|
Ouverture, capital humain et croissance économique dans la zone MENA (Middle East and North Africa)( Télécharger le fichier original )par Abderraouf MTIRAOUI Université de Sousse de Tunis - Master 2009 |
2.1.2. Le modèle à effets fixes et le modèle à effets aléatoires* L'utilisation des effets fixes conduit à supposer l'existence d'un effet fixe spécifique à chaque individu (pays). La prise en compte d'un effet spécifique n'est effectuée qu'au niveau du résidu, les erreurs sont toujours homoscédastiques. Dans l'estimation d'une équation de croissance, l'existence de ces effets fixes pourrait correspondre à la détention de facteurs spécifiques à chaque pays non directement observables. Pour estimer un modèle, on lui applique, tout d'abord, l'opérateur Within (intra individuel), puis dans une deuxième étape, on procède à l'estimation par les MCO de ce modèle transformé. **La méthode des effets aléatoires représente une extension des effets fixes on suppose que la constante (ái) dans le modèle suit une loi : ái = á + JLi avec JLi = iid. au lieu de supposer une constant pour chaque individu C'est ainsi que l'économétrie des données de panel est supposée être le meilleur moyen pour prendre en compte les phénomènes de croissance car elle fournit des informations en dynamique pour un grand nombre de pays74. 2.1.3. La Méthode Des Moments Généralisés(GMM) En Panel DynamiqueLa méthode « des Moments Généralisés » en panel dynamique était introduite par Holtz-Eakin, Newey et Robsen (1988), Arrelando et Bonde (1991) et Arrelando et Bover(1995). Elle se caractérise par plusieurs avantages très spécifiques au niveau de la nature du panel de données et au niveau des solutions qu'elle apporte . En effet, la méthode GMM en panel Dynamique permet d'apporter des solutions aux problèmes de biais de simultanéité, , de causalité inverses et des variables omises . Cette méthode permet à la fois de contrôler les effets spécifiques individuels et temporels et de palier les biais d'endogéniété des variables surtout lorsqu'il existe un ou plusieurs retards de la variable dépendante figurant comme variable explicative75. Il existe deux variantes d'estimateurs des GMM en panel dynamique : o L'estimateur GMM en premières différences o L'estimateur GMM en système D'après Arrelano et Bonde (1991), l'estimateur GMM en premières différences consiste à prendre pour chaque période la première différence de l'équation à estimer pour éliminer les effets spécifiques des pays(country - specific effects) et instrumenter par la suite les variables explicatives de l'équation en différence première par leurs valeurs en niveau retardés d'une période ou plus76 . 74 BEN FATHEL Nader (2007)« les institutions et la croissance » p.p.(60-73) 75 Melle MKHININI Sawsen (2006) « l'impact de la libéralisation financière sur la volatilité de taux de change »p. p(93-101) 76 Voir DR DRINE Imed (2006) Selon Blundel et Bonde (1998), présente l'estimateur GMM en système qui combinent les équations en différence première avec les équations en niveau dans lesquelles les variables sont instrumentées par leurs différences premières , ce qui apparait plus performante que celle qui était avancée par Arrelando et Bonde (1991). A l'estimateur des GMM en panel dynamique, on associe deux teste : + Le teste de sur- identification de Sargan /Hansen + le teste Arrelano et Bonde d'auto corrélation tel que les deux hypothèses H0etH1 Avec H0 : absence d'auto corrélation des erreurs de l'équation en différence Dans notre travail empirique, il est clair que les variables retardées persistent et existent d'après notre développement théorique, donc il aura lieu de bien distinguer entre la nature des variables explicatives. Le tableau suivant récapitule tous qu'on a vu précédemment.
Ainsi, les variables qui peuvent être influencées par les passées de la variable dépendante mais qui restent non corrélés aux réalisations futures du terme d'erreur77. Le modèle en sujet, connait à la fois un problème d'endogéniété des variables, et une corrélation entre la variable endogène retardée et les résidus. En effet, tout modèle de convergence est dynamique et, de ce fait, il introduit une endogéniété supplémentaire au sein des variables explicatives. En général, les modèles dynamiques sont traités en différences premières par la méthode des moments généralisés. Dans ce cadre d'analyse, Anderson et Hsiao (1982) proposent d'utiliser les différences premières retardées de la variable endogène comme instruments. Arellano et Bond (1991) ajoutent à cette liste d'instruments les retards de la variable endogène en montrant leur orthogonalité aux résidus. 77 Voir DR DRINE Imed (2006) Donc, on va utiliser la méthode des moments généralisés (GMM) basés sur des données de panel dynamique qui sont utilisés comme des instruments soient entrant soient sortant, ce qui rapporte un résultat double soit par une agrégation ou par une mesure synthétique de la qualité de capital humain. |
|
