Analyse économétrique de la causalité

Econometric analysis of causality.

• Auteur / Autrice : Catherine Bruneau
• Direction : Pierre-Marie Larnac
• Type : Thèse de doctorat
• Discipline(s) : Sciences économiques
• Date : Soutenance en 1996
• Etablissement(s) : Paris 9

Mots clés

Mots clés contrôlés

Prévision économique

Cointégration

Causalité

Résumé

Nous étudions la causalité entre des séries chronologiques d'un point de vue économétrique. A ce titre, nous adoptons la caractérisation proposée par Feigl (1953) qui caractérise la causalité comme une propriété, expérimentalement confirmée, d'amélioration de la prévision, conformément à des lois qui définissent le référentiel économique de l’analyse. Nous abordons l'analyse de la causalité comme une analyse impulsionnelle, en considérant deux notions d'impulsion, déterministe et stochastique, caractérisées respectivement comme des modifications des conditions initiales (ou des caractéristiques moyennes de la dynamique) et des innovations canoniques. Nous montrons que la causalité, caractérisée en termes d'amélioration de la prévision à tous les horizons, (Lütkepohl (1990) peut-être analysée en étudiant la propagation des impulsions déterministes. Nous formalisons précisément la notion de lien unidirectionnel indirect et nous donnons une condition nécessaire et suffisante pour exclure l'ensemble des liens de causalité directs et indirects entre deux séries extraites d'un modèle VAR stationnaire. Les effets des impulsions stochastiques sont caractérisés, selon les principes préconisés par Sims (1980) et sont associés à la caractérisation de la causalité au sens de cet auteur. Lorsque nous étudions la causalité persistante entre séries intégrées, nous choisissons d'analyser cette propriété en développant une analyse impulsionnelle stochastique, parce que la persistance est de nature stochastique. La formalisation de la causalité persistante que nous adoptons peut être interprétée en termes d'amélioration de la prévision à un horizon infini, ce qui nous permet de proposer finalement une lecture causale.

We study causality between time series from an econometric point of view. We adopt the characterization proposed by Feigl (1953), who defines causality in terms of ''confirmed predictability according to a law or a set of laws''. The laws characterize the economic structural reference of the analysis. We consider a causal analysis as an impulse-response analysis and formalize two impulses, a deterministic one, defined as a modification of the initial conditions, and a stochastic one characterized as a canonical innovation in a vectoral autoregressive framework. We show that causality, defined in terms of prediction improvement, at any horizon (Lütkepohl (1990)), can be analyzed by studying the propagation of deterministic impulses. We formalize precisely the notion of unidirectional indirect causal links and we give a necessary and sufficient condition for excluding any direct or indirect causal link in a stationary VAR model. The effects of the stochastic impulses are characterized according to the principles given by Sims (1980) and the associated causality is defined in the sense given by this author. When we study persistent causal links between integrated times series, we adopt a stochastic impulse response analysis of these links because persistence is a stochastic property in that case. We show that persistent causality can be interpreted in terms of prediction improvement at an infinite horizon and we use this result to give a causal interpretation to a cointegration relation, if the cointegrated series display unidirectional persistent causal links