Nouveau

Comment faire un projet d'économétrie multivariée sans effort

Comment faire un projet d'économétrie multivariée sans effort

La plupart des départements d'économie exigent que les étudiants de deuxième ou troisième année du premier cycle complètent un projet d'économétrie et rédigent un article sur leurs résultats. Des années plus tard, je me souviens à quel point mon projet était stressant. J'ai donc décidé de rédiger le guide sur la terminologie en économétrie que je souhaiterais avoir lorsque j'étais étudiant. J'espère que cela vous évitera de passer de longues nuits devant un ordinateur.

Pour ce projet d'économétrie, je vais calculer la propension marginale à consommer (MPC) aux États-Unis. (Si vous êtes plus intéressé par un projet d'économétrie simple et univarié, veuillez consulter la section "Comment faire un projet d'économétrie indolore") La propension marginale à consommer est définie comme la dépense qu'un agent dépense lorsqu'un dollar supplémentaire lui est attribué. revenu personnel disponible. Ma théorie est que les consommateurs gardent un montant d'argent mis de côté pour l'investissement et l'urgence, et dépensent le reste de leur revenu disponible en biens de consommation. Par conséquent, mon hypothèse nulle est que MPC = 1.

Je suis également intéressé de voir comment les changements du taux préférentiel influencent les habitudes de consommation. Beaucoup pensent que lorsque le taux d'intérêt augmente, les gens épargnent plus et dépensent moins. Si cela est vrai, nous devrions nous attendre à une relation négative entre les taux d’intérêt tels que le taux préférentiel et la consommation. Ma théorie, cependant, est qu'il n'y a pas de lien entre les deux. Par conséquent, toutes choses étant égales par ailleurs, nous ne devrions voir aucun changement dans le niveau de la propension à consommer à mesure que le taux préférentiel change.

Afin de tester mes hypothèses, je dois créer un modèle économétrique. Nous allons d'abord définir nos variables:

Yt est la dépense de consommation personnelle nominale (PCE) aux États-Unis.
X2t est le revenu nominal disponible après impôt aux États-Unis. X3t est le taux préférentiel aux États-Unis

Notre modèle est alors:

Yt = b1 + b2X2t + b3X3t

Où b 1b 2, et B 3 sont les paramètres que nous allons estimer par régression linéaire. Ces paramètres représentent les éléments suivants:

  • b1 est le montant le niveau de PCE lorsque le revenu disponible après impôt nominal (X2t) et le taux préférentiel (X3t) sont tous deux zéro. Nous n'avons pas de théorie sur ce que devrait être la "vraie" valeur de ce paramètre, car il ne nous intéresse guère.
  • b2 représente le montant que PCE augmente lorsque le revenu nominal disponible après impôt aux États-Unis augmente d’un dollar. Notez que c’est la définition de la propension marginale à consommer (MPC), donc b2 est simplement le MPC. Notre théorie est que MPC = 1, donc notre hypothèse nulle pour ce paramètre est b2 = 1.
  • b3 représente le montant de PCE augmente lorsque le taux préférentiel augmente d’un pourcentage complet (par exemple de 4% à 5% ou de 8% à 9%). Notre théorie est que les changements du taux préférentiel n’influencent pas les habitudes de consommation, notre hypothèse nulle pour ce paramètre est donc b.2 = 0.

Nous allons donc comparer les résultats de notre modèle:

Yt = b1 + b2X2t + b3X3t

à la relation hypothétique:

Yt = b1 + 1 * X2t + 0 * X3t

où b 1 est une valeur qui ne nous intéresse pas particulièrement. Pour pouvoir estimer nos paramètres, nous avons besoin de données. Le tableur Excel "Personal Consumption Dépenditure" contient les données américaines trimestrielles du 1er trimestre de 1959 au 3ème trimestre de 2003. Toutes les données proviennent de FRED II - La Réserve fédérale de Saint-Louis. C’est le premier endroit où vous devriez aller chercher des données économiques américaines. Après avoir téléchargé les données, ouvrez Excel et chargez le fichier "aboutpce" (nom complet "aboutpce.xls") dans le répertoire dans lequel vous l'avez enregistré. Passez ensuite à la page suivante.

Assurez-vous de continuer à la page 2 de "Comment faire un projet d'indonométrie multivariée sans effort"

Le fichier de données étant ouvert, nous pouvons commencer à chercher ce dont nous avons besoin. Nous devons d’abord localiser notre variable Y. Rappelons que Yt est la dépense de consommation personnelle nominale (PCE). En analysant rapidement nos données, nous constatons que nos données PCE se trouvent dans la colonne C, intitulée "PCE (Y)". En regardant les colonnes A et B, nous voyons que nos données PCE vont du premier trimestre de 1959 au dernier trimestre de 2003 dans les cellules C24-C180. Vous devriez écrire ces faits car vous en aurez besoin plus tard.

Nous devons maintenant trouver nos variables X. Dans notre modèle, nous n’avons que deux variables X, qui sont X2t, revenu personnel disponible (DPI) et X3t, le taux préférentiel. Nous voyons que DPI se trouve dans la colonne marquée DPI (X2) qui se trouve dans la colonne D, dans les cellules D2-D180 et le taux préférentiel dans la colonne intitulée Prime Rate (X3), qui se trouve dans la colonne E, dans les cellules E2-E180. Nous avons identifié les données dont nous avons besoin. Nous pouvons maintenant calculer les coefficients de régression en utilisant Excel. Si vous n'êtes pas obligé d'utiliser un programme particulier pour votre analyse de régression, nous vous recommandons d'utiliser Excel. Il manque à Excel de nombreuses fonctionnalités utilisées par les progiciels économétriques les plus sophistiqués, mais pour effectuer une régression linéaire simple, il s'agit d'un outil utile. Vous êtes beaucoup plus susceptible d'utiliser Excel lorsque vous entrez dans le "monde réel" que d'utiliser un progiciel d'économétrie. Il est donc utile de maîtriser parfaitement Excel.

Notre Yt les données sont dans les cellules E2-E180 et notre Xt données (X2t et X3t collectivement) est dans les cellules D2-E180. Lors d’une régression linéaire, il faut chaque Yt d'avoir exactement un X associé2t et un X associé3t etc. Dans ce cas, nous avons le même nombre de Yt, X2tet X3t entrées, donc nous sommes prêts à partir. Maintenant que nous avons localisé les données dont nous avons besoin, nous pouvons calculer nos coefficients de régression (notre1b2, et B3). Avant de continuer, vous devez enregistrer votre travail sous un nom de fichier différent (j’ai choisi myproj.xls). Par conséquent, si nous devons recommencer, nous avons nos données originales.

Maintenant que vous avez téléchargé les données et ouvert Excel, nous pouvons passer à la section suivante. Dans la section suivante, nous calculons nos coefficients de régression.

Assurez-vous de continuer à la page 3 de «Comment faire un projet d'économétrie multidimensionnelle sans effort»

Passons maintenant à l'analyse des données. Aller au Outils menu en haut de l'écran. Puis trouver L'analyse des données dans le Outils menu. Si L'analyse des données n'est pas là, alors vous devrez l'installer. Pour installer le Data Analysis Toolpack, consultez ces instructions. Vous ne pouvez pas effectuer d’analyse de régression sans l’outil d’analyse des données installé.

Une fois que vous avez sélectionné L'analyse des données du Outils Dans le menu, vous verrez un menu de choix tels que "Covariance" et "F-Test à deux échantillons pour les variances". Dans ce menu, sélectionnez Régression. Les éléments sont classés par ordre alphabétique, ils ne devraient donc pas être trop difficiles à trouver. Une fois là-bas, vous verrez un formulaire qui ressemble à ceci. Maintenant, nous devons remplir ce formulaire. (Les données à l'arrière-plan de cette capture d'écran seront différentes de vos données.)

Le premier champ à renseigner est le Plage d'entrée Y. Ceci est notre PCE dans les cellules C2-C180. Vous pouvez choisir ces cellules en tapant "$ C $ 2: $ C $ 180" dans la petite boîte blanche à côté de Plage d'entrée Y ou en cliquant sur l'icône à côté de cette case blanche, puis en sélectionnant ces cellules avec votre souris.

Le deuxième champ que nous devons remplir est le Plage d'entrée X. Ici nous allons entrer tous les deux de nos variables X, DPI et le taux préférentiel. Nos données DPI se trouvent dans les cellules D2-D180 et nos données à taux préférentiel dans les cellules E2-E180. Nous avons donc besoin des données du rectangle de cellules D2-E180. Vous pouvez choisir ces cellules en tapant "$ D $ 2: $ E $ 180" dans la petite boîte blanche à côté de Plage d'entrée X ou en cliquant sur l'icône à côté de cette case blanche, puis en sélectionnant ces cellules avec votre souris.

Enfin, nous devrons nommer la page sur laquelle nos résultats de régression se poursuivront. Assurez-vous que vous avez Nouvelle feuille de travail Ply sélectionné, et dans le champ blanc à côté, tapez un nom comme "Régression". Lorsque cela est terminé, cliquez sur D'accord.

Vous devriez maintenant voir un onglet au bas de votre écran appelé Régression (ou ce que vous avez nommé) et quelques résultats de régression. Vous disposez maintenant de tous les résultats nécessaires à l'analyse, notamment le carré R, les coefficients, les erreurs types, etc.

Nous cherchions à estimer notre coefficient d'interception b1 et nos coefficients X b2b3. Notre coefficient d'interception b1 est situé dans la rangée nommée Intercepter et dans la colonne nommée Des coefficients. Assurez-vous de noter ces chiffres, y compris le nombre d'observations (ou de les imprimer), car vous en aurez besoin pour l'analyse.

Notre coefficient d'interception b1 est situé dans la rangée nommée Intercepter et dans la colonne nommée Des coefficients. Notre premier coefficient de pente b2 est situé dans la rangée nommée X variable 1 et dans la colonne nommée Des coefficients. Notre deuxième coefficient de pente b3 est situé dans la rangée nommée X variable 2 et dans la colonne nommée Des coefficients La table finale générée par votre régression doit être similaire à celle donnée au bas de cet article.

Maintenant que vous avez les résultats de régression dont vous avez besoin, vous devez les analyser pour votre travail sur le terme. Nous verrons comment faire cela dans l'article de la semaine prochaine. Si vous avez une question à laquelle vous souhaitez une réponse, veuillez utiliser le formulaire de commentaires.

Résultats de régression

ObservationsDes coefficientsErreur standardt StatValeur PInférieur 95%Supérieur 95%IntercepterX variable 1X variable 2

-13.71941.4186-9.67080.0000-16.5192-10.9197