1er thème macro: la croissance (éco) Flashcards
En 2000, le total d’enfants (âgés entre 0 et 14 ans) dans le monde était de 2 milliards. Quelle est l’estimation des Nations Unies pour ce nombre en 2100?
2 milliards
Quel est le pourcentage d’adultes alphabètes dans le Monde?
80%
Quel est l’espérance de vie en moyenne dans le Monde aujourd’hui?
70 ans
Depuis 1990, la proportion de la population mondiale vivant en extrême pauvreté a …
diminué
Quel est le % du total mondial en énergie provenant du solaire et de l’éolien?
2% en 2013 et 10% aujourd’hui.
Quel est l’espérance de vie au Bangladesh aujourd’hui?
70 ans
Au Bangladesh, quel est le taux de fécondité des femmes?
2,5 bébés
la croissance économique, cela concerne
le PIB par tête et le taux de croissance moyen à long terme
J’ai un projet sur la consommation finale des ménages en France depuis 1980. J’utilise quelle base de données?
OCDE et Insee.
Le PIB par tête réel moyen dans le monde est actuellement
autour de 17 000$/ 16 000$ et il ne cesse d’augmenter.
Le PIB par tête réel en France est actuellement
autour de 40 000$.
La croissance est un phénomène récent?
Oui
La tendance du PIB (ou du PIB par tête) d’un pays
n’est pas directement observable dans les données et mesure l’évolution de long terme du PIB (ou du PIB par tête)
Actuellement, le PIB par tête aux USA ($ de 2017) est
supérieur à celui de la France de 40%.
En 1800, le pays le plus riche du Monde (en PIB par tête, PPA, prix constant) était
les pays-bas.
exemple de bases de données
- gapminder
- Ourworldindata
- OCDE, FMI, Banque Mondiale
- Penn World Table
- UN Comtrade
- INSEE, Eurostat
taux de change PPA
taux de change fictif qui ferait en sorte qu’on aurait le même pouvoir d’achat entre deux pays. Si la PPA serait vérifiable, on aurait le même prix du mcdo dans tous les pays.
Taux de conversion fictif qui permet la comparaison des pouvoirs d’achat des différentes monnaies
+ la République Démocratique du Congo
On voit bien que le PIB, le trend, la pente du trend est négative. C’est un pays qui était plus riche avant qu’aujourd’hui.
PIB par tête (réel, PPA):
- pour évaluer la croissance de long terme.
- suit une évolution exponentielle (qui a démarré dans certains pays dés le début du XIXème siècle mais en retard dans d’autres pays).
- problème pour certains pays avec une croissance négative
PIB par tête (formule)
PIB/ nombre de population.
FMI
fonds monétaire international
le FMI identifie quatre groupes de pays:
- Pays à faible revenu, Low-Income: 1.3
- Pays à revenu intermédiaire faible, Lower Middle-Income: 3.2
- Pays à revenu intermédiaire élevé, Upper Middle-Income: 3.2
- Pays à revenu élevé, les pays riches, High-Income: 1.6
chiffres = le TCAM qui mesure le PIB
TCAM
taux de croissance annuel moyen
Top/flop en 1800
La France était classé 13ème en 1800. Tout en bas, on retrouve notamment la Roumanie, beaucoup de bleu en bas donc beaucoup de pays d’Afrique.
Pauvreté
En 1800, 77% de la population mondiale était en extrême pauvreté.
Aujourd’hui, ce taux de pauvreté est de 9,4%. C’est en 1959 qu’il y a eu la bascule, la barre a passé les 50%.
Inégalité
- indice de Gini
- Varie entre 0 (égalité parfaite) et 1 (inégalité extrême)
- G=1-somme de k=0 jusqu’à n-1(Xk+1-Xk)(Yk+1+Yk)
- X est la part cumulée de la population, Y est la part cumulée du revenu
- avec n le nombre d’individus.
Le PIB par tête moyen dans le monde est actuellement
autour de 10 000$.
les niveaux de PIB par tête en 2022 par ordre décroissant
- USA
- France
- Russie
- Argentine
- Chine
- Nigeria
- République Démocratique du Congo
Ourworldindata
4 301 graphiques pour 297 thèmes
en Fr, évolution exponentielle du PIB/ tête d’environ 1,5%/ an.
Filtre HP
Hodrick et Prescott (1977-1997)
Hodrick: Y barre
Prescott: vague sur le Y
- formule du filtre HP voir cours
- valeur du lambda dépend de la fréquence des séries (mensuelles, trimestrielles, annuelles): 14 400, 1600, 100
commentaire relation TCAM/ PIB par tête en 1950
Comme la pente est négative, les pays pauvres ont une tendance annuelle moyenne plutôt élevée en 1950 et les pays riches ont tendance à avoir un taux de croissance moyen faible.
autre commentaire:
les inégalités mondiales diminuent et le revenu moyen augmente
sur R, objet qui permet de stocker un résultat
”=” ou “<-“
objet qui permet de stocker un résultat ou des chaînes de caractères
délimitée avec des guillemets
integer
un nb sans partie fractionnaire
numeric
un nombre qui a à la fois une partie entière et une partie fractionnaire, séparées par un point
character
variable texte, appelée aussi chaîne (string).
factor
les facteurs sont utiles pour stocker des catégories de données (régions, genre,…).
logical
un booléen, un type pour représenter les valeurs logiques, True ou False.
Pour retrouver la classe de l’objet:
class(X)
Pour changer la classe:
as.character(): change les nombres en caractères.
as.numeric():
change les caractères en nombres.
sur R, pour faire la moyenne de 5 pays:
- créer un vecteur:
pays <- c(pays1,…,pays5)
la fonction names()
pour nommer les éléments du vecteur
Par ex:
1.names(pays) <- c(“Inde”,”Ukraine”,”Monde”,…)
2.pays[3]
sur R, calculez le mean pour chaque année
par ex:
1. pibtete_2022 <- c(7200,13000,…)
- mean2022 <- mean(pibtete_2022)
sur R, calculez le TCAM entre chaque période pour chaque pays et pour le PIB par tête moyen
TCAM
- entre chaque période pour chaque pays:
gr1 = ((pibtete_2000/pibtete_1980)^(1/21)-1)*100
gr1
names(gr1) <- c(“Inde”,”Ukraine”,”France”,…)
gr1
- pour le PIB par tête moyen:
gr3 = ((mean2000/mean1980)^(1/21)-1)*100
gr3
sur R, calculez écart entre le TCAM de la France et le TCAM moyen pour les deux sous-périodes
ex:
1. diff_fra = gr1[3]-gr3
2. diff_fra
sur R, création de sa propre fonction
nomdemafonction <- function(arg){operation}
nomdemafonction(pays)
pays: nom du vecteur, j’applique ma fonction au vecteur.
arg
l’argument de la fonction ou la variable de la fonction.
operation
l’ensemble des opérations qui génère le résultat final
matrices
la fonction matrix(num_val, ncol=m, nrow=n, byrow= TRUE)
num_val
une valeur numérique
m
le nombre de colonne
n
le nombre de ligne
byrow = TRUE
la matrice est remplie par ligne
byrow = FALSE
la matrice est remplie par colonne
ou SANS L’OPTION
X[]:
extrait l’élément de X
extrait l’élément de X
X[]
X[n,m]:
extrait la ligne n et la colonne m de X
extrait la ligne n et la colonne m de X
X[n,m]
X[n, ]:
extrait tous les éléments de la ligne n de X
extrait tous les éléments de la ligne n de X
X[n, ]
X[ ,m]:
extrait tous les éléments de la colonne m de X
extrait tous les éléments de la colonne m de X
X[ ,m]
X[ ,c(1,3)]:
extrait tous les éléments de la première et de la troisième colonne de X
extrait tous les éléments de la première et de la troisième colonne de X
X[ ,c(1,3)]
Dataframe
- tableau de données
- type d’objet R qui contient des données au format tabulaire, avec les observations en ligne et les variables en colonnes (comme dans LibreOffice ou Excel).
- On peut construire sa dataframe ou
la charger: en ligne ou depuis un fichier sur son ordinateur.
Pour calculer des moyennes mobiles centrées d’ordre 5:
je fais la moyenne des 2 dernières années, de l’années actuelle et des 2 prochaines années
Le TCAM
- signifie Taux de Croissance Annuel Moyen
- s’interprète comme un taux de croissance de long terme
Le filtre HP
- a été définie par Hodrick et Prescott
- permet de calculer le trend d’un agrégat macroéconomique
- est très utile en macro économique pour distinguer les composantes de long terme et de court terme
- cherche à minimiser l’écart entre la série observée et le trend ainsi que les variations de pente du trend
En calculant les TCAM, les moyennes mobiles et le filtre HP, le potentiel de croissance de la France comparé à celui des USA baisse depuis les années 90
vrai
A partir du graphique ci-dessus, je peux dire
- qu’on observe un phénomène de convergence en termes de PIB par tête
- les inégalités de PIB par tête
entre pays semblent baisser entre 1950 et 2019 - que les pays riches en 1950 ont globalement connu un TCAM faible entre 1950 et 2019
En calculant l’indice de Gini au niveau mondial
- on observe que les inégalités sont plus faibles aujourd’hui qu’en 1980
- on observe que les inégalités sont plus faibles aujourd’hui qu’en 1900
Dans R, je veux attribuer la valeur 1 à l’objet a, je peux écrire
a = 1
a <- 1
Retrouvez les types d’objets que nous avons listés en cours:
- factor
- numeric
- integer
- logical
- character
Dans R, je veux créer un vecteur avec 5 valeurs de PIB par tête, j’écris
pays <- c(8 000, 12 000, 16 000, 40 000, 60 000)
Je veux attribuer un nom aux valeurs dans le vecteur précédent, j’écris
names(pays) <- c(“Inde”,”Ukraine”,”Monde”,”France”,”USA”)
Je veux récupérer le 3ème élément du vecteur pays que je viens de créer, j’utilise
pays[3]
Avec ce code: X <- matrix(1:6, ncol=3, nrow=2)
dans ma matrice, j’aurai: 1,3,5 sur ma 1ère ligne
Avec ce code: Y <- matrix(1:6, ncol=3, nrow=2, byrow=TRUE)
- dans ma matrice, j’aurai: 1;2;3 sur ma 1ère ligne
- je détermine une matrice 3*2 (3 colonnes, 2 lignes) avec des éléments allant de 1 à 6 répartis par ligne
Si je veux extraire tous les éléments de la colonne m de la matrice X, je dois écrire
X [ ,m]
fonction sum
additionne toutes les valeurs de a et b
fonction mean
moyenne
fonction min
fonction max
fonction length
connaître la ligne d’un objet
x <- length (x)
fonction range
permet de générer des listes d’entrées
fonction help(“mean”)
fonction cumsum
calculer somme cumulative de leurs éléments de x
fonction diff
permet de comparer deux fichiers
construire dataframe à partir de 3 séries: 3 années différentes
pibtete <- data.frame(pibtete_1980, pibtete_2000, pibtete_2022)
Pour télécharger une base de données en ligne (déjà disponible dans R), par exemple gapminder
- install.packages (“gapminder”)
- library (“gapminder”)
- str (gapminder)
str
string
permet d’avoir la structure, la décomposition des objets disponibles ici dans Gapminder.
Pour télécharger une base de données dans un fichier:
- setwd (‘votrechemin’)
- my_path <- ‘votrechemin’
- getwd ()
4. - library(readxl)
- excelpibtete = read_excel (“pibtete.xlsx”)
setwd
pour définir le dossier de travail
my_path
pour éviter le copier/coller
getwd ()
pour vérifier/ retrouver le chemin
comment faire un graphique
Faire un graphique simple (linéaire) avec plot du PIB par tête de la France
pour aller plus loin: ggplot2
le filtre HP avec R
- Récupérez les données de PIB et de population avec la PWT
- Le package pwt10
- Utilisez un autre package de représentation graphique
- Le package lattice
- Utilisez le package de filtre HP
- Le package mfilter
pour utiliser le filtre HP
install.packages (“ mfilter “)
pour faire des graphs, nuages de points, etc
install.packages (“lattice”)
données seulement depuis 1950
data (“pwt10.0”)
Construire des sous-échantillons (de pays et de variables)
- la France et les USA
- Sélectionnez uniquement les années, le nom du pays, le PIB et la population
- avec la fonction subset.
- puis on compile avec la fonction rbind.
Représentez graphiquement les séries du PIB par tête de la France et des USA en fonction des années
avec la fonction xyplot du package lattice.
Calculez le trend et la composante cyclique des 2 PIB par tête
- avec la fonction hpfilter du package mfilter.
- il faut au préalable transformer les séries en séries temporelles avec la fonction ts
frequency = 1
car ce sont des données mensuelles (4 pour trimestrielles et 12 pour mensuelles)
On crée ensuite une séquence de date pour la représentation graphique
- avec la fonction seq.
- On regroupe nos séries de trend et notre séquence de date dans un dataframe.
sequence de date
date = seq (as. Date ( “1950/1/1” ), as.Date ( “2019/1/1” ), “year” )
renomme les noms des variables
colnames (HP) <- c (‘date’, ‘trend_France’, ‘trend_USA’ )
Répliquer la même analyse en prenant un pays de votre choix (sauf la France et les USA) à partir de 1990.
- subset
- graph du PIB par tête
- hpfilter
- graph du trend du PIB par tête
croissance et inégalité, première révolution industrielle
les inégalités ont tendance à évoluer
Gapminder, la santé: espérance de vie
simuler l’évolution de l’espérance de vie et du revenu avec bubbles
Croissance et inégalité
- Courbe de Kuznets
- Gini, pauvreté
Croissance et environnement
- Courbe de Kuznets environnementale
- total de CO2 et CO2/ habitant
1er thème, bilan
- distinguer CT/ LT
- définition de la croissance, ses mesures (filtre, MM)
- les bases de données macroéconomiques de LT
- connaître les principaux chiffres et/ou les échelles (PIB/tête, Gini).
- les autres indicateurs/ théories macroéconomiques de LT: Kuznets (Gini), Kuznets environnementale (CO2)
- maîtriser les principales fonctions de R (sum, mena, data.fram,…), importer des données et créer un graphique.
