Etude économétrique et analyse économique de séries temporelles sous le logiciel Eviews sur les créations d'entreprise en France

Résumé du document

L'objet de cette étude est de réaliser une analyse économique et économétrique sur des séries temporelles à partir de modèles et de méthodes économétriques en s'appuyant sur le logiciel Eviews.
Ce logiciel nous permettra d'estimer des équations sur des séries temporelles, d'évaluer des modèles par différents tests d'hypothèses, et de réaliser des prévisions et simulations.
Dans une première partie, nous modéliserons une série temporelle d'une variable économique dans le cadre simple univarié, en procédant au test de Dickey-Fuller. Nous déterminerons alors le modèle suivi par notre série (modèle Difference stationnary ou Trend stationnary) et analyserons ses implications économiques. Nous procéderons ensuite à sa stationarisation dans le but de réaliser une estimation du processus suivi par notre série (AR: Auto-régressif, MA : moyenne mobile, ARMA) pour enfin en donner une prévision.
Dans une seconde partie, nous travaillerons dans un cadre multivarié, en sélectionnant une seconde série en rapport avec la première, afin de déterminer la nature et l'intensité du lien économique qu'il existe entre ces deux séries.
Nous modéliserons pour cela un VAR (Vectorial Autoregresive) et nous en analyserons la dynamique (fonctions de réponse impulsionnelles, décomposition de la variance) pour ensuite réaliser le test de causalité de Granger. Enfin, nous procéderons à la prévision des deux variables et nous comparerons ces résultats aux prévisions obtenues dans le cadre univarié.
Dans un dernier temps, nous réaliserons une modélisation VECM, afin de montrer la nécessité d'utiliser le Modèle à Correction d'Erreur lorsque la relation existante entre deux variables est stable et observable à long terme.

Extraits

[...] On teste Ho : Ø contre H1 : Ø) Si la statistique de Fisher est supérieure aux valeurs critiques, on rejette Ho. (SCR 3,C SCR3)/nombre de contraintes testées)/ F (SCR 3,C SCR3)/2 SCR3 : Somme des carrés des résidus de la régression de sur xt-1 et les termes augmentés . SCR C : SCR de la régression de sur c seulement et les termes augmentés K : nombre de variables explicatives, constante comprise, dans le modèle non contraint, T : le nombre d'observations utilisées dans la régression. [...]

[...] On comprend donc pourquoi ce sujet est constamment au centre des débats politiques afin savoir comment favoriser ces créations. Ainsi en mai 2002, le gouvernement actuel s'était donné pour objectif la création d'un million d'entreprises nouvelles jusqu'aux prochaines élections de 2007. Les données sont les suivantes : Nous allons transformer les données en logarithme afin de stationnariser la série en variance : La série notée cne devient lcne Représentation graphique en log : Le graphique de la série des créations nouvelles d'entreprises LCNE présente une tendance globale à la hausse ; On peut déjà distinguer 2 périodes : - de 2002 à 2004 (fév.) : hausse constante et rapide des créations d'entreprises (9,55 à ; - de 2004(fév.) à 2006 : la série est en moyenne à 9,85 et oscille entre 9,8 et 9,9. [...]

[...] Analyse de la dynamique du VAR : On fait l'hypothèse que le variable coût du crédit est plus exogène que la variable créations d'entreprises nouvelles : donc l'ordre des variables sera DLCC puis DLCNE. La justification économique de ce choix est que généralement, une entreprise nouvelle a recours à des crédits à moyen long terme pour financer sa création. Des lors, on peut penser que le coût des crédits supérieurs à 1 an pour les entreprises peut influencer leur création. [...]

[...] Les résultats d'estimation du VECM nous montraient que les variables PIB et Consommation ne peuvent pas s'éloigner l'une de l'autre, la force de rappel les fera revenir dans la même dynamique. Autrement dit, si l'une augmente, l'autre augmentera aussi dans mes mêmes proportions (et inversement). [...]

[...] Si Fisher stat > seuil à ou on accepte Ho Si Fisher stat [...]