setwd("H:/MES DOCUMENTS/Mes sites Web/monsiteweb2/LivreEconometrie/programmes/R")
getwd()

## lecture des données
chap13<-read.table("chapitre13R.csv",head=TRUE,sep=";")
head(chap13)## visualise les premières observations

library("plm")


chap13p<- plm.data(chap13, 31)# panel avec 31 individus
chap13p


#problème n°1 : estimation de l'équation de salaire

reg1=plm(log(w)~log(we)+log(prix)+log(m)+u+pns,chap13p,model="pooling")
summary(reg1)

reg11=plm(log(w)~log(we)+log(prix)+log(m)+u+pns | lag(log(we),1)+log(prix)+log(m)+lag(u,1)+pns,
chap13p,model="pooling",inst.method = "baltagi")#estimation avec les variables instrumentales
summary(reg11)

#problème n°2 : estimation de l'équation de salaire avec effets individuels

reg2=plm(log(w)~log(we)+log(prix)+log(m)+u+pns,chap13p,
model="random",random.method="walhus") #effets aléatoires 
summary(reg2)

plmtest(reg1,type="honda")#test un effet aléatoire, test de Honda
plmtest(reg1,type="bp")#test un effet aléatoir, test de Breush Pagan

reg3=plm(log(w)~log(we)+log(prix)+log(m)+u+pns,chap13p,model="within")#within
summary(reg3)
summary(fixef(reg3))

phtest(reg2,reg3)#test d'hausman

reg4=plm(diff(log(w),1)~diff(log(we),1)+diff(log(prix),1)+diff(log(m),1)+diff(u,1)+diff(pns,1)+0 | lag(log(we),2)+lag(log(prix),2)+lag(log(m),2)+lag(u,2)+lag(pns,2)+0,
chap13p,model="pooling",inst.method = "baltagi")#estimation avec les variables instrumentales
summary(reg4)


reg5=plm(diff(log(w),1)~diff(log(we),1)+diff(log(prix),1)+diff(log(m),1)+diff(u,1)+diff(pns,1)+0 | lag(diff(log(we),1),1)+lag(diff(log(prix),1),1)+lag(diff(log(m),1),1)+lag(diff(u,1),1)+lag(diff(pns,1),1)+0,
chap13p,model="pooling",inst.method = "baltagi")#estimation avec les variables instrumentales
summary(reg5)




###############################################################################################################
##remarques estimation within des coeff de pente est identique à l'estimation avec les variables indicatrices
    
chap13p$FIXE=matrix(0,ncol=31,nrow=155)
t=5
for(i in 0:31) {chap13p$FIXE[(i*t+1):(i*t+t),i+1]=1} #creation de variables indicatrices
chap13p$FIXE

reg3bis=lm(log(w)~log(we)+log(prix)+log(m)+u+pns+FIXE+0,chap13p)#effets fixes avec variables indicatrices
summary(reg3bis)
pFtest(reg3,reg1)#teste la présence d'effets individuels fixes
###############################################################################################################
   


###############################################################################################################
##exemple d'estimation d'un modèle dynamique avec Arrellano et Bond

d<-pgmm(dynformula(log(w)~log(we)+log(prix),
lag = list(1,0,0)),chap13p, effect = "individual", model="twosteps",
gmm.inst = ~log(w),lag.gmm = list(c(2,99)))
summary(d)