Scribd
Importer
78 vues6 pages

Analyse Régression Logarithmique R

Le document présente les étapes de l'estimation d'un modèle de régression linéaire avec logarithme népérien des variables. Les étapes incluent l'importation des données, la transformation logarithmique, l'estimation du modèle, le test de significativité des coefficients et du modèle global, le test de l'hypothèse des rendements d'échelle constants et l'estimation d'un modèle centré.

Transféré par

knazelamal
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats DOCX, PDF, TXT ou lisez en ligne sur Scribd
78 vues6 pages

Analyse Régression Logarithmique R

Le document présente les étapes de l'estimation d'un modèle de régression linéaire avec logarithme népérien des variables. Les étapes incluent l'importation des données, la transformation logarithmique, l'estimation du modèle, le test de significativité des coefficients et du modèle global, le test de l'hypothèse des rendements d'échelle constants et l'estimation d'un modèle centré.

Transféré par

knazelamal
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats DOCX, PDF, TXT ou lisez en ligne sur Scribd

Exercice 2 :

[Link] <- log(tabF5)

yt = β0 +β1kt +β2lt +εt

1) Importer la base de données et la stocker dans un objet appelé tabF 5:

url <- "[Link] tabF5 <- [Link](url,


header = TRUE)

2) Créer l'objet [Link] contenant le logarithme des données :

3) Effectuer l'estimation du modèle proposé en utilisant la fonction lm

model <- lm(log(ValueAdd) ~ log(Capital) + log(Labor), data = [Link])

> # Visualiser le tableau des coefficients estimés, le coefficient de déter mination R2 et le coefficient
de détermination ajusté R2

summary(model)

Call:

lm(formula = log(ValueAdd) ~ log(Capital) + log(Labor), data = [Link])

Residuals:

Min 1Q Median 3Q Max

-0.043322 -0.011815 -0.001596 0.006289 0.068401

Coefficients:

Estimate Std. Error t value Pr(>|t|)

(Intercept) 0.44056 0.07988

log(Capital) 0.33899 0.07838

log(Labor) 0.50648 0.09236

5.515 1.13e-05 ***

4.325 0.000231 ***

5.484 1.23e-05 ***

Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.02522 on 24 degrees of freedom Multiple R-squared: 0.9412, Adjusted R-
squared: 0.9363 F-statistic: 192 on 2 and 24 DF, p-value: 1.716e-15

4) Représenter graphiquement les résidus


plot(model$residuals, main = "Graphique des résidus", xlab = "Observation", ylab = "Résidus")

5) Tester au seuil de 5% la significativité globale du modèle

anova(model)

Analysis of Variance Table

Response: log(ValueAdd)

Df Sum Sq Mean Sq F value Pr(>F)

log(Capital) 1 0.225124 0.225124 353.937 7.144e-16 ***

log(Labor) 1 0.019127 0.019127 30.071 1.228e-05 ***

Residuals 24 0.015265 0.000636

---

Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

6) Spécifier l'hypothèse des rendements d'échelle constants et tester st atistiquement sa validité


empirique au seuil de 5%

[Link]("car")

library(car)

linearHypothesis(model, c("log(Capital) + log(Labor) = 1"))

Linear hypothesis test

Hypothesis:

log(Capital) + log(Labor) = 1

Model 1: restricted model

Model 2: log(ValueAdd) ~ log(Capital) + log(Labor)

[Link] RSS Df Sum of Sq F Pr(>F) 1 25 0.022818

2 24 0.015265 1 0.0075531 11.875 0.002105 **

---

Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

7) Réestimer le modèle sous l'hypothèse que les rendements d'échelle son

t constants
model_const <- lm(log(ValueAdd) ~ log(Capital) + log(Labor) - 1, data = [Link])

8) Estimer le modèle centré défini par :

y ∗ t = α1k ∗ t +α2l ∗ t +ε ∗ t où y ∗ t = yt − y, l ∗ t = lt −l et k ∗ t = kt −k # Centrer la variable ValueAdd

[Link]$ValueAdd_centered <- [Link]$ValueAdd - mean([Link]$ValueAdd)

Estimer le modèle centré

model_centered <- lm(ValueAdd_centered ~ log(Capital) + log(Labor) - 1, da ta = [Link])

Vous aimerez peut-être aussi