Nonparametric Forecasting of the Manufacturing Output Growth with Firm-level Survey Data

La majorité des indicateurs élaborés à partir des réponses individuelles aux questions qualitatives des enquêtes de conjoncture résultent de méthodes de quantification et d'agrégation standards. C'est le cas des soldes d'opinion, qui sont les indicateurs les plus couramment utilisés par les conjoncturistes, notamment comme variables explicatives dans des modèles linéaires de prévisions. Dans cette étude, nous présentons une nouvelle approche statistique permettant de prévoir le taux de croissance de la production manufacturière à partir des réponses individuelles des chefs d'entreprise à l'enquête de conjoncture dans l'Industrie. Notre approche est basée sur des techniques non paramétriques d'apprentissage statistique, de type k-plus proches voisins et forêts d'arbres de Breiman. Nos algorithmes sont faciles à mettre en œuvre, rapides et permettent en outre de traiter la non-réponse. Une application sur un jeu de données réelles françaises montre la supériorité des performances de ces algorithmes par rapport aux méthodes plus traditionnelles, basées sur les étalonnages du taux de croissance de la production sur les soldes d'opinion.