Vous êtes sur la page 1sur 5

1

TESTS D'HYPOTHSE LINAIRE Les tests d'hypothse linaire d'un modle conomtrique appartiennent au vaste domaine des tests statistiques. On en rappelle le principe gnral. Une ou plusieurs grandeurs pour lesquelles on dispose d'observations sont supposes suivre un certain modle, dit modle de base ou alternatif et not Ha (par exemple la taille d'un adulte est modlise par une loi normale). On veut tester une hypothse plus particulire, dite hypothse H0, inspire par la rflexion ou l'examen des donnes (par exemple la taille moyenne des hommes et celle des femmes sont-elles gales ?) Pour ce faire, on dtermine une certaine grandeur, ou statistique, drive des grandeurs initiales et calculable sur les observations, dont on connat - au moins de manire approximative - la loi de distribution lorsque H0 est vraie, (par exemple la diffrence normalise des moyennes empiriques des hommes et des femmes examins suit une loi de Student si l'hypothse est correcte). On dtermine la zone des valeurs les plus improbables pour cette loi de distribution, dite zone de rejet, pour une probabilit totale choisie, dite niveau de risque (souvent 5%). La zone complmentaire est la zone d'acceptation et sa probabilit est le niveau de confiance, Enfin, si la valeur, calcule sur les donnes, de la statistique choisie est dans la zone de rejet, on rejette l'hypothse H0 juge trop improbable au niveau de risque choisi et on conserve l'hypothse alternative Ha qui n'est pas remise en doute. Sinon, on accepte H0.

HYPOTHSES LINAIRES Hypothse linaire Soit un modle linaire, une hypothse linaire (ou restriction linaire) est un ensemble de une, ou plusieurs, conditions du premier degr, portant sur les coefficients. Exemples : partir du modle de dpart quatre variables explicatives (incluant la constante), et d'ala : Y = a.X + b.Z + c.T + d + on donne diffrents exemples d'hypothses linaires.

b=0 b=c b = -1 et c = 0 a + c = 1 et d = 0 a=b=c=0


Modle transform

(une condition) (une condition) (deux conditions) (deux conditions) (trois conditions)

Le modle initial peut s'crire sous une forme plus simple, traduisant algbriquement l'hypothse linaire.

Exemples : on donne les modles transforms du modle initial dans les cas prcdents.

Y = a.X + c.T + d + Y = a.X + b.(Z+T) + d + Y+Z = a.X + d + Y-T = a.(X-T) + b.Z + Y=d+

(trois explicatives) (trois explicatives) (deux explicatives) (deux explicatives) (une explicative)

Le nombre des variables explicatives est diminu du nombre de conditions lmentaires. Le modle transform (par l'hypothse linaire) est un cas particulier du modle initial. Problme Lorsqu'on estime le modle initial par les mco, les estimations des coefficients peuvent satisfaire de manire plus ou moins approche l'hypothse linaire envisage, alors que les coefficients estims sur le modle transform, par construction, vrifient exactement l'hypothse linaire. On veut tester, ou prouver, si l'hypothse linaire est acceptable, c'est dire si le modle transform est correct (auquel cas, ses coefficients estims seront retenus). TEST DE FISHER D'UNE HYPOTHSE LINAIRE Notations Elles sont empruntes au domaine de la thorie des tests statistiques rappele plus-haut.

On note H0 l'hypothse linaire que l'on veut tester, et le modle transform correspondant. On note Ha le modle initial (ou alternatif), suppos priori correct.
Conditions On suppose que le modle satisfait aux hypothses des mco, avec ala normal (c'est dire que les alas i sont indpendants et de mme loi normale N(0,s)). Principe Sous les conditions prcdentes, on montre que, si l'hypothse H0 est vraie, la quantit, note F : SCR0 - SCRa ------------------dl0 - dla F = -------------------------SCRa ------dla

suit une loi de Fisher (dite aussi parfois de Fisher-Snedecor) : F(dl0-dla,dla), dl0-dla et dla degrs de libert. SCRa note la somme des carrs des rsidus de la rgression par les mco du modle H a, et dla le nombre de degrs de libert, c'est dire le nombre d'observations diminu du nombre d'explicatives (N-k), SCR0 et dl0 notent les quantits correspondantes du modle H0, et dl0-dla est donc le nombre de conditions lmentaires. Test de Fisher Les lois de Fisher F(p,q), drives de la loi normale, tant tabules, pour tester au niveau de risque: , le modle H0, on examine la position de la quantit F calcule par rapport au seuil de rejet de niveau de risque : F, pour la loi F(dl0-dla,dla).

Si F F on admet l'hypothse linaire et le modle H0 au risque . Si F > F on juge la valeur obtenue de F trop improbable et on rejette H0 au risque (et on
retient le modle initial Ha).

F(dl0-dla,dla)

Exemple : soit le modle de demande de th de Ceylan aux tats-Unis: ln Q = a + b.ln PC + c.ln PI + d.ln PB + f.ln R + o Q note les importations de th de Ceylan, PC le prix du th de Ceylan, PI le prix du th d'Inde, PB le prix du caf du Brsil, R le revenu national et l'ala. La rgression par les mco donne l'quation estime: lnQ = 2,837 - 1,481.lnPC + 1,181.lnPI + 0,186.lnPB + 0,257.lnR (2,000) (0,987) (0,690) (0,134) (0,370) avec N = 22 et SCR = 0,4277 On veut tester l'hypothse: b = -1 et c = 0 (c'est dire d'lasticit unitaire des quantits au prix et conjointement d'absence d'influence du prix du th d'Inde). L'estimation du modle transform donne: lnQ + lnPC = -0,738 + 0,199.lnPB + 0,261.lnR (0,820) (0,155) (0,165) (0,6788 - 0,4277)/2 on calcule: F = -------------------------- = 4,99 0,4277/(22-5) et SCR = 0,6788

pour une loi de Fisher F(2,17), on lit d'autre part dans la table le seuil de rejet au risque 5%: F0,05 = 3,59. On rejette donc au risque 5% l'hypothse linaire envisage. CAS PARTICULIERS DU TEST DE FISHER Test de nullit d'un coefficient La nullit d'un coefficient est une hypothse linaire particulire (premier exemple), cependant le test de Fisher d'une telle hypothse est inutile car il est mathmatiquement quivalent au test de Student de significativit d'un coefficient, dj prsent. Test de nullit de tous les coefficients sauf la constante Ce test radical de significativit minimum de la rgression (cinquime exemple) est appel test F, et il est calcul systmatiquement par les logiciels conomtriques. Concrtement, il conduit presque toujours au rejet de l'hypothse teste et prsente donc un intrt limit. Test de stabilit d'une partie des coefficients On prsente la mthode sur un exemple. Soit un modle temporel, expliquant Y par les variables X, Z, W et la constante, on suppose que les coefficients de X et de Z ont pu varier entre les deux sous-priodes: I et II. Le modle alternatif peut s'crire, en ddoublant les variables X et Z: Ha: Y = aI.XI + aII.XII + bI.ZI + bII.ZII + c.W + d +

o XI vaut X sur la sous-priode I et 0 sur la sous-priode II, et XII l'inverse (soit XII = X - XI), de mme pour ZI et ZII. L'ala est . L'hypothse linaire est: aI = aII et bI = bII, et le modle transform: H0: Y = a.X + b.Z + c.W + d +

Si N est le nombre d'observations, le test de H0 revient (SCR0 - SCRa)/2 comparer: F = ---------------------SCRa/(N-6) une loi F(2,N-6).

Test de stabilit de tous les coefficients (test de Chow) L'estimation du modle alternatif, aprs ddoublement de l'ensemble des variables, revient en fait faire deux rgressions sparment sur les deux sous-priodes, tandis que le modle traduisant la stabilit est le modle simple sur toute la priode. Avec des notations naturelles, N observations et k explicatives, le test revient comparer la quantit:

SCR0 - (SCRI+SCRII) ----------------------------k F = ---------------------------------SCRI+SCRII ----------------N-2k

une loi F(k,N-2k).

Exemple : l'tude d'une fonction de consommation aux tats-Unis a donn les trois rgressions : pour 1929-41: pour 1946-70: C = 282,56 + 0,69328.R (39,6) (0,035) C = 63,09 + 0,88286.R (22,2) (0,011) o SCR = 3611,39 et dl = 11 o SCR = 7399,05 et dl = 23 o SCR = 19839,62 et dl = 36

pour l'ensemble: C = 85,06 + 0,87104.R (13,9) (0,008) Pour tester la stabilit, on compare : (19838,62 - 11010,44)/2 F = --------------------------------- = 13,63 11010,44/34

une loi F(2,34)

le seuil de rejet au risque 5% est de l'ordre de 3,28 et on rejette donc l'hypothse de stabilit. On vient de voir comment effectuer la main un test dhypothse linaire (en rgressant explicitement le modle transform puis en examinant la quantit F calcule partir des rsidus des deux rgressions) ; les logiciels conomtriques, tels SAS, Eviews ou Gretl, dispensent lutilisateur de ces oprations : il suffit dindiquer dans une syntaxe approprie la ou les contraintes tester, le logiciel calcule alors la valeur de F et indique quel seuil dacceptation/rejet elle correspond. Il faut dautre part garder l'esprit que les tests de Fisher ne sont corrects qu'autant que les hypothses des mco, avec normalit des alas, sont satisfaites. Il convient donc en principe de s'en assurer par l'examen pralable des rsidus. Il est galement important de noter que le rejet d'une hypothse: H 0, la suite d'un test de Fisher d'hypothse linaire, ne constitue aucunement une confirmation a posteriori de l'hypothse initiale : Ha. Si celle-ci tait douteuse, elle le reste: on teste H0 contre Ha, en supposant Ha vraie. ----===ooOoo===---(02.10.2008)