Qu’est-ce que l’économétrie ?

L’économétrie est l’application quantitative de modèles statistiques et mathématiques utilisant des données pour développer des théories ou tester des hypothèses existantes en économie et pour prévoir les tendances futures à partir de données historiques. Elle soumet des données du monde réel à des essais statistiques, puis compare et oppose les résultats à la ou aux théories testées.

Selon que vous souhaitez tester une théorie existante ou utiliser des données existantes pour élaborer une nouvelle hypothèse à partir de ces observations, l’économétrie peut être subdivisée en deux grandes catégories : théorique et appliquée. Ceux qui s’adonnent couramment à cette pratique sont communément appelés économétriciens.

Comprendre l’économétrie

L’économétrie analyse les données à l’aide de méthodes statistiques afin de tester ou de développer la théorie économique. Ces méthodes s’appuient sur des inférences statistiques pour quantifier et analyser les théories économiques en exploitant des outils tels que les distributions de fréquence, les probabilités et les distributions de probabilité, l’inférence statistique, l’analyse de corrélation, l’analyse de régression simple et multiple, les modèles d’équations simultanées et les méthodes de séries chronologiques.

L’économétrie a été lancée par Lawrence Klein, Ragnar Frisch et Simon Kuznets. Tous trois ont reçu le prix Nobel d’économie en 1971 pour leurs contributions. Aujourd’hui, elle est régulièrement utilisée par les universitaires ainsi que par les praticiens tels que les traders et les analystes de Wall Street.

Un exemple d’application de l’économétrie est l’étude de l’effet revenu à partir de données observables. Un économiste peut émettre l’hypothèse que lorsqu’une personne augmente ses revenus, ses dépenses augmentent également. Si les données montrent qu’une telle association est présente, une analyse de régression peut alors être effectuée pour comprendre la force de la relation entre le revenu et la consommation et si cette relation est statistiquement significative – c’est-à-dire qu’il semble peu probable qu’elle soit due au seul hasard.

La méthodologie de l’économétrie

La première étape de la méthodologie économétrique consiste à obtenir et à analyser un ensemble de données et à définir une hypothèse spécifique qui explique la nature et la forme de cet ensemble. Ces données peuvent être, par exemple, les prix historiques d’un indice boursier, les observations recueillies dans le cadre d’une enquête sur les finances des consommateurs, ou les taux de chômage et d’inflation dans différents pays.

Si vous vous intéressez à la relation entre la variation annuelle des prix du S&P 500 et le taux de chômage, vous recueillerez les deux ensembles de données. Ici, vous voulez tester l’idée qu’un taux de chômage plus élevé entraîne une baisse des cours boursiers. Le cours de la bourse est donc votre variable dépendante et le taux de chômage est la variable indépendante ou explicative.

La relation la plus courante est linéaire, ce qui signifie que tout changement dans la variable explicative aura une corrélation positive avec la variable dépendante, auquel cas un modèle de régression simple est souvent utilisé pour explorer cette relation, ce qui revient à générer une ligne de meilleur ajustement entre les deux ensembles de données, puis à tester pour voir à quelle distance chaque point de données est, en moyenne, de cette ligne.

Notez que vous pouvez avoir plusieurs variables explicatives dans votre analyse – par exemple, les variations du PIB et de l’inflation en plus du chômage pour expliquer les cours de la bourse. Lorsque plus d’une variable explicative est utilisée, on parle de régression linéaire multiple, le modèle qui est l’outil le plus utilisé en économétrie.

Différents modèles de régression

Il existe plusieurs modèles de régression différents qui sont optimisés en fonction de la nature des données analysées et du type de question posée. L’exemple le plus courant est la régression par moindres carrés ordinaires (MCO), qui peut être effectuée sur plusieurs types de données transversales ou chronologiques. Si vous vous intéressez à un résultat binaire (oui ou non) – par exemple, la probabilité que vous soyez licencié d’un emploi en fonction de votre productivité – vous pouvez utiliser une régression logistique ou un modèle probit. Aujourd’hui, il existe des centaines de modèles qu’un économètre a à sa disposition.

L’économétrie est désormais réalisée à l’aide de progiciels d’analyse statistique conçus à cet effet, tels que STATA, SPSS ou R. Ces progiciels peuvent également facilement tester la signification statistique afin d’apporter la preuve que les résultats empiriques produits par ces modèles ne sont pas simplement le fruit du hasard. Le R-carré, les tests t, les valeurs p et les tests d’hypothèse nulle sont autant de méthodes utilisées par les économétriciens pour évaluer la validité des résultats de leurs modèles.

Limites de l’économétrie

On reproche parfois à l’économétrie de s’appuyer trop fortement sur l’interprétation de données brutes sans les relier à une théorie économique établie ou sans rechercher des mécanismes de causalité. Il est crucial que les résultats révélés par les données puissent être expliqués de manière adéquate par une théorie, même si cela signifie développer votre propre théorie des processus sous-jacents.

L’analyse de régression ne prouve pas non plus la causalité, et ce n’est pas parce que deux ensembles de données montrent une association qu’elle peut être fallacieuse. Par exemple, les décès par noyade dans les piscines augmentent avec le PIB. Est-ce qu’une économie en croissance provoque des noyades ? Bien sûr que non, mais peut-être que plus de gens achètent des piscines lorsque l’économie est en plein essor. L’économétrie s’intéresse en grande partie à l’analyse des corrélations, et n’oubliez pas que corrélation n’égale pas causalité.