Modèle économique - Economic model

Un schéma du modèle IS/LM

En économie , un modèle est une construction théorique représentant des processus économiques par un ensemble de variables et un ensemble de relations logiques et/ou quantitatives entre elles. Le modèle économique est un cadre simplifié, souvent mathématique , conçu pour illustrer des processus complexes. Fréquemment, les modèles économiques postulent des paramètres structurels . Un modèle peut avoir diverses variables exogènes , et ces variables peuvent changer pour créer diverses réponses par variables économiques. Les utilisations méthodologiques des modèles comprennent l'investigation, la théorisation et l'adaptation des théories au monde.

Aperçu

D'une manière générale, les modèles économiques ont deux fonctions : d'abord comme simplification et abstraction des données observées, et deuxièmement comme moyen de sélection de données basé sur un paradigme d' étude économétrique .

La simplification est particulièrement importante pour l'économie étant donné l'énorme complexité des processus économiques. Cette complexité peut être attribuée à la diversité des facteurs qui déterminent l'activité économique ; ces facteurs comprennent : les processus décisionnels individuels et coopératifs , les ressources limitées , les contraintes environnementales et géographiques , les exigences institutionnelles et légales et les fluctuations purement aléatoires . Les économistes doivent donc faire un choix raisonné des variables et des relations entre ces variables qui sont pertinentes et des manières d'analyser et de présenter ces informations qui sont utiles.

La sélection est importante car la nature d'un modèle économique déterminera souvent quels faits seront examinés et comment ils seront compilés. Par exemple, l' inflation est un concept économique général, mais pour mesurer l'inflation, il faut un modèle de comportement, de sorte qu'un économiste puisse différencier les changements de prix relatifs et les changements de prix qui doivent être attribués à l'inflation.

En plus de leur intérêt académique professionnel , les utilisations des modèles incluent :

  • Prévoir l'activité économique de manière à ce que les conclusions soient logiquement liées aux hypothèses ;
  • Proposer une politique économique pour modifier l'activité économique future ;
  • Présenter des arguments raisonnés pour justifier politiquement la politique économique au niveau national, pour expliquer et influencer la stratégie de l' entreprise au niveau de l'entreprise, ou pour fournir des conseils intelligents pour les décisions économiques des ménages au niveau des ménages.
  • Planification et allocation , dans le cas des économies planifiées , et à plus petite échelle dans la logistique et la gestion des entreprises .
  • En finance , des modèles prédictifs sont utilisés depuis les années 1980 pour le trading ( investissement et spéculation ). Par exemple, les obligations des marchés émergents étaient souvent négociées sur la base de modèles économiques prédisant la croissance du pays en développement qui les émettait. Depuis les années 1990, de nombreux modèles de gestion des risques à long terme ont incorporé des relations économiques entre des variables simulées dans le but de détecter des scénarios futurs à forte exposition (souvent par une méthode de Monte Carlo ).

Un modèle établit un cadre argumentatif pour l'application de la logique et des mathématiques qui peut être discuté et testé indépendamment et qui peut être appliqué dans divers cas. Les politiques et les arguments qui reposent sur des modèles économiques ont une base claire pour la solidité, à savoir la validité du modèle de soutien.

Les modèles économiques d'usage courant ne prétendent pas être des théories de tout ce qui est économique ; de telles prétentions seraient immédiatement contrecarrées par l' infaisabilité computationnelle et l'incomplétude ou le manque de théories pour divers types de comportement économique. Par conséquent, les conclusions tirées des modèles seront des représentations approximatives des faits économiques. Cependant, des modèles correctement construits peuvent supprimer des informations superflues et isoler des approximations utiles des relations clés. De cette façon, on peut mieux comprendre les relations en question qu'en essayant de comprendre l'ensemble du processus économique.

Les détails de la construction du modèle varient selon le type de modèle et son application, mais un processus générique peut être identifié. Généralement, tout processus de modélisation comporte deux étapes : générer un modèle, puis vérifier l'exactitude du modèle (parfois appelé diagnostic). L'étape de diagnostic est importante car un modèle n'est utile que dans la mesure où il reflète fidèlement les relations qu'il prétend décrire. La création et le diagnostic d'un modèle sont souvent un processus itératif dans lequel le modèle est modifié (et, espérons-le, amélioré) à chaque itération de diagnostic et de respécification. Une fois qu'un modèle satisfaisant est trouvé, il doit être revérifié en l'appliquant à un ensemble de données différent.

Types de modèles

Selon que toutes les variables du modèle sont déterministes, les modèles économiques peuvent être classés en modèles stochastiques ou non stochastiques ; selon que toutes les variables sont quantitatives, les modèles économiques sont classés en modèle à choix discret ou continu ; selon la finalité/fonction prévue du modèle, il peut être classé comme quantitatif ou qualitatif ; selon la portée du modèle, il peut être classé en modèle d'équilibre général, en modèle d'équilibre partiel, voire en modèle de non-équilibre ; selon les caractéristiques de l'agent économique, les modèles peuvent être classés en modèles d'agents rationnels, modèles d'agents représentatifs, etc.

  • Les modèles stochastiques sont formulés à l'aide de processus stochastiques . Ils modélisent des valeurs économiquement observables dans le temps. La plupart de l' économétrie est basée sur des statistiques pour formuler et tester des hypothèses sur ces processus ou estimer leurs paramètres. Une classe de négociation largement utilisée de modèles économétriques simples popularisés par Tinbergen et plus tard Wold sont des modèles autorégressifs , dans lesquels le processus stochastique satisfait une certaine relation entre les valeurs actuelles et passées. Des exemples de ceux-ci sont les modèles de moyenne mobile autorégressive et les modèles connexes tels que l' hétéroscédasticité conditionnelle autorégressive (ARCH) et les modèles GARCH pour la modélisation de l' hétéroscédasticité .
  • Les modèles non stochastiques peuvent être purement qualitatifs (par exemple, relatifs à la théorie du choix social ) ou quantitatifs (impliquant une rationalisation des variables financières, par exemple avec des coordonnées hyperboliques , et/ou des formes spécifiques de relations fonctionnelles entre variables). Dans certains cas, les prédictions économiques dans une coïncidence d'un modèle affirment simplement la direction du mouvement des variables économiques, et ainsi les relations fonctionnelles ne sont utilisées que stoïques dans un sens qualitatif : par exemple, si le prix d'un article augmente, alors la demande de cet élément va diminuer. Pour de tels modèles, les économistes utilisent souvent des graphiques à deux dimensions au lieu de fonctions.
  • Modèles qualitatifs – bien que presque tous les modèles économiques impliquent une forme d'analyse mathématique ou quantitative, des modèles qualitatifs sont parfois utilisés. Un exemple est la planification de scénarios qualitatifs dans lesquels des événements futurs possibles sont joués. Un autre exemple est l'analyse par arbre de décision non numérique. Les modèles qualitatifs souffrent souvent d'un manque de précision.

À un niveau plus pratique, la modélisation quantitative est appliquée à de nombreux domaines de l'économie et plusieurs méthodologies ont évolué plus ou moins indépendamment les unes des autres. En conséquence, aucune taxonomie globale de modèle n'est naturellement disponible. On peut néanmoins fournir quelques exemples qui illustrent des points particulièrement pertinents de la construction du modèle.

  • Un modèle comptable repose sur le principe que pour chaque crédit, il y a un débit . Plus symboliquement, un modèle comptable exprime un principe de conservation sous la forme
somme algébrique des flux entrants = puits − sources
Ce principe est certainement vrai pour la monnaie et c'est la base de la comptabilité du revenu national . Les modèles comptables sont vrais par convention , c'est-à-dire que tout échec expérimental à les confirmer serait attribué à une fraude , une erreur de calcul ou une injection (ou destruction) étrangère d'argent liquide, que nous interpréterions comme montrant que l'expérience a été menée de manière incorrecte.
  • Modèles d'optimisation et d'optimisation sous contraintes – D'autres exemples de modèles quantitatifs sont basés sur des principes tels que la maximisation du profit ou de l' utilité . Un exemple d'un tel modèle est donné par la statique comparative de la fiscalité sur l'entreprise maximisant le profit. Le profit d'une entreprise est donné par
où est le prix qu'un produit commande sur le marché s'il est fourni au taux , est le revenu tiré de la vente du produit, est le coût de mise sur le marché du produit au taux , et est la taxe que l'entreprise doit payer par unité de produit vendu.
L' hypothèse de maximisation du profit stipule qu'une entreprise produira au taux de production x si ce taux maximise le profit de l'entreprise. En utilisant le calcul différentiel, nous pouvons obtenir des conditions sur x sous lesquelles cela se vérifie. La condition de maximisation du premier ordre pour x est
En considérant x comme une fonction implicitement définie de t par cette équation (voir le théorème de la fonction implicite ), on en conclut que la dérivée de x par rapport à t a le même signe que
qui est négatif si les conditions du second ordre pour un maximum local sont satisfaites.
Ainsi, le modèle de maximisation du profit prédit quelque chose au sujet de l'effet de la taxation sur la production, à savoir que la production diminue avec l'augmentation de la taxation. Si les prédictions du modèle échouent, nous concluons que l'hypothèse de maximisation du profit était fausse ; cela devrait conduire à des théories alternatives de la firme, par exemple fondées sur la rationalité bornée .
Empruntant une notion apparemment utilisée pour la première fois en économie par Paul Samuelson , ce modèle d'imposition et la dépendance prédite de la production sur le taux d'imposition, illustre un théorème ayant un sens opérationnel ; c'est une hypothèse qui nécessite une hypothèse économiquement significative qui est falsifiable sous certaines conditions.
  • Modèles agrégés. La macroéconomie doit traiter des quantités globales telles que la production , le niveau des prix , le taux d'intérêt , etc. Maintenant, la production réelle est en fait un vecteur de biens et de services , tels que les voitures, les avions de passagers, les ordinateurs , les produits alimentaires, les services de secrétariat, les services de réparation à domicile, etc. De même, le prix est le vecteur des prix individuels des biens et services. Des modèles dans lesquels la nature vectorielle des quantités est maintenue sont utilisés en pratique, par exemple les modèles d'entrée-sortie de Leontief sont de ce type. Cependant, pour la plupart, ces modèles sont beaucoup plus difficiles à traiter et à utiliser en tant qu'outils d' analyse qualitative . Pour cette raison, les modèles macroéconomiques regroupent généralement différentes variables en une seule quantité telle que la production ou le prix . De plus, les relations quantitatives entre ces variables agrégées font souvent partie d'importantes théories macroéconomiques. Ce processus d'agrégation et de dépendance fonctionnelle entre divers agrégats est généralement interprété statistiquement et validé par l' économétrie . Par exemple, un ingrédient du modèle keynésien est une relation fonctionnelle entre la consommation et le revenu national : C = C( Y ). Cette relation joue un rôle important dans l'analyse keynésienne.

Problèmes avec les modèles économiques

La plupart des modèles économiques reposent sur un certain nombre d'hypothèses qui ne sont pas tout à fait réalistes. Par exemple, les agents sont souvent supposés avoir une information parfaite, et les marchés sont souvent supposés s'équilibrer sans friction. Ou, le modèle peut omettre des questions qui sont importantes pour la question considérée, comme les externalités . Toute analyse des résultats d'un modèle économique doit donc considérer dans quelle mesure ces résultats peuvent être compromis par des inexactitudes dans ces hypothèses, et une abondante littérature s'est développée en discutant des problèmes avec les modèles économiques , ou du moins en affirmant que leurs résultats ne sont pas fiables.

Histoire

L'un des problèmes majeurs abordés par les modèles économiques a été de comprendre la croissance économique. Une première tentative de fournir une technique pour approcher cela est venue de l' école physiocratique française au XVIIIe siècle. Parmi ces économistes, François Quesnay était particulièrement connu pour son élaboration et son utilisation de tableaux qu'il appelait Tableaux économiques . Ces tableaux ont en fait été interprétés dans une terminologie plus moderne comme un modèle de Leontiev, voir la référence Phillips ci-dessous.

Tout au long du XVIIIe siècle (c'est-à-dire bien avant la fondation de l'économie politique moderne, conventionnellement marquée par la richesse des nations d'Adam Smith en 1776 ), des modèles probabilistes simples ont été utilisés pour comprendre l'économie de l' assurance . Il s'agissait d'une extrapolation naturelle de la théorie du jeu et a joué un rôle important à la fois dans le développement de la théorie des probabilités elle-même et dans le développement de la science actuarielle . De nombreux géants des mathématiques du XVIIIe siècle ont contribué à ce domaine. Vers 1730, De Moivre aborde certains de ces problèmes dans la 3e édition de La Doctrine des Chances . Plus tôt encore (1709), Nicolas Bernoulli étudie les problèmes liés à l'épargne et à l'intérêt dans l' Ars Conjectandi . En 1730, Daniel Bernoulli étudia la "probabilité morale" dans son livre Mensura Sortis , où il introduisit ce qu'on appellerait aujourd'hui "l'utilité logarithmique de l'argent" et l'appliqua aux problèmes de jeu et d'assurance, y compris une solution du problème paradoxal de Saint-Pétersbourg . Tous ces développements ont été résumés par Laplace dans sa Théorie analytique des probabilités (1812). De toute évidence, au moment où David Ricardo est arrivé, il avait beaucoup de mathématiques bien établies sur lesquelles puiser.

Tests de prévisions macroéconomiques

À la fin des années 1980, la Brookings Institution a comparé 12 principaux modèles macroéconomiques disponibles à l'époque. Ils ont comparé les prédictions des modèles sur la façon dont l'économie réagirait à des chocs économiques spécifiques (permettant aux modèles de contrôler toute la variabilité dans le monde réel ; il s'agissait d'un test modèle contre modèle, et non d'un test contre le résultat réel). Bien que les modèles aient simplifié le monde et soient partis de paramètres communs stables et connus, les différents modèles ont donné des réponses très différentes. Par exemple, en calculant l'impact d'un relâchement monétaire sur la production, certains modèles ont estimé une variation de 3 % du PIB après un an, et l'un n'a donné presque aucune variation, le reste étant réparti entre les deux.

En partie à cause de ces expériences, les banquiers centraux modernes n'ont plus autant confiance qu'ils l'avaient fait dans les années 1960 et au début des années 1970 qu'il est possible d'« affiner » l'économie. Les décideurs politiques modernes ont tendance à utiliser une approche moins militante, explicitement parce qu'ils ne sont pas convaincus que leurs modèles prédisent réellement où va l'économie, ou l'effet de tout choc sur elle. La nouvelle approche, plus humble, voit le danger dans les changements de politique dramatiques basés sur les prédictions des modèles, en raison de plusieurs limitations pratiques et théoriques dans les modèles macroéconomiques actuels ; en plus des pièges théoriques, ( énumérés ci-dessus ) certains problèmes spécifiques à la modélisation agrégée sont :

  • Limitations dans la construction de modèles causées par des difficultés à comprendre les mécanismes sous-jacents de l'économie réelle. (D'où la profusion de modèles séparés.)
  • La loi des conséquences imprévues , sur des éléments de l'économie réelle non encore inclus dans le modèle.
  • Le décalage entre la réception des données et la réaction des variables économiques aux décideurs politiques tente de les « orienter » (principalement par le biais de la politique monétaire ) dans la direction souhaitée par les banquiers centraux. Milton Friedman a vigoureusement soutenu que ces décalages sont si longs et si variables de manière imprévisible qu'une gestion efficace de la macroéconomie est impossible.
  • La difficulté de spécifier correctement tous les paramètres (via des mesures économétriques ) même si le modèle structurel et les données étaient parfaits.
  • Le fait que toutes les relations et tous les coefficients du modèle soient stochastiques, de sorte que le terme d'erreur devient rapidement très important et que l'instantané disponible des paramètres d'entrée est déjà obsolète.
  • Modèles économiques modernes intègrent la réaction du public et du marché aux actions du décideur politique (par la théorie des jeux ), et ces commentaires sont inclus dans les modèles modernes (suivant la logique attentes révolution et Robert Lucas, Jr. de critique Lucas de non microfondé des modèles). Si la réponse aux actions du décideur (et leur crédibilité ) doit être incluse dans le modèle, il devient alors beaucoup plus difficile d'influencer certaines des variables simulées.

Comparaison avec des modèles dans d'autres sciences

Le spécialiste des systèmes complexes et mathématicien David Orrell a écrit sur cette question dans son livre Apollo's Arrow et a expliqué que la météo, la santé humaine et l'économie utilisent des méthodes de prédiction similaires (modèles mathématiques). Leurs systèmes – l'atmosphère, le corps humain et l'économie – ont également des niveaux de complexité similaires. Il a constaté que les prévisions échouent parce que les modèles souffrent de deux problèmes : (i) ils ne peuvent pas capturer tous les détails du système sous-jacent, donc s'appuyer sur des équations approximatives ; (ii) ils sont sensibles à de petits changements dans la forme exacte de ces équations. En effet, des systèmes complexes comme l'économie ou le climat consistent en un équilibre délicat de forces opposées, de sorte qu'un léger déséquilibre dans leur représentation a de grands effets. Ainsi, les prédictions de choses comme les récessions économiques sont encore très inexactes, malgré l'utilisation d'énormes modèles fonctionnant sur des ordinateurs rapides. Voir Inefficacité déraisonnable des mathématiques § Économie et finance .

Effets du chaos déterministe sur les modèles économiques

Les simulations économiques et météorologiques peuvent partager une limite fondamentale à leurs pouvoirs prédictifs : le chaos . Bien que les travaux mathématiques modernes sur les systèmes chaotiques aient commencé dans les années 1970, le danger du chaos avait été identifié et défini dans Econometrica dès 1958 :

"Une bonne théorisation consiste dans une large mesure à éviter les hypothèses... [avec la propriété qu'] un petit changement dans ce qui est posé affectera sérieusement les conclusions."
( William Baumol , Econometrica, 26 voir : Economics on the Edge of Chaos ).

Il est simple de concevoir des modèles économiques sensibles aux effets papillon de la sensibilité aux conditions initiales.

Cependant, le programme de recherche économétrique visant à identifier les variables chaotiques (le cas échéant) a largement conclu que les variables macroéconomiques agrégées ne se comportent probablement pas de manière chaotique. Cela signifierait que les améliorations apportées aux modèles pourraient finalement produire des prévisions fiables à long terme. Cependant, la validité de cette conclusion a généré deux défis :

  • En 2004, Philip Mirowski a contesté ce point de vue et ceux qui le soutiennent, affirmant que le chaos en économie souffre d'une « croisade » biaisée contre lui par l'économie néo-classique afin de préserver leurs modèles mathématiques.
  • Les variables en finance pourraient bien être sujettes au chaos. Toujours en 2004, l' étude Economics on the Edge of Chaos de l' Université de Canterbury conclut qu'une fois le bruit supprimé des retours du S&P 500 , des preuves d' un chaos déterministe sont trouvées.

Plus récemment, le chaos (ou l'effet papillon) a été identifié comme moins important qu'on ne le pensait auparavant pour expliquer les erreurs de prédiction. Au contraire, le pouvoir prédictif de l'économie et de la météorologie serait principalement limité par les modèles eux-mêmes et la nature de leurs systèmes sous-jacents (voir Comparaison avec les modèles d'autres sciences ci-dessus).

Critique de l'orgueil dans la planification

Un élément clé de la pensée économique du marché libre est que la main invisible du marché guide une économie vers la prospérité plus efficacement que la planification centrale utilisant un modèle économique. L'une des raisons, soulignée par Friedrich Hayek , est l'affirmation selon laquelle bon nombre des véritables forces qui façonnent l'économie ne peuvent jamais être capturées dans un seul plan. C'est un argument qui ne peut pas être avancé à travers un modèle économique (mathématique) conventionnel car il dit qu'il existe des éléments systémiques critiques qui seront toujours omis de toute analyse descendante de l'économie.

Exemples de modèles économiques

Voir également

Remarques

Les références

Liens externes