![]() |
Trafic aérien de passagers et les entrées des touristes internationaux au Maroc : quelle relation ?( Télécharger le fichier original )par El Mostafa ERRAITAB Université Hassan II Mohammédia, Casablanca - Master en Techniques de Modélisation Economiques et Econométrie 2013 |
CHAPITRE II : Modélisation univariée du trafic aérien1) Introduction aux processus aléatoires non stationnairesLe fait qu'un processus soit stationnaire ou non conditionne le choix de la modélisation que l'on doit adopter. En règle générale, si l'on s'en tient notamment à la méthodologie de Box et Jenkins (cf. figure 24), si la série étudiée est issue d'un processus stationnaire, on cherche alors le meilleur modèle parmi la classe des processus stationnaires pour la représenter, puis on estime ce modèle. En revanche si la série est issue d'un processus non stationnaire, on doit avant toutes choses, chercher à la »stationnariser», c'est à dire trouver une transformation stationnaire de ce processus. Puis, on modélise et l'on estime les paramètres associés à la composante stationnaire. La difficulté réside dans le fait qu'il existe différentes sources de non stationnarité et qu'à chaque origine de la non stationnarité est associée une méthode propre de stationnarisation. Nous allons donc commencer par présenter deux classes de processus non stationnaires, selon la terminologie de Nelson et Plosser (1982) : les processus TS (Time Stationary) et les processus DS (Differency Stationary). Dans la section suivante, nous présenterons les méthodes de stationnarisation pour chacune de ces classes de processus. Mais au delà des enjeux de modélisation économétriques, nous verrons dans cette partie, que l'origine de la non stationnarité a de très fortes implications au niveau des interprétations économiques des résultats. 1.1) Définition de la stationnarité au second ordre :Définition : Un processus (
Figure 20 : Exemple d'un processus non stationnaire (changement de tendance) Processus non stationnaire de type tendance déterministe : Considérons le processus suivant :
Figure 21 : Simulation d'un processus avec tendance déterministe Le processus n'est pas stationnaire, en effet,
l'espérance mathématique dépend de t, elle croit avec le
temps, à chaque date de la variable aléatoire De plus que ces deux processus non stationnaires (Processus
changement de tendance et processus incluant une tendance temporelle), il
existe d'autres types de processus non stationnaire. Considérons le
processus suivant, que l'on qualifie de marche aléatoire pure (Random
Walk Process) ou marche aléatoire sans dérive : Avec Le processus
Sous cette forme, on peut facilement calculer les deux moments d'ordre 1 et 2. Le moment d'ordre 1 est :
Donc le processus
La variance du processus Figure 22 : Simulation d'un processus de marche aléatoire (Random Walk) La non stationnarité de ce type de processus (Random
Walk) tient au fait que les chocs Le type de non stationnarité, déterministe ou stochastique à de fortes implications que ce soit sur le plan statistique ou bien sur l'analyse dynamique. * 15 Un processus |
|