Révision Exercice Modèle de Régression Multiple

FONDEMENTS DE BASE DE L’ECONOMETRIE:
Exercices de compréhension
FONDEMENTS
DE BASE DE
L’ECONOMETRIE
REVISION S6. R.CHAABITA 1

Rappel
• Modéle simple • Modèle Multiple
Ù
a=
å (X - X )(Y -Y )
i i
å (X - X )
i
2 Â = (X’X)-1 X’Y
R2 =
å (
Y i -Y ) 2
=
variation expliquée
å (Y i -Y ) 2 variation totale
2
REVISION S6. R.CHAABITA
Une petite vision sur le questionnaire
• 1- Dans le modèle Yt = a X t + b + Ut, si â appartient a l’intervalle de confiance on peut :
• a) rejeter H0
• b) ne pas rejeter H0
• c) ne pas rejeter H1
• d) rejeter H1
• 2- Le coefficient de détermination est égal au :

• a) rapport de la variance résiduelle à la variance expliquée
• b) rapport de la variance expliquée à la variance totale
• c) rapport de la variance résiduelle à la variance totale
• d) la différence entre la variable résiduelle et la variance totale.
• 3- Dans un Modèle Linéaire de Régression Multiple, l’hypothèse de normalité des résidus est utile
pour :
• a) l’application de la méthode des MCO / estimation des paramètres,
• b) l’application des tests de pertinence de chaque variable exogène,
• c) vérifier le sens de la liaison entre la variable endogène et chaque variable exogène.
• 4-Soit Ui et Uj deux erreurs relatives à deux observations différentes, elles sont indépendantes
entre elles si :
• a) Cov(Ui, Uj) # 0
• b) E(Ui, Uj) = 0
• c) E(Ui, Uj) # 0 REVISION S6. R.CHAABITA
• d) Cov(Ui, Uj) = 0
•
• 5-Dans un modèle de régression simple, les paramètres a et b :
• a) ne peuvent prendre que des valeurs positives 3
• b) ne peuvent prendre que des valeurs négatives
• c) peuvent prendre des valeurs positives et négatives.
• 6-On dit que l’estimateur de â est sans biais si :
• a) l’espérance mathématique de â est différente de a,
• b) l’espérance mathématique de â est égale à a,
• c) la variance de â est égale à a,
• d) la variance de â est différente de a.
• 7-soit le modèle suivant Yt = a Xt+b+Ut, l’intérêt de tester a = 0 est de vérifier la

pertinence / significativité de :
• a) Y
• b) u
• c) X
• 8- â l’estimateur des MCO est dit BLUE du fait qu’il est linéaire et :
• a) sans biais à variance minimale
• b) sans biais à variance maximale
• c) avec biais à variance minimale
• d) avec biais à variance maximale
• 9- Pour prévoir, dans le cas d’une série chronologique, il n’est pas nécessaire
d’avoir des coefficients avec une interprétation causale.
• a) Oui
• b) Non
Exercice de compréhension
On suppose qu’après avoir réuni les observations annuelles

(1990-2006) sur le CA réalisé, sur son prix X1 (en DH), sur le
revenu X2 des consommateurs (en milliers de Dh) et sur le Le
CA de l’année precedente (en Dh), on a obtenu l’estimation
suivante de la régression de Y par rapport aux autres
variables :
Yt= 124 - 8,5logX1 + 0,71logX2 + 0,22logYt-1
(11,12) (2,6) (5,26) (6,32)
Entre parenthèse figurent les écarts types estimés des
estimateurs
R2 = 0,69 F = 3,25 DW = 3,15
Interpréter les résultats sur le plan économique et de la
signification statistique

Interprétation économique
• Une augmentation de 1% du prix du
bien engendre une un diminution du CA
de 8,5%
• Idem pour les autres
REVISION S6. R.CHAABITA
6
• Calcul de t de student:
• tx1 = 8,5/2,6 = 3,27> 2
la variable est pertinente
• tX2 = 0,71/5,26= 0,13< 2
la variable n’est pas pertinente
• tYt-1= 0,22/6,32 = 0,35<2
la variable n’est pas pertinente

Calcul du test de Fisher
Le nombre d’observation est de 17. Or une
variable exogène est retardée ce nombre
devient égal à 16 observations.
Fc = 3,25
F tabulé à 5% (avec le ddl de (4,12) = 3,26
Fc< Ft ===> le modèle n’est pas donc
pertinent

Calcul de DW
• DWc = 3,15
• à 5% et pour ddl (3,16)
d1 = 0,86 et d2 = 1,73
0 0,86 1,73 2,27 3,14 DW =3,15 4
Autocorrection+ Doute Indépendance Doute Autocorrection -

Question
A l’aide des données disponibles sur 30 ans, un modèle a été
estimé par le service études d’une exploitation.
Il avait pour objectif d’expliquer le niveau de la production
annuelle (Y).
Les résultats de l’estimation sont :
Ln Yt = 0,38 + 0,41 Ln Xt + 0,27 Ln Zt
(0,17) (0,195) (0,127)
Xt représente la quantité d’engrais utilisés durant la
campagne (chaque année)
Zt représente la quantité pluies utilisés observée (chaque
année)
R2 = 0,87 F = 25,8 DW= 1,12
et entre parenthèse figurent les écarts types estimés des
estimateurs
Interpréter les résultats sur le plan économique et de la
signification statistique.
Interprétation économique
• Une augmentation de 1% de la quantité
d’engrais utilisés engendrera selon le
modèle une augmentation de 0,41% de
la production.
• Une diminution de la pluviométrie de 1%

traduira selon le modèle d’une diminution
de la production de 0, 27%.
• txt = 2,10 > 2: ↔ Xt est pertinente.
tzt = 2,12> 2: ↔ zt est pertinente
• R²= 0,87, Ceci signifie que le modèle explique

87% de la variabilité de la production annuelle
• Fc= 25,8 et Ft (2,27) = 2,96

Le FC est largement supérieur à Ft à 5% ce qui
implique que le modèle est significativement
explicatif.
Question
A l’aide des données disponible de 1990 à 2008, un modèle a été
estimé par le service statistique d’un établissement. Il avait pour
objectif d’expliquer le niveau de ventes annuelles (Y) en fonction du
niveau d’investissement annuelle (It)
log (Yt) = 23,12 + 3,52 log (It)
(11,3) (1,29)
Entre parenthèse figurent les écarts types estimés des estimateurs.
Avec DW = 1,02
1/ Calculer le coefficient de corrélation et effectuer le test de Fisher
permettant de déterminer si la régression est globalement significative.
(commenter)
2/ Tester une éventuelle autocréation des erreurs (par l’analyse de
DW)
3/ Quelle conséquence sur Yt de l’augmentation It de 5% ?
1/ On sait que
tâ= â/𝜕â
= 3,52/1,29
=2,73
2/
F= t²â = R²(n-2)/1-R²
= 7,45
Alors R² = 30,45%
3/ ∆Y = â ∆ x = 17,2%
Question
Le tableau suivant est extrais des données statistiques de 6 pays développes en
2001 et donne pour chacun le revenu réel par tête (Rev) (en 103$), avec le
pourcentage de la force travail employé dans l’agriculture (W) et la durée
moyenne de la scolarité (S).
Nombre d’observations 1 2 3 4 5 6
Rev 6 8 8 7 7 9
W 9 10 5 4 10 5
S 5 13 11 10 12 10
1) Estimer l’équation de régression du revenu réel par rapport à la durée moyenne de la
scolarisation.
2) Par ailleurs, on a obtenu l’estimation suivante :
log Revi = 15,6 +0,38 logWi + 1,14 logSi
(2,65) (3,98)
(.) = Test de student calculé
Commenter et résumer tous les résultats précédents sous la forme classique de
présentation. Avec : R²= 0,84 Fc = 7,97 DW = 1,74 (avec d1 = 0,77 et d2= 1,02 (au risque
de 5%)).
Les tests de student tabulés (au risque de 5%) relatifs à W et S sont respectivement 3,514
et 3,227.
RAPPORT DÉTAILLÉ
Statistiques de la régression
Coefficient de détermination multiple 0,581614527
Coefficient de détermination R^2 0,338275458
Coefficient de détermination R^2 0,172844323
Erreur-type 0,953871713
Observations 6
ANALYSE DE VARIANCE
Moyenne des
Degré de liberté Somme des carrés carrés F
Régression 1 1,86051502 1,86051502 2,04481132
Résidus 4 3,63948498 0,90987124
Total 5 5,5
Coefficients Erreur-type Statistique t Probabilité
Constante 5,274678112 1,60418598 3,28807144 0,03027027
Variable X 1 0,21888412 0,15306914 1,42996899 0,22595117

Cette photo par Auteur inconnu est soumise à la licence CC BY

Révision Exercice Modèle de Régression Multiple

Transféré par

Droits d'auteur :

Formats disponibles

Révision Exercice Modèle de Régression Multiple

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Révision Exercice Modèle de Régression Multiple

Transféré par

Droits d'auteur :

Formats disponibles

FONDEMENTS DE BASE DE L’ECONOMETRIE:

REVISION S6. R.CHAABITA 1

• 2- Le coefficient de détermination est égal au :

• 7-soit le modèle suivant Yt = a Xt+b+Ut, l’intérêt de tester a = 0 est de vérifier la

On suppose qu’après avoir réuni les observations annuelles

REVISION S6. R.CHAABITA 5

REVISION S6. R.CHAABITA

REVISION S6. R.CHAABITA 7

REVISION S6. R.CHAABITA 8

0 0,86 1,73 2,27 3,14 DW =3,15 4

Autocorrection+ Doute Indépendance Doute Autocorrection -

REVISION S6. R.CHAABITA 9

• Une diminution de la pluviométrie de 1%

• R²= 0,87, Ceci signifie que le modèle explique

• Fc= 25,8 et Ft (2,27) = 2,96

Coefficient de détermination multiple 0,581614527

Coefficient de détermination R^2 0,338275458

Coefficient de détermination R^2 0,172844323

Régression 1 1,86051502 1,86051502 2,04481132

Résidus 4 3,63948498 0,90987124

Coefficients Erreur-type Statistique t Probabilité

Constante 5,274678112 1,60418598 3,28807144 0,03027027

Variable X 1 0,21888412 0,15306914 1,42996899 0,22595117

Vous aimerez peut-être aussi