ECONOMETRIE, L1 FASE by Calz Tshiombé Page 1 sur 7
CHAP 1 : INTRODUCTION
1) Définissez l'économétrie ?
R) C'est un outil d'analyse qui intègre des instruments mathématiques et statistiques à l'économie politique. C'est la mesure de
l'économie.
2) Qu'entendez-vous par modèle économique ?
R) On entend une représentation simplifiée d'un phénomène économique sous forme d'équations mathématiques dont les variables
sont des grandeurs économiques.
3) Qu'entendez-vous par un modèle en économétrie ?
R) C'est un ensemble d'équations mathématiques liant des variables économiques.
4) Quels sont les principaux éléments d'un modèle ?
R) Tout modèle est composé des variables, des relations et des paramètres dont la nature et le rôle doivent être précisés.
5) Quand parle-t-on de variable proxy ?
R) Lorsque la mesure d'un fait économique est établie par l'intermédiaire d'une liaison avec un autre fait plus accessible à la mesure.
Ex : Faute du P.I.B., le niveau d'activités économiques d'un pays peut être mesuré soit par les chiffres d'affaires des entreprises, soit la
consommation d'électricité, etc...
6) A qui appartient cette phrase "il est parfaitement inutile d'élaborer un modèle complexe si l'on ne peut le nourrir qu'avec des
données statistiques insuffisantes ou de qualité douteuse" ?
R) Oskar MORGENSTERN
7) Quelle différence faites-vous entre variables endogènes et exogènes ?
R) On appelle variable endogène (ou dépendante, expliquée, régressant, prédite ou variable de réponse) une variable dont les valeurs
sont déterminées par le modèle. Par contre, la variable exogène (indépendante, explicative, régresseur, prédictive ou variable de
contrôle) est celle dont les valeurs sont déterminées par les facteurs extérieurs du modèle.
8) Quelle différence faites-vous entre un stock et un flux ?
R) La différence est que :
*Un stock est la quantité mesurée à un moment précis. Il n'a donc pas de dimension temporelle et peut être mesuré à n'importe quel
moment donné du temps.
*Un flux est la quantité mesurée au cours d'une période par unité de temps. Il est mesuré entre deux périodes et représente la
variation de stock au cours d'une période donnée.
Ex : cas de la baignoire.
9) Quand est-ce qu'une variable est dite "ex ante" et "ex post" ?
R) Une variable est dite :
*"ex ante" si les valeurs du phénomène considéré sont saisies avant que les réactions économiques sous-jacentes se manifestent
(analyse prospective).
*"ex post" si les valeurs du phénomène considéré sont saisies après que les réactions économiques sous-jacentes se soient manifestées
(analyse rétrospective).
10) Quelles sont les étapes proposées par la méthodologie classique pour analyser un problème économique ?
R) Il y a :
*la référence à une théorie ;
*la spécification du modèle mathématique ;
*la spécification du modèle statistique ou économétrique ;
*la sélection des variables et des données statistiques ;
*l'estimation des paramètres du modèle économétrique ;
*la validation ou le diagnostic du modèle ;
*enfin, l'utilisation du modèle estimé.
11) Qu'entendez-vous par un modèle économétrique ?
R) C'est un modèle économique qui comprend un terme d'erreur comme variable additionnelle.
12) Quelles sont les 3 catégories auxquelles se répartissent les données représentatives des phénomènes économiques étudiés, et
expliquer les ?
R) Il y a :
*les séries temporelles (séries chronologiques, chroniques ou time series) : Ce sont des données ou variables observées à des
intervalles de temps réguliers.
*les séries en coupe transversale (coupe instantanée ou cross section) : Ce sont des données observées à un même moment du temps,
de différents individus.
*les données de panel (données longitudinales ou données individuelles-temporelles) : Elles intègrent les deux dimensions (individuelle
et temporelle), puisqu'elles concernent un groupe spécifique d'individus observés à des intervalles de temps réguliers.
13) Quels sont les deux types de prévision de l'avenir économique d'un modèle ?
R) Il y a : *le scénario, ici on s'intéresse aux résultats dans l'absolu ;
*les variantes, ici on partira d'une simulation de base ou d'une simulation sur une période historique, et on mesurera la sensibilité de
l'équilibre économique à une modification des hypothèses.
14) Quel est le rôle de l'économétrie ?
✌️PDG ✌️partages des Bats
ECONOMETRIE, L1 FASE by Calz Tshiombé Page 2 sur 7
R) L'économétrie s'articule autour de deux points suivants : *validation de la théorie et outil d'investigation.
CHAP 2 : ANALYSE DE LA CORRELATION SIMPLE
15) Quand parle-t-on des variables corrélées ?
R) Lorsque ces variables présentent une évolution commune se traduisant par une certaine intensité de dépendance.
16) Quand est-ce qu'une corrélation simple est dite : a) linéaire ; b) non linéaire ?
R) Une corrélation simple est dite :
a) linéaire lorsque tous les points du couple de valeurs de deux variables (X , Y) semblent alignés sur une droite ;
b) non linéaire lorsque les points du couple de valeurs se trouvent sur une même courbe d'allure quelconque.
17) Quand parle-t-on de : a) corrélation positive ; b) corrélation négative ; c) absence de corrélation ?
R) On parle : a) de corrélation positive si l'on constate une augmentation (ou diminution) simultanée de valeurs des deux variables ;
b) de corrélation négative si les valeurs de l'une augmentent, les valeurs de l'autre diminuent et vice-versa ;
c) d'absence de corrélation s'il n'y a aucune relation de dépendance entre les valeurs de deux variables.
18) La covariance est-elle aussi une mesure de corrélation ?
R) Oui, sauf qu'elle dépend des unités dans lesquelles les variables sont exprimées. C'est pourquoi on divise la covariance par le produit
des écarts types des deux variables afin d'obtenir le coefficient de corrélation, une mesure neutre. -1<ou=Px,y<ou=1
19) Comment s'effectue l'interprétation des coefficients de corrélation (Bravais-Pearson & Spearman) ?
R) Elle s’effectue toujours à deux volets après avoir accepté l'hypothèse de significativité, d'où il y a l'interprétation par rapport au signe
(sens de la liaison) et l'interprétation par rapport au degré (l'intensité de la liaison entre variables).
20) Quelles sont les limites de coefficient de corrélation ?
R) Il y a : *la relation testée doit être linéaire ; *le facteur confondant ; *les points aberrants ou atypiques ; et *la corrélation n'est pas
causalité.
CHAP 3 : MODELE DE REGRESSION SIMPLE
21) Que requiert la linéarité du modèle de régression ?
R) Elle requiert seulement que le modèle soit linéaire dans les paramètres, pas dans les variables.
22) Énumérer quelques raisons qui militent pour la prise en compte du terme d'erreur dans le modèle de régression ?
R) Il y a : *l'imprécision de la théorie ; *l'indisponibilité des données statistiques ; *la nature imprévisible du comportement humain ; *la
pauvreté des variables substituts (proxy variables) ; *le principe parcimonie ; et *la forme fonctionnelle incorrecte.
23) Quelles sont les 7 hypothèses de base sur lesquelles s'appuie le modèle linéaire de régression simple ?
R) Nous avons :
*H1 : le modèle est linéaire en Xt ou en importe quelle transformation de Xt ;
*H2 : les valeurs de Xt sont observées sans erreurs ;
*H3 : l'espérance mathématique de l'erreur est nulle ;
*H4 : le terme d'erreur Ut a une variance constante et finie ;
*H5 : les erreurs Ut de périodes différentes sont non corrélées ;
*H6 : l'erreur Ut est indépendante de la variable explicative :
*H7 : le terme d'erreur Ut suit une distribution normale de moyenne 0 et de variance constante.
24) Quand parle-t-on : a) d'homoscédasticité des erreurs ; b) d'hétéroscédasticité des erreurs ?
R) On parle :
*d'homoscédasticité des erreurs lorsque l'hypothèse selon laquelle le terme d'erreur (Ut) a une variance constante et finie est réalisée ;
*d'hétéroscédasticité des erreurs lorsque l'hypothèse selon laquelle le terme d'erreur (Ut) a une variance constante et finie n'est pas
réalisée.
25) Qu'entendez-vous par erreurs sphériques ou perturbations sphériques ?
R) C'est la qualification des erreurs qui satisfont simultanément les hypothèses d'homoscédasticité et d'absence d'autocorrélation. D'où
la sphéricité des erreurs.
26) Qu'entendez-vous par droite d'ajustement ?
R) C'est une droite de régression qui passe à travers un nuage des points obtenus des observations.
27) C'est quoi un estimateur ?
R) C'est une formule indiquant comment estimer les paramètres inconnus de la population (inconnu) à partir de l'information fournie
par les observations d'un échantillon.
28) Que vise l'estimation économétrique ? Et pourquoi ?
R) Elle vise l'évaluation des paramètres inconnus de la population. Pour trouver des estimateurs non biaisés, efficaces et convergents.
29) Quand est-ce qu'un estimateur est : a) non biaisé ; b) convergent ; c) efficace ?
R) Un estimateur est :
a) non biaisé si, son espérance est égale à la valeur du paramètre de la population ;
b) convergent si, lorsqu'on accroît la taille de l'échantillon, la probabilité que la valeur estimée du paramètre soit différente de valeur
vraie mais inconnue du paramètre (de la population) est nulle ;
c) efficace si, parmi les estimateurs non biaisés, il a la variance la plus faible.
30) Qu'est-ce qui permet d'apprécier la qualité de l'ajustement d'un modèle ?
R) La décomposition de la variance de Y.
31) Quel théorème met en évidence les propriétés des estimateurs des MCO et comment ?
✌️PDG ✌️partages des Bats
ECONOMETRIE, L1 FASE by Calz Tshiombé Page 3 sur 7
R) Le théorème de GAUSS-MARKOV, en montrant que ces estimateurs sont BLUE (Best Linear Unbiased Estimator), c'est-à-dire que dans
la classe des estimateurs linéaires non biaisés, ϐₒ et ϐ₁ sont les meilleurs, en ce sens qu'ils ont la variance la plus faible.
32) Quels sont les 3 propriétés des estimateurs de MCO ?
R) Nous avons : ils sont *linéaires ; *non biaisés ; *convergents ; et *à variance minimale (efficaces).
33) A quoi correspond la notion de degré de liberté ?
R) Elle correspond au nombre de valeurs restant réellement à la disposition de l'économètre, après une procédure d'estimation
statistique. Si un échantillon comprend n valeurs, il faut lui retirer le nombre des paramètres estimés.
34) Quand est-ce qu'un test est dit bilatéral ?
R) Si l'hypothèse alternative ne contient aucune information sur le signe de la différence entre la valeur vraie et la valeur testée.
35) Quand est-ce qu'un test est dit unilatéral ?
R) Si l'hypothèse alternative intègre une information sur le signe de la différence entre la valeur vraie du paramètre et la valeur testée.
CHAP 4 : LE MODELE DE REGRESSION MULTIPLE
36) Quelles sont les deux hypothèses qui doivent être faites pour résoudre le problème des moindres carrés dans le cas d'un modèle
linéaire général ?
R) Il s'agit des hypothèses stochastiques (liées à l'erreur u), d'une part, et des hypothèses structures, de l'autre.
37) Enumérer les hypothèses stochastiques du modèle de régression multiple ?
R) Nous avons :
*H1 : X est une matrice non aléatoire, c'est-à-dire les réalisations de X sont observées sans erreur, notamment de mesure ;
*H2 : l'espérance mathématique de l'erreur est nulle ;
*H3 : la variance de l'erreur est égale à la matrice de variances et covariances de l'erreur U ;
*H4 : le vecteur perturbations U suit une loi normale à n dimensions ;
*H5 : la covariance est nulle entre U et X.
38) Enumérer les hypothèses structurelles du modèle de régression multiple ?
R) Nous avons :
H1 : l'absence de colinéarité entre les variables explicatives ;
H2 : le nombre d'observations doit être supérieur au nombre de paramètres à estimer (n>K).
39) Qu'implique l'hypothèse stochastique de la covariance nulle entre U et X ?
R) Elle implique que l'erreur ne soit pas corrélée aux les variables explicatives. Elle est appelée hypothèse d'endogénéité de la variable
Xit.
40) A quoi consiste le principe de la méthode moindres carrés ?
R) A minimiser la somme des carrés des résidus (ee').
41) Pourquoi la prise en compte des contraintes justifiées permet de gagner en précision ?
R) Car elles constituent un ensemble d'informations sur le paramètre B dont la prise en compte réduit l'incertitude affectant
l'estimation.
42) Pourquoi le test de nullité d'un seul coefficient par la statistique de Fisher est sans intérêt ?
R) Car il est mathématiquement équivalent au test de student de significativité d'un coefficient.
43) Pourquoi l'hypothèse de significativité globale d’une régression multiple ne reprend pas le terme constant (ϐₒ) ?
R) Car le modèle dans lequel tous les coefficients estimés sont non statistiquement non significatifs nuls sauf le terme constant (ϐₒ) n'a
aucun sens économique.
44) Parler des tests de stabilité ?
R) Appelés aussi test de robustesse du modèle estimé, ils visent à vérifier si les valeurs des coefficients estimés sont stables sur
l'assemble de la période considérée (il n'y a pas eu de changements structurels et/ou de conjoncturels en Y et X.
45) Quelles sont les sources auxquelles on attribue l'instabilité des paramètres ?
R) Il y a : *les forces externes, *les calamités naturelles et *les changements de politique économique.
46) Énumérer les différents tests de stabilité ?
R) Il y a : *le test de CHOW ; et *les tests CUSUM et CUSUM CARRÉ de Brown, Durbin et Evans.
47) Parler du test de CHOW ?
R) Appelé aussi test de changement structurel ou de régime, il permet d'examiner si les coefficients du modèle se sont modifiés au
cours du temps.
48) Quand parle-t-on de : a) test de stabilité temporelle ; b) test d'homogénéité des comportements ?
R) On parle de : a) test de stabilité temporelle lorsque l'analyse du test de CHOW se porte sur des données en séries temporelles ;
b) test d'homogénéité des comportements lorsque l'analyse du test de CHOW se porte sur des données en coupe transversale.
49) Quels sont les tests proposés par Brown, Durbin et Evans (1975) à partir des résidus récursifs ?
R) Il y a: *le test Cusum (cumulated sum of residuals); et *le test Cusum carré (cumulated sum of squared residuals).
50) Parler du : a) test Cusum ; et b) test Cusum carré ?
R) Le test :
a) Cusum, basé sur la somme cumulée des résidus récursifs, il est généralement utilisé pour détecter d'éventuels mouvements
systématiques dans la valeur des coefficients reflétant une possible instabilité structurelle. Si une rupture est constatée, on rejette la
spécification choisie sur l'ensemble de la période ;
b) Cusum carré, similaire au test Cusum, il consiste à représenter graphiquement les sommes cumulées des résidus récursifs St.
✌️PDG ✌️partages des Bats
ECONOMETRIE, L1 FASE by Calz Tshiombé Page 4 sur 7
51) Énumérer les méthodes formelles pour évaluer la qualité prédictive d'un modèle de régression multiple (prévision) ?
R) Il y a :
*l'erreur moyenne ou ME (mean error) ou encore biais de la prévision, Il est proche de 0 si la prévision est de bonne qualité ;
*l'erreur absolue moyenne ou MAE (mean absolute error) ;
*l'erreur quadratique moyenne ou MSE (mean squared error) ;
*la racine carrée de l'erreur quadratique moyenne ou RMSE (root mean squared error) ;
*le coefficient d'inégalité de Theil ou le critère U de Theil.
52) Dans le critère U de Theil, Qu'entendez-vous par méthode naïve ?
R) C'est une méthode dans laquelle la prévision est égale à la dernière donnée disponible.
53) Parler brièvement de décision du critère U de Theil ?
R) Nous avons :
*U = 0 si les prévisions sont parfaites ;
*0 < U < 1 si la méthode de prévision étudiée est meilleure que la méthode naïve ;
*U = 1 si la méthode de prévision naïve est aussi bonne que la méthode de prévision examinée ;
*U > 1 si la méthode de prévision naïve donne de meilleurs résultats.
54) Quand utilise-t-on ME, MAE, MSE et RMSE ?
R) Lorsqu'on compare le pouvoir de prévision de plusieurs modèles estimés.
Le modèle pour lequel ces mesures statistiques sont les plus faibles est considéré avoir une meilleure capacité prédictive.
55) Quand utilise-t-on le critère U de Theil ?
R) Pour comparer les prévisions du modèle à des prévisions naïves.
CHAP 5 : REGRESSION NON LINEAIRE ET MAXIMUM DE VRAISEMBLANCE
56) Quelle différence faites-vous entre des modèles de régression intrinsèquement linéaires et ceux intrinsèquement non linéaires ?
R) Les modèles de régression intrinsèquement linéaires sont ceux dont la spécification n'est pas linéaire mais qui sont linéaires par
rapport à leurs paramètres alors que, les modèles de régression intrinsèquement non linéaires sont ceux dont les paramètres sont non
linéaires et qui ne peuvent pas être linéarisés.
57) Quelles sont les méthodes qu'on utilise pour estimer les paramètres des modèles non linéarisables ?
R) On utilise les méthodes générales de régression non linéaires qui nécessite des procédures numériques itératives (algorithme de
Gauss-Newton, algorithme de Newton-Raphson, Algorithme de Marquard, etc.) pour estimer les paramètres du modèle.
58) Enumérer les différents modèles non mais intrinsèquement linéaires ?
R) Il y a : *le modèle double logarithme ou modèle log-log ; *les modèles semi-logarithmiques (log-lin et lin-log) ; *les modèles
réciproques ; *le modèle log-hyperbole ou modèle logarithme réciproque ; et *les modèles polynomiaux.
59) A quoi consiste le principe de base du maximum de vraisemblance ?
R) A trouver par l'intermédiaire de l'échantillon, la valeur la plus vraisemblable du paramètre de la population.
60) Quels sont les 3 tests asymptomatiques souvent utilisés basés sur l'estimateur de maximum de vraisemblance ?
R) Il y a : *le test de Wald ; *le test du ratio de vraisemblance ; et *le test du multiplicateur de Lagrange (test de score).
CHAP 6 : VIOLATION DES HYPOTHÈSES
61) Quelles sont les causes de l'hétéroscédasticité ?
R) Nous avons, lorsque :
*les observations représentent des moyennes calculées sur des échantillons de tailles différentes ;
*une même valeur de la variable endogène se répète pour des valeurs différentes d'une variable explicative ;
*les erreurs sont liées aux valeurs prises par une variable explicative.
62) Énumérer les tests de détection de l'hétéroscédasticité ?
R) Nous avons les tests : *de Park ; *de Goldfeld-Quandt ; *de Glejser ; *de White ; *de Arch (AutoRegressive Conditional
Heteroskedasticity, par R. Engle) ; *de Breusch-Pagan-Godfrey ; *d'égalité des variances ; et *de Koenker-Basset.
63) Quelle la conséquence de l'hétéroscédasticité ?
R) En présence de l'hétéroscédasticité, les estimateurs des MCO sont encore linéaires et non biaisés, mais ils ne sont plus efficaces
(n'ont plus une variance minimale).
64) Quelles sont les modes de résolution de l'hétéroscédasticité ?
R) Il y a : *la méthode des moindres carrés généralisés (MCG ou GLS) ; *la méthode des moindres carrés pondérés (MCP) ; et *la matrice
des variances-covariances robuste ou matrice de White.
65) Quelles sont les causes de l'autocorrélation des erreurs ?
R) Nous avons :
*le phénomène d'inertie ;
*l'omission des variables explicatives pertinentes ;
*l'opération de lissage, d'interpolation ou d'extrapolation des données ;
*la mauvaise spécification de la forme du modèle (forme fonctionnelle incorrecte).
66) Quelle est la conséquence de l'autocorrélation des erreurs sur les estimateurs des MCO ?
R) Les estimateurs restent non-biaisés mais leurs variances ne sont plus minimales. Affectant ainsi les tests d'hypothèses et la
significativité des estimations.
67) Comment détecter l'autocorrélation des erreurs ?
✌️PDG ✌️partages des Bats
ECONOMETRIE, L1 FASE by Calz Tshiombé Page 5 sur 7
R) Par : *l'examen visuel des résidus ; *le test de Durbin-Watson ; *le test de Breusch-Godfrey ; et *les tests de Box-Pierce et Ljung-Box.
68) Quels sont les modes de résolution de l'autocorrélation des erreurs ?
R) Il y a : *la méthode des moindres carrés généralisés (MCG) ;
*la méthode des moindres carrés généralisés réalisables (MCGR) ou moindres carrés quasi généralisés ;
*la méthode de Newey-West.
69) Comment appelle-t-on la matrice obtenue par correction de la méthode de Newey-West ?
R) La matrice de variances-covariances robustes à l'autocorrélation ou HAC (Heteroskedasticity and Autocorrélation Consistent).
70) Quand parle-t-on de : a) multicolinéarité parfaite ; b) multicolinéarité imparfaite ?
R) Nous parlons de :
a) multicolinéarité parfaite (ou exacte) lorsqu'une des variables explicatives est une combinaison linéaire parfaite de plusieurs autres
variables explicatives ;
b) multicolinéarité imparfaite (ou de quasi multicolinéarité ou simplement multicolinéarité) lorsque les variables explicatives présentent
une multicolinéarité forte, mais pas parfaite.
71) Quelles sont les sources de la multicolinéarité ?
R) Nous avons :
*la méthode de collectes de données ;
*les contraintes sur le modèle ou dans la population échantillonnée ;
*la mauvaise spécification du modèle ;
*l'erreur de construction du modèle de régression quant au choix des variables explicatives ;
*un modèle surdéterminé ;
*les variables explicatives présentent dans le modèle partagent un trend commun.
72) Quelles sont les conséquences de la multicolinéarité ?
R) Nous avons : *les variances et covariances des estimateurs sont majorées, et les résultats de l'estimation perdent donc en précision ;
*les coefficients estimés sont fortement sensibles à des petites variations des données ;
*il est difficile, voire impossible, de distinguer les effets de différentes variables explicatives sur la variable expliquée (effet de masque).
73) Comment pouvons-nous détecter la multicolinéarité ?
R) Par : *la corrélation entre les variables explicatives ; *le test de Klein ; *le test de Theil ; et *le test de Farrar et Glauber.
74) Enumérer 3 remèdes à la multicolinéarité ?
R) *remplacer les variables explicatives par un nombre plus faible de combinaisons linéaires de ces variables ;
*combiner les séries en coupes transversales et les séries temporelles (donc, opter pour l'estimation en panel) ;
*transformer les variables en considérant soit les différences premières, soit les ratios.
CHAP 7 : MODELES A PLUSIEURS EQUATIONS
75) Qu'entendez-vous par modèles apparemment indépendants ?
R) Il s'agit des modèles à plusieurs équations dont chacune d'elles, représentée par une variable endogène, est fonction uniquement
des variables explicatives exogènes.
76) Quelles sont les méthodes d'estimation des modèles apparemment indépendants ?
R) Il y a : *la méthode des moindres carrés ordinaires (MCO) ; *la méthode des moindres carrés généralisés (MCG) ; *la méthode de
Zellner et autocorrélation des erreurs.
77) Qu'entendez-vous par méthode SUR ?
R) SUR (Seemingly Unrelated Regression), il s'agit tout simplement de la méthode MCG appliquée à un système de plusieurs équations.
78) Pourquoi dit-on que les estimateurs SUR sont plus précis (avec une variance plus faible) que ceux de la méthode de MCO ?
R) Car la méthode SUR tient compte des corrélations contemporaines entre les termes d’erreurs de différentes équations du système.
79) Qu’entendez-vous par identités ?
R) Ce sont des équations dans lesquelles tous les coefficients sont égaux à 1 et qui ne comportent pas de termes d’erreur.
80) Qu’entendez-vous par condition de complétude ?
R) C’est la condition selon laquelle la matrice B d’un modèle à équations simultanées est non singulière.
81) Qu’entendez-vous par problème d’identification dans un modèle à équations simultanées ?
R) C’est lorsqu’on veut retrouver les paramètres de la forme structurelle à partir des paramètres de la forme réduite.
82) Enumérez les différents problèmes d’identification des équations et expliquez ?
R) Il y a : *la non identification ou sous-identification ; *l’exacte identification ; et *la sur-identification.
a) un modèle est sous-identifié si au moins une équation du modèle est sous identifiable (si K-k˂g-1) ;
b) un modèle est exactement identifié si toutes les équations sont strictement identifiables (si K-k=g-1) ;
c) un modèle est sur-identifié si les équations sont sur identifiables (si K-k˃g-1).
Où G = nombre de variables endogènes dans le modèle ; g : nombre de variables endogènes incluses dans une équation donnée ;
K : nombre de variables prédéterminées dans le modèle y compris le vecteur unité de la constante (intercept) ;
k : nombre de variables prédéterminées présentes dans une équations données y compris le vecteur unité du terme constant.
83) A quoi consiste la manière rapide de déterminer l’identification d’un modèle à équation simultanée ?
R) A appliquer soit les conditions d’ordre, soit les conditions des rangs.
84) Comment estimer les modèles à équations simultanées ?
✌️PDG ✌️partages des Bats
ECONOMETRIE, L1 FASE by Calz Tshiombé Page 6 sur 7
R) Seuls les modèles exactement identifiés et sur-identifiés sont estimables. Pour les modèles sous-identifiés, il faut réexaminer le
modèle en vue d’en proposer une meilleure spécification.
85) Quelles sont les deux approches pour l’estimation des équations structurelles ?
R) Il y a : *les méthodes à information limitée et *les méthodes à information complète
86) Quelles sont les méthodes d’estimation utilisées dans l’approche de méthodes à information limitée ?
R) Il y a les méthodes : *des MCO, *des doubles moindres carrés (DMC) et *du maximum de vraisemblance à information limitée.
87) Quelles sont les méthodes d’estimation utilisées dans l’approche de méthodes à information complète ?
R) Il y a les méthodes : *des triples moindres carrés, *de moments généralisés des systèmes d’équations et *du maximum de
vraisemblance à information complète.
88) Pourquoi les méthodes à information complète sont rarement utilisées ?
R) En raison de : *de la lourdeur de calcul, *l’existence de solutions non linéaires et *la sensibilité aux erreurs de spécification.
En conséquence, les méthodes à équation unique sont souvent utilisées dans la pratique, surtout lorsqu’il s’agit d’un système
comportant plusieurs équations.
89) A quoi consiste la méthode des moindres carrés indirects dans le modèle à équations simultanées ?
R) A appliquer la méthode de MCO aux équations exactement identifiées.
QUESTIONS A REPONDRE PAR VRAI OU FAUX
1) Le coefficient de Spearman reste robuste face aux points atypiques, même lorsque l'effectif est faible ? R) VRAI.
2) S'il n'y a pas de valeur ex-aequo en X et en Y, la formule du coefficient de Spearman corrigé sera équivalente à la formule de Rs
simple ? R) VRAI.
3) L'hypothèse de normalité des erreurs n'est pas nécessaire pour estimer les paramètres du modèle par MCO ? R) VRAI.
4) L'hypothèse de normalité des erreurs n'est pas nécessaire pour estimer les paramètres du modèle par la méthode du maximum de
vraisemblance ? R) FAUX.
5) La droite de MCO passe par le point moyen ( X , Y ) de l'échantillon ? R) VRAI.
6) La droite de régression d'un modèle sans constante ne passe pas par le point moyen ( X , Y ) de l'échantillon et la somme des résidus
n'est pas nulle ? R) VRAI.
7) Le coefficient de détermination R² (R carré) peut être interprété comme la part de la variation de Y attribuable à la régression linéaire
sur X. Et est compris entre 0 et 1. 0≤R²≤1 ? R) VRAI.
8) Le coefficient de détermination R² n'est utilisable que dans un modèle avec terme constant ? R) VRAI.
9) L'utilisation du coefficient de détermination dans un modèle de régression passant par l'origine (sans terme constant) peut aussi
donner un résultat négatif : R² < 0 ? R) VRAI.
10) Pour les régressions ne présentant pas de valeur en ordonnée à l'origine, on calcule un coefficient de détermination spécifique,
nommé R² brut. Et n'est pas directement comparable à la valeur du R² conventionnel ? R) VRAI.
11) La normalité des erreurs est indispensable pour garantir l'obtention des estimateurs BLUE ? R) FAUX.
12) la normalité des erreurs est cruciale pour effectuer les tests d'hypothèses et calculer les intervalles de confiance des paramètres ?
(V)
13) Plus la variance expliquée est proche de la variance total, meilleur est l'ajustement ? R) VRAI.
14) R² (R² ajusté) est toujours plus petit que R², car n-1/n-K>1 ? R) VRAI.
15) R² ~ R², si le nombre d'observation n, est grand ? R) VRAI.
16) R² peut aussi prendre une valeur négative bien que R² soit exclusivement positif ? R) VRAI.
17) Lorsque les contraintes ne sont pas justifiées (RB ≠ r), l'estimateur contraint ( ϐc ) est biaisé ? R) VRAI.
18) Le ratio de vraisemblance est connu comme le test LR (likelihood ratio) ? R) VRAI.
19) Le test de Chow nécessite que soit connue la date à laquelle se produit la rupture structurelle ? R) VRAI.
20) Le test de stabilité temporelle basés sur les résidus récursifs nécessite la fixation à priori de la date de rupture ? R) FAUX.
21) le modèle log-log est aussi connu sous l'appellation de modèle à élasticité constante ? R) VRAI.
22) Dans le modèle log-lin, le coefficient beta 1 (multiplié par 100) est appelé la semi-élasticité de Y par rapport à X ? R) VRAI.
23) la courbe de Phillips fournie une illustration du modèle réciproque ? R) VRAI.
24) Il est possible d'estimer le modèle de Gompertz lorsqu'on connait la valeur de saturation ? R) VRAI.
25) La courbe logistique est aussi appelée courbe de Verhulst ou courbe de Pearl ? R) VRAI.
26) L'utilisation de la méthode du maximum de vraisemblance présuppose qu'on connaisse la distribution exacte des données ? R) VRAI.
27) Lorsque l'hypothèse de normalité des erreurs est vérifiée, l'estimateur du maximum de vraisemblance est identique à l'estimateur
des MCO ? R) VRAI.
28) Asymptotiquement (dans les grands échantillons), les 3 tests de maximum de vraisemblance sont équivalents et les statistiques
associés à chacun d'eux suivent la distribution de Chi carré ? R) VRAI.
29) Dans les petits échantillons, toute hypothèse rejetée par le test LM sera rejetée par les test de LR et W. Car W≥LR≥LM ? R) VRAI.
30) le problème d'hétéroscédasticité se rencontre plus fréquemment pour les modèles en coupe transversale contrairement au
problème de l'autocorrélation qui est plutôt spécifique aux modèles en séries temporelles ? R) VRAI.
31) Il est possible d'observer une auto corrélation spatiale des erreurs si on utilise les données en coupe transversale préalablement
rangée selon un certain ordre ? R) VRAI.
32) Si la multicolinéarité est parfaite, il est théoriquement impossible d'inverser la matrice (X'X), et par conséquent, il n'est pas possible
de calculer les coefficients du modèle ? R) VRAI.
✌️PDG ✌️partages des Bats
ECONOMETRIE, L1 FASE by Calz Tshiombé Page 7 sur 7
33) Lorsqu'il est impossible de remédier à la multicolinéarité, il faut alors privilégier les tests d'hypothèses jointes (F test) qui
permettent d'évaluer la significativité globale des variables colinéaires ? R) VRAI.
34) Lorsque les corrélations des erreurs inter-équations sont différents de zéro, l'estimateur des MCO devient inefficace. On appliquera
alors la méthode SUR ? R) VRAI.
35) Les estimateurs SUR sont plus précis (avec une variance plus faible) que ceux de la méthode MCO car la méthode SUR tient compte
des corrélations contemporaines entre les termes d'erreurs de différentes équations du système ? R) VRAI.
✌️PDG ✌️partages des Bats
