PDF, FR, 219 p., 3,1 Mo - Femise
PDF, FR, 219 p., 3,1 Mo - Femise
PDF, FR, 219 p., 3,1 Mo - Femise
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
4. Justification des spécifications et choix des modèles<br />
Il est maintenant bien établi que l’une des critiques centrales que l’on peut faire à l’encontre des<br />
méthodes les plus souvent utilisées en économétrie des données de Panel est la distinction<br />
quelque peu artificielle, voire imaginaire, au sens de Mundlack (1978), entre un modèle à effet fixe<br />
et un modèle à effet aléatoire.<br />
Cette critique a pu être dépassée en théorie grâce aux contributions de Hausman et Taylor (1981),<br />
Amemyia et Ma-Ccurdy (1986), Breush, Mizon et Shmidt (1989) et surtout grâce à la plus récente,<br />
celle de Arellano et Bover (1995).<br />
Sur le plan empirique et dans le domaine nous concernant directement ici, c’est à dire le lien entre<br />
ouverture et croissance, Abdouni et Hanchane (2003) spécifient et estiment un modèle à effet<br />
aléatoire corrélé en passant par la proposition de Arellano et Bover (1995).<br />
Cependant, malgré l’intérêt de ces méthodes et la robustesse des résultats qu’elles impliquent,<br />
elles demeurent soumises à une critique assez sévère.<br />
Les modèles à effet fixe et à effet aléatoire attribuent l’hétérogénéité individuelle à l’effet des<br />
variablesomisesquisontinvariantesdansletemps 106 .<br />
Et dans ces mêmes modèles, l’hétérogénéité temporelle est due à des facteurs qui sont identiques<br />
pour l’ensemble des individus tout en variant dans le temps 107<br />
Ces modèles ne permettent cependant pas d’étudier l’interaction entre ces spécificités<br />
individuelles et temporelles et les variables explicatives.<br />
Autrement dit, une part de l’effet de l’hétérogénéité individuelle et temporelle que permettent les<br />
données de panel est totalement occultée.<br />
Ainsi, une formulation alternative et plus robuste consiste à introduire aussi l’hétérogénéité au<br />
niveau des paramètres du modèle. Celle-ci est par conséquent considéré comme étant la<br />
spécification la plus générale d’un modèle sur données longitudinales (Hsiao 1994). Elle donne<br />
lieu à la formulation suivante :<br />
y it = ’ itx it + μ it<br />
i = 1,…,N et t = 1,…,Ti<br />
Cependant, on peut aisément comprendre qu’une telle démarche pose un problème<br />
d’identification : le nombre de paramètre à estimer est supérieur au nombre d’observations.<br />
106 Dans le domaine de la croissance, on peut citer la terre, le PIB initiale…<br />
107 Par exemple, le taux d’intérêt, les prix…..<br />
149