Vous êtes sur la page 1sur 18

Ralis par : JABER YASSINE

EXERCICE (1) :
Le tableau suivant donne les rsultats dune tude transversale sur dix rgions ; les ventes (Y)
du produit sont mises en relation avec les dpenses (X1) de publicit-presse et les dpenses
(X2) de publicit sur les lieux de vente (PLV). Lunit est 103 DH,
Observation (i)
1
2
3
4
5
6
7
8
9
10

Le Modle:

Ventes (Y)
30
22
29
35
25
40
24
21
32
15

Publicit-presse (X1)
2
1
6
4
3
2
6
2
7
1

PLV (X2)
6
3
2
5
3
8
1
2
2
1

= 0 + 1 1 +2 2 +

1)
2)
3)
4)
5)
6)

Mettre le modle sous-forme matricielle ?


Estimer les paramtres du modle ?
Calculer les rsidus puis en dduire lestimation de la variance rsiduelle 2 ?
Estimer la matrice des variances-covariance des coefficients ?
Quel est lintervalle de confiance pour la variance de lerreur ?
Les variables explicatives sont-elles significativement contributives pour expliquer la
variable endogne au risque de 5% ?
7) Les coefficients 1 et 2 sont-ils respectivement significativement diffrents de 1 et 0,5 ?
8) Dresser le tableau de lanalyse de la variance ?
9) Calculer 2 , et dduire le coefficient de corrlation multiple et le coefficient de
dtermination corrig, test la validit du modle ?
10) Calculer les prvisions pour les priodes 11 et 12, et son intervalle de 95% sachant que
1 11 = 2 ; 1 12 =3 ; 2 11 =4 ; 2 12 = 5
Solution :
1) Nous disposons de 10 observations et deux variables explicatives le modle peut donc
scrire comme suit :

1
1
2
1
=

10
1

11
12

110

21
22

210

1 +
2

Do
30
1
20
1
=

15
1

1
2 6

2
1 3
1 +

2
10
1 1

Dimensions :
10;1 = (10;3) (3;1) + (10:1)
2) Estimation des paramtres
=

On sait que
1 1
2 1
6 3

10
34
33




34
160
97

1
1
1

1 2 6
1 1 3


1 1 1

33
97
157

0,8248
= 0,1122
0,10406

0,1122
0,02525
0,007980

0,10406
0,007980
0,02331

Calcul de
(10)
(1,10) 10
(2,10) 10

273
976
1019

9,65
= 2,15
3,13

3) Calcul de 2
On sait que :
2 =

On a :

e =Y

Do

= + 1 1 + 2 2

e = Y X

15

= 9,65 2,151 3,132


On peut donner les valeurs de 1 jusqu 10 observation mais dune manire gnrale :
=

Do

= 7941 9,15 2,15 3,13

273
976
1019

= 155,18
2 =

155,18
103

= 22,17

4) La matrice des variances-covariances :


avec =

= E ( )( )
= 2

XU

Donc :
0,8248
= 22,17 0,1122
0,10406

18,28
= 2,49
2,30

0,1122
0,02525
0,007980

2,49 2,30
0,559 0,177
0,177 0,517

0,10406
0,007980
0,02331

= 18,28
1 = 0,559
2 = 0,517

= 4,27
1 = 0,75
2 = 0,72

5) Lintervalle de confiance de la variance de lerreur est donne par :

IC = P

( 1)2 (1)2
; 2
2

avec X : loi de KH-deux

Dans notre exemple au risque 5% est de :


IC =

(1021)22,17 (1021)22,17
16,01

1,69

IC = 9,70 91,83
Soit 9,70 2 91,83, la variance vraie (mais inconnue) 2 de lerreur 95% de chance de
se situer lintervalle.
6) Il convient de calculer les deux ratios de student et de les comparer la valeur lue dans
la table pour un seuil de 5%

On sait que

~ une loi de student a n 1 degr de libert

Les hypothses tester est suivant :


0 : 1 = 0
1 1 0

Et

0 : 2 = 0
1 2 0

Donc, sous 0

2,15

= 1 = 0,75 = 2,867
1

3,13

= 2 = 0,72 = 4,347
2

2
2
Daprs la table de student, 1
= 103
= 2,365

On constate que les deux t-statistiques est suprieure t-lu sur la table de student. On accepte
1 donc ; les variables publicit-presse et publicit sur les lieux de vente sont bien expliquer
la variable endogne qui est la consommation.
Nous aurions pu tout aussi bien rpondre cette question en calculant les intervalles de
confiance de chacun des coefficients :
On sait que

2
=
+

Do lintervalle de confiance est de :

P ( + ) = 1
Pour 1 :
On a: 1 = 0,75

Daprs la table de student : 1 = 103 = 2,365


Don : IC = P (0,4205 1 3,8795) = 0,95
De mme pour

2 :

IC = P (1,47 2 4,79) = 0,95

Donc on constate que la valeur zro nappartient pas lintervalle de confiance 95% de 1
et 2 , donc ces deux coefficients sont significativement diffrents de zro.
7) La formulation des hypothses est la suivante :

0 : 1 = 1
1 1 1

Et

0 : 2 = 0,5
1 2 0,5

Pour 1 :
=

Sous 0 :

1 1

2,151
0,75

= 1,53 < 2,365 = 70,05

On accepte 0 , 1 nest pas significativement diffrent de 1.


=

Pour 2 :

2 2

3,13(0,5)

0,72

= 5,04 > 2,365

On accepte 1 , le coefficient de rgression 2 est significativement diffrent de 0,5 :


8) Le tableau de lanalyse de la variance est prsent comme suit :
Source de variance
1 , 2
Rsidu
Total

On a

2 = 155, 18

Sommes des carrs


SCE= 332,92
SCR= 155,18
SCT= 488,1

SCT= 488,1

Degr de libert
2
7
9

Carrs moyens
166,46
22,17

SCR= SCT SCE = 332,92

9) Calcul du 2

2 = = 1 =

332,92
488,1

= 0, 68

Le coefficient du corrlation est de : r = 0,82

Le coefficient de dtermination corrig : 2 = 1 1(1 2 )

2 = 1 7(1 0,68) = 0,58


Teste de

2 :

Lhypothse est de :
Calcule le teste de Fisher :

0 : 2 = 0
1 2 0

( )2 /1
2 /

2 /1
(1 2 )/

do =

0,68

( ) = 7,4375

(10,68) 2

Or, daprs la table de FISHER SNEDECOR, F lu avec un risque de 5% et de degr de libert


0,05
pour le numrateur = 2 et degr de libert pour le dnominateur = 7.
2;7
= 4,74
0,05
Puisque > 2;7
= 4,74 donc on accepte 1 la rgression est globalement
significative.

10) La prvision pour les deux priodes est calcule partir du modle estim :
11 = 9,65 + 2,15 2 + 3,13 4 = 26,47
12 = 9,65 + 2,15 3 + 3,13 5 = 31,75

La variance de lerreur de prvision est donne par :


2 + = 2 (1+ + ( )1 + )
Soit 11

1
= 2 ;
4

12

1
= 3
5

On a

( )

0,8248
= 0,1122
0,10406

0,1122
0,02525
0,007980

0,10406
0,007980
0,02331

Donc :
2
11
= 22,17 1 + (1 2

2
12

= 22,17 1 + 1 3

1
4)( )1 2
4

17,94

1
3
5

14,08

5 ( )

Lintervalle de prvision est donne par :

+ = + 1 +
Donc pour un seuil de 95% :
11 = 26,47 2,365 17,94 11 = 16,45; 36,48
12 = 31,75 2,365 14,08 12 = 22,87; 40,62

EXERCICE (2) :
Sur n = 100 observations et pour trois sries (Y ; 1 2 ) nous avons les rsultats
suivants :
V(y) = 1000 ; 2; 1 = 0,75 ; 21; 2 = 0,45 ; 2; 2 = 0,85 ; = 12
1) Nous avons effectu la rgression : = 101 6
Le coefficient de 1 est-il significativement diffrent de zro ?
2) La rgression de y sur 2 donne = 42 + 8 le coefficient de 2 est-il
significativement diffrent de zro ?
3) Calculer les coefficients du modles : y = 0 + 1 1 + 2 2 + et le coefficient de
corrlation multiple ?
4) Les coefficients 1 et 2 sont-ils significativement diffrents de zro ?
5) La rgression est-elle globalement significative ?

Solution :
1) Dtermination de lcart-type de coefficient :
On sait que, dans une rgression simple la variance du coefficient de rgression est donne
par :
21 =

2
( 1 )2

Nous savons que dans le cadre de rgression simple, il ya galit entre corrlation simple et
corrlation multiple, soit :
2; 1 =

( ; 1 )2
( 1 )

Or v(y) =

( )2

1 ( )2
( )2 ( 1 )2

= 2 = = 1 = 0,75

= ( )2 = n v(y)

( )2 = 100 1000 =100000

Donc 2 = 1

100000

= 0,75 SCR = 25000

25000

2 = 1002 = 255,1
Dtermination de la variance de 1 :
1 ( )2

On a : =

1 ( )

Do

1 ( ) = 10 (1 )2

( 1 )2

( )2 ( 1 )2

= 0,75

2
;
1

On remplace dans

10 2 ( 1 )4

0,75 =

2
;
=
1

= 10 et

( )2 ( 1 )2

0,75 =

100 ( 1 )2
( )2

Do
100 (1 )2 = 0,75100000
(1 )2 = 750 et

1 ( ) = 10 750 = 7500

V (1 ) = 7,5 et cov (1 ; ) = 75
Donc
2

21 =

( 1 )2

255,1
75

= 0,34 = 0,58

Teste :
=

10
0,58

0,05
= 17,24 > >30
= 1,96

Do le coefficient de rgression de y sur 1 est significativement diffrent de zro au risque


de 5%.
2) De mme pour 2 :
SCR = (1 0,85)100000 = 15000 2 =

15000
98

= 153,06

Dtermination de la variance de 2 :
=

2 ( )
( 2 )2

2
On a ;
=
2

=4

2 ( )2
( )2 ( 2 )2

V 2 = 53,125

et

2 ( ) = 4 (2 )2
= 0, 85

(2 )2 = 5312, 5

Cov (y; 2 ) = 212,5

Donc :
153,06

22 = 5312 ,5 = 0,0288 = 0,17


Teste : sous 0
4

= 0,17 = 23,53 > 0,05 = 1,96

donc, le coefficient de rgression de y sur 2 est

significativement diffrent de zro.

3) Estimation des paramtres du modle


= 0 + 1 1 + 2 2
Nous raisonnons sur les donnes centres, donc les paramtres estimer peut scrire en
fonction des matrices des variances-covariances
1
1
=
1 ; 2
2

1 ; 2
2

; 1
; 2

Dtermination 1 ; 2 :
On a:

21 2 =

cov 1 ; 2 2
1 2

1 2

= 0, 45

= 0, 45

= 0, 45 750 5312, 5 = 1792968, 75


1 2 = 1339, 01
Cov 1 ; 2 =

1339,01
100

= 13, 39

Nous connaissons donc:


V 1 = 7,5 et
V 2 = 53,125

Cov ; 1 = 75 et Cov 1 2 = 13,39 et Cov ; 2 = 212,5 et

Do
1
7,5
13,39
=
13,39 53,125
2

75

212,5

1
=
2

1
219,14

1
5,197
=
2,69
2
La constante est donn par

0 = 1 1 2 2

53,125 13,39
75
13,39
7,5
212,5

= 12 et

Or

1 =

12+6
10

2 =

= 1,8 et

128
4

=1

0 = 12 5,197 1,8 2,69 1 = 0,032

Donc

Le modle estimer est de : = 0,032 + 5,1971 + 2,692 +


Dtermination de coefficient de dtermination :

2 = =

Donc

5,197



2,69

7500
21250

= 0,96

100000

4) Calcule des cart-types de chacun des coefficients :


On sait que =

1
1 ; 2

1 ; 2
2

Dtermination de la variance de lerreur :


2

2 =

or

2 = 1 = 0,96 (1 0,96)SCT = SCR

SCR = 4000
4000

2 = 1003 = 41,24

Donc
Do

7,5
13,39
= 41,42
13,39 53,125

= 41,42

0,2424
0,0611

0,0611
0,0342

Do
21 = 41,42 0,2424 = 10 1 = 3,16
22 = 41,42 0,0342 = 1,41 2 = 1,18
Teste : sous 0
1

1 =

2 =

2
2

5,197
3,16

= 1,64 < 0,05 = 1,96

2,69

= 1,18 = 2,27 > 0,05 = 1,96

Le coefficient 1 nest pas significativement diffrent de zro donc la variable 1 nest pas
contributive lexplication de y, il convient donc de la retirer de ce modle et de procder
une nouvelle estimation.

Alors que le coefficient 2 est bien explicatif la variable endogne y


Pour la rgression en doit calculer F :
=

2
1 2

1
1

0,96

10,96

31
10021

0,05
= 1164 > 2;97
= 3,10

F-calculer est largement suprieure F lu sur la table FISHER-SNEDECOR


Donc la rgression est globalement significative.

EXERCICE 3 :
Soit le modle trois variables explicatives suivant :
= 0 + 1 1 + 2 2 + 3 3 +
Nous disposons des donnes du tableau :
t
1
2
3
4
5
6
7
8
9
10
11
12
13
14

1)
2)
3)
4)
5)

Y
12
14
10
16
14
19
21
19
21
16
19
21
25
21

1
2
1
3
6
7
8
8
5
5
8
4
9
12
7

2
45
43
43
47
42
41
32
33
41
38
32
31
25
29

3
121
132
154
145
129
156
132
147
128
163
161
172
174
180

Mettre le modle sous forme matricielle ?


Estimer les paramtres du modle ?
Calculer les rsidus puis en dduire lestimation de la variance rsiduelle 2 ?
Estimer la matrice des variances-covariances des coefficients ?
Tester, commenter et donner les probabilits critiques (p-valeur) des testes suivants au
risque de 5% :
0 0 = 0
0 1 = 0
0 2 = 0
0 3 = 0
1 0 0
1 1 0
1 2 0
1 3 0
6) Dresser le tableau de lanalyse de la variance ?
7) Calculer le 2 et le 2 corrig, effectuer le teste globale au risque de 5% ?

Solution :
1) Forme matricielle :
Nous disposons de 14 observations et trois variables explicatives, le modle peut donc scrire
comme suit :
Y = X + U
Donc en peut crire :
1
1 2 45

14
1 7 29

0
1
1

2 +
14
3

121

180

Dimensions :
14;1 = 14;4 4;1 + 14;1
2) Estimation des paramtres :
Soit le modle sous forme matricielle, comme suit :
Y = X + U
Et daprs la Mthode des Moindres Carrs Ordinaires (MCO), qui consiste minimiser la
somme des carrs des erreurs.
=

Donc, on a :

Dtermination de
1
2
=
45
121

14
85
=
532
2094

et

180

1 2


1 7

85
631
3126
13132

532
3126
13132
78683

20,168
0,015
1 =
0,231
0,076


45

29

121

180

2094
13132
78683
317950

0,015
0,013
0,0011
0,00094

0,231
0,0011
0,00363
0,000575

Calcul de

1
2
45
121

180

248
12

1622
=

9202
21
37592

0,076
0,00094
0,000575
0,000401

Calcul de

20,168
0,015
=
0,231
0,076

0,015
0,013
0,0011
0,00094

0,231
0,0011
0,00363
0,000575

0,076
0,00094
0,000575
0,000401

248
1622
9202
37592

32,891
0,8019
=
0,3813
0,0371

Donc :
= 32,9 + 0,801 0, 382 0,0373 +
3) Calcul des rsidus et la variance rsiduelle :
On sait que :
Do

= X

= 32,9 0,801 + 0, 382 + 0,0373

Par exemple pour 1 :


1 = 12 32,9 0,802 + 0, 3845 + 0,037121 = 0,84
Ainsi de suite jusqu 14 .
Mais dune manire gnrale :
= Y

Donc :

= 4620 32,9 0,80 0,381

0,0371

248
1622
9202
37592

= 67,45
Donc :
2 =

67,45

= 144 = 6,745

4) Matrice variance-covariance :
La matrice des variances-covariances est donne par :
= E ( )( )

= 2

Donc :
20,168
0,015
= 6,745
0,231
0,076

0,015
0,013
0,0011
0,00094

0,231
0,0011
0,00363
0,000575

0,076
0,00094
0,000575
0,000401

Les variances des coefficients de rgression se trouvent sur la premire diagonale :

20 = 6,745 20,168 = 136,04 0 = 11,66


21 = 6,745 0,0132 = 0,089

1 = 0,29

22 = 6,745 0,00363 = 0,0245 2 = 0,15


23 = 6,745 0,000401 = 0,0027 3 = 0,05
5) Les testes :
On sait que :

~ Une loi de student a n 1 degr de libert

Do le t-statistique est de : sous 0


0 =
1 =
2 =
3 =

0
0
1
1
2
2
3
3

=
=
=
=

32,8913
11,66
0,8019
0,29

= 2,82

= 2,765

0,38136
0,15
0,03713
0,05

= 2,5424
= 0,7426

0,05
Le 10
lu sur la table de student avec un risque de 5% et de degr de libert de 10 (14

4) est :

0,05
10
= 2,228

Rgle de dcision :
> On accepte 1
< On accepte 0
On voit bien que, 1 et 2 sont significativement diffrents de zro, cest--dire que les
variables 1 et 2 sont contributive lexplication de Y
Alors que, 3 et non significativement diffrent de zro, donc la variable 3 nest pas
contributive lexplication de Y, il convient donc de la retirer de ce modle et de procder
une nouvelle estimation.

Dtermination de p-valeur :

Dans notre cas, il sagit ici dun test bilatral, donc p-valeur est donne comme suit :
p-valeur = 2 1 ( <

= 2 1 ( )
Par exemple pour 2
On sait que

= 2,54

On trouve daprs la table de student que les valeurs encadrent = 2,54, avec un DDL de
10 sont : 2,228 et 2,764.
0,975.x ?.....................0,99

10 ..2,228 ..2,542,764
Donc en procde une interpolation linaire :
x = 0,975 + (0,99 0,975)

2,542,228
2,7642,228

= 0,9837

p-valeur = 2 1 0,9837 = 3,24%

Donc

Rgle de dcision

p-valeur < au risque On accepte 1


p-valeur > au risque On accepte 0

Donc, notre cas : p-valeur < au risque , 0,0324 < 0,05 acceptation de 1 . Donc si la mme
dcision par apport a la premire de t-statistique.

6) Tableau de lanalyse de la variance :


Source de variance
1 , 2 , 3
Rsidu
Total

Sommes des carrs


SCE= 159,40
SCR= 67,45
SCT= 226,85

Degr de libert
3
10
13

Carrs moyens
53,13
6,745

7) Calculer le 2 et le 2 corrig, effectuer le teste globale au risque de 5% ?


2 =

= 1-

=1

67,45
226,85

= 0,702 = 70,2%

2 = 1 1(1 - 2 )
141

= 1 1431 (1 0,702) = 61,3%


Test :
Pour tester le modle ou bien le coefficient de dtermination 2 , on utilise le test de FISHER
SNEDECOR not F.

= (1 21
)

0,702

= (10,702)

10
3

= 7,85

Le F lu avec un risque de 5% et de degr de libert pour le numrateur = 3 et de DDL pour le


dnominateur = 10 est de = 3,71
On constate que > = 3,71. Donc on accepte1 , la rgression est globalement
significative.

Exercice 4 :
On examine lvolution dune variable en fonction de deux exognes 1 et 2 . on
dispose de n observations de ces variables. On note X = 1 1 2 ou 1 est le vecteur
constante et 1 et 2 sont les vecteurs des variables explicatives.
1) On obtenu les rsultats suivants :
25
= ?
?

0
0
9,3 5,4
? 12,7

0,04
0
0
0,1428
0
0,0607

0
0,0607
0,1046

(a) Donner les valeurs manquantes ?


(b) Que vaut n ?
2) La rgression de Y sur la constante et les deux exognes donne :
= -1,61 + 0,611 + 0, 462 ; SCR =0,3 = 73,48 et = -1,6
(a) Calculer la somme des carrs expliqus (SCE), la somme des carrs totale (SCT), le
2 et le 2 ajust ?
(b) Dduire la matrice variance-covariance, et tester la significativit individuelle de
chaque paramtre ainsi que leur significativit conjointe ?

Solution :
1)

1
2

On sait que =
1 = 0 et

On a

2 = 0

1
2
1
2 1

2
1 2
2
2

2 1 =

1 2 = 5,4

n = 25

2)
a) On sait que SCT = SCE + SCR
SCT = - n 2 = 73,48 25(1,6)2 = 9,48
Donc SCE = SCT SCR = 9,48 0,3 = 9,18

9,18

2 = = 9,48 = 0,968
1

24

2 = 1- (1 - 2 ) = 1 - 23 (1- 0,968) = 0,966


b) La matrice variance covariance :
= 2 ( )1

On sait que la 2 = =
Donc

0,3
22

= 0,01363

0,04
0
0,1428
= 0,01363 0
0
0,0607

0
0,0607
0,1046

Les variances des coefficients de rgression se trouvent sur la diagonale :


20 = 0,01363 0,04 = 5.452 104 0 = 0,0233
21 = 0,01363 0,1428 = 1.946364 103 1 = 0,0441
22 = 0,01363 0,1046 = 1.425698 103
Teste : sous 0

2 = 0,03778

0 =
1 =
2 =

0
0
1
1
2
2

1,61
0,0233

= 69,09

0,61

= 0,0441 = 13,83
0,42

= 0,03778 = 11,116

0,05
Le 0,05
1 = 22 = 2,074 lu sur la table de STUDENT FISHER.
0,05
On constate que est largement suprieure au 22
= 2,074. Donc les variables exognes

sont contributive lexplication de Y.