« (…) Nous avons besoin de différentes classes de modèles, et ce afin de réaliser des tâches différentes.

Je vais me focaliser sur deux classes de modèles.

Les modèles théoriques, visant à clarifier les questions théoriques dans un cadre d’équilibre général. Les modèles de cette classe doivent se construire à partir d’un cadre analytique fondamental et avoir une structure théorique des plus robustes. Ils doivent être utilisés pour réfléchir, par exemple, aux effets d’un relèvement des ratios minima de capitaux que la réglementation impose aux banques, aux effets de la gestion de la dette publique ou encore aux effets d’une forme particulière de politique monétaire non conventionnelle. Ce cadre fondamental doit être celui qui est largement accepté comme point de départ et il doit pouvoir intégrer des distorsions additionnelles. En bref, il doit faciliter le débat autour des théoriciens en macroéconomie.

Les modèles de politique économique, visant à analyser les questions de politique macroéconomique courantes. Les modèles de cette classe doivent coller aux principales caractéristiques des données, notamment les dynamiques, et permettre de réaliser une analyse, notamment contrefactuelle, des politiques économiques. Ils doivent être utilisés pour réfléchir, par exemple, aux effets quantitatifs d’un ralentissement de la croissance chinoise sur l’économie américaine ou aux répercussions d’une relance menée aux Etats-Unis sur les pays émergents.

Ce serait une bonne chose si un unique modèle pouvait avoir une structure théorique robuste, élégante, tout en collant aux données. Mais c’est un rêve vain. Peut-être que l’une des principales leçons du travail empirique (du moins en macroéconomie et d’après mon expérience) est à quel point les preuves empiriques sont chaotiques, à quel point les dynamiques agrégées sont difficiles à rationaliser et à quel point plusieurs relations sont instables au cours du temps. Ce n’est peut-être pas surprenant. Nous savons, par exemple, que les relations agrégées peuvent très peu ressembler aux comportements individuels sous-jacents.

Donc, les modèles qui visent à atteindre ces deux objectifs sont condamnés à échouer, sur les deux dimensions.

Prenons les modèles théoriques. Les concepteurs de modèles DSGE, confrontés à des dynamiques complexes, mais désireux de coller aux données, ont étendu leur structure originelle en ajoutant, par exemple, la persistance externe des habitudes (pas simplement la persistance des vieilles habitudes régulières), les coûts d’un changement de l’investissement (pas seulement les coûts de changement du capital) et l’indexation des prix (que nous ne pouvons observer dans la réalité), etc. Ces changements sont entièrement ad hoc, ils ne collent pas aux données empiriques microéconomiques et ils ont alourdi et fragilisé la structure théorique des modèles.

Prenons aussi les modèles de politique économique. Les concepteurs de ces modèles, désireux de renforcer la structure théorique de leurs modèles, ont, dans certains cas, cherché à dériver les structures observées d’une certaine forme d’optimisation. Par exemple, dans le principal modèle utilisé par la Réserve fédérale, le modèle FRB-US, les équations dynamiques sont contraintes à être des solutions aux problèmes d’optimisation sous des structures de coûts d’ajustement de premier ordre. Cela m’a frappé. Les dynamiques actuelles reflètent probablement plusieurs autres facteurs que les coûts d’ajustement. Et les contraintes qui sont imposées (par exemple, sur la façon par laquelle le passé et le futur anticipé entrent dans les équations) ont peu de justification, théorique ou empirique.

Que doit-on faire ? Je suggère que chacune des deux classes de modèles suive sa propre voie.

Les concepteurs de modèles DSGE doivent accepter le fait que les modèles théoriques ne peuvent, et donc ne doivent pas, coller fidèlement à la réalité. Ces modèles doivent capturer ce que nous croyons être les caractéristiques macroéconomiques essentielles du comportement des firmes et des ménages et ne pas essayer de capturer toutes les dynamiques pertinentes. Ce n’est seulement alors qu’ils peuvent atteindre leur propos, rester suffisamment simples et fournir une plateforme pour la discussion théorique.

Les modélisateurs de politique économique doivent accepter le fait que les équations qui collent vraiment aux données peuvent n’avoir qu’une fragile justification théorique. En cela, les concepteurs des premiers modèles macroéconomiques avaient raison : la théorie du revenu permanent, la théorie du cycle de vie, la théorie du ratio q ont servi de guides pour spécifier le comportement de la consommation et de l’investissement, mais les données ont ensuite déterminé les spécifications finales.

Les deux classes de modèles doivent clairement interagir et bénéficier l’une de l’autre. Pour utiliser une expression suggérée par Ricardo Reis, il doit y avoir une co-intégration scientifique. Mais, selon moi, cela s’est révélé être contreproductif d’atteindre une intégration complète. Aucun modèle ne peut satisfaire pleinement tout le monde. »

Olivier Blanchard, « The need for different classes of macroeconomic models », 12 janvier 2017. Traduit par Martin Anota



« Dès que j’ai commencé à bloguer, j’ai régulièrement écrit des billets sur la méthodologie macroéconomique. J’ai notamment cherché à convaincre les autres macroéconomistes que les modèles économétriques structurels, avec leur mixture ad hoc de théorie et de données, n’étaient pas un vieux dinosaure à ranger aux oubliettes, mais qu’ils offraient une façon parfaitement viable de faire de la macroéconomie et de la politique macroéconomique. Je suis bien placé pour le dire car, au cours de ma carrière, j’ai utilisé aussi bien des modèles économétriques structurels que des modèles DSGE dans les articles que j’ai publiés.

Le troisième billet d’Olivier Blanchard sur les modèles DSGE fait exactement la même chose. Il est quelque peu confus lorsqu’il les appelle "modèles de politique économique" ; lorsqu’il écrit que "les modèles de cette classe doivent coller aux principales caractéristiques des données, notamment les dynamiques, et de permettre une analyse, notamment contrefactuelle, de la politique économique", il ne peut que faire référence aux modèles économétriques structurels. Je préfère les modèles économétriques structurels aux modèles de politique économique parce que les modèles économétriques structurels décrivent ce qu’il y a dans la boîte : ils sont qualifiés de "structuraux" parce qu’ils utilisent beaucoup de théorie, mais on les qualifie également d’"économétriques" parce qu’ils essayent de coller aux données et ils y parviennent. (…)

La façon par laquelle j’estimerais un modèle économétrique structurel aujourd’hui (mais pas nécessairement la seule façon valide) serait de commencer avec un modèle DSGE élaboré. Mais plutôt que d’estimer ce modèle en utilisant des méthodes bayésiennes, je l’utiliserais comme une base théorique, avec laquelle je débuterais le travail économétrique, soit sur une base équation par équation, soit comme un ensemble de sous-systèmes. Là où les structures de retard ou les restrictions inter-équation seraient clairement rejetées par les données, je changerais le modèle pour coller davantage aux données. Si certaines variables, non incluses dans la spécification DSGE, présentaient un fort pouvoir pour expliquer variables déjà incluses et auraient selon moi une relation causale avec celles-ci (c’est-à-dire pourquoi la spécification DSGE était inadéquate), je les inclurais dans le modèle. Cela deviendrait le modèle économétrique structurel.

Si cela vous semble terriblement ad hoc, c’est parce que c’est le cas. Les modèles économétriques structurels sont un mélange éclectique de théorie et de données. Mais ils vont toujours être utiles aux universitaires et aux responsables de la politique économique qui veulent travailler avec un modèle qui est raisonnablement proche des données. Ceux que j’appelle les puristes DSGE doivent admettre que les modèles DSGE ne collent pas aux données en plusieurs domaines, donc qu’ils sont mal spécifiés et que tout conseil de politique économique qu’ils peuvent délivrer est invalide. Le fait qu’ils satisfont la critique de Lucas ne suffit pas pour compenser cette mauvaise spécification.

En établissant la relation entre un modèle DSGE et un modèle économétrique structurel de la façon que je l’ai fait, cela rend manifeste pourquoi les deux types de modèles vont continuer d’être utilisés et comment les modèles économétriques structurels peuvent s’inspirer des modèles DSGE. Les modèles économétriques structurels sont aussi utiles pour le développement des modèles DSGE, dans la mesure où les écarts qu’ils présentent par rapport à ces derniers fournissent une longue liste d’énigmes potentielles sur lesquelles les théoriciens utilisant les modèles DSGE peuvent enquêter. Peut-être qu’un jour les modèles DSGE colleront tellement bien aux données que nous n’aurons plus besoin des modèles économétriques structurels, mais ce n’est pas pour demain.

Est-ce que ce que Blanchard et moi-même appelons va finir par se réaliser ? C’est déjà ce qui se fait dans une large mesure au sein de la Fed : comme Blanchard le dit, ce qui constitue effectivement son modèle est un modèle économétrique structurel. La Banque d’Angleterre utilise un modèle DSGE et le comité de politique monétaire recevrait plus de conseils utiles de son équipe si ce modèle était remplacé par un modèle économétrique structurel. Le vrai problème est avec l’université et surtout (comme Blanchard l’a identifié dans un billet précédent) les éditeurs de revues. Bien sûr, la plupart des universitaires vont continuer d’utiliser des modèles DSGE, ce qui ne me pose pas de problème en soi. Par contre, ceux qui utilisent, non pas un modèle DSGE, mais un modèle économétrique structurel, ne doivent pas être systématiquement écartés des revues les plus prestigieuses. Ils le sont actuellement et je ne suis pas sûr (malgré l’intervention de Blanchard) que cela changera bientôt. »

Simon Wren-Lewis, « Blanchard joins calls for structural econometric models to be brought in from the cold », in Mainly Macro (blog), 15 janvier 2017. Traduit par Martin Anota