Sommaire exécutif
Consulter la version la plus récente.
Information archivée dans le Web
L’information dont il est indiqué qu’elle est archivée est fournie à des fins de référence, de recherche ou de tenue de documents. Elle n’est pas assujettie aux normes Web du gouvernement du Canada et elle n’a pas été modifiée ou mise à jour depuis son archivage. Pour obtenir cette information dans un autre format, veuillez communiquer avec nous.
La prudence est de mise au moment d'estimer des relations économiques à partir de la base de données KLEMS (capital, travail, énergie, matières et services). Bien que cet ensemble de données intègre des estimations de qualité de variables économiques construites à partir des tableaux des ressources et des emplois des Comptes nationaux, la présence d'observations atypiques, telles que des points aberrants et des points leviers, en constitue un aspect important.
Des observations atypiques peuvent être présentes pour plusieurs raisons. Premièrement, des changements apportés à la classification et à la méthodologie peuvent entraîner des ruptures dans le temps. Deuxièmement, la désagrégation des industries en classifications plus fines produit des données dont la cohérence peut être moindre. Troisièmement, les chocs macroéconomiques ou autres peuvent causer des mouvements abrupts et inhabituels dans les sources de données sous-jacentes.
Le présent document constitue une première étape dans le processus de traitement des observations atypiques. Il se divise en deux parties, la première présentant un examen des prétests de racine unitaire ou de stationnarité appliqués aux données KLEMS. Les résultats obtenus laissent entendre qu'en raison de la complexité des données et de la présence d'observations atypiques, les tests courants, qu'ils soient appliqués individuellement ou sur le panel d'industries, ne permettent peut-être pas une inférence adéquate.
La seconde partie porte sur la façon dont les observations atypiques influent sur les estimations paramétriques de la croissance de la productivité totale des facteurs (PTF) et sur la façon de les repérer. Lorsque des observations atypiques sont présentes, les méthodes d'estimation courantes, telles que la méthode des moindres carrés ordinaires (MCO), peuvent être moins efficaces. Ce document examine leur incidence en employant une technique d'estimation qui est moins sensible aux observations inhabituelles. Les résultats des deux méthodes d'estimation sont comparées afin d'illustrer l'incidence des points de données inhabituels.
La seconde partie du document fournit en outre des réponses à un certain nombre de questions concernant le traitement des observations atypiques :
- Quelles techniques peut-on utiliser pour traiter les observations atypiques dans la base de données KLEMS?
Il existe plusieurs estimateurs qui sont insensibles (ou moins sensibles) aux observations atypiques, dont les estimateurs par les moindres carrés médians, les estimateurs M, les estimateurs par les moindres carrés tronqués et les estimateurs S. Ces estimateurs utilisent des fonctions des données qui, de diverses façons, tiennent compte de l'incidence des observations atypiques. Dans le présent document, l'estimateur S est utilisé parce qu'il est insensible aux observations atypiques dans les variables dépendantes et indépendantes.
Par rapport à l'estimateur S, l'estimateur MCO sous-estime la croissance de la PTF de 0,35 point de pourcentage en moyenne, et de 4,3 points de pourcentage pour certaines industries. Des écarts de cette ampleur ne sont pas négligeables, surtout lorsqu'ils sont cumulés sur 43 ans.
L'analyse des périodes où des observations atypiques sont présentes montre qu'elles tendent à se regrouper autour de certains événements. Notamment, le premier choc pétrolier du début des années 1970, la récession de 1980-1981 et la récession de 1990 semblent être d'importantes sources d'observations atypiques.
Les chocs macroéconomiques représentent la principale source d'observations atypiques. Il semble que lorsque les industries traversent une période de stress, que ce soit en raison d'une augmentation rapide des coûts des facteurs combinée à une demande inélastique, ou encore d'une réduction de la demande globale, la fonction de réponse des industries soit différente de celle observée au cours des périodes d'expansion « normales ». Les réponses varient grandement d'une industrie à l'autre et, aux fins de l'estimation de la PTF, représentent des ajustements qui se situent probablement au-delà de la portée des hypothèses traditionnelles concernant la croissance de la productivité.
Les observations atypiques constituent une caractéristique importante de l'ensemble de données KLEMS. Dans le présent document, où une fonction de production de Cobb-Douglas est utilisée, il s'avère que jusqu'à 21 % des observations de l'échantillon sont atypiques d'une certaine façon. Ne pas tenir compte de ces observations peut influer sur les estimations paramétriques et se traduire par une inférence erronée. Les chercheurs qui utilisent l'ensemble de données KLEMS doivent se demander s'ils devraient employer des techniques spéciales afin de tenir compte des observations atypiques.
Visionnez la publication Estimation de la PTF en présence de points aberrants et de points leviers : examen de l'ensemble de données KLEMS en format PDF.
- Date de modification :