Inextricability of Autonomy and Confluence in Econometrics

Résumé Fr En

Cet article examine comment la « confluence » et « l’autonomie », deux concepts clés introduits par Frisch vers 1930, ont disparu des manuels d’économétrie et pourquoi seulement quelques fragments de l’un et de l’autre ont survécu dans l’économétrie dominante. Nous relions cette disparition à un positionnement défectueux des manuels qui consiste à considérer de manière univoque les modèles théoriques a priori comme des modèles structurels. Nous montrons comment le couple confluence-autonomie pris comme un tout reflète la complexité de l’objectif des économètres, qui consiste à trouver et à valider des modèles robustes ayant une signification économique à partir d’un grand nombre de variables interdépendantes observables dans le monde réel et ouvert. Cette complexité rend essentiel, pour la recherche appliquée, de posséder un ensemble de règles de conception des modèles qui combine à la fois le raisonnement substantif a priori et l’approche statistique par les tests a posteriori. Celle-ci amène également à considérer comme prioritaire la recherche d’un bouclage minimum du modèle qui soit adéquat, recherche bien plus importante que le travail d’estimation des paramètres qui est proposé dans les manuels.

This paper examines how “confluence” and “autonomy,” two key concepts introduced by Frisch around 1930, have disappeared in econometrics textbooks and why only some fragments of the two have survived mainstream econometrics. It relates the disappearance to the defect in the textbook position of equating a priori theoretical models as correct structural models unequivocally. It shows how the confluence-autonomy pair in unity reflects the complexity of econometricians’ goal to find and verify robust and economically meaningful models out of numerous interdependent variables observable from the real and open world. The complexity deems it essential for applied research to have a set of model design rules combining both a priori substantive reasoning and a posteriori statistical testing. Such a need also puts the task of ensuring an adequately minimum model closure to top priority for applied modellers, a task much more important than the textbook task of parameter estimation.