Le modle de la covariance (ou modle effets fixes)

Rappel sur la rgression partage Oprateurs BETWEEN et WITHIN Spcification du modle effets individuels L estimateur LSDV Tests Modle avec effets temporels Modle avec effets individuels et temporels

Rappel sur la rgression partage (1)



Soit le modle de rgression classique :

Y( N ,1) ! X ( N , K ) F ( K ,1)  I ( N ,1)
I : iid (0, W 2 I N ) o Supposons que la rgression implique 2 sousensembles de X :

Y( N ,1)

1( N , K1 )

F1( K1 ,1)

2( N , K 2 )

F 2( K2 ,1) I ( N ,1)

Rappel sur la rgression partage (2)



Alors on dmontre (thorme Frisch-Waugh), l aide des quations normales, que :

1 ! ( X 1' X 1 )1 X 1' (Y  X 2 F 2 ) F F 2 ! ( X 2' M 1 X 2 ) 1 X 2' M 1Y M 1 ! I  X 1 ( X 1' X 1 )1 X 1'

Remarque : F 2 est quivalent l estimateur des MCO sur le modle transform par M1 :
M 1 y ! M 1 X 1F1  M 1 X 2 F 2  M 1I M 1 y ! M 1 X 2 F 2  M 1I car M 1 X 1 ! 0 % % % y ! X F  I modle pur des variables X
2

Oprateurs between et within (1)



Oprateur between :
 

Soit : DN ! I N ST Oprateur : ' ' BN ! DN ( DN DN ) 1 DN

' ' BN ! (1/ T ) DN DN ou BN ! I N ST ST T

Lorsqu il est appliqu une variable, BN permet de calculer les moyennes par individu de cette variable. Cet oprateur est donc appel oprateur interindividuel ou oprateur between .

Oprateurs between et within (2)



Oprateur within :


Oprateur :

WN ! I NT  BN
' ' WN ! I N ( IT  ST ST T ) ou WN ! I NT  I N ST ST T


Lorsqu il est appliqu une variable, WN permet de calculer les carts de chaque observation aux moyennes individuelles. Cet oprateur est donc appel oprateur intraindividuel ou oprateur within .

Spcification du modle effets individuels (1)



Pour chaque individu i et chaque priode t :

yit ! E i  x F  I it
' it


Pour chaque individu i :

yi ! ST E i  X i F  I i


En regroupant tous les individus :

Y ! DN E  X F  I

Spcification du modle effets individuels (2)



Pour complter le modle, on admet :



La matrice des variables explicatives est de rang complet :

rang ?DN X A ! N  K


Les erreurs :

I it : iid (0,

L estimateur LSDV (1)



Le modle Y ! DN E  X F  I est un modle de rgression en forme partage. On peut donc appliquer le thorme FW:
! ( X 'WN X ) 1 X 'WN Y F ' E ! 1 T DN (Y  X F )

Forme de l estimateur de l effet individuel :

i ! yi.  xi'. F E

L estimateur de l effet individuel est donc gal la moyenne des rsidus du i me groupe.

L estimateur LSDV (2)



Les rsultats s obtiennent galement en appliquant les MCO sur le modle transform par WN :

W N Y ! WN X F  WN I ' ' ( yit  yi . ) ! ( xit  xi . ) F  erreur



Utilit pratique du modle transform :



Le modle global implique l inversion d une matrice (N + K, N + K) Le modle transform ne ncessite que l inversion d une matrice (K, K) Attention : la transformation n est pas non-singulire, on perd N ddl (ddl = NT N K)

Tests (1) : test d galit des coefficients individuels



On veut savoir si les effets fixes sont diffrents d une quation l autre :
H 0 : Ei ! E H A : Au moins 2 coefficients sont diffrents

Procdure de test :
 

Procdure de Chow Comparaison modle contraint/modle noncontraint Le modle contraint est le modle I (rgression ordinaire).

Tests (2) : Htroscdasticit et autocorrlation



Htroscdasticit :


Arellano (1987) a montr qu on pouvait, de faon similaire White (1980), estimer de faon robuste une htroscdasticit de forme inconnue la variance de l estimateur intra-individuel. On peut aussi effectuer les tests de White (1980) ou de Breusch-Pagan. S il y a autocorrlation des erreurs : Une extension du test de Durbin-Watson a t propose au cadre du modle effets fixes partir des rsidus estims du modle intra-individuel.

Autocorrlation :


I i ,t ! VI i ,t 1  uit


Le modle avec effets temporels (1)



Pour chaque individu i et chaque priode t :

yit ! Pt  x F  I i ,t
' it


Pour chaque individu i :

yi ! IT P  X i F  I i


En regroupant tous les individus :

Y ! DT P  X F  I avec DT ! S N I T

Le modle avec effets temporels (2)



On dfinit les oprateurs inter- et intratemporels : ' ' ' BT ! DT ( DT DT ) 1 DT ! 1 N DT DT

WT ! I NT  BT

L estimateur LSDV de F est :

F ! ( X 'WT X ) 1 X 'WT Y

Cet estimateur s obtient comme l estimateur des MCO sur le modle transform :
W T Y ! WT X F  WT I ' ( yit  y.t ) ! ( xit  x.'t ) F  erreur

Le modle avec effets individuels et temporels (1)



Il s crit :
Y ! DN E  DT P  X F  I

Cependant, les paramtres E et P ne sont pas tous identifiables car la matrice [D N D T] n est pas de rang complet (multicolinarit) Pour des raisons de symtrie, on propose :
  

d inclure N - 1 variables muettes individuelles d inclure T 1 variables muettes temporelles d ajouter un terme constant global

Le modle avec effets individuels et temporels (2)



Le modle s crit alors :

Y ! S NT E 0  D E  D P  X F  I
* N * * T *

Y ! DK  X F  I (NT  N  T  1  K ddl)


L estimateur de K s obtient comme l estimateur des MCO sur le modle transform :

( yit  yi.  y.t  y.. ) ! ( x  x  x  x ) F  erreur

' it ' i. ' .t ' ..

Le modle avec effets individuels et temporels (3)



Diffrents tests possibles :



Test joint sur les effets individuels et temporels :

0 : E * ! 0 et P * ! 0 H H A : u moins 1 coe icient non nul

Test sur les effets individuels seulement :

0 :E * ! 0 H H A : Au moins 1 coefficient non nul

Test sur les effets temporels seulement :

0 : P* ! 0 H H A : u moins 1 coe icient non nul

Le modle erreurs composes (ou modle effets alatoires)

Spcification du modle avec effets individuels Dcomposition spectrale de la matrice de variancescovariances Quelques estimateurs et leurs proprits Tests de spcification Le modle effets individuels corrls Le modle avec effets individuels et temporels

Spcification (1)


Pour chaque individu i et chaque priode t : ' it ! E  xit F  I it y I it ! ui  wit

u i = effet individuel rendant compte de l influence sur y des variables non prises en compte, si elles sont stables dans le temps.  W it = effet rsiduel reprsentant l influence des autres variables omises, variant selon les individus et variant dans le temps. i : iid (0, W u2 ) u Hypothses : it : iid (0, W 2 ) , u mutuellement indpendants i it


Spcification (2)


Les proprits suivantes sur les erreurs sont donc vrifies :

E (I it ) ! 0 i , t

u2  2 E (I it I js ) ! u 0


2 w

si i ! j et t ! s si i ! j et t { s sinon

Interprtation :


Autocorrlation temporelle individu par individu, constante quel que soit le nombre de priodes sparant deux perturbations Pas de corrlations entre les individus

Spcification (3)


Si on empile les observations pour l individu i :

* (I i ) ! 0

W u2  W 2 W u2 *V (I i ) ! (I iI i' ) ! M 2 Wu 2 ' soit : A ! W 2 I T  W u ST ST

* (I iI 'j ) ! 0

W u2

W u2  W 2 K M O W u2
K

2 Wu !A M 2 2 Wu W W u2

Spcification (4)


Si on empile les N individus :

* (I ) ! 0
' I1I1' I1I 2 ' ' I 2I 1 I 2I 2 M M ' I N I1' I N I 2

K K O K

*V (I ) ! (II ') !

' I1I N ' I 2I N M ' ININ

A 0 soit : V (I ) ! M 0

0 K A K M O 0 K

0 0 ! IN A M A

Dcomposition spectrale de la matrice des variances-covariances (1)



On dmontre que :

V ! IN A
2 2 V ! (W w  T W u2 ) BN  W wWN

V apparat comme la combinaison linaire des matrices between et within. Les quantits 2 2 2 P1 ! W w  T W u et P2 ! W w sont les valeurs propres de cette matrice (resp. de multiplicit N et NT N).

Dcomposition spectrale de la matrice des variances-covariances (2)



Remarque 1 : il est facile de montrer que :

V 1 ! 1 P1 BN  1 P2 WN
! P2 P1 1/ 2 BN  WN F F ! cBN  WN ! I  (1  c ) BN

Remarque 2 : soit Alors F est la matrice permettant d effectuer une transformation qui ramne au MCO car : 2 'VF ! W w I

% % y ! Fy yit ! yit  (1  c) yi. (quasi-dviation la moyenne)

Quelques estimateurs (1) : l estimateur des MCO



Le modle :
' yit ! E  xit F  I i ,t

y ! S NT E  X F  I ! Z K  I


L estimateur des MCO :

KMCO ! ( Z ' Z ) 1 Z ' y V (KMCO ) ! ( Z ' Z )1 Z 'VZ ( Z ' Z )1



Estimateur centr, convergent en probabilit (pour N et T p ) mais non efficient.

Quelques estimateurs (2) : l estimateur Between



Il s agit de l estimateur des MCO appliqu au modle sur les moyennes ' individuelles : yi . ! xi . F  erreur Il correspond l estimateur appliqu au modle transform par B N :
BN y ! BN Z K  BN I b ! ( Z ' BN Z ) 1 Z ' BN y K

Quelques estimateurs (2) : l estimateur Between



Cette mthode n utilise que la variance interindividuelle des individus privilgiant les diffrences permanentes entre individus. Estimateur sans biais et convergent (pour N et T p ou N p et T fix).

Quelques estimateurs (3) : l estimateur Within



Il s agit de l estimateur des MCO appliqu au modle sur les moyennes individuelles :

( yit  yi. ) ! ( xit  xi'. ) F  erreur



Il correspond l estimateur appliqu au modle transform par W N :

WN y ! WN Z K  WN I

KW ! ( X 'WN X ) 1 X 'WN y

Quelques estimateurs (2) : l estimateur Within



Cette mthode n utilise que la variance intraindividuelle des individus, excluant toute variabilit attribuable aux diffrences permanentes entre individus. Estimateur sans biais et convergent (pour N et T p ou N p et T fix). En outre, il est asymptotiquement efficient.

Quelques estimateurs (4) : l estimateur des MCG purs



L estimateur des MCG purs est dfini par :

MCG ! ( X 'V 1 X ) 1 X 'V 1 y K



Compte tenu de la dfinition de V, cet estimateur se rcrit comme : KMCG ! ( X 'WN X  U X ' BN X )1 ( X 'WN y  U X ' BN y )
2 2 avec U ! W w (W w  T W u2 )

Quelques estimateurs (4) : l estimateur des MCG purs



Cet estimateur combine donc les variabilits inter- et intraindividuelles dans une proportion particulire.


Il s interprte ainsi comme la combinaison optimale des deux composantes.

Il est l quivalent l estimateur des MCO du modle o les donnes sont transformes par F (transformation quasi-dviation la moyenne). Cet estimateur est sans biais, convergent (pour N et T p ou N p et T fix) et efficient.

Quelques estimateurs (5) : l estimateur des MCGR



Comme la valeur de U est inconnue, il faut l estimer de faon convergente. Swamy et Arora (1972) ont propos d utiliser les variances estimes des rsidus des rgressions intra- et interindividuelles.

2 Un estimateur centr de W w est donn par :

2 ' W w ! (uwuw ) /( NT  N  K )
o uW ! WN y  WN ZKW sont les rsidus de la rgression intra.

Quelques estimateurs (5) : l estimateur des MCGR


2 Un estimateur centr de (W u2  (W w / T )) est donn par :

' W b2 ! (u B u B ) /( NT  TK )
o u B ! BN y  BN ZKB sont les rsidus de la rgression inter. Un estimateur convergent de U se dduit de ces 2 2 deux estimations : U ! W w T W b On applique enfin les MCG avec U au lieu de U


Tests (1) : le test d absence d effets spcifiques individuels



Le but est de tester : 2 0 :Wu ! 0 H H A : W u2 { 0 Test de Fisher ou du multiplicateur de Lagrange ( partir du modle contraint estim par les MCO), suivant asymptotiquement une loi du G2 1 ddl. Honda (1985) a propos une version unilatrale de ce test.

Tests (2) : le test de Mundlak (1978)



Selon Mundlak (1978), les effets spcifiques alatoires ont de grandes chances d tre corrls avec les variables explicatives = corrlation entre les caractristiques inobservables des individus et les caractristiques observables (rgresseurs). Dans ce cas, il montre que seul l estimateur within reste sans biais et convergent. Il en dduit galement un test de corrlation entre les effets spcifiques et les variables explicatives.

Tests (3) : Le test d Hausman



Principes gnraux des tests d Hausman :



Ces tests reposent sur la diffrence entre :



un estimateur convergent et efficace sous l hypothse nulle de bonne spcification mais non convergent sous l hypothse alternative et un estimateur convergent sous les deux hypothses

Tests (3) : Le test d Hausman



Application au modle erreurs composes :



L hypothse nulle correspond au modle erreurs composes alors que l hypothse alternative correspond au modle de Mundlak (o les effets spcifiques sont corrls avec les variables explicatives) Dans ce cas, l estimateur des MCG est convergent et efficace sous H 0 mais non convergent sous H a. Au contraire, l estimateur within est convergent dans les deux cas.

Tests (3) : Le test d Hausman



Le test repose alors sur la diffrence :

q ! KW  KMCG


La quantit :

(K )  V (K ) q : G2 w Q ! q' V MCG K


as

Remarque : on peut galement tester l exognit des effets spcifiques en comparant deux quelconque des estimateurs suivants : K MCO , K MCG , K w et K b

Le modle effets individuels corrls



Si la corrlation ne peut pas tre rejete, il faut considrer un modle effets individuels corrls :
 

estimateur within ou, estimateur MCO ou MCG sur le modle en diffrences premires (pour liminer l effet individuel) ou, estimateurs des variables instrumentales

Le modle avec effets individuels et temporels (1)



Pour chaque individu i et chaque priode t :

' it ! E  xit F  I i ,t y I it ! ui  vt  wit

Hypothses :
i : iid (0, W u2 ) u 2 v t : iid (0, W v ) 2 wit : iid (0, W w ) , v , w mutuellement indpendants u i t it

Le modle avec effets individuels et temporels (2)



Les proprits suivantes sur les erreurs sont donc vrifies :

(I it ) ! 0 i , t
2 u2  W v2  W w W 2 W u (I it I js ) ! W2 v 0

si i ! j et t ! s si i ! j et t { s si i { j et t ! s sinon

Interprtation :


Autocorrlation temporelle individu par individu, constante quel que soit le nombre de priodes sparant deux perturbations Covariance contemporaine entre les individus

Le modle avec effets individuels et temporels (3)



Si on empile les observations pour l individu i :

K K O K 2 Wu !A M 2 2 2 Wu Wv Ww W u2

2 W u2  W v2  W w W u2 2 W u2 W u2  W v2  W w * (I iI i' ) ! M M W u2 W u2 2 soit : A ! (W v2  W w ) IT  W u2 ST ST'

W v2 0 0 W v2 * (I iI 'j ) ! M M 0 0

K K O K

0 0 ! B ! W v2 I T M 2 Wv

Le modle avec effets individuels et temporels (4)



Si on empile les N individus :

B K A K M O B K 0 B B M B K

A B V (I ) ! E (II ') ! M B A B 0 soit : V (I ) ! M 0

0 B 0 B A B K  M O M M 0 K A  B B ' ! I N ( A  B)  ( ST ST ) B

B K B K M O B K

B B M B

Le modle coefficients alatoires

Spcification et hypothses Procdures d estimation Test de l homognit des coefficients

Spcification du modle de Swamy (1)



Soit le modle :
' yit ! zit K i  I it

Les hypothses :


Sur les variables explicatives : on suppose Z i fixe, de rang complet K+1 Sur les erreurs : I it : iid (0, W i2 )

Spcification du modle de Swamy (2)



Sur les coefficients : on suppose les K i alatoires

K i ! K  Hi

K est la partie fixe et H i sont les effets individuels alatoires. On admet que H i : iid (0, ) o ( est une matrice dfinie-positive

Le modle de Swamy est donc un modle de rgression multiple avec perturbations autocorrles et htroscdastiques.

Spcification du modle de Swamy (3)



On empile le modle pour un individu i donn : yi ! Z iK i  I i ! Z iK  ( Z iH i  I i ) Soit : I%! Z iH i  I i Alors : i

% E (I i ) ! 0 % ! Z i (Z i'  W i2 IT ! Ai V (I i ) %% Cov(I i , I j ) ! 0

Spcification du modle de Swamy (4)



On empile le modle pour tous les individus :

%% I1I1' I 2I1' %% M ' %% I N I 1 K K O K
' %% I1I 2 K %% I 2I 2' K M O ' %% IN I2 K ' %% I1I N ' %% I 2I N M ' % % ININ

% % % V (I ) ! (II ') !

A1 0 0 A 2 soit : V (I ) ! M M 0 0

0 0 d !V M AN

Estimation (1) : les MCG purs



Par dfinition :
MCG ! ( Z 'V 1Z ) 1 Z 'V 1 y K

Cette expression peut se simplifier compte tenu de la formulation de V :

KMCG !  C
1 1 i

Ci1Ki 

o Ci ! (  W i2 ( Z i' Z i )

Estimation (1) : les MCG purs



Interprtation : il s agit d une moyenne pondre matricielle des Ki . La moyenne est pondre en fonction inverse de la variance : les individus pour lesquels l estimation est la plus prcise psent plus dans l estimation globale que les autres. Cependant, puisque C i n est pas connue, cette mthode n est pas applicable.

Estimation (2) : les MCGR



La matrice C i dpend de WM et de ( qui sont en gnral inconnus.



Pour WM, on utilise la somme des carrs des rsidus des rgressions individuelles. Pour (, on utilise l estimateur :

(!


1 1 (Ki  K )(Ki  K ) ' W i2 ( Z i' Z i ) 1 N 1 N

On peut ensuite remplacer WM et ( par leurs estimations dans V pour la 2me tape des MCGR. On obtient un estimateur convergent et asymptotiquement efficace pour N p et T fixe.

Test de l homognit des coefficients



On teste :
H 0 : K 1 ! K 2 ! ... ! K N ! K

Puisque l htrognit des coefficients induit une forme d htroscdasticit, cette dernire peut tre teste l aide de l approche Breusch-Pagan.