CHAPITRE TROISIEME : APPROCHE METHODOLOGIQUE
Introduction
Depuis l'article fondateur de Balestra & Nerlove (1966),
l'intérêt porté à l'économétrie des
données de panel17 ne s'est pas démenti au cours du
temps. Il devient alors intéressant de s'interroger sur les facteurs qui
ont provoqué cet engouement. Un premier élément de
réponse se trouve dans la définition même des
données de panel. Leur structure à double dimensions apporte
alors une information plus riche que celle habituellement disponible en coupe
ou en séries temporelles. Plus précisément, il devient
alors possible d'étudier simultanément plusieurs individus au
cours d'une période de temps.
Le gain qui en résulte est la possibilité de
modéliser des comportements individuels plus complexes et des dynamiques
changeantes. L'exemple fréquemment cité dans la
littérature pour illustrer cet avantage est celui de Ben-Porath (1973)
sur le marché du travail. Un taux d'activité des femmes
mariées de 50% peut amener à deux conclusions divergentes lors
d'une étude en coupe. Premièrement, si la population est
supposée homogène, le marché du travail est sensé
avoir un fort turnover et donc 50 % des femmes travaillent à une date
donnée, alors que dans un second temps si nous supposons une population
hétérogène, 50% des femmes ont toujours travaillé
alors que l'autre moitié ne l'a jamais fait. L'ajout d'une dimension
temporelle permet donc de statuer sur la vraie conclusion et ainsi de
distinguer les effets « micro dynamiques » des effets « macro
dynamiques », selon l'expression de Hsiao
D'un point de vue technique, le recours aux données de
panel possède de multiples avantages liés à l'ajout d'une
dimension comme l'indique Hsiao (2003). Parmi les plus importants, il est
possible de citer la hausse de la variabilité des données et
l'augmentation du nombre de degrés de liberté. L'emploi de
données de panel permet également de réduire les
problèmes fréquents en séries temporelles de
colinéarité entre les variables explicatives grâce à
la possibilité d'introduire des différences inter-individuelles
(Pakes et Griliches (1984)). Ces effets individuels présentent le second
avantage de pouvoir identifier et de tenir compte d'effets inobservables.
17 Les données de panel sont
définies comme étant des modèles dans lesquels les
variables représentent les valeurs prises par un échantillon
d'individus à intervalle de temps réguliers
Mémoire de Licence Par Prince TAFUTENI BITAKI
Pages 45
Intégration économique régionale et
dynamique de la croissance économique dans la sous-région de
la SADC : analyse en modèle des données de Panel de 1990 à
2013
La prise en compte de la dimension individuelle et temporelle
permet de faire ressortir des caractéristiques intéressantes qui
n'auraient pas pu être distinguées faute de suffisamment
d'observations. De plus en travaillant simultanément sur plusieurs
individus au lieu de les agrégés, les risques de biais peuvent
être minimisés. En effet, comme Fok, van Dijk & Franses (2005)
l'indiquent, si différents individus sont supposés suivre un
processus autorégressifs d'ordre un (AR (1)) avec des coefficients
différents, il est peu probable que la série
agrégée suive un processus AR (1). Dans cette configuration, il
est donc préférable pour décrire la vraie dynamique des
séries de considérer un modèle à coefficients
hétérogènes en données de panel. D'après Lee
(1997), l'utilisation de données non agrégées pour
prévoir une série agrégée doit permettre une
meilleure prévision que l'utilisation de la série
agrégée elle-même. Plus précisément, si les
comportements individuels sont similaires conditionnellement à certaines
variables, les données de panel fournissent la possibilité de
déduire le comportement individuel en se servant des comportements des
autres individus.
Néanmoins, Cet intérêt n'aurait pas pu
trouver une concrétisation en économétrie appliquée
sans l'existence de base de données de panel. Dans les années
1970, la plupart des bases étaient des bases dites de panel
microéconomiques avec un grand nombre d'individus et une faible
dimension temporelle. Depuis les années 1990, sont apparues de
nombreuses bases macroéconomiques avec une dimension temporelle
similaire voir supérieure à la dimension individuelle.
Bien entendu, tous ces avantages liés à
l'économétrie des données de panel ne sont pas sans
contrepartie expliquant ainsi que le recours aux modèles de
séries temporelles ou de coupe n'a pas été
abandonné. Plus précisément, la difficulté majeure
repose sur la modélisation de
l'hétérogénéité entre les individus. En
effet, l'omission des différences individuelles peut biaiser
sérieusement les coefficients estimés comme l'a montré
Hsiao (2003).
La prise en compte de données macroéconomiques a
également engendré un accroissement de la dimension temporelle
qui se traduit par une transposition des questions habituellement posées
en séries temporelles, tel que la stationnarité, la
non-linéarité ou la stabilité temporelle des relations.
En revanche, l'analyse des données de panel non
stationnaires ne s'est développée que très
récemment, depuis les travaux pionniers de Levin et Lin (1992). Elle
s'est en particulier développée avec l'utilisation croissante des
bases de données macro-économiques présentant une
dimension temporelle suffisante (supérieure à vingt ans) pour que
cette problématique présente un intérêt
appliqué. Les champs d'application des tests de racine unitaire en panel
couvrent
Mémoire de Licence Par Prince TAFUTENI BITAKI
Pages 46
Intégration économique régionale et
dynamique de la croissance économique dans la sous-région de
la SADC : analyse en modèle des données de Panel de 1990 à
2013
aujourd'hui l'étude de la parité des pouvoirs
d'achat (PPA), les problèmes de croissance et de convergence, les
dynamiques de l'épargne et de l'investissement, les activités de
recherche-développement au niveau international, etc.
L'ajout de la dimension individuelle à la dimension
temporelle usuelle présente un intérêt important pour
l'analyse des séries non stationnaires. Les tests de racine unitaire et
de Cointégration sur données de panel temporelles sont en effet
plus puissants que leurs analogues sur séries temporelles individuelles
en petit échantillon.
Le recours aux données de panel permet ainsi de
travailler sur des échantillons de taille réduite dans la
dimension temporelle) en augmentant le nombre de données disponibles
(dans la dimension individuelle), diminuant ainsi la probabilité de
faire face à des ruptures structurelles et palliant le problème
de la faible puissance des tests en petit échantillon. Ainsi que le
notent Baltagi et Kao (2000), l'économétrie des données de
panel non stationnaires vise à combiner le meilleur des deux mondes : le
traitement des séries non stationnaires à l'aide des
méthodes des séries temporelles et l'augmentation du nombre de
données et de la puissance des tests avec le recours à la
dimension individuelle.
3.1. ADAPTATION ET FONCTIONNEMENT DES MODELES DES
DONNEES DE PANEL,
3.1.1. Adaptation des modèles des données de
Panel
L'analyse des variables capables de promouvoir ou de freiner
la croissance économique d'un groupe de pays, avons-nous dit
précédemment, pose un problème de choix de la
méthodologie, dans la mesure où la croissance peut être
endogène à certaines variables et exogènes aux autres. La
non-prise en compte de cette hétérogénéité
peut conduire à des résultats erronés.
Plusieurs méthodes se développement dans
l'analyse des effets de l'intégration régionale sur d'autres
variables (croissance, IDE, ouverture commerciale,...). Les modèles de
gravité sont par exemple mieux adaptés dans l'analyse des
potentiels de commerce des pays d'une région et analyse des effets de
création et détournement du commerce. Certaines études
recourent aux MEGC pour certaines analyses en coupe tout en tentant de saisir
les spécificités entre pays coéchangistes durant une
période donnée.
Dans le cas qui nous concerne, pour mieux saisir l'effet de
l'intégration régionale sur la croissance dynamique dans certains
pays de la sous-région de la SADC et de faire ressortir les
différences entre les pays, l'approche
Mémoire de Licence Par Prince TAFUTENI BITAKI
Pages 47
Intégration économique régionale et
dynamique de la croissance économique dans la sous-région de
la SADC : analyse en modèle des données de Panel de 1990 à
2013
par les modèles de données de panel permet
d'obtenir de meilleurs résultats. Ces modèles de données
de panel présentent plusieurs avantages. La double dimension des
données (individuelle et temporelle) permet de rendre compte
simultanément de la dynamique des comportements et de leur
éventuelle hétérogénéité, ce qui
constitue un avantage par rapport aux autres types de données que sont
les séries temporelles et les coupes transversales. A ces avantages
viennent s'ajouter d'autres liés au nombre très
élevé des données et leur variabilité
(Sevestre, 2002).
| 
