Les méthodes de pseudo-panel sont une alternative à l’utilisation de données de panel pour l’estimation de modèles à effets fixes, lorsque seules des données en coupes répétées indépendantes sont disponibles. Leur usage est courant pour estimer des élasticités-prix ou revenu et mener des analyses en cycle de vie qui demandent des données sur longue période, alors que les données de panel présentent des limites de disponibilité dans le temps et rencontrent des problèmes d’attrition.

Les pseudo-panels consistent à suivre au cours du temps, plutôt que des individus, des cohortes – c’est-à-dire des groupes stables d’individus. Les variables individuelles sont remplacées par leurs moyennes intra-cohortes. Du fait de la linéarité de cette transformation, au modèle linéaire avec effet fixe individuel correspond son homologue sur les données du pseudo-panel. À l’effet fixe individuel se substitue un effet cohorte et l’estimation du modèle est particulièrement aisée si cet effet cohorte peut être, lui aussi, considéré comme fixe. Le critère de constitution des cohortes doit ainsi prendre en compte un certain nombre de contraintes. Il doit évidemment être observable pour l’ensemble des individus et former une partition de la population (chaque individu est classé dans exactement une cohorte) ; au-delà, il doit correspondre à une caractéristique des individus fixe dans le temps, par exemple l’année de naissance. Enfin, la taille des cohortes répond à un arbitrage biais-variance. Elle doit être suffisante pour limiter l’ampleur des erreurs de mesure des moyennes intra-cohortes des différentes variables qui génèrent biais et imprécision des estimateurs des paramètres du modèle. Cependant, l’augmentation de la taille des cohortes fait diminuer le nombre de cohortes observées, ce qui détériore la précision des estimateurs.

L’extension aux modèles non linéaires n’est pas directe et seulement introduite ici. Enfin une application sur les données des enquêtes Patrimoine est donnée.

Guillerm, M. (2017). Pseudo-panel methods and an example of application to Household Wealth data. Economie et Statistique / Economics and Statistics, 491-492, 109-130. DOI: 10.24187/ecostat.2017.491d.1908