Les liaisons fallacieuses : quasi-colinéarité et "suppresseur classique", aide au développement et croissance - HAL-SHS - Sciences de l'Homme et de la Société Accéder directement au contenu
Article Dans Une Revue Revue Economique Année : 2012

Les liaisons fallacieuses : quasi-colinéarité et "suppresseur classique", aide au développement et croissance

Résumé

This paper shows that a multiple regression with two highly correlated explanatory variables, both of them with a near zero correlation with the dependent variable may correspond to a spurious regression or to a homeostatic model, with estimates highly sensible to outliers. The regression method does not allow how to decide which one of the two models is relevant. Statistical significance of the (very high) parameters is easily obtained, as shown doing Monte Carlo simulations. An example is provided by the Burnside and Dollar [2000] article on aid, policies and growth.
Cet article montre qu'une régression multiple avec deux variables explicatives très corrélées entre elles et dont les corrélations simples avec une variable dépendante sont quasi nulles peuvent correspondre soit à une régression fallacieuse, soit à un modèle homéostatique très sensible à la présence d'observations atypiques à fort levier. La méthode de régression ne permet pas de distinguer entre ces deux modèles. La significativité statistique des paramètres, par ailleurs très élevés, est facile à obtenir dans ce cas, comme le montre une simulation de Monte-Carlo. Un exemple est donné par l'article de Burnside et Dollar [2000], sur les liens entre aide au développement, politiques économiques et croissance.

Dates et versions

halshs-00686765 , version 1 (11-04-2012)

Identifiants

Citer

Jean-Bernard Chatelain, Kirsten Ralf. Les liaisons fallacieuses : quasi-colinéarité et "suppresseur classique", aide au développement et croissance. Revue Economique, 2012, 63 (3), pp.557-568. ⟨10.3917/reco.633.0557⟩. ⟨halshs-00686765⟩
116 Consultations
0 Téléchargements

Altmetric

Partager

Gmail Facebook X LinkedIn More