Laboratoire d`Analyse – Recherche en Economie Quantitative
Transcription
Laboratoire d`Analyse – Recherche en Economie Quantitative
Équilibre Général en Concurrence Imparfaite, J–Paul K., Tsasa Laboratoire d’Analyse – Recherche en Economie Quantitative One Pager Avril 2013 Vol. 6 – Num. 005 Copyright © Laréq 2013 http://www.lareq.com Modèle d’Équilibre GÉnÉral en ConCurrenCe iMparfaite Illustration d’une Stratégie d’Estimation Économétrique Basée sur un Algorithme Flot – Max de Recherche Opérationnelle Jean–Paul Kimbambu, Tsasa Vangu « if you search the Web for "urban legend George Dantzig" you will probably find the first hit to be "Snopes.com, The Unsolvable Math Problem." That site recounts the story of how George, coming in late for class, mistakenly thought two problems written on the board by Neyman were homework problems. After a few days of struggling, George turned his answers in. About six weeks later, at 8 a.m. on a Sunday morning, he and Anne were awakened by someone banging on their front door. It was Neyman who said, "I have just written an introduction to one of your papers. Read it so I can send it out right away for publication." George's answers to the homework problems were proofs of then two unproven theorems in statistics. The Web site gives all the details about how George's experiences ended up as a sermon for a Lutheran minister and the basis for the film, "Good Will Hunting." The solution to the second homework problem became part of a joint paper with Abraham Wald who proved it in 1950, unaware that George had solved it until it was called to his attention by a journal referee. Neyman had George submit his answers to the "homework" problems as his doctoral dissertation. » Legend George Dantzig En mémoire de George Dantzig (1914 – 2005), Fondateur de l’algorithme du Simplexe en programmation linéaire. Résumé Ce papier met en évidence les interactions pouvant exister entre les différentes branches de la science économique. Dans le cas d’espèce, il s’agit des interactions entre la microéconomie, la théorie des jeux, l’économétrie et la recherche opérationnelle. Il sera question d’illustrer la stratégie d’estimation économétrique d’un modèle d’équilibre général en situation de concurrence imparfaite, à l’aide d’un algorithme de recherche opérationnelle, utilisé notamment pour résoudre les problèmes de flot maximum. Mots – clé : Monopole, duopole, équilibre de Nash, vraisemblance, algorithme Flot – Max. Abstract Through this paper, the Laboratory focuses, once again, on the interactions that exist between the various disciplines of economics. In this case, it is the interaction between microeconomics, game theory, econometrics and operations research. In this discussion, we illustrate the strategy for econometric estimation of a general equilibrium model in imperfect competition, using an algorithm of operations research, mainly used to solve maximum flow problems. Introduction Ce papier se propose d’aborder une thématique qui s’inscrit dans le cadre de l’analyse microéconométrique. Il sera question d’illustrer une stratégie d’estimation d’un modèle d’équilibre général en situation de concurrence imparfaite, par un algorithme généralement utilisé en recherche opérationnelle pour résoudre les problèmes de flot maximum. En effet, les algorithmes développés pour résoudre ce type de problèmes permettent de détecter l’existence d’un flot réalisable et maximum entre une source unique et un terminal unique d’un graphe ou d’un réseau donné. Pour illustrer l’application de tels algorithmes dans la résolution de problèmes économétriques, nous considérons un modèle d’organisation industrielle (duopole), et nous nous inspirons essentiellement de la présentation de Henry 35 J–Paul Kimbambu, Tsasa Vangu Laboratoire d’Analyse – Recherche en Economie Quantitative (2013) pour conduire notre analyse. Par ailleurs, pour un complément d’usage des algorithmes de recherche opérationnelle, les papiers de Ford – Fulkerson (1956, 1957) et Greenberg (1998) ; les ouvrages de Ford – Fulkerson (1952), Kuhn (2003), Dantzig – Thapa (1997, 2003) et Vasudev (2006) ; et les polycopiés de Guinand (2000), Tombola (2012) et Tsasa (2012) constituent notre référentiel principal. Enfin, pour parvenir à notre objectif, nous organisons ce papier autour de deux sections principales. La section première est consacrée à la présentation du modèle retenu pour dériver l’application en cause, et la section deuxième s’attèle sur l’illustration du rôle que les algorithmes Flot – Max peuvent jouer dans la résolution des problèmes économétriques. Présentation du modèle d’analyse Pour faciliter l’analyse, nous considérons un modèle avec deux agents. Remarquons que les résultats qui seront dérivés de ce modèle, seront génériques, c’est – à – dire transposables au cas plus général et plus complexe. Soient deux firmes produisant des biens ou services quasiment substituables telles que leurs interactions peuvent être modélisées comme suit. Tableau 1 : Payoff matrix 2 P 1 N P N où : - ; P : stratégie telle que la firme décide de participer au jeu, c’est – à – dire d’entrer sur le marché ; - N : stratégie telle que la firme - renonce au jeu ; : correspond au profit du duopole pour l’entreprise - : correspond au profit de monopole pour l’entreprise - ; ; : désigne le choc de productivité sur les activités de la firme ; - : représente un paramètre affectant la profitabilité de l’entreprise présente en situation de duopole. Plus ce paramètre prend des valeurs élevées, plus la concurrence est intense (force de la concurrence). Au regard de la matrice des paiements telle que reprise précédemment, il y a lieu d’identifier les contraintes qui décrivent les meilleures réponses de chaque firme. Pour ce faire, nous recourons à la fonction indicatrice, notée généralement par : telle que : 36 J–Paul Kimbambu, Tsasa Vangu Laboratoire d’Analyse – Recherche en Economie Quantitative Définition Soit l’ensemble fondamental. La fonction indicatrice d’un sous – ensemble fonction définie sur valant 1 sur de notée est la et 0 ailleurs : Soient : - la firme opte pour la stratégie P ; - la firme opte pour la stratégie N. Alors l’ensemble de meilleures réponses de la firme suite à l’action de la firme concurrente peut être illustré comme suit. Tableau 2 : Stratégies et Meilleures réponses des firmes STRATEGIES MEILLEURES REPONSES En se rapportant à la définition de la fonction indicatrice, il vient que, par exemple : où : On suppose, par ailleurs, que le jeu est répété plusieurs fois, c’est – à – dire qu’il existe plusieurs marchés où les deux firmes se confrontent et dans lesquels on observe les résultats. Et les équilibres obtenus sur chaque marché sont de en stratégies pures. Ainsi, il est dès lors possible de dériver l’espace des variables non observables (prédictions du modèle) et de visualiser les différents équilibres de Pour ce faire, il suffit de construire un espace tel qu’on tient compte de différentes caractéristiques et contraintes extraite du tableau 2. 37 J–Paul Kimbambu, Tsasa Vangu Laboratoire d’Analyse – Recherche en Economie Quantitative Figure 1 : Espace des variables non observables Par exemple, on peut lire dans ce graphique que : - si la meilleure réponse de la firme 1 est toujours d’entrer sur le marché et donc ; - De même, si : Parallèlement : - si : - De même si ; : Par ailleurs : - si la meilleure réponse de la firme 1 est toujours d’entrer sur le marché et donc ; - De même, si : Etc. 38 J–Paul Kimbambu, Tsasa Vangu Laboratoire d’Analyse – Recherche en Economie Quantitative Ainsi, l’espace de variables non observables peut donc être divisé en cinq régions distinctes : - : région où les chocs de productivités sont élevés. Dans ce cas, les deux entreprises affichent l’intérêt d’entrer sur le marché (région de prédiction déterministe et unique) ; - et : région de monopole correspondant à une situation intermédiaire, où l’une des entreprises a intérêt à renonce au jeu au profit de son concurrent ; - : région où les chocs de production les chocs de productivité sont faibles, et donc aucune de deux firmes n’a intérêt de participer au jeu (région de prédiction déterministe et unique) ; - Soient : région où les prédictions d’équilibre de l’ensemble des observations possibles et sont multiples. l’ensemble de prédictions possibles tels que : et Par exemple, alors que l’échantillon fournit l’information suivante : le modèle prédit la valeur : où est un vecteur paramétrique tel que : Pour que le modèle soit correct, c’est – à – dire pour que le vecteur soit valide, il faut que : expression qui s’apparente à une vraisemblance. 39 J–Paul Kimbambu, Tsasa Vangu Laboratoire d’Analyse – Recherche en Economie Quantitative Stratégie d’estimation Pour procéder à l’estimation de ce modèle, on peut faire appel à des hypothèses ad hoc à l’effet d’éliminer les équilibres multiples et donc, opérer l’identification des paramètres. Figure 2 : Espace des variables non observables On peut, de ce fait, procéder à l’identification à l’infini. Ainsi, par exemple, pour : tel que : et donc, il vient : où est une fonction de répartition, et donc inversible ; et par ailleurs, n’affecte pas le profit de la firme 1 (hypothèse d’indépendance). Dès lors, on obtient : où l’information est connue à l’aide des observations de l’échantillon. Voyons à présent deux approches qui permettent d’estimer le modèle d’intérêt sans recourir à des hypothèses supplémentaires (ad hoc). Les informations fournies précédemment peuvent être exprimées à l’aide des contraintes suivantes. - ; - ; - ; - ; - Ainsi que tous les sous – ensembles, par exemple : 40 J–Paul Kimbambu, Tsasa Vangu Laboratoire d’Analyse – Recherche en Economie Quantitative Il faut dès lors identifier les paramètres valides, c’est – à – dire définir l’ensemble des paramètres qu’il faut rejeter –pour ne retenir que ceux qui sont compatibles avec le modèle. Bien qu’on ne dispose pas d’informations sur le mécanisme de sélection, on sait cependant qu’il en existe au moins un qui est compatible avec le modèle. On peut donc exprimer le profil d’équilibres possibles et les prédictions possibles comme suit. Figure 3 : Profil d’équilibre possible et Prédictions possibles Observations Prédictions les équilibres observés et les la fréquence des équilibres prédits sachant la loi de des probabilités jointes telles qu’on définit deux variables valeurs et mesurent la fréquence de différents et et avec des lois fixées, où Et sont prend quatre cinq valeurs. Ainsi, par exemple : Et par définition, la probabilité d’une paire qui n’est pas liée vaut zéro (probabilité d’une prédiction violée). Ainsi, à titre illustratif : 41 J–Paul Kimbambu, Tsasa Vangu Laboratoire d’Analyse – Recherche en Economie Quantitative Du graphique 3, il vient qu’on dénombre quatre observations possibles contre cinq prédictions possibles telles que, par exemple, l’observation n’est prédite que par alors que est prédite par et On peut également voir la représentation du modèle en cause comme un problème de flot, où on imagine une source et un terminal . Ainsi, au regard de la structure du problème, il y a lieu de le résoudre à l’aide des algorithmes établis en recherche opérationnelle. Figure 4 : Formulation du jeu comme problème de flot maximal 1 1? Il ressort de la figure 4 que : - - entre la source et (i) le point la quantité d’information maximale à transporter est égale à ; (ii) le point la quantité d’information maximale à transporter est égale à ; (iii) le point la quantité d’information maximale à transporter est égale à ; (iv) le point la quantité d’information maximale à transporter est égale à ; entre le point et (i) le point la quantité d’information maximale à transporter est égale à ; (ii) le point la quantité d’information maximale à transporter est égale à ; (iii) le point (iv) le point (v) le point la quantité d’information maximale à transporter est égale à la quantité d’information maximale à transporter est égale à la quantité d’information maximale à transporter est égale à Par analogie, on peut procéder identiquement et déduire pour les points et ; ; ; On applique également le même raisonnement pour déterminer la quantité d’information que l’on peut transporter entre les différentes prédictions possibles et le terminal. 42 J–Paul Kimbambu, Tsasa Vangu Laboratoire d’Analyse – Recherche en Economie Quantitative Dès lors, en injectant une masse à partir de la source on doit s’assurer que la même quantité sera transporter à travers le graphe, sans aucune perte d’informations, jusqu’au terminal le flot est maximal, ce que la valeur Il suit donc que si rend le modèle compatible. Cependant, si la masse au niveau du terminal est inférieure à l’unité, alors qu’on avait fait partir une quantité à partir de la source, on conclut que la valeur doit être rejetée. Pour la manipulation de l’algorithme de Ford – Fulkerson, on peut se rapporter à Tombola (2012, pp. 29 – 32), où il est largement discuté. Somme toute, ce papier a permis d’illustrer la possibilité d’estimer un jeu en situation de concurrence imparfaite à l’aide de l’algorithme Flot – Max. Ainsi, s’inscrivant dans la même logique, il est prévu que nous présentons, dans une publication ultérieure, le traitement de problème d’appariement à l’aide de l’algorithme d’enchères, tout en présentant préalablement les modèles de graphe aléatoire et le théorème de Hall (lemme du mariage). Bibliographie DANTZIG George B. et Mukund N. THAPA, 1997, Linear Programming, 1 : Introduction (With 87 illustrations), Springer Series in Operations Research, New York, 435p. DANTZIG George B. et Mukund N. THAPA, 2003, Linear Programming, 2 : Theory and Extensions (With 45 illustrations), Springer Series in Operations Research, New York, 448p. FORD Lester R. Jr. et Delbert R. FULKERSON, 1956, “A Simple Algorithm for Finding Maximal Network Flows and Application to Hitchcokc Problem”, Canadian Journal of Mathematics, vol. 9, 210 – 218. FORD Lester R. Jr. et Delbert R. FULKERSON, 1956, Flow in Networks, Princeton University Press, Princeton, New Jersey, 193p. FORD Lester R. Jr. et Delbert R. FULKERSON, 1957, “Maximal Flow Through a Network”, Canadian Journal of Mathematics, vol. 8, 399 – 404. GREENBERG Harvey J, 1998, Ford-Fulkerson Max-Flow Labeling Algorithm, Rapport de recherché (22 Decembre 1998), University of Colorado, Denver, 5p. GUINAND Frederic, 2000, Calcul de flots maximums. Algorithme de Ford-Fulkerson, Maters I, Université Le Havre, 42p. HENRY Marc, 2013, Microéconométrie, Exposé du Cours ECN6233 (Hiver 2013), Université de Montréal, Département des Sciences économiques, Montréal. KUHN Harold W., 2003, Lectures on the Theory of Games, Annals of Mathematics Studies, Princeton University Press, Princeton, New Jesey, 107p. TOMBOLA Cédrick, 2012, Recherche Opérationnelle : Résumé du Cours et Recueil d’Exercices (1ière partie, Guide Laréq pour étudiants (mars), GLEN 001, 70p. TSASA Jean – Paul, 2012, Recherche Opérationnelle : Résumé des Heuristiques et Recueil d’Applications pour étudiants en Gestion, Guide Laréq pour étudiants (mars), GLEN 003, 36p. VASUDEV C., 2006, Graph Theory with Applications, New Age International (P) Ltd, New Delhi, 416p. 43 J–Paul Kimbambu, Tsasa Vangu Laboratoire d’Analyse – Recherche en Economie Quantitative