les moindres carrés ordinaires. Elle s'applique par exemple dans le cas où la variable expliquée est qualitative. Moindres carrés ordinaires : les moindres carrés ordinaires sont la méthode standard d'estimation d'une régression multiple (voir chapitre II). Multicolinéarité : des variables sont (strictement) multicolinéaires si elles sont reliées par une relation linéaire (i.e. l'une d'entre elles est la somme pondérée des autres). Dans ce cas, il n'est pas possible d'estimer simultanément les effets linéaires de chacune de ces variables : il faut nécessairement en ôter une. On parle de multicolinéarité approchée lorsque les variables sont presque reliées par une relation linéaire. L'estimation est alors possible, mais imprécise, surtout si l'échantillon est petit. Par exemple, l'expérience professionnelle et l'âge étant presque colinéaires, il est difficile d'estimer séparément leurs effets sur le salaire. Panel : un panel est un suivi de plusieurs individus sur plusieurs périodes. Les données varient donc dans deux dimensions : la dimension interindividuelle et la dimension intra-individuelle, ou temporelle. Réduit : une estimation est en forme réduite lorsqu'on étudie l'effet d'une variable sur une autre sans détailler les mécanismes intermédiaires, et sans quantifier les paramètres fondamentaux sous-jacents (en particulier, les paramètres qui décrivent les comportements microéconomiques). « Réduit » s'oppose à « structurel ». Par exemple, une estimation en double différence de l'effet d'un traitement est une estimation en forme réduite (voir chapitre V, section « Une évaluation de dispositif : l'allègement des charges sur les emplois à bas salaires »). Régression : méthode d'analyse d'une variable dépendante (ou expliquée) en fonction d'une ou plusieurs variables indépendantes (ou explicatives). On parle de régression simple lorsqu'il y a une seule explicative, de régression multiple sinon (voir chapitre II). Résidus : lors d'une estimation, les résidus sont les variations de la variable dépendante (ou expliquée) dont les variables explicatives ne permettent pas de rendre compte. Ils reflètent l'existence d'un terme d'erreur (principalement l'erreur de mesure) ainsi que l'omission de certaines variables explicatives. Significativité : la significativité statistique reflète le fait qu'on peut ou non, à un niveau de confiance donnée (i.e. avec un risque d'erreur donné), affirmer qu'un paramètre est différent de 0. C'est une question d'inférence : au vu de ce qui est observé dans l'échantillon, est-il possible d'affirmer (avec un risque d'erreur donné) que deux variables sont liées dans la population ? Stochastique : une variable est stochastique si elle comporte une part d'aléa : elle peut prendre différentes valeurs selon l'état du monde qui se réalise. Structurel : une estimation est dite structurelle si elle vise à identifier des paramètres fondamentaux (dits structurels) comme, par exemple, les préférences des agents microéconomiques. « Structurel » s'oppose à « réduit ». L'approche structurelle suppose de uploads/Geographie/ voca-econo-une-equation-structurelle.pdf