SOMMAIRE

INTRODUCTION GENERALE 3 1. LA NOTION DE MODELE 3 2. CONSTRUCTION DES MODELES ECONOMETRIQUES-ROLE DE L’ECONOMETRIE 3 CHAPITRE I : REGRESSION LINEAIRE SIMPLE ET REGRESSION LINEAIRE MULTIPLE 7 I- REGRESSION LINEAIRE SIMPLE 7 1. Description du modèle : exemple introductif 7 2. Le modèle et ses hypothèses 8 3. Formulation des estimateurs : les moindres carrées 8 4. Hypothèse de normalité des erreurs 12 5. Equation et tableau d’analyse de la variance 13 II- LE MODELE DE REGRESSION MULTIPLE 14 1. Présentation du modèle 15 2. Hypothèses du modèle, estimation des coefficients de régression et propriétés des estimations 15 3. Equation d’analyse de la variance, qualité d’ajustement et tests statistiques 18 CHAPITRE II : VIOLATION DES HYPOTHESES ET SELECTION DU MODELE OPTIMAL 21 I- AUTO-CORRELATION DES ERREURS 22 1. Présentation du modèle 22 2. Les causes et la détection de l’autocorrélation des erreurs 23 3. Procédure d’estimation en cas d’autocorrélation des erreurs 25 II- LE PROBLEME D’HETEROSCEDASTICITE 27 1. Présentation du problème 27 2. Correction de l’hétéroscédasticité 27 3. Tests de détection de l’hétéroscédasticité 27 III- MODELES A ERREUR SUR LES VARIABLES 28 IV- PROBLEME DE MULTICOLINEARITE ET SELECTION DU MODELE OPTIMAL 28 1. Conséquences de la multi-colinéarité 28 2. Tests de détection d’une multi-colinéarité 29 3. Sélection du modèle optimal 30 CHAPITRE III : ELEMENTS D’ANALYSE DES SERIES TEMPORELLES 31 I- STATIONNARITE 31 1. Définitions et propriétés 31 2. Fonctions d’autocorrélation simple et partielle 32 3. Tests de stationnarité et de « Bruit Blanc » 33 II- MODELISATION DE LA SERIE STATIONNAIRE : IDENTIFICATION DU PROCESSUS GENERATEUR 36 1. Identification d’un modèle AR(p) 37 2. Identification d’un modèle MA(q) 37 3. Identification d’un modèle ARMA (p, q) 37 III- LA METHODE DE BOX ET JENKINS 38 CHAPITRE IV : LA MODELISATION VAR (Vector