Chapitre 4: Le modèle à effets fixes
Transcription
Chapitre 4: Le modèle à effets fixes
Chapitre 4: Le modèle à effets fixes • Buts d e c e c h a p i tr e : 1. Rappels sur les méthodes d’analyse de la variance et de la covariance 2. Introduction à l’estimation de modèles sur données longitudinales ou données de panel 3. Présentation du modèle dit à effets fixes comme un cas particulier de l’analyse de la covariance 1 1. Analyse de la variance à un facteur • On o a v • b e c s e r v g r o u • L’i ndi c e • P r é h le s i s t o U r é a li s a t i o i dé c r i t p e s j e s t i r e c e n e x e m p le o t y ne b v a r i a b c a t i o o e s no f r a nç a i s e s , y ij s o nt v a r i a b le s dé p e nda nt e s y ij le c a t é g o r i s é e – p a r e x e m p le de s r é g i o ns o u n dè le de t e nu é c o de s dé c r i r e m p ns j = 1, . , J i c e ns é de e nt s u d’é du di f f é r e nt s r e nde m • de s i = 1, . . . , I e t L’i ndi c e de s e p de s (a g r o la nt e s i ndi v no m i du s a p i e ) : i e s t p c u lt i v é e s s u le : l’i ndi c e a r t e na nt r le c e s t y p e de à c e s c a t é g o r i e s . t e r r e s , j dé c r i t t e r r e s , y ij r e p r é s e nt e le s m s i q le s u e r e v s i m e nu p s de s i ndi v i du i dé c r i t s le s j r é s i da nt r é g i o da ns ns c e s r é g i o ns 2 Notations : • I =∑ J i J+ i=1 y i. y .. = • L e s d e u x ▪ l e s m ▪ l a m = 1 oy e nne s p e nne g et y i+ =∑ y ij = J i y i. j=1 j=1 I 1 Ji ∑∑ y ij = J+ ar Ji ∑ y ij Ji notations l e s p oy Ji i=1 j=1 l u s im c até g é né r al e p or ie y .. d e I 1 ∑ J i y i. J+ i=1 or tante s: y i. l a v ar iab l e d é p e nd ante y 3 1.1 Le modèle • Ojectif: m • On s u p p o es u r er s er a d l’effet m o n c q u o y H y p o th p d é p E On em e la m o d a lité i s u r les o u r S o a r ia b les y ij i = 1, . . . , I et j = 1, . . . , J i p ile les o b s er v a tio n s en d a m m en t d is tr ib u ij = 0, V u ij = σ en a n g r o u p t les u é es iv id 2 in d u s Y = y 11 , . . . , y 1J 1 , . . . , y I1 , . . . , y IJ I • v è s es : u ij in • d e: y ij = β i + u ij • en p a r m o d a lité s : ′ it β = β 1 ⋯β I ′ 4 Puis o • 1 p o n ur n o c o n t e j J i le st r uir e v e c t e ur c o F o r m e m n n e J i , 1 d o n t t o us le s é lé m e n t s v a le n t : X = • lo a t r ic ie lle d u m o d j J1 0 ⋯ 0 0 j J2 0 ⋮ ⋮ 0 ⋱ 0 ⋯ ⋯ 0 j JI J + ,I è le : Y = Xβ + U o ù si I d J+ e st la m a t r ic e id E • C’e st la f o r m un m ule h o d a b è le lin é a ir e e n t it é d U = 0 e t l’e st im e e t d V im e n sio n 2 U = σ I d a t e ur d e s M J+: J+ CO e st d o n c d o n n é p a r it ue lle 5 −1 0 J1 β = ′ m • S o a m y e n n a t e u e s a t r i c e r p d d a r e s e M C v c a t é g a r i a n o O = e s t y I. ′ −1 d ⋮ y I+ JI X X L’e s t i m y 1. ⋮ ⋱ 0 • y 1+ o X Y n c s i m p le m e n t l’e m p i le m e n t d e s r i e s c e s -c o v a r i a n c e s e s t d o n n é e p a r : −1 V β 0 J1 = σ 2 2 = σ Ω ⋱ 0 −1 JI 6 Pour dé dui re • f a ut p d’ob l’i n • O n le s p ré c i s e r un s e rv f i n a t i on e s p rop c on a r m ri é t é s a s y di t i on q m ui oda li t é q p t ot i q dé c ri t ua n d le s up p os e ra q ue n e f f e t , s i ′ E • U n f i n c e t t e i . L’e s t i m e s t i m ré s i dus c on c om om Ji li m di t i on e s t = p i don i=1,...,I x ij x ij e t n c e t b p re e s t i m ort e m d’ob a t e ur, i l n e n s e rv t du n a t i on om ous s b t e n re d v e rs : a t e ur de s a t e ur c on di v i s é e p v e rg a r le M e n n t om a c un O e s t de b é ri f i é e , la c h C t v σ re 2 de s i de n e s t 2 = 1 J+ ′ a t ri c e e n t s X X/J + c on di a g on s om m a ux v e rg e e s t n on v e rs n ul t i f i é . don n é s e rv p a r la a t i on s e de s c a rré s de s : Ji ∑∑ i=1 m é lé m t ot a l d’ob I ̂ σ = pi > 0 J+ J + →∞ E le s de i ∀i, • ue s y ij − y i. 2 j=1 7 1.2 Forme usuelle du modèle • Il y a p • L a p lu lu s s i e u c o r s m m f aç o u n n s d’é c r i r e le m o dè le d’an alys e de la v ar i an c e e : y ij = μ + α i + u ij μ : e f f e t • R m o αi : e f f e t p e lat i o e n n ye n r i n t r e c i p c e al o m o u e f f e t dè le e t s p le é c i f i q m o u e dè le de p la m o dali t é r é c é de n i t : βi = μ + αi • N o t at i o n s : 1. le vecteur j est un vecteur de taille J dont tous les éléments valent 1 2. le vecteur e est un vecteur de taille J dont tous les éléments sont nuls, sauf les éléments 1 à J qui sont égaux à1 J+ 1 + + 1 8 3. le vecteur e i = 2, . . . , I est un vecteur de taille J dont tous les éléments sont nuls, sauf les éléments ∑ J + 1 à J qui sont égaux à 1 ∑ 4. β = μ, α , . . . , α et X = j ∣ e ∣ e ∣ ⋯ ∣ e i + i−1 k=1 i k k=1 ′ O • n p e u I 1 t k a l o r s r é -é c r i r e J+ l e m o d è l e c o 1 m m e I 2 : I Y = μ. j J + + ∑ αi. ei + U = Xβ + U i=1 O • • • D r O o l e s c o l o c l e s p a r a m n a l o r s n p e u t n n e s d e X s o è t r e s c o n s i d n t c o l i n é a i r e s μ, α i i=1,.,n n è r e r p l u s i e u r s e p t y u p s o e s i s q n d t u e p e a s : j J+ = ∑ i d e n t i f i a b I i=1 ei l e s contraintes id entif iantes: 1. Si μ = 0, on retrouve le cas développé dans la sous section précédente 2. Si on considère un indice i tel que α = 0, la population i est dite population de référence 0 i0 0 9 En effet dans ce cas, on a : μ = β et α = β − β Ces dernières quantités sont appelées des contrastes puisqu’elles sont la différence entre l’effet de chaque modalité et l’effet de la modalité de référence 3. Si ∑ α = 0, on obtient : i0 i i i0 n i i=1 I 1 μ = I ∑ βi et α i = βi − μ i=1 Les contrastes mesurent ici l’écart de l’effet de la modalité i à la moyenne des effets C • h a n g r é f é r e n • P a r de r n e x e r de co n p l e , s i t r a i n t e , c’e s t do n c s i m p l e m e n t ch a n g e r de n i v e a u de ce e m i è r e co n t r a i n o n t e v e u s e m t b co l e n s t r u l a p i r e l u s n u n a t u t e s t d’é g a l i t é de s e f f e t s βi, l a r e l l e 10 • Dans c e c as, l’h y p o t h è se nu lle s’é c r i t : H 0 : ∀i, • O n r e m e st • O é q n p ar q u e r a au ssi u i v ale nt au e u t do nc e n dé du c o nt r ai nt e de r ni è r e m q o u e du dè le v i r e p u o i nt αi = 0 de v dans la so le s e st i m at e u i de nt i f i ant e , so nt 1 • Dans le c h aq u e c as p m o ar t i c u I li e r dali t é , so i t = 1 e st i m p ar at e u at e u c at é g o r de ù le no r s de c h aq r i e à la m o u y e m r s q u i , p n p ar at i o n, t o u t m o dè le r é c é de nt e e x e m p le so u s la m b ê m e o y e f f e t e n e st e nne g sp ̂ ̂i = β ̂ α i − μ e t i=1 r e ∀i, o Ji = J l’e f f e t l’e st i m s se c t i o ∑ y i. I i=1 ̂ = y .. e t μ L’e st i m u de I ̂ ∑β i o e : I ̂ = μ u d’o n o b b se r v t i e nt at i o ns e st le m e t le s p o u r : ̂ i = y i. − y .. α la m é c i f i q u e o y so e nne nt g é né r ale le s é c ar t s de la m o y e nne é né r ale 11 1.3 Test d’homogénéité • On p e u t é c r i r e l’h y p o t h è s e nu lle d’h H 0 : Id o ù Id I e s t la i t m a t r i c e • On dé du le t e s t • Proposition: S i de nt i t é o de i t W le m de m o g di m e ns i o c e t t e o li né a i r e é né i t é c o m m e : × α = 0 I a ld de dè le o h y p o n I e t t h è s e α de ′ = α 1 , . . . , α I la p r o a v e c p o s i t i o n s u i v a nt e y = x1β1 + x2β2 + u o ù e x p u e s t i ndé p li c a t i v à n, a lo r s e s la e t e nda m h o m s t a t i s t i q m o e nt di s t r i b u s c é da s t i q e de W u u e . S é , no a ld de i le l’h y n c o r r é lé no b p m o t h r e d’o b le s s e r v v a r i a b a t i o ns le s e s t é g a l è s e H0 : β2 = 0 e s t é g a le à Wn = n S C R S 0 C − S R C R a a 12 où SCR 0 e st la som m e d e s c a r r é s d e s r é si d u s d u m od è le y = x1β1 + v SCR a e st e t c on t r a i n t . S la som ou m e d e s c a r r é s d e s r é si d u s d u m od è le g é n é r a l n on s H0, Wn l o i 2 χ d ˆ i m β2 n→∞ R • S a p u p p p e l: Théorème d oson s q u e l’on e F v e u ri s c h-W i lle e st i m a u e r g h: le m od è le li n é a i r e : L y = x1β1 + x2β2 + u e s e st i m 1. a t e u ̂ β2 r s M C O ̂ β1 e t ̂ β2 p e u v e n t s’ob t e n i r e n d e u x é t a p e s : s’obtient par la régression de M Y sur M X où M est le projecteur orthogonal sur l’espace orthogonal à l’espace engendré par les variables X 2. β̂ s’obtient par la régression des résidus Y − X β̂ sur X X1 X1 2 X1 1 1 2 2 1 13 • Preuve d Par ap p e l a p li c at i o ro n d p u o s i t i o t h é o n : rè m e d e F ri sh -W au g h , ′ ′ −1 ̂ β 2 = X 2 M X 1 X 2 X 2 M X1 Y L a v f aç o ari an n c o c e n v asy e rg m e n p t e t o p t i q u e d e c e t e st i m 2 ′ at e u e u t ê t re ap p ro c h é e d e ar : ̂ n X 2 M X 1 X 2 σ o r p −1 ù 2 ̂n = σ L a st at i st i q u e d e W ald asso c i é e à l’h S C R a y n p o t h è se n u lle H0 : β2 = 0 s’é c ri t : Wn = so i t e n c o re 1 2 ̂n σ ′ ̂′ ̂ β 2 X 2 M X 1 X 2 β 2 : 14 n Wn = En u t i li s a nt o q m s o nt r e u la e d le s e u x S C R i è m r é s i d u a e s d ′ ′ Y M X 1 X 2 X 2 M X 1 X 2 é t a p e la e d e r é g la p r o r e s s i o c é d n s o u u s r e −1 l’h d e y ′ X 2 M X1 Y F p r i s h o t h -W è s e a u g h , o a lt e r na t i v n e nt : ′ ′ −1 ̂ M X 1 Y − X 2 β 2 = M X 1 I − X 2 X 2 M X 1 X 2 X 2 M X 1 Y A i ns i é g la a le s o m m e d e s c a r r é s d e s r é s i d u s s o u s l’h y p o C R a ′ ′ = Y M X 1 − M X 1 X 2 X 2 M X 1 X 2 ′ −1 × M X 1 − M X 1 X 2 X 2 M X 1 X 2 d o nc C R a i s q e e s t u ′ X 2 M X1 −1 ′ e S C R 0 ′ ′ = Y M X 1 Y − Y M X 1 X 2 X 2 M X 1 X 2 = S u a lt e r na t i v ′ X 2 M X 1 Y : S p è s e à : S e t t h C R 0 − Wn S C R −1 ′ X 2 M X1 Y a n ′ = Y M X1 Y ■ 15 • Le t est d’h do r n c su o m la o g é n é i t é st a t i st i q u da n s le m o dè le d’a n ù q S u C i c o est i m C • R 0 r r esp o la n so m m d i c i a u S m m m o dè le t r i v v a r i a b le dé p S en da n so m o m m m y a r i a n c e r ep o se R C 0 R − 1 a ù seu s so le u u n s l’h e c o n y p o st a n t h è se n u lle t e μ est C R 0 m en n v es i n a r i a b di v i li t é i du de la v do n c é g a le à la v a r i a b i li t é Ji =∑∑ y ij − y .. e des c a r r é s des r é si du e la s est t e : i=1 c o S i a l o e des c a r r é s des r é si du t a le de la La C e des c a r r é s des r é si du I • v é e et t e so t o est se de la e : W J+ = J + o a ly a r i a b s so 2 j=1 u s l’h le dé p en y p da n o t h è se a lt er n t e p a r r a p p o a t i v r t a u e s’é c r i t x elles : 16 2 I SCR a = Ji ∑∑ • Cette der n (c a r • N é a n s i g n 2 c r o i n s , s i le R m o i è r e es t do i f i c a ti v î t a v ec les em en n m c n y b en de v n es t di f f é r en tes • s ta ti s ti q C’es t s u n u r u e W J+ n c ette i n lle H 0 d’h o m o tu g é n n é i té q u di v C ’es t b t p les m o tr o â ti p s y C en p f a i b le : S li c a ti v elles R0 ≃ S a s lu ex i du de la e di f f è r e p i ti o en a r i a b i n S et la μ+ α i é c es s a i r em le n o j=1 i=1 y i. y ij − n n lo R0 ≥ S C Ra es ) et W J + ≥ 0 e s o e g C n b t p a s a le, Ra de 0 c e tes t, p u i s q u e s o u s l’h y p o th è s e : W J+ l o i ˆ 2 χ I − 1 J + →∞ 17 2. Analyse de la variance à deux facteurs: l’exemple des données de panel • Observations y it (ind • P • N as d e val eu rs m anq ivid u u s i = 1, … , n et p antes : l e p anel est d é riod es t = 1, … , T it cylindré otations: n T y i. = 1 ∑ y it T 1 nT y .t = 1 n t=1 n y .. = et y it t=1 T ∑ ∑ y it i=1 ∑ t=1 n = 1 n ∑ y i. i=1 T = 1 T ∑ y .t t=1 18 Equation de • v ar iab ∑y it ilité − y .. dé c om totale 2 = i,t de p os ition de la v ∑y i. ar iab − y .. 2 le + i ar iab ilité inte r -indiv idue lle + v ar iab ilité inte r -te m or e lle + v ar iab ilité intr a-indiv D • é m ar ianc e dé p e ndante ): ∑y .t (dé c om − y .. 2 + p ons tr ation à l’aide idue lle d’op p os ition de ∑y it la − y i. − y .t + y .. 2 i,t t = v • la v intr a-te m é r ate ur s de p p or e lle (ou v ar ianc e r é s idue lle ) r oj e c tion 2.1 Définition des projecteurs • S oit la m atr ic e c ar r é e de dim JK = e ns ion K : 1 ⋯ 1 ⋮ ⋱ ⋮ 1 ⋯ 1 19 • Définition 1: L’op ér ate u r G d it d e m o ye n n e p r i n c i p a l e e s t: y .. G = J nT n G ⇒ T Y ⋮ = nT,nT nT,1 y .. • Le v total e • e c te u y i r t I nT − G Y a d t e r -i n d p ou r él ém e nts l e s éc ar ts à l a m oy e nne − y .. Définition 2: L’op i n onc nT,1 i v i d u e l ér ate u e s t d r Bn d éfini p ar it d e m o ye n n e i n d i v i d u e l l e ou o p é r a t e u r : Bn nT,nT = In ⊗ JT T − G 20 • Remarque: y i1 JT y i. ⋮ T ⋮ = y iT Le v i n p • t er-i n ri n D ec t eur B n Y a d c i p é f i n d i v i d o n uel l es , o c p u d o y i. ur é l é men i f f é ren c es t s i n i t i o n p 3: L’o o r e l p es t d é rat eur B T d é f i n i p i t i v i d i f f é ren uel l es c es à l a mo y en n e d e m = t ert emp o ec t eur B T Y a p rel l es , o u d ye nne Jn ⊗ IT n nT,nT Remarque: l e v o t e m p o r e l l e o u o p é r a t e u r ar: BT i n d d al e y i. − y .. i nt e r t e m • l es T,1 i f f é ren o c es ur é l é men t emp o − G t s rel l es l es d i f f é ren à l a mo y en c es n e p ri n c i p al e y .t − y .. 21 Définition 4: L’op • i n t r a -t e m p o ér ate u r W, dit o r e l , e s t défini p ar p é r a t e u r i n t r a -i n d i v i d u e l e t : W = I − BN − BT − G Le • v indiv e c te u idu r WY a donc e l l e s , te m p p ou or e l l e s r él ém e t p e nts r inc ip l e s éc ar ts al e au x m oy e nne s : y it − y i. − y .. − y .t − y .. − y .. 2.2 Propriétés des opérateurs • C e tte fam R nT e n s e s • E il l e p d’op ér ate u r oj e c tions s u r s r p e r m de s e t l a déc om s ou s -e s p ac e s p os ition de tou t v e c te u e c tor ie l s or th og onau v r de x n e ffe t : I = G + Bn + BT + W e t tou s c e s op ér ate u r s s ont de s P 2 p r oj e c te u = P e t P r s ′ c ar : = P 22 (à v • • é r i f i e r De p x e m E l u e n s, c e s o p e x e r c i c e ) p é r a t e u r s G, B n , B T , W so r G p In ⊗ JT ù e u t a u ssi s’é c r i r e c o In − ⇒ BnBT = u i sq r t h o g o n a u x e n t r e e u x m m e n − G : J nT = nT Jn ⊗ JT nT : BnBT = p o Jn ⊗ IT − G T G = D’o t l e : BnBT = O n u e 2 J n = nJ n e t In − 2 Jn n ⊗ JT Jn T n Jn Jn n n J T = TJ T ⊗ JT T ⊗ IT − IT − JT JT T T = 0 ■ 23 • Par ap p li c at i o n ‖I − G Y ‖ p • u D i s q é f i n u e du 2 t h é o n s u e de Py t h ag = ‖B n + B T + W Y ‖ Bn, BT, W s o i t i o rè m p p lé m n e n t o rt h o g t ai re : l’o o n p au o 2 re , i l v i e n t 2 = ‖B N Y ‖ : + ‖B T Y ‖ 2 + ‖WY ‖ 2 é r a x t e u r i n t r a -i n d i v i d u e l e s t do n n é p ar: Wn = BT + W • • Wn e s t au i n di v t e r-i n I l e s t di m e n e s t de do s i o m n s s i u i du c p o n p ro j e c t e u e l Bn e t s s i b n i n t e r-i n ê m e s i l’o le à l’o d’o n di v c o r o b p t e n rt h o g o n al, o é rat e u r de i r u dé c o i du e lle n s i dè re e t n u e n e m m m o o e n y p di m la dé c o rt h o p e n o g o n n e s i t i o s i o p n n s i t i o al à l’o n i n é rat e u ri n c i p de l’e s p t ra-i n i n p ale t e rt e m G ac e di v i du p r o e n u n e e lle . I l e n re lle 24 2.3 Estimation et tests On é c r i t • le m o d è le à d o u b le i nd i c e c o m m e : y it = μ + α i + β t + u it μ e s t • le p α i l’e f f e t a r a m β t l’e f f e t p H • y p o t h p è t r e d e m r i nc i p a l – o r i nc i p a l – o è s e s p r i nc i p o u y e nne s p é c i f i q u s p é c i f i q a le s e t s e c o u it i nd E • C p o m a r a m m e d a ns è t r e s d e le c a s c e m d o p d e é p u e u e nd ne s o nt – i nd i v – t e m p a m u it = 0 s e a le a i r e s e nd l’a na ly è le r i nc i p m p e e nt e l r e l v i d d i s t r i b u it = σ V la a s o u : e t d i d a r i a nc e u é 2 à u n f a c t e u r , le s e nt i f i é s 25 • On p e u t r é é c r i r e l e m o d è l e c o m m e : n Y = μj n ⊗ j T + T ∑ α i e i n ⊗ jT + T (1) ⊗ et + U t=1 i=1 o ∑ β t j n ù 1. le vecteur j est un vecteur de taille n dont tous les éléments valent 1 2. le vecteur e est un vecteur de taille n dont tous les éléments sont nuls, sauf l’élément i qui est égal à 1 n n i • I l y a d e u x s o u r c e s d e m u l t i c o l i né ar i t é d ans c e m o d è l e : n j n ⊗ j T = ∑e i n ⊗ jT i=1 T j n ⊗ j T = ∑j n T ⊗ et t=1 26 • Deux c o n di t i o n s i den t i f i a n t es (d’a ut r es p o n = 0 ∑ βt et s up s o • P n o t ur p o s e a i n “c en s i q ue les ê t r e c h o i s i es ): = 0 t=1 i=1 n t T ∑ αi O ur r a i en ef f et s s p é c i f i q ues i n di v i duels et t em p o r els t r é s ” es t i m er (1), i l s uf f i t de r em a r q uer : 1. que le vecteur j ⊗ j est une base de l’espace image de la projection G = J ⊗ J / nT 2. que les vecteurs e ⊗ j forment une base de l’espace image de la projection B + G = I ⊗ J / T 3. et que les vecteurs j ⊗ e sont une base de l’espace image de la projection B + G = J ⊗ I / n n T n T n T i i=1,.,n n n T T n t t=1,.,T T I l s uf f i t • r é p é t é e p m dè les o a lo p o r s ur r o d’a p m o j et é s n p li q t r er uer da n s q le t h é o ue l’es t i m les n r è m e de F a t i o n di f f é r en t es T r i s c h W de (1) es t di m en s i o n a ug é q ui v h de m a len a n i è r e t e a ux s 27 • Ceux-c i s’é c r i v en t : GY = μj N ⊗ j T + GU n BnY = ∑ α i e i n ⊗ jT + BnU i=1 T BTY = ∑ β t j n T ⊗ et + BTU t=1 • D é m o n st r a t i o GY = G μ n j N ⊗ j T + ∑ ⊗ j T + i=1 αi n e i ⊗ j T + ∑ T t=1 ∈B n +G ∈G = μj N n ∑ n i=1 =0 αi j n ⊗ j T + β T t j n ⊗ e t +U ∈B T +G ∑ T t=1 β t j n ⊗ j T +GU =0 28 car : GB n = GB T = 0, G BnY = Bn 2 = G, GB n + G = G, e t j N ⊗ j T μ + n ∑ i=1 αi n e i ⊗ j T = ∑ i=1 α i e n L e s n o m ré s u b lt at s re s d’o de b l’an s e rv aly at i o n ̂ = y .. μ • O n l’an p e u aly re lat i f s t do s e au n de x T t=1 β T t j n ⊗ e t +U ∈B T +G ⊗ j T +B n U i 2 car B n G = B n B T = 0 e t • ∑ + ∈B n +G ∈G n GB T + G = G c u Bn = Bn s e s p ari an t e s t s d’h o m o o ari an ce à u dali t é i m p α i = y i. − y .. u ce la v ar m , t i li s e r t o la v de s le s ré s u à u n f act e u g é n lt at s r, e n q li q , u p e n u f act e u e n β l’o n art i cu t r av e c é g ali t é de s t : = y .t − y .. o b t i e n li e r ce u t x dan q u s i le s o n cas de t é i t é 29 3. Analyse de la covariance Extension de l’analyse de la variance au cas où l’on inclut des variables explicatives dans le modèle. 3.1 Analyse de la covariance à un facteur • Revenons a u • S u p p osons q c a s t r a i t é u e l’on ob d a ns la r em i è r e sec t i on ser ve: 1. les variables y pour j ij p = 1, . . . , J i pour chaque modalité i ∈ 1, . , I 2. les valeurs de K variables explicatives x • L e m od è le d e la c ova r i a nc e s’é c r i t c om m kij pour k = 1, . . . , K e : K y ij = μ + α i +∑ x kij β k + u ij (2) k=1 30 Hypothèses: • ′ 1. pour tout k, Ex u = 0 2. Eu = 0 et les perturbations sont indépendamment distribuées et homoscédatiques ij kij ij P a r • u n ex em e r é g pl e, si i on l es v a r i a b l es y ij son t l es r ev en u s d’u n i n di v i du j da n s i: 1. les paramètres α s’interprétent comme des effets régionaux, et donc comme des coefficients d’analyse de la variance 2. les paramètres β sont par exemple les effets de variables comme l’éducation, l’expérience: ce sont ces paramètres économiques qui nous intéressent en premier lieu i k • R em a r q u es: 1. les β ne dépendent pas de la région i (“égalité des pentes”) 2. Seul le niveau de la variable y est influencé par la région k ij 31 3. On pourrait étudier le cas général dans lequel les paramètres β dépendent d’un effet régional (voir par exemple Hsiao, 1986) k • Pour e st i m c ov • R a ri a n c e a rq uon e m e r le s p a ra m è t re s β k on s d’a b ord q ue le s p se de (i de m a u c a s de I l f a ut i m • p l’a n ose r un e a ly la re st ri c t i on a ra m v ut i li se è t re s de a ri a n i de n l’e st i m c e t i f i a n (2) n à un t e a t e ur di t c om e son t p de la a s i de n t i f i é s f a c t e ur) m e I ∑ αi = 0 i=1 • L e m odè le e m p i lé s’é c ri t : I Y = μ. b j J+ a s e d e + G ∑ αi b ei i=1 a s e d e +Xβ + U B I +G 32 Il s u • p • f f i t a r S o le s i t i n a lo v t r a -m o t i q e t h u e s t é o i de n p r s j J+ e t p e c a r t le t i q e u n de e u F i m p r l’e s p r o j e c t i o s e dé f i n r e d’o b i s u a c e o r t h o g o n a l à l’e s p a c e e n g e n dr é e i i=1,.,I de u o q j e t e r r (i) q – à c e r è m r o é r a t e u da li t é di f f é r e n L de e c t e u W I l’o i de n • r s e s t f a i t r i s c h -W à l’e s t i m i t b a t e u g r o s h M r t h de s e r v da n a u n C m a n a t i o n la é n g o n s c e de n a le i è r e p n q m p u da n s i m a r s e c t i o o O o s la i la i r e o – m da li t é r é c é de n e l’e s t i m β da n s di m le m t e g p é n W I ≡ dè le s i o a i s e s t a t e u o e n r M a s é r a le m e n I − G − BI C li n n O de é a i r e p r o de r a n g t (2) j e t é : W I Y = W I Xβ + W I U • P o u r i de n t i f i e r le p a r a m è t r e β, i l f a u q di m • P o u u e n r i r e v s i o e s t i m ̂ Y − Xβ e t n i e n t à i m i n t r a -m e r le s p o o s e r u p o s e r la c o n di t i o n ′ e le s r é g r e s s e u r s X v a r i e n t da n s s t r u i r e la da li t é e f f e t s d’e f f e c t u q i m X W I X = K r g c e t e r u de s n e m a n o da li t é s a ly s e de i, i l s u la v f f i t a r i a n c e de c o à u n n f a c t e u le s r é s i du r 33 s 3.2 Données de panel : le modèle à effets fixes • Le m o d è l e d i t à effets ind i = 1, . . . , n, o c y l i n d r é ) c o b m ser v m é s a u iv id x p uel s fixes s’é c r i t é r i o d p o u r d es t = 1, . . . , T (f i c h es i n i er su d i v p p i d u o sé s e: y it = μ + α i + δ t + x it β + u it • Les c o n d i t i o n s d e m o m en t h Les p p • E é r i o n em er t u d r b es, et a t i o p i l a n t h o n m l es o s so o n t b sc é d ser v i n d el l es so ′ é p a st i q a t i o i t u x it u it = 0, E E • a b n u en d a m m en su p p o sé es sa t i sf a i t es : t d i st r i b u é es en t r e i n d i v i d u s et es s, o n o b t i en t l a f o r m e m a t r i c i el l e su i v a n t e: T ∑ α i e i n i=1 t u it = 0 n Y = μj n ⊗ j T + n ⊗ jT + ∑ δ t j n T ⊗ e t + Xβ + U t=1 34 Ce m • c o • • S e d es eu ls les t er m r s q u Co P m o b t i o en r n r t i r es o a lé a t o d S o u es t et d s s a la o v n c o n é a r i a n p n d d t s u es p i r e, et p d è le p o g r o o d c a r s é s u s i t d a r n o s o t r e c es o r t h n è le es t en è le p WY • o c e m o s o u it a c e o f i x ef f et s n a r : c e es t : d a lé a t o i n d i v i d u els αi s o n t t r a i t é s i r es c er t a i n es à e r r e ur s eu M x m CO a l a u x o d , o c o c o è les n u ef f et s i n a v ec n m p d o ? V o i t i o i v i d u s r ela t i v s é e s (c h i r a p t i li s e le p d n els c h r o et a p es à s a i t r e 5) i t r e 6 j ec t eu t em p r o o r t h r els o p g o o u n a l r j et é : = WXβ + WU i t i o les è t r es i s i r er le m à ef f et s a r a m c h l’es p t en i t , le m es t i m W s u o u m u p d e α i es t i s t r i b • è le es t m o • d m L d o e r a n g ′ X WX = K, l’es t i m r g β W = I − G − Bn − BT ′ c o = X WX v Vβ 2 c o v ′ −1 a t eu r d e la c o v a r i a n c e ′ X WY = σ X WX −1 35 Pour ob • re m a n • O a rq a ly n ob p t e n i r le s ue r q ue s e de v roc é de t i e n e f f e t s la i n de ux a ri a n c e don à la c di v i è m e é t a p à de ux m a n i due ls e t e de f a c t e urs i è re t e m de F p ore ls , i l s uf f i t ri s c h -W s ur le s l’a n a ly a ug h ré s i dus s e de la v c on à n ouv s i s t e ̂ Y − Xβ cov a ri a n c e , e t e a u de à f a i re un e on t : ̂ ̂ ̂ i = y i. − x i. β α cov − y .. − x .. β cov ̂ ̂ ̂ δ t = y .t − x .t β cov − y .. − x .. β cov O • m • R n t e s t e é t h e v ode l’h e n d’i de n on s om og dé v e lop e n c on t i f i c a t i on é n p é i t é é e s oi t da n c lus i on de l’e s t i m s le i n di v i due lle , s oi t c a dre s ur la c on a t e ur de r g de di t i on la ′ X W l’a n c ov a ly de t e m s e n a ri a n on p de ore lle , p la c oli n v a ri a n é a ri t é a r la c e ou c e : X = K 36 • Cette c o i n S • tr a-i n i to en P • u f i x c o E di v i du di v n n i du tr e, si es au d’i den • di ti o tes les v tr e i n ar n c o u p eu n p t s’ex elle et i n ar i ab l’o p les ex n su p tem r i m tr a-p s, c ette c o r s du ti f i c ati o ef f et, o n n p p p o er é r i o c o se q u m e u de des v li c ati v di ti o m n es so est v n n e c o ar i ab t v n di ti o les ex ar i ab p n su r li c ati v les au c o u la v ar i ab i li té es r s du tem p s et é r i f i é e e c er tai n es v k ar i ab k les ex s, i.e. ∀i, t, x it = x i , alo p li c ati v r s i l y a u n p r o es so b lè m n t e n eu t r é -é c r i r e l’ef f et i n di v i du el c o m m e: k ̃ i = αi + xi βk α et le c o é q • S u v an i v s h ar i ab u p alen le de p yp o t” au th les ex c o u è se su p ̃ i , 0 est “o è tr es α ar am li c ati v p p b ser v ati o n n ellem en t le α i , β k p lé m es c o n en tai r e, o stan n n e p eu t i den ti f i er l’ef f et des tes 37