Économétrie — TD 1

Introduction & EViews : prise en main

Author

Pierre Beaucoral

Published

September 15, 2025

1 Introduction

L’économétrie s’inscrit dans une démarche scientifique dite hypothético-déductive, telle que l’a définie Karl Popper.
Cette démarche comporte trois étapes :

  1. Modélisation : formuler une théorie économique et la traduire sous forme de modèle.
  2. Vérification empirique : utiliser l’économétrie pour confronter le modèle aux données.
  3. Validation ou révision : confirmer ou modifier la théorie selon les résultats.

En pratique, l’économétrie est une méthode d’analyse des données économiques qui, grâce aux outils de la statistique et des mathématiques, permet de mettre en évidence les relations entre variables.
Elle poursuit plusieurs objectifs :

  • tester la véracité empirique d’une théorie ;
  • prévoir l’évolution d’un phénomène économique ;
  • estimer la valeur des paramètres d’un modèle théorique.

2 Corrélation et causalité

Une idée clé à garder à l’esprit : corrélation n’est pas causalité.
L’économétrie mesure des corrélations. Pour parler de causalité, il faut des arguments théoriques solides et, souvent, des méthodes spécifiques (variables instrumentales, expériences naturelles, etc.).
Pour s’en convaincre, on peut consulter le site Spurious Correlations qui illustre de fausses corrélations amusantes.

3 Principe de l’économétrie appliquée

Supposons que l’on veuille expliquer le nombre de buts marqués par un joueur de football.
On dispose d’une variable à expliquer (le nombre de buts) et de variables explicatives (poste du joueur, taille, club…).
L’économétrie cherche à identifier s’il existe une relation entre ces variables.
Avec un apport théorique préalable, une corrélation observée peut alors être interprétée comme un lien causal.

Dans ce cours :

  • les concepts théoriques sont présentés en cours magistral (M. Brun) ;
  • la mise en pratique se fait en Travaux Dirigés, en utilisant le logiciel EViews.

3.1 Organisation des TD

Le cycle de TD se déroule en plusieurs séances :

▶ TD 1 : Présentation et prise en main d’EViews

▶ TD 2 : Gestion et explorations de la base de données

▶ TD 3 : Modèle linéaire (MCO) et conditions de validité.

▶ TD 4 : Tests d’hypothèses économétriques : homoscédasticité (Goldfeld–Quandt, Breusch–Pagan, White) et corrections pour l’hétéroscédasticité (White).

▶ TD 5 : Tests d’hypothèses économiques : stabilité des coefficients et pertinence de l’estimation & autocorrélation.

▶ TD 6 : Variables instrumentales (2SLS) : identification, exogénéité et instrumentation (test de Hausman — principe Nakamura & Nakamura).

▶ TD 7: Variables instrumentales (2SLS) : avancé.

▶ TD 8 : Normalité des erreurs : normalité (Jarque–Bera).

▶ TD 9: Simulation de Monte Carlo.

3.2 Types de données en économétrie

Les données utilisées peuvent être de trois grands types :

  • Données transversales : observations sur plusieurs individus à un instant donné (ex. : un ensemble de pays en 2024).
  • Données temporelles : observations sur un même individu ou pays à plusieurs dates.
  • Données de panel : combinaison des deux précédentes, plusieurs individus observés sur plusieurs périodes.

Important

Dans le cadre de ce premier TD, nous travaillerons uniquement sur des données transversales.

3.3 Le logiciel EViews

EViews est un logiciel d’économétrie développé par Quantitative Micro Software.
Parmi les autres logiciels largement utilisés, on peut citer Stata, R, Rats, Matlab, ou encore Limdep.

3.3.1 Avantages

  • Interface graphique simple d’utilisation ;
  • Performant pour l’analyse de séries temporelles.

3.3.2 Inconvénients

  • Logiciel spécialisé uniquement en économétrie ;
  • Nécessite un pré-traitement des données (peu flexible pour la manipulation de bases).

3.4 Travailler sous EViews

3.4.1 Environnement et logique de fonctionnement

On peut travailler sous EViews de trois manières :

  1. Interface graphique : menus et fenêtres.
  2. Fenêtre de commande : en tapant directement les instructions.
  3. Programme (.prg) : regroupement des commandes dans un script.

Dans ce TD, nous utiliserons surtout les deux premières méthodes, plus intuitives.

3.4.2 Types de fichiers

  • Fichier texte (.txt) ou Excel (.xls) : contient la base de données d’origine.
  • Fichier workfile (.wf1) : enregistre votre travail et vos objets EViews.
  • Fichier programme (.prg) : stocke des commandes, non utilisé dans ce TD.

3.4.3 Types d’objets

Dans un workfile, on trouve différents objets :
variables numériques, listes de texte, équations, graphiques, coefficients et résidus estimés, scalaires et matrices.
Pour consulter un objet, il suffit de double-cliquer sur son icône.

3.5 Création d’un workfile

Avant d’importer une base de données, il faut créer un workfile :

  • Menu : File → New → Workfile.

Trois structures sont possibles :

  1. Unstructured/Undated (pour des données transversales).
    • Data Range : nombre d’observations (ex. nombre de pays).
  2. Dated–regular frequency (pour des séries temporelles).
    • Frequency : fréquence (annuelle, mensuelle, …).
    • Start date et End date : période couverte.
  3. Balanced Panel (pour des données de panel).
    • même principe que pour les séries temporelles, en précisant le nombre d’individus.

Options complémentaires : - Name : nom du workfile ; - Page : numéro de page.

Sauvegarder le workfile :
- première fois via File → Save as,
- ensuite File → Save ou Ctrl + S.

Pour rouvrir un workfile existant : File → Open → Workfile.

3.6 Importation de données

Avant l’importation, assurez-vous que le fichier Excel ne contient aucune formule.
Ensuite :

  1. Fermez la feuille Excel.
  2. Menu : File → Import → Import from file.
  3. Sélectionnez la base de données.

Une première fenêtre permet de choisir la plage de données : - Predefined Range si aucun changement n’est nécessaire ; - Custom Range pour définir précisément les cellules.

Une seconde fenêtre permet de : - indiquer le nombre de lignes d’en-tête (Column headers) ; - modifier le nom, le type et le label des variables (Column info).

Une troisième fenêtre offre des opérations plus avancées, par exemple lier plusieurs bases de données.

Une fois l’importation terminée, sauvegardez le workfile.

3.6.1 Création du workfile et importation en une seule étape

Il est aussi possible de créer le workfile et d’importer les données directement : - Menu : File → Open → Foreign Data as Workfile.

Avantage : gain de temps.
Inconvénient : la base doit être parfaitement préparée en amont.

4 Questions du TD

4.0.1 Q1 — Contexte et objectif du TD

Question : Quel est le contexte du TD et quel objectif d’analyse est proposé ?

Afficher la réponse

La Malaysia Airlines a connu en 2014 la disparition du vol MH370 et l’élimination du vol MH17.
On cherche à étudier l’effet de tels accidents sur le nombre de passagers transportés, en distinguant les accidents mortels et non mortels.
Pour cela, on utilise un échantillon de 94 grandes compagnies aériennes issues de tous les continents.

4.0.2 Q2 — Création du workfile

Question : Comment créer un workfile pour accueillir des données transversales dans EViews ?

Afficher la réponse
  1. Menu File → New → Workfile
  2. Choisir Unstructured / Undated
  3. Indiquer le nombre d’observations (ex. 94)
  4. File → Save as pour enregistrer.

4.0.3 Q3 — Importation de données

Question : Quelle est la procédure pour importer un fichier Excel dans EViews ?

Afficher la réponse
  1. Fermer le fichier Excel.
  2. Dans EViews : File → Import → Import from file.
  3. Sélectionner le fichier TD1.xls.
  4. Vérifier la plage de données puis valider.
  5. Sauvegarder le workfile.

4.0.4 Q4 — Types de données en économétrie

Question : Quelles sont les trois grandes catégories de données utilisées en économétrie ?

Afficher la réponse
  • Données transversales : plusieurs individus observés à un instant donné.
  • Données temporelles : une même unité observée à plusieurs dates.
  • Données de panel : plusieurs individus suivis sur plusieurs périodes.

4.0.5 Q5 — Corrélation et causalité

Question : La corrélation implique-t-elle la causalité ? Donnez un exemple.

Afficher la réponse

Non.
- Corrélation : deux variables évoluent ensemble sans lien de cause à effet.
- Causalité : une variable provoque l’évolution de l’autre.

Exemple de corrélation : nombre de piscines et ventes de glaces en été (variable commune : la chaleur).
Exemple de causalité : fumer augmente le risque de cancer du poumon.

4.0.6 Q6 — Nature des variables

Question : Pourquoi la variable Compagnie apparaît en texte et la variable Public en yes/no ?

Afficher la réponse
  • Compagnie : variable qualitative nominale (noms de compagnies).
  • Public : variable binaire (oui/non) ⇒ à recoder en 0/1 si nécessaire.

genr dummy_public = @recode(public="yes", 1, 0)

4.0.7 Q7 — Paramètre et variables explicatives

Question : Qu’est-ce qu’un paramètre en économie et que sont les variables explicatives en économétrie ?

Afficher la réponse
  • Paramètre : valeur fixe d’un modèle économique qui influence les résultats mais n’est pas directement affectée par les variables du modèle.
  • Variables explicatives : variables utilisées pour expliquer ou prédire la variable dépendante (aussi appelées variables indépendantes).

Ce premier TD avait pour objectif de découvrir l’économétrie, de comprendre la logique d’EViews et de préparer la base de données pour les TD suivants.