Ce mémoire examine la qualité de prévision des prix immobiliers au Canada et dans cinq de ses régions métropolitaines, en utilisant trois modèles économétriques: VAR (Modèle d'autorégression vectorielle), VECM (Modèle vectoriel à correction d'erreur), VAR spatial (Modèle d'autorégression vectorielle spatiale). Le VAR spatial permet d'incorporer les effets spatiaux dans la modélisation. Les résultats des estimations du VAR, du VECM et du VAR spatial et les fonctions de réponse permettent de faire les constats suivants: (i) un choc d'emploi affecte positivement le prix du logement; (ii) un choc de politique monétaire (taux d'intérêt) a un impact négatif sur le prix immobilier. Pour mesurer la qualité prédictive des trois approches, nous avons fait appel à deux mesures de choix de modèle: la Racine de l'Erreur Quadratique Moyenne (Root Mean Squared Error, RMSE) et le gain d'efficacité (Relative Root Mean Squared Error). Les résultats indiquent que: (i) le VAR spatial donne une prévision de meilleure qualité comparativement au VECM et au VAR conventionnel; (ii) l'incorporation de l'interaction entre deux régions dans un modèle VAR permet de mieux prévoir le prix immobilier. En somme, le taux d'intérêt et l'emploi demeurent des facteurs-clés dans la modélisation du prix du logement. De plus, l'approche VAR spatial permet d'améliorer la qualité de la prévision de cette variable d'intérêt. ______________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : Économétrie, Prévision, Prix immobilier, VAR spatial, VECM, VAR.

Ce mémoire vise à déterminer les causes de la stabilisation du cycle économique américain, phénomène mieux connu sous le nom de la Grande Modération. Ce dernier fut remarqué au début des années quatre-vingt et quatre causes principales furent évoquées par la littérature: une meilleure politique monétaire, une meilleure gestion des stocks, une réduction de la taille des chocs économiques et finalement un changement d'ordre structurel de l'économie. Nous comparons les statistiques cycliques et les sentiers de réponse des principales variables économiques de la période 1959 à 1979 par rapport à la période 1984 à 2006. Les sentiers de réponses sont obtenus par plusieurs spécifications d'une représentation vectorielle autorégressive structurelle (SVAR) avec restrictions de long terme à la Blanchard et Quah. Les intervalles de confiance de ces sentiers sont obtenus par méthode de bootstrap. Cette méthodologie nous permet d'évaluer si, effectivement, des changements structurels pourraient expliquer cette stabilisation du cycle économique. Nous trouvons d'abord que de nombreux faits cycliques ont changé entre ces deux périodes. Ensuite, nos résultats montrent que la stabilisation du PIB pourrait être due à une réduction de la taille des chocs, alors que la stabilisation de l'inflation serait due à une politique monétaire plus crédible. Nous trouvons également qu'une plus grande flexibilité du marché du travail, notamment celle des salaires, pourrait avoir jouée un rôle dans cette Grande Modération. ______________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : Grande Modération, SVAR, Cycles économiques.

Dans le but de guider l'évaluation et le développement des modèles dynamiques d'équilibre général, les vecteurs autorégressifs structurels (SVAR) ont été largement utilisés. Une importante application récente de cette approche est introduite par Galì (1999). Plus récemment, le débat à propos de l'effet d'une augmentation de la technologie sur les heures travaillées a déclenché l'émergence de plusieurs contributions concernant la capacité de l'approche SVAR à mesurer adéquatement l'impact des chocs technologiques sur des variables agrégées. L'objectif de ce projet de recherche est d'évaluer la capacité des représentations vectorielles autorégressives (VAR) structurelles, en utilisant des restrictions de long terme, à identifier les fonctions de réponses suite à un choc technologique. Pour cela, nous effectuons une étude de Monte-Carlo, dans laquelle nous générons 1000 échantillons de données à partir du modèle de cycle réel. À des fins de comparaison, nous considérons plusieurs approches: (i) l'approche SVAR standard qui utilise la méthode de restriction de Blanchard et Quah; (ii) l'approche SVAR WEN, laquelle utilise les restrictions basées sur la méthode dans le domaine des fréquences suggérée par WEN; (iii) l'approche SVAR-Bartlett dans laquelle nous remplaçons l'estimateur standard de la matrice variance-covariance par un estimateur non paramétrique à noyau de Bartlett; (iv) l'approche SVAR Andrews-Mohanan où on utilise un autre estimateur non paramétrique, celui d'Andrews-Mohanan. Par la suite, nous évaluons chaque approche, en calculant le biais absolu cumulatif et la racine carrée de l'erreur quadratique moyenne cumulative. Nos principaux résultats sont les suivants: (i) la meilleure approche est celle de Bartlett lorsque l'on fixe le paramètre à l'aide de la méthode de Newey-West, ou lorsqu'il est fixé à 10 ou 20; (ii) les intervalles de confiance sont grands pour les différentes approches; (iii) les VAR structurelles, ne peuvent faire de la discrimination entre des modèles, impliquant une réponse de signe contraire suite à un choc technologique. ______________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : choc technologique, heures travaillées, domaine des fréquences, VAR

Thèse numérisée par la Direction des bibliothèques de l'Université de Montréal.