Exercices corrigés
Exercice I
On considère le modèle yt = a xi + b +ei où i=1,…N . L’estimateur de a par la méthode des MCO
(𝑥𝑖−𝑥)(𝑦𝑖−𝑦)
est donné par â =
(𝑥𝑖−𝑥)²
1. Quel est l’incident sur â si toutes les observations de la variable X sont égales, soit xi=x* "i ?
2. Montrez que dans le modèle linéaire simple yi= axi+b+et, l’égalité suivante est vérifiée : â = 𝑎
(𝑥𝑖−𝑥)(e𝑖−𝑒)
+
(𝑥𝑖−𝑥)²
3. On suppose que l'erreur du modèle est positivement corrélée avec l'explicative X. Que peut-
on dire des propriétés de l'estimateur des MCO dans un tel contexte ? Démontrez vos
affirmations
1) Quel est l’incident sur â si toutes les
observations de la variable X sont égales, soit
xi=x* "i ?
(𝑥𝑖−𝑥)(𝑦𝑖−𝑦)
â=
(𝑥𝑖−𝑥)²
Toutes les observations sont égales ; xt=x* ;
𝑥∗
𝑑𝑜𝑛𝑐 = 𝑥=x* ;
𝑛
(𝑥 ∗ −𝑥)=0 ; Donc â=0.
2) Montrez que dans le modèle linéaire simple yi= axi+b+ei, l’égalité
(𝑥𝑖−𝑥)(e𝑖−𝑒)
suivante est vérifiée : â = 𝑎 +
(𝑥𝑖−𝑥)²
(𝑥𝑖−𝑥)(𝑦𝑖−𝑦) (𝑥𝑖−𝑥)𝑦𝑖−𝑦 (𝑥𝑖−𝑥) (𝑥𝑖−𝑥)𝑦𝑖
â= ; 𝑑𝑜𝑛𝑐 â = = ;
(𝑥𝑖−𝑥)² (𝑥𝑖−𝑥 )² (𝑥𝑖−𝑥 )²
yi=axi+b+ei ; 𝑦 = â𝑥 + 𝑏 + 𝑒
donc 𝑦𝑡 − 𝑦 = axt + b + et −
â𝑥 + 𝑏 + 𝑒 donc â=
𝑎 (𝑥𝑖−𝑥)𝑥𝑖−â𝑥 (𝑥𝑖−𝑥)+ (𝑥𝑖−𝑥)(et−𝑒)
;
(𝑥𝑖−𝑥 )²
𝑎 (𝑥𝑖−𝑥)𝑥𝑖
on a â𝑥 (𝑥𝑖 − 𝑥) = 0; =𝑎
𝑥𝑖−𝑥 2
(𝑥𝑖 − 𝑥)(𝑒𝑖 − 𝑒)
𝑑𝑜𝑛𝑐 â = 𝑎 +
(𝑥𝑖 − 𝑥)²
3) Que peut-on dire des propriétés de l'estimateur des MCO dans le contexte où l'erreur du modèle est
positivement corrélée avec l'explicative X.? Démontrez vos affirmations
(𝒙𝒊−𝒙)(𝐞𝒊−𝒆)
On a la relation suivante : â = 𝒂 + ; on va développer le numérateur qui devient :
(𝒙𝒊−𝒙)²
(𝒙𝒊−𝒙)(𝒆𝒊−𝒆)= (𝒙𝒊−𝒙)(𝒆𝒊) (𝒙𝒊−𝒙)𝒆
; (𝒙𝒊 − 𝒙)(𝒆𝒊 − 𝒆) = 𝒙𝒊 − 𝒙 𝒆𝒊 = 𝒙𝒊𝒆𝒊 + 𝒙 𝒆𝒊. ; (𝒙𝒊 − 𝒙)𝒆 =0
𝒙𝒊𝒆𝒊+𝒙 𝒆𝒊
Donc â = 𝒂 + ;
(𝒙𝒊−𝒙)²
𝑬(𝒙𝒊𝒆𝒊)+𝒙 𝑬(𝒆𝒊)
𝑬(â) = 𝒂 + ; E (ei)=0 ; E (xiei)>0 ; corrélation positive entre l’erreur et la variable explicative
(𝒙𝒊−𝒙)²
(entre ei et xi).
𝒙𝒊𝒆𝒊 𝒙𝒊𝒆𝒊
Donc â=𝒂+ ; on dit que â est biaisé et le biais est égale à
(𝒙𝒊−𝒙)² (𝒙𝒊−𝒙)²
Exercice II
Nous considèrerons la relation yi = axi + b +ei .
1. Montrer que ∑eixi=0 ; ∑ei=0 ; ∑Ŷi=∑Yi. Montrer que la droite de régression passe par les points moyens .𝑥 𝑦
1. A l’aide de ces 10 observations, les quantités suivantes sont obtenues :
2. ∑yi=19.98 ; ∑y²i=53.82 ; ∑xi=62 ; ∑x²i=484.23 ; ∑xiyi=159.35
3. Quel est le signe attendu pour le paramètre a ? Justifier votre réponse.
4. Procéder à l’estimation de la relation par la méthode des moindres carrés ordinaires.
5. Ecrire â en fonction de du coefficient de corrélation rxy.
1. Vérifier que σ =0,40. Tester la signification statistique de la variable x. (α=5%).
∑eixi=0 ; ∑(yi-â0-â1xi)xi ; =∑(yi*â0-â1xi)= (∑(yi-𝒚) − â𝟏 (𝒙𝒊 − 𝒙))xi=(∑(yi-𝒚)𝒙𝒊 − â𝟏 (𝒙𝒊 − 𝒙)𝒙𝒊=0 ;
(𝒚𝒊−𝒚)𝒙𝒊 â𝟏 (𝒙𝒊−𝒙)𝒙𝒊
on divis les deux éléments par (𝒙𝒊 − 𝒙)𝒙𝒊 ; on aura donc - ;
(𝒙𝒊−𝒙)𝒙𝒊 (𝒙𝒊−𝒙)𝒙𝒊
(𝒚𝒊−𝒚)𝒙𝒊 𝒚𝒊−𝒚 𝒙𝒊 𝒄𝒐𝒗(𝒙𝒊𝒚𝒊)
donc − â𝟏 = 𝟎; 𝒄𝒂𝒓 â𝟏 = =
(𝒙𝒊−𝒙)𝒙𝒊 (𝒙𝒊−𝒙)𝒙𝒊 𝒗(𝒙𝒊)
∑ei=0 ; ∑(Yi- Ŷi) .= ∑(yi- â𝟎 − â𝟏𝒙𝒊)= (𝒚𝒊 − 𝒚 + â𝟏𝒙 − â𝟏𝒙𝒊) =
(𝒚𝒊 − 𝒚 − â𝟏(𝒙𝒊 − 𝒙) = (𝒚𝒊 − 𝒚) − â𝟏 (𝒙𝒊 − 𝒙); (𝒚𝒊 − 𝒚) = 𝟎 𝒆𝒕 â𝟏 (𝒙𝒊 − 𝒙) = 𝟎
∑Ŷi=∑Yi.= 𝒚 𝒊 = (â𝟎 − â𝟏𝒙𝒊) = (𝒚 + â𝟏𝒙 − â𝟏𝒙𝒊) =
(𝒚 − â𝟏(𝒙𝒊 − 𝒙) = 𝒏𝒚 − â𝟏 (𝒙𝒊 − 𝒙); â𝟏 (𝒙𝒊 − 𝒙) = 𝟎; 𝒏𝒚 = 𝒚𝒊 ; 𝒅𝒐𝒏𝒄 ŷ𝐢 = 𝐲𝐢
La droite de régression passe par les points moyens.𝒙𝒚 : 𝒀 𝒙 = â𝟎 + â𝟏 𝒙 = 𝒚 − â 𝒙 + â𝟏 𝒙 = 𝒚
𝟏𝟗,𝟗𝟖 𝟔𝟐 𝟏𝟓𝟗,𝟑𝟓
∑yi=19.98 ; ∑y²i=53.82 ; ∑xi=62 ; ∑x²i=484.23 ; ∑xiyi=159.35; n=10 ; 𝒚= 1,998; 𝒙= =6,2; cov(xi;yi)= -1,998*6,2=3,55 ; v(x)=9,983 ;
𝟏𝟎 𝟏𝟎 𝟏𝟎
donc â1=0,36; v(y) = 1,39
1) Quel est le signe attendu pour le paramètre a ? Justifier votre réponse. Le signe de â1 est positif car il dépend du signe
de la covariance. Cov( xy)=+3,55.
2) Procéder à l’estimation de la relation par la méthode des moindres carrés ordinaires. Selon la méthode des MCO;
𝒄𝒐𝒗 𝒙𝒚 𝟏𝟓𝟗,𝟑𝟓 𝟑,𝟓𝟓
â1= et â0=𝒚-â1𝒙 on a cov(xi;yi)= −1,998*6,2=3,55 ; v(x)=9,983 ; donc â1= =0,36; â0=1,998-0,36*6,2=-0,21; 𝒚i=0,6xi-0,21
𝒗(𝒙) 𝟏𝟎 𝟗,𝟗𝟖𝟑
3) Ecrire â en fonction du coefficient de corrélation rxy
𝑺𝑪𝑹𝒆𝒈 â𝟐 (𝒙𝒊−𝒙)² 𝝈𝒚
r²= 𝑺𝑪𝑻 ; r² = â= r *
(𝒚𝒊−𝒚)² 𝝈𝒙
4) Vérifier que σ =0,40. SCT=SCReg + SCRes; r²=SCReg/SCT 1-r²=SCRes/SCT; SCRes=(1-r²)*SCT;
SCT=n*v(y)=10*1,39=13,9; r²=cov²(xi;yi)/(v(xi)*v(yi); r²=0,91; 1-r²=0,09; SCRes=0,09*13,9=1,25; σ²=(1,25/(10-2))=0,156;
σ=0,4
Tester la signification statistique de la variable x. (α=5%). Test de Student : Ho: a=0; H1:a#0;
𝝈𝟐 𝒆 𝟎,𝟏𝟓𝟔
T_statistique sous Ho: t-statistique= â/σâ; ; 𝝈𝟐 â = ; (𝒙𝒊 𝒙)²=n*v(x)=10*9,983=99,83; donc 𝝈𝟐 â = 0,0016; 𝝈â = 𝟎, 𝟎𝟒𝟎;
(𝒙𝒊 𝒙)² 𝟗𝟗,𝟖𝟑
𝟎,𝟑𝟔
𝒕 − 𝒔𝒕𝒂𝒕 = =8,98. T-theorique (5%;8)=2,31. donc t-calculé > t-théorique rejet de Ho; la variable x est statistiquement significative.
𝟎,𝟎𝟒𝟎
Exercice III
Maitriser les formules
Soit le modèle linéaire simple suivant : yi=axi+b+ei ;
Les résultats de l’estimation économétrique est Yi = 1,251 xt − 32,95 ;
Avec n = 20 ; r²= 0,23 ; 𝜎𝑒 = 10,66
1) En utilisant les données ci-dessus calculer les statistiques suivantes :
la somme des carrés des résidus (SCRes), la somme des carrés totaux (SCT), la
somme des carrés de régression (SCReg), la valeur de la statistique du Fisher
empirique (F-calculé) et l’écart type du coefficient â1(ˆ𝜎â1).
2) Le coefficient de la variable x est-il significativement supérieur à 1 ?
1.
𝑺𝑪𝑹𝒆𝒔
𝝈𝒆 = 10,66 donc 𝝈²𝒆 =113,64 = ; donc SCRes=18*113,64=2045,44. SCRes=2045,44
𝟐𝟎−𝟐
𝑺𝑪𝑹𝒆𝒈 𝑺𝑪𝑹𝒆𝒔 𝑺𝑪𝑹𝒆𝒈 𝑺𝑪𝑹𝒆𝒔
SCT=SCReg +SCRes; on divise par SCT; on aura 𝟏 = + ; =r²; donc =1-r²
𝑺𝑪𝑻 𝑺𝑪𝑻 𝑺𝑪𝑻 𝑺𝑪𝑻
𝟐𝟎𝟒𝟓,𝟒𝟒 𝟐𝟎𝟒𝟓,𝟒𝟒
Donc =1-0,23; SCT= = 2656,42 ; SCT= 2656,42
𝑺𝑪𝑻 𝟎,𝟕𝟕
SCReg=SCT-SCRes; SCReg=2656,42-2045,44=610,97; SCReg=610,97
𝑺𝑪𝑹𝒆𝒈 𝟔𝟏𝟎,𝟗𝟕
𝟐−𝟏 𝟏
F-empirique(calculée)= 𝑺𝑪𝑹𝒆𝒔 = 𝟐𝟎𝟒𝟓,𝟒𝟒 =5,38; F-calculé=5,38
𝟐𝟎−𝟐 𝟏𝟖
𝑺𝑪𝑹𝒆𝒔
𝑺𝑪𝑹𝒆𝒈 𝟔𝟏𝟎,𝟗𝟕 𝟏𝟏𝟑,𝟔𝟒
𝝈𝟐â = 𝒏−𝟐
; on a SCReg=â²*∑(xi-𝒙)²; donc ∑(xi-𝒙)²= = =390,40; 𝝈𝟐â = =0,29;
(𝒙𝒊−𝒙)² â² (𝟏,𝟐𝟓𝟏)² 𝟑𝟗𝟎,𝟒𝟎
𝝈â =0,54
â
Nous pouvons aussi utiliser la formule de t-stat= ; t_stat= 𝑭𝒔𝒕𝒂𝒕; t= 𝟓, 𝟑𝟖=2,32; donc
𝝈â
𝟏,𝟐𝟓𝟏
𝝈â = =0,54
𝟐,𝟑𝟐
2.
Le coefficient de la variable x est-il significativement supérieur à
1?
Test de student.
Ho: a=1;
H1: a>1;
â−𝑎 1,251−1
T_stat: = =0,46. théorique pour α=10%; ddl=18. test
𝜎â 0,54
unilatéral à droite . On utilise α=10% dans une table statistique
bilatérale (car α/2).
T-théorique=1,734. T-calculé < t-théorique donc on accepte Ho.
le coefficient a n’est pas significativement supérieur à 1.
