DEVOIR ECONOMETRIE
Professeur :
MR. KITOHOU
Niveau :
Master 1
Filière :
Finance
Membres du groupe :
1-kessie gouani grace Danielle
2-Darboux Charlene Sabine
3- Gboagnon Diane Christelle
4- Kouame Ruth Godé
5- Bahi dohoua marie joelle
TP1 : Econométrie appliquée
L’équation de la production ivoirienne est la suivante :
𝑃𝐼𝐵 = 𝐴𝐾𝑡 𝛾 𝐿 1 𝑡 −𝛾 + µ
1) Donner une explication du terme 𝜇𝑡
Le terme 𝜇𝑡 represente le terme d'erreur. C’est l’erreur de specification car l'équation ne
pas expliquer le pib . Ce terme capte l'impact de facteurs non observables qui influencent
la production.
2) Donner les sources de 𝜇𝑡 .
- erreur d'échantillonnage : l'échantillon de données utilisé pour estimer un modèle
ne reflète pas parfaitement l'ensemble de la population
-Erreurs de mesure : dans la collecte des données économiques ou l'estimation des
variables utilisées dans le modèle.
- erreur d'observation : C’est lorsqu'il y a des erreurs dans la mesure des variables
observées.
3) Ecrire cette équation sous une forme linéaire
log(PIBt)=log(A)+γlog(Kt)+(1−γ)log(Lt)+ϵt
4) Tester la normalité et la lognormalité des variables
Estimation du modèle linéaire
logPIB=log(A)+γlogKt+(1−γ)logLt+εt
Test de normalité
•
o p-value < 0.05 → les résidus ne suivent pas une loi normale.
les variables en logarithmes sont normales → elles sont log-normales dans leur forme
initiale.
5) Estimer les paramètres par MCO et interpréter
Pour estimer les paramètres du modèle par Moindres Carrés Ordinaires (MCO), il faut
d'abord obtenir les données nécessaires pour \( K_t \) et \( L_t \) puis appliquer une
régression. Les coefficients estimés fourniront des informations sur l'élasticité de la
production par rapport au capital et au travail.
6) a. Test de significativité des coefficients
Les tests t (ou les statistiques associées, tels que p-valeurs) doivent être vérifiés pour
chacun des coefficients estimés. Si p < α (généralement 0.05), le coefficient est
considéré significatif.
6) b. Test de significativité globale du modèle
On peut utiliser le test F pour déterminer si le modèle dans son ensemble explique
significativement la variation des données.
6) c. Test d’hétéroscédasticité des erreurs
Le test de Breusch-Pagan ou le test de White peut être utilisé pour vérifier
l'hétéroscédasticité des erreurs résiduelles dans le modèle.
6) d. Test ARCH
Le test d'Engle pour l'autocorrélation conditionnelle des variances (ARCH) peut être
réalisé pour vérifier si les erreurs présentent une hétéroscédasticité conditionnelle.
6) e. Test d’autocorrélation des erreurs de Durbin-Watson et correction
Le test de Durbin-Watson permet de vérifier l'autocorrélation des erreurs. Pour
corriger l'autocorrélation, on pourrait appliquer la méthode de Cochrane-Orcutt, qui
implique de ré-estimer le modèle en prenant en compte l'autocorrélation.
6) f. Test de spécificité de Ramsey
Le test de spécificité de Ramsey (RESET) détermine si l'ajout de termes non linéaires
améliore la qualité du modèle, indiquant une omission potentielle de variables
importantes.
6) g. Test de stabilité des coefficients
Test de Chow* : Cela implique de diviser les données en deux ensembles et de tester
si les coefficients sont significativement différents entre eux.
Test de Cusum* : Ce test de stabilité examine la somme cumulative des résidus afin
d'observer si le modèle reste prévisible sur l'ensemble de l'échantillon.
7) Déterminer la prévision de la production sur 2 ans
Pour prévoir la production sur 2 ans, on peut utiliser le modèle estimé et les valeurs
prévisibles de \( K_t \) et \( L_t \) en appliquant les coefficients estimés à ces nouvelles
valeurs dans la formule modifiée.
Les prévisions peuvent être réalisées en utilisant des méthodes statistiques ou des modèles
ARIMA/VAR, en tenant compte des tendances historiques et des projections futures des
variables économiques sous-jacentes.
