Vous êtes sur la page 1sur 3

TD d’économétrie

UNIVERSITE DE PARIS 11

Heteroscédasticité

Anne Plunket

1 Problème 1

Pour ce problème, il vous ait demandé de travailler à partir du fichier hetdat2.dta" Cette base de données comprend des informations sur les niveaux de PIB (GDP) et les population de 40 pays de l’OCDE :

1. Ouvrez le fichier hetdat2.dta dans Stata et faîtes un graphique de la production manufactu- rière (manuf) en fonction du PIB - GDP -. Pour obtenir le nom des pays sur le graphique, utilisez la commande suivante :

twoway (scatter manuf gdp, mlabel(country)), ytitle(manuf) xtitle(gdp)

2. Faîtes la régression de la production manufacturière sur le PIB, sauvegardez les résidus et proposez un graphique des résidus en fonction du PIB

3. Que vous apprend l’aspect des résidus ?

4. On vous propose le test de Breush et Pagan suivant qu’en déduisez-vous ?

. estat hettest

Breusch-Pagan / Cook-Weisberg test for heteroskedasticity Ho: Constant variance Variables: fitted values of manuf

chi2(1)

=

12.77

5. Supposons que l’on ne sache pas s’il y a de l’hétéroscédasticité. Appliquez une procédure robuste aux erreurs de la régression. Y a t-il une différence avec la régression des MCO précédente et y a t-il un risque à appliquer une procédure robuste dans ce cas.

2 Problème 2

Le fichier CRIME.dta contient des données sur les arrestations de l’années 1986 ainsi que d’autres informations sur 2725 hommes nés en 1960 ou 1961 en Californie. Chaque homme de l’échantillon a été arrêté au moins une fois avant l’année 1986.

les variables sont les suivantes :

– narr86 "# times arrested, 1986"

– nfarr86 "# felony arrests, 1986"

– nparr86 "# property crme arr., 1986"

– pcnv "proportion of prior convictions"

– avgsen "avg sentence length, mos."

1

– tottime "time in prison since 18 (mos.)"

– ptime86 "mos. in prison during 1986"

– qemp86 "# quarters employed, 1986"

– inc86 "legal income, 1986, $100s"

– durat "recent unemp duration"

– black "=1 if black"

– hispan "=1 if Hispanic"

– born60 "=1 if born in 1960"

ˆ

– pcnvsq "pcnv 2"

– pt86sq "ptime86 2"

ˆ

ˆ

– inc86sq "inc86 2"

1. Lire le fichier CRIME1.dta

2. Pour chacune des variables, décrivez et expliquez quel est son signe attendu (positif ou négatif).

3. Proposez une régression des MCO et une régression robuste de l’équation suivante :

narr86 = f( narr86 pcnv avgsen avgsen2 ptime86 qemp86 inc86 black hispan).

4. Commentez vos résultats (signes attendus, écart-types la variable avgsen

5. Faîtes le test de Breusch et Pagan à partir du carré des résidus. Qu’en déduisez-vous ?

).

Comment analyser l’impact de

3 Problème 3.

Pour ce dernier problème, nous allons étudier le comportement des épargnants. Nous dispo- sons du fichier SAVING.RAW qui contient des données sur 100 personnes pour l’année 1970. Les variables du modèle sont les suivantes :

– sav annual savings, $ (1970)

– inc annual income, $ (1970)

– size family size

– educ years education, household head

– age age of household head

– black =1 if household head is black

– cons annual consumption, $ (1970)

1. A partir du fichier saving.raw et des noms de variables données ci-dessous, entrez les données, associez leur une définition à l’aide de la commande variable label

2. Compte tenu des variables du modèles, pensez vous qu’elles peuvent créer de l’hétéros- cédasticité, expliquez pourquoi ?

3. On vous propose la régression et le test suivants ? Qu’en déduisez-vous quant à l’hétéros- cédasticité ?

. reg sav inc

Source |

SS

df

MS

Number of obs =

100

-------------+------------------------------

F(

1,

98) =

6.49

2

Model |

66368437

1

66368437

Prob > F

=

0.0124

Residual | 1.0019e+09

98 10223460.8

R-squared

=

0.0621

-------------+------------------------------

10790581.8

Total | 1.0683e+09

99

Adj R-squared = 0.0526 =

3197.4

Root MSE

------------------------------------------------------------------------------

sav |

Coef.

Std. Err.

t

P>|t|

[95% Conf. Interval]

-------------+----------------------------------------------------------------

inc |

.1466283

.0575488

2.55

0.012

.0324247

.260832

_cons |

124.8424

655.3931

0.19

0.849

-1175.764

1425.449

------------------------------------------------------------------------------

. estat hettest inc educ

Breusch-Pagan / Cook-Weisberg test for heteroskedasticity Ho: Constant variance Variables: inc educ

chi2(2)

=

68.82

Prob > chi2

=

0.0000

4. Proposez une régression des Moindres Carrés Quasi Généralisés. Expliquez

3