Vous êtes sur la page 1sur 27

Chapitre 4 Les modèles de choix binaire

Les modèles de régression linéaire développés ci-dessus co ncernent une variable dépendante continue (comme par exemple le salaire ou le taux de chômage). Ce chapitre considère des modèles de régression pour une varia ble dépendante discrète, c’est-à-dire prenant un nombre fini de valeurs possibles. No us commencerons par la situation la plus simple dans laquelle la variable dépend ante prend deux valeurs possibles.

4.1 Exemples et définitions

De nombreux phénomènes économiques peuvent être modélisés comme un choix entre plusieurs alternatives possibles. Commençons par qu elques exemples.

1. Supposons que l’on s’intéresse aux modes de transport uti lisés par les tra- vailleurs en Belgique. Plus spécifiquement, on s’intéresse a u choix des tra- vailleurs entre le transport en commun ou le transport privé . La variable dépendante que nous souhaitons étudier prend ici deux valeu rs possibles :

«transport public» ou «transport privé». Si Y i représente le mode de trans- port choisi par l’individu i, on écrit par exemple

Y i = 0

1

Si l’individu i utilise un transport privé

Si l’individu i utilise un transport public

Dans cet exemple, il serait intéressant de pouvoir explique r le choix du mode de transport en fonction de variables explicatives (par exe mple le revenu, la composition familiale, la région d’habitation, les avanta ges fiscaux à utiliser le transport en commun, etc.). Une telle variable Y i prenant deux valeurs possibles est une variable de choix binaire.

2. Les universités peuvent s’intéresser au choix des étudia nts pour leur établis- sement d’enseignement supérieur. Ce choix est en effet déter minant pour son

ULB 2014 – STATS308 – Économétrie (Dehon-Van Bellegem) 166

financement. Si Y i représente l’université choisie par l’étudiant i, on écrit par exemple

Y i =

1 Si l’étudiant i choisit l’UCL

2 Si l’étudiant i choisit l’ULB

3 Si l’étudiant i choisit l’ULg

4 Si l’étudiant i choisit une autre université

de la Communauté française

5 Si l’étudiant i choisit une autre université

que les précitées

Il serait intéressant d’étudier le choix de l’université en fonction de variables explicatives telles que la distance entre le domicile et l’u niversité, le réseau de l’établissement d’enseignement secondaire de l’étudiant , les caractéristiques socio-économiques de la famille, etc. Une telle variable Y i prenant plus de deux valeurs possibles est une variable de choix multiple.

3. Lorsqu’on s’intéresse aux salaires dans une population d onnée, il n’est pas toujours nécessaire d’expliquer cette variable dépendant e à l’euro près. On est parfois amené à considérer des catégories de salaire, co mme par exemple :

Y i =

 

1 Si le revenu annuel du ménage i est en dessous 20k€

2 Si le revenu annuel du ménage i est entre 20k€ et 25k€

.

.

.

.

Dans cet exemple, une variables discrète multiple a été cons truire à partir de la variable continue de salaire. La variable Y i ainsi définie s’appelle une variable catégorielle.

4. On peut également faire une distinction dans les variable s de choix multiple. Dans l’exemple précédent, la variable dépendante présente un ordre logique pour présenter les catégories : Y = 1 représente les plus bas revenus, Y = 2 représente la catégorie de revenu juste supérieure etc. Dans certaines situations, il n’y a pas d’ordre logique dans l’encodage de la variable Y . À titre d’exemple, considérons à nouveau le choix du mode de transport et affinons notre analyse en précisant si un individ u qui choisit le transport en commun utilise le bus ou le train. Dans ce cas, on peut encoder la variable dépendante comme suit :

Y i =


 

1 Si l’individu i utilise la voiture

2 Si l’individu i utilise le bus

3 Si l’individu i utilise le train

ULB 2014 – STATS308 – Économétrie (Dehon-Van Bellegem) 167

Remarquons que cet encodage est arbitraire puisqu’on aurai t pu encoder par "1" les individus prenant le train. Lorsque, comme dans c et exemple, la variable dépendante n’indique aucun ordre naturel dans la variable discrète, on parle de variable discrète non ordonnée.

Les différentes situations énumérées ci-dessus sont import antes car elles vont dicter la stratégie de modélisation du choix des individus. Comme nous l’avons fait dans les chapitres précédents, nous développons ci-de ssous des modèles pour l’espérance conditionnelle

E (Y |X 1 , X 2 ,

, X K )

(4.1)

c’est-à-dire pour la valeur attendue du choix Y conditionnellement à un vecteur de variables explicatives. Ce que nous souhaitons surtout a nalyser, c’est l’impact de chacune des variables explicatives sur le choix Y . A titre d’exemple, on peut se poser la question : Quel est l’impact d’un accroissement des avantages fiscaux sur le choix du mode de transport d’un individu ? Le présent chapitre se concentre sur les variables dépendantes binaires.

4.2 Le modèle de probabilité linéaire (LPM)

, X K ) un

ensemble de variables explicatives. Pour se fixer les idées, nous allons travailler sur

l’exemple concret suivant.

Soit Y une variable binaire prenant les valeurs 0 et 1, et X = (X 1 ,

Exemple La Grande-Bretagne tient à jour une base de données sur les mé nages bri- tanniques 1 que nous souhaitons utiliser pour expliquer l’emploi. Nous nous concentrons sur un échantillon de familles monoparentales étudié notamment par Duncan (2005). Nous nous intéressons à la variable dépen dante binaire Y = 1 si le parent travaille, Y = 0 s’il ne travaille pas. Nous avons à disposi- tion une series de variables explicatives :

X 1 = AGE = âge du parent

X 2 = TEA = nombre d’années d’éducation du parent

X 3 = MARITAL = statut civil (prenant quatre valeurs : célibataire, veuf, divorcé ou séparé)

X 4 = TOTKIDS = nombre d’enfants dans le ménage

X 5 = YOUNGCH = âge du plus jeune enfant

X 6 = WHITE = indique si l’individu est blanc (=1) ou non

En élaborant un modèle pour (4.1), on s’intéresse à l’influen ce de chacune de ces variables explicatives sur l’emploi, c’est-à-dire sur la valeur attendue de la variable binaire Y .

ULB 2014 – STATS308 – Économétrie (Dehon-Van Bellegem) 168

Comme la variable Y est binaire, nous calculons directement :

E (Y |X ) = P (Y = 1|X ) .

En d’autres termes, l’espérance conditionnelle s’interpr ète simplement comme une probabilité conditionnelle. En analogie avec le modèle de r égression linéaire, nous modéliserons cette probabilité comme une fonction linéair e des variables explica- tives :

E (Y |X ) = β 1 X 1 + β 2 X 2 +

= X β .

+

β K X K

(4.2)

Comme l’espérance conditionnelle coïncide ici avec une pro babilité conditionnelle, ce modèle s’appelle le modèle de probabilité linéaire (LPM 2 ). Comme dans le cas de la régression linéaire, on introduit la variable aléatoi re d’erreur ǫ := Y E (Y |X ) et le modèle LPM se définit de façon équivalente

Y

= X β + ǫ .

(4.3)

En dépit de sa ressemblance formelle avec le modèle de régres sion linéaire, le modèle LPM comporte de sérieux inconvénients.

Tout d’abord, observons que la variable d’erreur ǫ est hétéroscédastique et dé- pend du paramètre inconnu β . Puisque X β + ǫ doit être égal à 0 ou 1 avec la pro-

babilité

ou (1 X β ) avec les probabilités correspondantes. La variance condit ionnelle de

P (Y = 0|X ) ou P (Y = 1|X ) respectivement, l’erreur ǫ doit valoir (X β )

l’erreur ǫ est donc égale à

V ar(ǫ |X ) = (X β ) 2 P (Y = 0|X ) + (1 X β ) 2 P (Y = 1|X )

en utilisant P (Y = 0|X ) = 1 P (Y = 1|X ) pour la variable binaire Y , on obtient immédiatement

V ar(ǫ |X ) = X β (1 X β ) .

Cette dernière expression montre que la variable d’erreur d ans le modèle (4.3) est hétéroscédastique. De plus, cette hétéroscédasticité n’e st pas connue en pratique car elle dépend des paramètres β à estimer. Pour remédier au problème d’hétéroscédasticité, nous pouvons éventuellement

utiliser l’estimateur OLS robuste (Section 3.3.4). Cepend ant, même si nous utilisons cet estimateur, un problème plus sérieux subsiste en ce qui c oncerne la prédiction.

ˆ

En effet, à supposer que nous obtenions un estimateur β , le prédicteur dans le

modèle linéaire (4.3) s’écrira

Y 0 = X β

0

ˆ

ˆ

2. Linear Probability Model.

ULB 2014 – STATS308 – Économétrie (Dehon-Van Bellegem) 169

ˆ

et rien n’assure que Y 0 soit bien une probabilité comprise entre 0 et 1. Pour voir ce

phénomène autrement, rien n’assure dans le modèle (4.2) que la droite de régression X β soit bien comprise entre 0 et 1, donc modélise valablement la probabilité conditionnelle P (Y = 1|X ). Pour ces raisons, le modèle linéaire LPM n’est pas souvent ut ilisé dans les modèles de choix discrets. 3

4.3 Les modèles probit et logit

4.3.1 L’approche par transformation

L’idée des modèles probit et logit est de modifier le modèle li néaire (4.2) en imposant que l’espérance E (Y |X ) soit comprise entre 0 et 1. Pour ce faire, on remplace le modèle (4.2) par le modèle

E (Y |X ) =

=

G ( β G

1 X 1

X β

+ β 2 X 2 +

+

β K X K )

(4.4)

G est une fonction choisie par l’économètre et comprise entre 0 et 1 (donc telle que 0 G(z ) 1 pour tout z ). Le rôle de la fonction G est de transformer le modèle linéaire X β pouvant prendre des valeurs sur (−∞ , ), en un modèle G(X β ) satisfaisant la contrainte de rester sur l’intervalle [0, 1]. Quelle fonction G choisir ? Il y a traditionnellement deux choix possibles pou r cette fonction. Ces choix, que nous allons à présent définir, portent le nom de modèle probit et modèle logit .

4.3.2 Le modèle probit

Dans le cas du modèle probit, on choisit comme fonction G la fonction de dis- tribution de la variable aléatoire Normale standardisée. R appelons que la fonction de densité de la loi Normale standardisée est

φ(u) =

1 2π e u 2 /2 ,

u R .

Cette fonction est représentée à la Figure 4.1(a). La foncti on de distribution cor- respondante est

Φ(z ) =

z

−∞

φ(u)du,

z R

et est représentée à la Figure 4.1(b).

3. Des auteurs ont proposé certaines corrections afin de solu tionner les problèmes du modèle LPM. Voir Judge, Griffiths, Hill, and Lee (1985) pour une discussion plus détaillée.

ULB 2014 – STATS308 – Économétrie (Dehon-Van Bellegem) 170

0.4

1.0

0.8

0.3

0.6

0.2

0.4

0.1

0.2

0.0

0.0

−3 −2 −1 0 1 2 3
−3
−2
−1
0
1
2
3

(a) Fonction de densité φ.

−3 −2 −1 0 1 2 3
−3
−2
−1
0
1
2
3

(b) Fonction de distribution Φ .

Figure 4.1: Fonctions de distribution et fonction de densité de la loi Normale standardisée N (0, 1).

Comme toute fonction de distribution, la fonction Φ(z ) est comprise entre 0 et 1. Elle constitue donc une fonction possible pour jouer le rôle de la fonction G dans le modèle (4.4). Le modèle probit s’écrit donc :

E (Y |X ) = P (Y = 1|X ) = Φ X β .

4.3.3 Le modèle logit

(4.5)

Un autre choix populaire pour la fonction G est la fonction logistique

Λ(z ) =

e z 1 + e z

qui est, elle aussi, comprise entre 0 et 1. Cette fonction est représentée à la figure

4.2.

Le modèle logit (ou logistique ) s’écrit alors

E (Y |X ) = P (Y = 1|X ) = Λ X β

.

(4.6)

4.3.4 Interprétation et comparaison des modèles

Nous résumons les trois modèles développés ci-dessus :

Le Modèle LPM : P (Y = 1|X ) = X β ,

Probit : P (Y = 1|X ) = Φ(X β ),

Le

Modèle

Logit : P (Y = 1|X ) = Λ(X β ).

Le

Modèle

ULB 2014 – STATS308 – Économétrie (Dehon-Van Bellegem) 171

−3 −2 −1 0 1 2 3 Figure 4.2: Fonctions logistique Λ(z ). 0.0 0.2
−3
−2
−1
0
1
2
3
Figure 4.2: Fonctions logistique Λ(z ).
0.0
0.2
0.4
0.6
0.8
1.0

Dans ces trois modèles, la probabilité est modélisée par une fonction monotone des variables exogènes X . Nous avons donc la première interprétation intuitive suivante : si le paramètre β j associé à la variable explicative X j est positif (resp. négatif), alors, ceteris paribus, la probabilité conditio nnelle P (Y = 1|X ) augmen- tera (resp. diminuera) si la variable X j augmente. Que pouvons-nous dire de la magnitude de cette variation, c’ est-à-dire de l’effet marginal de la variable X k ? Pour répondre à cette question, nous calculons la dérivée partielle 4

P (Y = 1|X ) ∂X j

dans chacun des trois modèles. Nous trouvons : 5

Dans le modèle LPM :

P (Y = 1|X ) ∂X j

=

β j

Dans le modèle Probit :

P (Y = 1|X ) ∂X j

=

φ(X β )β j

Dans le modèle Logit :

P (Y = 1|X ) ∂X j

=

exp(X β )

{1 + exp(X β )} 2 β j

4. Voir la section 2.3 ci-dessus

ULB 2014 – STATS308 – Économétrie (Dehon-Van Bellegem) 172

L’effet marginal est modélisé très différement dans les trois modèles. On constate tout de suite que les paramètres β j des trois modèles ne sont absolument pas com- parables entre eux. De plus, le coefficient β j ne représente l’effet marginal de la variable X j que dans le modèle LPM. Dans les modèles probit et logit, l’eff et mar-

ginal varie en fonction de toutes les variables exogènes X 1 ,

, X K .

Exemple Reprenons l’exemple du mode de transport où Y = 0 si l’individu utilise un transport privé, et Y = 1 si l’individu utilise les transports publics. Imaginons que nous analysions ce choix par rapport à un ensemble de vari ables expli- catives X parmi lesquelles se trouve la variable tps représentant le temps de parcours domicile-travail.

1. Si le terme X β est élevé, disons égal à 3, alors, dans les modèles logit ou probit, la probabilité que l’individu utilise le transport en commun est proche de 1 (car Φ(3) et Λ(3) sont proches de 1). Dans ce cas, quel est

l’effet marginal de la variable tps ? On observe que φ(3) et

sont proches de 0, donc l’effet marginal sera lui-même pratiq uement nul. Cela signifie qu’un changement dans la variable «temps de par cours» aura peu d’impact sur le choix du transport de l’individu. Ce t effet est naturel car l’individu possédant une combinaison linéaire X β élevée est prédisposé à utiliser les transports en commun et son com porte- ment sera assez robuste face à un petit changement dans une va riable explicative particulière, comme tps .

2. Au contraire, si le terme X β est proche de zéro, Φ(X β ) et Λ(X β ) sera proche de 1 / 2 . Nous sommes ici dans la situation où l’individu opte pour un mode de transport avec une probabilité 1 / 2 . Cet individu est donc indécis. Qu’en est-il de l’effet marginal ? Ici l’effet ma rginal sera maximal, ce qui signifie que le choix de l’individu sera très i nfluencé par un changement dans une des variables explicatives, comme pa r exemple le temps de parcours domicile-travail.

exp(3)

{

1+exp(3) } 2

4.4 Modélisation par variable latente

Nous developpons une autre interprétation usuelle des modè les de choix discret. Il ne s’agit pas vraiment d’un nouveau modèle, mais plutôt d’ un autre point de vue sur les modèles introduits ci-dessus. Dans cette approche, on suppose qu’il existe une variable continue Y qui n’est pas observée, mais qui mesure la propension d’un individu à f aire son choix. Bien que nous n’observions pas cette propension Y directement, nous constatons le choix qui en résulte, modélisée par la variable binaire Y que nous relions à Y par

ULB 2014 – STATS308 – Économétrie (Dehon-Van Bellegem) 173

l’équation :

Y =

1

0

si

si

Y

Y

> 0

0

(4.7)

Exemple Dans l’exemple ci-dessus du marché du travail pour les famil les monoparen- tales, Y pourrait modéliser l’intensité avec laquelle un individu s ouhaite travailler (il s’agit d’un exemple simpliste du phénomène, mais qui illustre la notion de propension). Plus élevée est cette intensité, p lus il est probable d’observer un individu qui travaille.

Une variable comme Y qui est inobservée mais qui explique le phénomène analysé est appelée une variable latente. Dans cette stratégie de modélisation, il faut alors imposer des conditions sur la variable latente el le-même. La condition la plus simple consite à modéliser Y comme un modèle de régression linéaire des variables exogènes :

Y = β 1 X 1 +

= X β + ǫ .

+ β K X K + ǫ

(4.8)

Avec ce modèle, on dérive immédiatement la structure de l’es pérance conditionnelle E (Y |X ) :

E (Y |X ) = P (Y = 1|X )

=

= P (β 1 X 1 +

=

P (Y > 0|X )

+ β K X K + ǫ > 0|X )

P (ǫ > X β |X ) .

(car Y ∈ { 0 , 1 } )

(par équation (4.7))

(par équation (4.8)) (manipulation de l’inégalité)

Si la distribution conditionnelle de l’erreur ǫ est symétrique autour de zéro, on peut simplifier cette dernière expression :

E (Y |X ) = P (ǫ < X β |X )

= F ǫ |

′ β
β

X (X ) .

(par symétrie de la densité conditionnelle de ǫ )

où la fonction F ǫ | X représente la distribution conditionnelle de la variable ǫ (condi- tionnellement à X ). On retrouve bien l’approche par transformation précédente , en considérant G(X β ) = F ǫ | X (X β ).

Interprétation par les modèles d’utilité stochastique

Une justification de l’approche par variable latente peut se trouver dans la théorie économique des comportements basée sur les fonctio ns d’utilité. Supposons que Y représente comme dans un exemple ci-dessus le statut profes sionnel (Y = 1 si l’individu travaille, Y = 0 si l’individu ne travaille pas) et supposons que les deux

ULB 2014 – STATS308 – Économétrie (Dehon-Van Bellegem) 174

issues possibles (travailler ou ne pas travailler) soient d écrites par les fonctions

d’utilité U Y =0 et U

Y =1 supposées linéaires :

U

X β

1

U Y =0 = X β 0

Y =1

=

+ ǫ + ǫ 0 .

1

Avec cette caractérisation, un individu choisira de travai ller si l’utilité dont il béné- ficie en travaillant (notée U Y =1 ) excède l’utilité obtenue en demeurant sans emploi

(notée U Y =0 ). Le choix de travailler est donc réalisé si U

termes, la variable binaire Y représentant la participation au marché du travail est

> U Y =0 . En d’autres

Y =1

telle que

Y =

Y =

1

0

si U

Y =1 > U Y =0

sinon

et donc, en utilisant la linéarité des fonctions d’utilité,

E (Y |X ) =

=

P (U

P (X (β 1 β ) +

Y =1

> U

0

|X )

ǫ

1

Y =0

ǫ 0 > 0|X ) .

Dans ce modèle, les paramètres β 0 et β 1 ne sont clairement pas identifiables, mais on peut identifier leur différence. En notant β = β 1 β 0 et ǫ = ǫ 1 ǫ 0 , on obtient comme ci-dessus

E (Y |X ) = P (X β + ǫ > 0|X ) .

4.5 Estimation

À l’exception du modèle LPM, la relation entre entre l’espér ance conditionnelle E (Y |X ) et les paramètres β n’est pas linéaire car elle fait intervenir la fonction de tranformation G. L’estimation dans un tel modèle non linéaire est plus souve nt fon- dée sur le principe du maximum de vraisemblance que sur le pri ncipe des moindres carrés. Nous allons tout d’abord rappeler quelques résultats impor tants du principe du maximum de vraisemblance. 6

4.5.1 Rappel : le principe du maximum de vraisem- blance

Dans le cadre de ce rappel sur le principe du maximum de vraise mblance, nous allons travailler dans un modèle simple. Considérons les 10 observations indépen-

6. Cette technique d’estimation a déjà été étudiée au cours d e statistique de 2ème année.

ULB 2014 – STATS308 – Économétrie (Dehon-Van Bellegem) 175

dantes suivantes provenant d’une distribution Bernoulli : 7

Z 1 = 1, Z 2 = 0, Z 3 = 0, Z 4 = 0,

Z 5 = 0,

Z 6 = 0, Z 7 = 1, Z 8 = 0, Z 9 = 1, Z 10 = 0. (4.9)

Nous souhaitons estimer le paramètre π de la variable Bernoulli ayant généré ces données. La distribution de probabilité de chaque obser vation Z i est déterminée par

P (Z i = z i ) =

=

π si z i = 1

1 π si z i = 0

π z i (1 π ) 1 z i

Puisque les observations Z i sont indépendantes, la probabilité jointe est égale au produit des probabilités :

P (Z 1 = 1, Z 2 = 0, · · · , Z 10 = 0)

1

1

0

0

= 0)

= π (1 π ) × π (1 π ) 1 × · · · × π (1 π )

= π 3 (1 π ) 7 .

= P (Z = 1) × P (Z 2 = 0) × · · ·

× P (Z

0

10

1

Cette dernière probabilité s’interprète comme suit : en sup posant que les données ont été générées par une loi de Bernoulli de paramètre π , la probabilité d’observer l’échantillon (4.9) est égale à π 3 (1 π ) 7 . Le principe du maximum de vraisemblance consiste à choisir la valeur de π qui rende l’observation de cet échantillon la plus probable . La figure 4.3 représente la probabilité π 3 (1 π ) 7 en fonction des différentes valeurs possibles de π . Cette fonction possède un mode, et son maximum est atteint en 3/10. L’idée est que la valeur π = 3/10 correspond au paramètre le plus vraisemblable étant donné l’échantillon observé. La fonction de la figure 4.3 est la fonction de vraisemblance. Cette fonction est définie dans notre exemple par

L (π |Z 1 , Z 2 ,

, Z 10 ) := P (Z = 1, Z 2 = 0, · · · , Z 10 = 0) = π (1 π ) .

3

1

7

Notez qu’il s’agit d’une fonction du paramètre π conditionnellement à l’échantillon observé. En pratique, on remplace souvent cette fonction pa r la fonction de log- vraisemblance

(π |Z 1 , Z 2 ,

, Z 10 ) := ln L (π |Z 1 , Z 2 ,

, Z 10 ) .

7. Rappelons qu’une variable aléatoire discrète Z suit une loi de Bernoulli de paramètre π si Z prend les deux valeurs 0 et 1 avec les probabilités repective s 1 π et π (0 π 1 ). Sa fonction de distribution est donc P (Z = z ) = π z (1 π ) z où le nombre z ne prend que les valeurs 0 ou 1. Il s’agit d’un cas particulier de la variable Binomiale (Voir cours de probabilité de 1ère année).

ULB 2014 – STATS308 – Économétrie (Dehon-Van Bellegem) 176

0.0 0.2 0.4 0.6 0.8 1.0 0.0000 0.0005 0.0010 0.0015 0.0020
0.0
0.2
0.4
0.6
0.8
1.0
0.0000
0.0005
0.0010
0.0015
0.0020

Figure 4.3: La fonction π π 3 (1 π ) 7 atteint son maximum en π = 3/10.

qui est simplement le logarithme de la fonction de vraisembl ance. La valeur du pa- ramètre qui minimise est bien entendu la même valeur du paramètre qui minimise L . On peut donc baser l’inférence sur la maximisation de , qui est souvent plus facile à traiter en pratique. Dans notre exemple, la fonctio n de log-vraisemblance est

(π |Z 1 , Z 2 ,

, Z 10 ) =

3 ln π + 7 ln(1 π ) .

Ce principe d’estimation se généralise à toutes les situati ons où un ou plusieurs paramètres doivent être estimés. Dans bien des situations, l’expression de la fonc- tion de vraisemblance est compliquée, et son maximum est imp ossible à trouver analytiquement. On a alors recours à des méthodes numérique s comme par exemple la méthode de Newton. Terminons ce rappel en énonçant quelques propriétés import antes de l’estima- teur de maximum de vraisemblance. Tout d’abord, ce principe se généralise natu-

, θ K ) . De

rellement à l’estimation d’un vecteur de plusieurs paramèt res θ = (θ 1 , plus, sous des conditions de régularité assez générales 8

1. L’estimateur par maximum de vraisemblance est consistant. En d’autres termes, si θ représente l’estimateur par maximum de vraisemblance du ve c- teur de paramètres θ , alors −→ θ .

2. L’estimateur par maximum de vraisemblance est asymptoti quement normal, c’est-à-dire :

θ

P

L

n( θ θ ) −→ N (0, S ) .

(4.10)

8. Pour un exposé rigoureux de ces conditions, on pourra cons ulter par exemple Monfort

(1997).

ULB 2014 – STATS308 – Économétrie (Dehon-Van Bellegem) 177

La matrice de variance asymptotique S est déterminée par la forme de la

fonction de vraisemblance. On montre que cette matrice est l imite pour n tendant vers l’infini de la matrice {I n (θ )} 1

I n (θ ) = E

1

2 ln L (θ ) ∂θ ∂θ

n

c’est-à-dire l’opposé de l’espérance (calculée en utilisa nt le modèle θ ) de la matrice Hessienne de ln L (θ ). 3. On montre également que l’estimateur de maximum de vraise mblance est efficace dans la classe des estimateurs consistants et asympt otiquement nor- maux (Théorème de Cramér-Rao).

4.5.2 Estimation par maximum de vraisemblance dans le modèle de choix discret

La variable aléatoire Y est une variable binaire telle que

P (Y = 1|X ) = G(X β )

et

P (Y = 0|X ) = 1 P (Y = 1|X )

=

1 G(X β )

où, rappelons-le, G est la fonction Φ dans le cas du modèle probit, ou Λ dans le cas du modèle logit. La variable aléatoire Y |X peut donc être modélisée comme une variable Ber- noulli de paramètre π = G(X β ). En particulier, la distribution de probabilité de Y |X s’écrit

P (Y = y |X ) = π y {1 π }

=

1y

G(X β ) y 1 G(X β ) 1 y

pour

y = 0 ou 1,

pour

y = 0 ou 1.

Supposons à présent que l’on observe un échantillon iid des variables (Y, X ) de taille n . Notons cet échantillon

, (Y n , X n )} .

En utilisant que chaque variable Y i |X i possède la distribution Bernoulli rappelée ci-dessus, et en notant que ces variables sont indépendante s, la fonction de vrai- semblance de l’échantillon X n est alors donnée par

X n = {(Y 1 , X 1 ), (Y 2 , X 2 ),

L (β |X n ) = G(X

1

× G(X β ) Y 2 1 G(X

β )

Y 1

2

1

G(X

1

β )

1Y 1

2 β ) 1Y 2

=

·

·

·

n

× G(X n β ) Y n 1 G(X

n β ) 1Y n

G(X i β ) Y i 1 G(X i β ) 1Y i .

i =1

ULB 2014 – STATS308 – Économétrie (Dehon-Van Bellegem) 178

Par le principe du maximum de vraisemblance, nous cherchons à calculer la va- leur du paramètre β qui maximise la fonction L (β |X n ). Il est équivalent de chercher le paramètre qui maximise la log-vraisemblance

(β |X n ) := ln L (β |X n )

n

=

i =1

Y i ln G(X i β ) + (1 Y i ) ln 1 G(X i β ) .

Pour trouver le maximum de cette fonction, il faut résoudre l es équations de log-vraisemblance

β (β |X n ) = 0

dont il n’existe pas de solution analytique en général. La ré solution de ce système d’équations est réalisée par les logiciels en utilisant des procédures itératives pour trouver des maxima de fonctions réelles.

ULB 2014 – STATS308 – Économétrie (Dehon-Van Bellegem) 179

Exemple Reprenons l’exemple de la participation d’un parent isolé a u marché du tra- vail. Un logiciel utilise une procédure itérative pour trouver les paramètres maximisant la vraisemblance. Dans notre exemple, le logiciel R précise le nombre d’itérations nécessaires afin de trouver une solutio n :

Number of Fisher Scoring iterations: 4

Le logiciel a calculé les valeurs suivantes des paramètres :

Estimate Std. Error z value Pr(>|z|)

(Intercept)

-0.790191

0.254745 -3.102 0.00192 **

AGE

0.017297

0.005682

3.044 0.00233 **

TEA

-0.004361

0.004809 -0.907 0.36444

TOTKIDS

-0.241375

0.037768 -6.391 1.65e-10 ***

YOUNGCH

0.066579

0.009276

7.178 7.09e-13 ***

WHITETRUE

0.220789

0.108132

2.042 0.04117 *

MARITALSeparated 0.069997

0.086138

0.813 0.41644

MARITALSingle

-0.263126

0.086369 -3.047 0.00232 **

MARITALWidowed

-0.312020

0.156283 -1.996 0.04588 *

Comment interprétez-vous les coefficients estimés ? Comme da ns le cas de la régression linéaire avec variables dépendantes continu es, le logiciel fournit également une estimation de l’écart-type pour l’estimatio n des coefficients, et donne le résultat d’un test de significativité de ces coefficie nts estimés. Nous allons voir dans la suite comment ces valeurs sont calculées .

4.5.3 Estimation de la variance des estimateurs

Estimer la matrice de covariance de l’estimateur par maximu m de vraisem- blance est une tâche plus délicate que pour l’estimateur OLS dans le modèle li- néaire. Si on considère la matrice donnée par le théorème central limite (4.10), la matrice de covariance asymptotique est donnée par

I (β ) 1 = E 2 (β ) ∂β ∂β

1

.

Cette variance dépend du paramètre inconnu β . On pourrait imaginer remplacer le paramètre par son estimateur β , mais il résultera à calculer l’espérance d’une expression nonlinéaire très difficile à manipuler. Pour cett e raison, deux autres solutions sont en général considérées en pratique.

ULB 2014 – STATS308 – Économétrie (Dehon-Van Bellegem) 180

Méthode itérative

Le premier estimateur consiste à calculer

{I (β )} 1 =


2 (β ) ∂β ∂β

 ∂ 2 ℓ ( β )  − ∂β ∂β ′ β = β 

β = β

1

.

Cet estimateur calcule la matrice Hessienne en l’estimateu r θ (et non plus l’espé- rance de la matrice). Cet estimateur nécessite de calculer des dérives secondes. C’est pourquoi dans la pratique, on a à nouveau recourt à des méthodes itératives pour calculer cette matrice.

L’estimateur BHHH

Cet estimateur tient son nom des travaux de Berndt, Hall, Hall , and Hausman (1974). Ces auteurs se basent sur le fait que l’espérance des dérivées secondes de la matrice est égale à la covariance du vecteur des premières dé rivées 9 . L’estimateur proposé est donné par

{I (β )} 1 =

n

i

=1

i 1

g i g

.

g i est le vecteur des premières dérivées

gˆ i :=

ln G(X β )

∂ β

i

.

Cet estimateur a l’avantage d’être très simple à calculer, c ar il n’utilise que les premières dérivées déjà calculées dans le travail de max imisation de la log- vraisemblance. De plus, la matrice ainsi estimée a l’avanta ge d’être automatique- ment non-définie négative, comme doit l’être une matrice de c ovariance. En utilisant la forme particulière des modèles probit et log it, ces deux esti- mateurs se simplifient en des formules pouvant être consulté es, par exemple, dans Amemiya (1985).

4.6 Tests

4.6.1 Tests de restriction linéaire

Le test de restriction linéaire, dont le test de significativ ité est un cas particulier, peut être construit à partir des estimateurs de maximum de vr aisemblance des

9. Ce résultat n’est pas trivial. Pour un approfondissement sur la méthode du maximum

de vraisemblance, voir Monfort (1997) ou le cours ECON2651 (Advanced Econometrics)

ULB 2014 – STATS308 – Économétrie (Dehon-Van Bellegem) 181

paramètres du modèle non linéaire. L’ingrédient de base de c ette construction est le théorème central limite (4.10). Cette propriété permet d e trouver la distribution asymptotique des estimateurs β et de toute combinaison linéaire R β , où la R est la matrice exprimant la restriction à tester, cf section 2.6 ci-dessus. À titre d’exemple, supposons que nous souhaitions éprouver l’hypothèse

H 0 : β 1 = 0

contre

H 1 : β 1 = 0

Le théorème central limite (4.10) permet de conclure que l’e stimateur du maximum de vraisemblance de β 1 est tel que

n ( β 1 β 1 )

ˆ

suit approximativement une loi normale N (0, S 11 ) S 1 1 est l’élément (1, 1) de la matrice d’information I (β ). Cette matrice étant inconnue en pratique, elle est

ˆ

estimée comme expliqué à la section 4.5.3. Notons S 11 l’estimateur de la variance

ainsi obtenu. La statistique de test est donc n β 1 / S 1 1 qui, sous H 0 , suit ap-

proximativement une loi de student t n K .

ˆ

ˆ

Exemple Dans la sortie de l’exemple de la page 179, la statistique de test t est auto- matiquement fournie pour le test de significativité (c’est- à-dire H 0 : β j = 0 ). La p -valeur est également donnée.

4.6.2 Test du rapport de vraisemblances

Le calcul de la vraisemblance permet de construire d’autres tests de restriction souvent utiles. Supposons que nous souhaitions tester une s érie de contraintes sur les paramètres β du modèle. A titre d’exemple, considérons le test suivant :

H 0 : tous les coefficients sauf celui de l’éventuelle constante so nt nuls.

(Le résultat de ce test est en réalité fourni par défaut dans l a sortie de nombreux logiciels.) L’idée du test basé sur la vraisemblance est la suivante : Si l a restriction pro- posée par l’hypothèse H 0 est vraie, alors en recalculant la vraisemblance sous la contrainte que les coefficients considérés sont nuls, nous ne devrions pas obser- ver une grande différence avec la vraisemblance calculée san s cette restriction. La construction du test se base donc sur une comparaison entre l a vraisemblance maxi- misée dans le modèle complet

L U = L ( β 1 , β 2 ,

ˆ

ˆ

,

β K ) |X n = max K L (β 1 ,

ˆ

β

1 ,

, β K ) |X n

ULB 2014 – STATS308 – Économétrie (Dehon-Van Bellegem) 182

et la vraisemblance maximisée sous H 0 , c’est-à-dire en ignorant tous les para- mètres sauf β 1 (nous supposons ici que la première variable explicative mo délise la constante, donc X 1 = 1) :

L R = max L (β 1 , 0,

β

1

,

0) |X n .

Afin de comparer ces deux valeurs, nous constuisons le rapport de vraisem- blances 10

LR =

L R

L U

.

Si ce rapport est proche de 1, alors les deux vraisemblances s ont similaires, et cette situation est donc compatible avec l’hypothèse H 0 . Au contraire, lorsque le rapport de vraisemblance n’est pas proche de 1, les deux vrai semblances diffèrent et l’hypothèse H 0 sera remise en question. Le test du rapport de vraisemblance s se base sur la distribution suivante :

2 ln LR = 2(ln L U ln L R ) χ

2

r

sous H 0

r est le nombre de restrictions (dans notre exemple, r = K 1).

Exemple

1. Dans l’exemple de la page 179 :

LR (zero slopes) = 383.435 [.000]

Quelle est votre conclusion ?

2. Dans le même exemple, on teste la significativité jointe des paramètres de EDU et LOC (test de restriction, avec 2 restrictions). Les résultats du test sont

CHISQ(2) =

1.2171808

Quelle est votre conclusion ?

; P-value = 0.54412

Il existe d’autres tests basés sur la vraisemblance que nous ne voyons pas dans le cadre de ce cours. Une étude plus approfondie des tests basés sur la vraisemblance est en général comprise dans un second cours d’économétrie 11 . Un bon point de départ dans la littérature sur le sujet est l’ouvrage de Godf rey (1988).

10. LR est l’abbréviation de l’anglais Likelihood Ratio signifiant «Rapport de vraisem-

blances».

11. Par exemple l’actuel ECON3503 (Advanced Econometrics).

ULB 2014 – STATS308 – Économétrie (Dehon-Van Bellegem) 183

4.7 Mesures d’ajustement

Dans le but de juger de la précision d’un modèle calibré aux do nnées, un cer- tain nombre de mesures ont été proposées suivant le principe du coefficient de détermination R 2 étudié au chapitre 1.

4.7.1 Pseudos R 2

Une possibilité pour construire un indice d’ajustement est de comparer la valeur de la vraisemblance avec la valeur de la vraisemblance si le m odèle est seulement estimé avec un coefficient constant β 1 sans aucune variable explicative. En utilisant les notations de la section 4.6.2, il s’agit de comparer L U et L R , où L U représente le maximum de la fonction de vraisemblance sans contrainte, et L R est le maximum de la fonction de vraisemblance calculée avec un seul paramè tre β 1 . Une mesure d’ajustement proposée par McFadden (1974) est dé finie par

Pseudo-R 2 de McFadden = 1 ln ln

L U

L R

.

La justification mathématique de cette mesure d’ajustement n’est pas identique à la définition du R 2 , c’est pourquoi on parle de pseudo- R 2 . L’idée de cette mesure est la suivante. Par construction de la vraisemblance dans l e modèle binaire, la vraisemblance est toujours plus petite ou égale à 1. Pour un m odèle bien ajusté, la vraisemblance non restreinte L U doit être proche de 1, donc ln L U est proche de 0, et le pseudo-R 2 est proche de 1. Au contraire, pour un modèle mal ajusté, L U sera proche de L R et le pseudo-R 2 est proche de zéro. D’autres mesures ont été proposées dans la littérature. Une mesure récente régulièrement utilisée a été proposée par Estrella (1998) e t est définie comme suit :

Pseudo-R 2 d’Estrella = 1 ln

L

R

U

ln L

2

n ln

ˆ

L

R

.

4.7.2 Mesure de prévision

Une autre façon de mesurer la qualité de l’ajustement est d’e xaminer la capacité prédictive du modèle estimé. L’idée ici est de calculer la proportion de prédictions correctes du modèle. Afin de construire cette mesure, il faut tout d’abord constru ire une règle à partir de laquelle la prévision des probabilités P (Y = 1|X ) peut conduire à un prédicteur discret de l’état Y = 0 ou Y = 1. L’approche la plus simple est la suivante : définissons le prédicteur

P i = G(X β )

i

pour tout i

ULB 2014 – STATS308 – Économétrie (Dehon-Van Bellegem) 184

G est la transformation probit ou logit, et β est l’estimateur par maximum de vraisemblance. Le prédicteur P i représente notre estimateur de la probabilité que l’individu i choisisse Y i = 1. Comme règle de prévision du choix Y i , on considère

Y i :=

1

0

si P i > 0.5 si P i 0.5

On peut à présent comparer notre prédiction du choix de chaqu e individu ( Y i ) avec le choix réellement observé (Y i ). Cette comparaison peut prendre la forme d’une table de contingence :

Valeurs

0

Observées

1

Valeurs prédites

0

1

n

n

00

10

n

n

01

11

Dans cette table n 00 représente le nombre d’individus choisissant Y = 0 pour lequel notre modèle a bien prédit Y = 0. De même n 11 représente le nombre d’individus choisissant Y = 1 pour lequel nous avons prédit Y = 1. Au contraire, les nombres n 01 et n 10 mesurent les erreurs de classification. Un modèle bien ajust é aura donc des valeurs n 00 et n 11 maximales. Dans les sorties de logiciels, cette mesure d’ajustement es t donnée par la pro- portion de prédictions correctes :

n 00 + n 11

n

n est la taille de l’échantillon. Un rapport proche de 1 signifi e que le modèle a une capacité de prévision presque parfaite. Si ce rapport es t proche de 0, alors le modèle a une mauvaise qualité prédictive.

Exemple Dans l’exemple de la page 179, :

Scaled R-squared = .196935 Fraction of Correct Predictions = 0.677419

Dans l’échantillon, le modèle a donc prédit correctement le choix de 67,7 % individus.

4.8 Exercices sur le chapitre 4

Modèles de choix binaire

Exercice 47. On cherche à expliquer par un modèle à réponse binaire la prob abi- lité de vote pour le candidat démocrate Jimmy Carter aux éléc tions présidentielles

ULB 2014 – STATS308 – Économétrie (Dehon-Van Bellegem) 185

américaines de 1976 en fonction de caractéristiques propre s aux Etats. La variable expliquée Y i = 1 prend la valeur 1 si dans l’état indicé i, les votes ont été majori- taires pour le candidat démocrate Jimmy Carter, et 0 si au contraire le candidat républicain Gerry Ford a obtenu la majorité des voix dans cet état. Les variables explicatives sont les suivantes : Inc désigne le revenu médian de l’état en 1975, School désigne la médiane du nombre d’années de scolarité suivies p ar les habi- tants de l’état âgés de plus de 18 ans, Urban désigne le pourcentage de la population vivant en zone urbaine et la variable Region est une variable dummy prenant la valeur 1 pour la région Nord Est, 2 pour le Sud Est, 3 pour le Sud et le Middle West et 4 pour l’Ouest. Les données couvrent les 51 états amér icains. On reporte dans le tableau suivant les résultats d’estimati on d’un modèle Pro- bit :

Coefficient Écart-type t de Student p valeur Inc -0.0004 0.00016 -2.60 0.009 School 0.269 0.140
Coefficient Écart-type t de Student p valeur
Inc
-0.0004
0.00016
-2.60
0.009
School
0.269
0.140
1.93
0.053
Urban
0.036
0.012
2.87
0.04
Log vraisemblance : -28.65252
Proportion de prédictions correctes : 0.745

1. Sur base des informations fournies, que pouvez-vous dire de influence du revenu médian par état sur le vote démocrate aux élections de 1976 ? Même question pour le niveau de scolarité médian et l’importance de la population urbaine.

2. A partir des estimations du modèle probit, donnez la proba bilité qu’un Etat comme le Texas, ayant un revenu médian de 12672 dollars, un ni veau médian d’étude de 12.4, et un taux d’urbanisation de 71.4 ait voté dé mocrate aux éléctions de 1976.

3. Quelle utilisation pourrait on envisager pour ce modèle p robit dans le cadre de nouvelles éléctions présidentielles ? Précisez les limi tes d’un tel exercice.

4. Calculez l’élasticité pour l’état du Texas de la probabil ité du vote démocrate par rapport au revenu médian. D’après ce modèle et votre calc ul, quel se- rait l’impact d’une augmentation de 2% du revenu médian dans cet état en matière de vote aux présidentielles ?

5. L’estimation d’un probit avec pour seule variable explic ative la variable Urban donne comme valeur pour la log vraisemblance : - 35.28. Teste z la nullité des coefficients des variables de revenu Inc et de scolarité School au niveau α = 5 % et concluez en termes économiques.

Exercice 48. Dans le cadre de la mise en place d’une nouvelle ligne RER reli ant Ottignies à Bruxelles, les autorités de tutelle sont intéres sées de prédire la pro- portion de navetteurs qui emprunteront ce nouveau mode de tr ansport. Pour ce

ULB 2014 – STATS308 – Économétrie (Dehon-Van Bellegem) 186

faire, vous recoltez un échantillon de 640 navetteurs pour l esquels vous mesurez les variables suivantes :

Y = choix actuel du mode de transport (1 = transport en commun, 0 = voiture)

T = une mesure comparant le temps de parcours en transport en co mmun

et celui en voiture. Cette mesure est donnée par

T = ln Temps de parcours en transport en commun Temps de parcours en voiture

Un modèle logit est utilisé pour modéliser la probabilité du choix du mode de transport. Les résultats de l’estimation par maximum de vra isemblance sont résu- més dans la table ci-dessous :

Coefficients : constante

0.953 p -valeur : 0.002

T -1.823 p -valeur : 0.000

ln L

-206.83

Pseudo-R 2

0.449

(a)

Justifiez l’utilisation d’un modèle logit dans cette étude.

 

(b)

Interprétez les estimations obtenues.

 

(c)

Le 72e navetteur de l’échantillon emprunte régulièrement s a voiture et possède les variables explicatives suivantes, selon le mode de tran sport choisi :

 

Transport en commun Voiture

 

Temps de parcours

60’

30’

 

A

partir des estimations données ci-dessus, prédisez la pro babilité que cet

individu emprunte un transport en commun ou un bus pour aller travailler.

(d)

Après la mise en place du RER, on estime que le temps de parcour s que le 72e navetteur prendrait pour aller au travail en RER s’élève à 40 minutes. Quel sera l’effet attendu de ce changement sur le choix du mode de transport de ce navetteur ? (Indication : pour répondre à cette questio n, fondez votre calcul sur l’effet marginal de cet individu dans le modèle log it)

4.9 Solution aux principaux exercices du cha- pitre 4

Solution de l’Exercice 47

1. Inc : Le coefficient de cette variable est significatif au niveau α = 5% (puisque la p -valeur du test de significativité est 0 . 009 < 0 . 05 ). De plus son signe est positif,

ULB 2014 – STATS308 – Économétrie (Dehon-Van Bellegem) 187

signifiant que l’impact du revenu médian sur la probabilité d e voter démocrate est négatif. En d’autres termes, un accroissement du revenu méd ian se traduit dans le modèle estimé par une diminution de la probabilité de voter p our Jimmy Carter. School : Ce coefficient n’est pas significatif au niveau α = 5% (puisque la p -valeur du test de significativité est 0 . 053 > 0 . 05 ). Ceci suggère que la médiane du niveau d’éducation n’a pas d’influence sur le choix de l’électeur da ns cet échantillon. Urban : Ce coefficient est significatif au niveau α = 5% (puisque la p -valeur du test de significativité est 0 . 04 < 0 . 05 ). Au contraire de Inc , son signe est positif. La proportion d’urbanisation est donc significative, et a un impact positif sur la probabilité de voter démocrate.

2. La question posée revient à calculer

P (Y = 1 | Inc = 12672 , School = 12 . 4 , Urban = 71 . 4).

Par définition du modèle probit, et vu le tableau présentant l es résultats d’estima- tion, cette probabilité se calcule comme suit :

P (Y = 1 | Inc = 12672 , School = 12 . 4 , Urban = 71 . 4)

= = Φ(Φ(0 . 0 8372) . 0004 × 12672 + 0 . 269 × 12 . 4 + (Φ 0 . 036 est × la 71 CDF . 4) d’une v.a. Normale standardisée)

= 0 . 80

(en consultant une table statistique)

3. Une utilisation possible pourrait être de vérifier sur que l état la probabilité de voté démocrate est proche de 0.5. Un candidat pourrait utiliser c ette information afin de savoir où concentrer ses efforts de campagne afin de faire pe ncher le vote en sa faveur. Une limite de cet exercice réside dans le choix des variables prises en compte dans le modèle. Tout d’abord, ces variables sont des quantités mé dianes et ne reflètent pas l’hétérogénéité de revenus ou d’éducation pouvant exis ter dans certains États. De plus, d’autres variables pourraient être pertinentes da ns le modèle (par exemple la taille de la population par État ou la proportion de votants de couleur noire). Enfin, le modèle probit considéré ne considère pas d’interce pt. Cela signifie que, sans les variables explicatives du modèle, le choix des électeur s est équiprobablement démocrate ou républicain. Des circonstances particulière s à la politique américaine en 1976 auraient pu contredire cette hypothèse de travail.

4. Le syllabus, page 44, a dérivé la formule de l’élasticité. Dans le cas d’un modèle binaire, l’espérance conditionnelle de la variable dépend ante se confond avec sa probabilité conditionnelle. L’élasticité prend donc la fo rme suivante :

ν

:= P (Y | Inc, School, Urban) Inc

Inc

P (Y | Inc, School, Urban)

×

Remarquons que le premier facteur est l’effet marginal du mod èle probit. Celui-ci est calculé dans le syllabus, page 91. Nous référant à cette formule, l’élasticité s’écrit finalement

ν = φ (Inc , School, Urban) β × β Inc ×

Inc P (Y | Inc, School, Urban)

φ est la densité d’une variable aléatoire Normale standardis ée, et le vecteur β représente les paramètres du modèle probit.

ULB 2014 – STATS308 – Économétrie (Dehon-Van Bellegem) 188

Nous calculons à présent l’élasticité dans le cas particuli er de l’État du Texas, pour lequel le revenu médiant Inc est égal à 12672 dollars US. Nous avons déjà obtenu la probabilité conditionnelle à la question 2. L’élasticité est donc :

ν

= φ (0 . 8372) × (0 . 0004) × 12672 = 1 . 780434

0

. 80

Une augmentation de 2% du revenu médian dans cet État aura don c pour consé- quence une décroissance de 2 × 1 . 78% 3 . 5% de la probabilité de voter démocrate.

5. On utilise un test de vraisemblance tel qu’expliqué à la se ction 4.6.2 du syllabus. L’hypothèse nulle H 0 est la nullité des coefficients des variables Inc et School . La log-vraisemblance maximisée sous le modèles complet est fo urnie dans le tableau de données : ln L U = 28 . 65 . Dans le modèle réduit, cette log-vraisemblance est égale à lnˆL R = 35 . 28 d’après l’énoncé. On calcule la statistique de test énoncée à la page 102 :

2(ln L U ln L R ) = 13 . 26

La loi de la statistique de test sous H 0 est celle d’une variable aléatoire χ 2 2 . La région critique du test au niveau α = 5% est [5 . 99 , ), où la valeur 5 . 99 est trouvée dans une table χ 2 2 . Comme la statistique de test appartient à la région critique, nous rejetons l’hypothèse nulle. Le niveau médian de revenu et d’éducation a donc un impact sur le choix de l’élec- teur.

Solution de l’exercice 48

(a)

Le modèle logit se justifie par la nature binaire de la variable dépendante, Y . Dans ce cas, l’espérance conditionnelle de Y sachant les variables explicatives est en réalité une probabilité conditionnelle . Le modèle logit est conçu pour modéliser une probabilité conditionnelle.

(b)

Les deux coefficients estimés sont significatifs car leur p -valeur est proche de zéro.

La constante vaut 0.953. Cela signifie que, si T = 0 , la probabilité d’emprunter un transport en commun est supérieure à 0.5 :

P (Y = 1 | T = 0) = Λ(0 . 953)

e

0.

953

=

=

0.

953

0 1 . 72 + e > 0 . 5

Notons que l’évènement T = 0 représente, par définition de T , la situation dans laquelle le temps de parcours en transport en commun égale le temps de parcours en voiture (car, dans ce cas, T = ln(1) = 0). La valeur de la constante signifie donc ceci : Si le temps de parcours est le même pour les deux modes de transport, la probabilité d’emprunter un transport en commun est 0.72. Ce tte valeur est assez élevée, et indique que l’échantillon considéré contient de s individus plutôt enclins à voyager en transport en commun.

ULB 2014 – STATS308 – Économétrie (Dehon-Van Bellegem) 189

Le coefficient de T est négatif. Ceci implique qu’une augmentation de T induira une diminution de la probabilité d’usage d’un transport en c ommun. Que signifie une augmentation de T ? Le logarithme étant une fonction monotone croissant en son argument, cela signifie que le temps de parcours augmente ou, inversément, que le temps de parcours en voiture diminue (plus précisément : l’augmentation du temps de parcours en transport en commun est plus importante que pour la voiture). Le signe du coefficient de T est donc logique : Si le temps de parcours en voiture diminue, les individus de l’échantillon auront tendance à abandonner le transport public.

(c) Pour ce navetteur,

T =

ln 60 30 = ln(2) 0 . 69

Par conséquent, la probabilité demandée est :

(d)

P (Y = 1 | T = ln(2)) = Λ(0 . 953 1 . 823

0 . 42

ln(2))

L’effet marginal dans ce modèle logit (voir syllabus) est :

∂P (Y = 1 | T ) ∂T

=

1 . 823 ×

exp(0 . 953 1 . 823 T )

{ 1 + exp(0 . 953 1 . 823 T )} 2

qui, pour le navetteur pour lequel T = ln(2), vaut approximativement -0.45. Avec l’arrivée du RER, la variable T du navetteur passe de ln(2) à ln(40 / 30) = ln(4 / 3). L’écart est donc de

ln

4 ln(2) = ln 3 ≈ − 0 . 40

3

2

En se référant au calcul ci-dessus de l’effet marginal, une di minution de 0.4 de la variable T induira une augmentation de 0.45 d’emprunter le transport e n commun. L’effet attendu est donc de passer de la probabilité 0.42 (cal culée au point précédent) à la probabilité 0.42 + 0.45 = 0.87. Il y a donc des raisons de pe nser que ce navetteur, s’il se déplaçait en voiture, emprunterait le RER avec grand e probabilité.

Bibliographie

Amemiya, T. (1985) : Advanced Econometrics . Harvard University Press, Cam- bridge.

Berndt, E., B. Hall, R. Hall, and J. Hausman (1974) : “Estimation and Inference in nonlinear structural models,” Annals of Economic and Social Mea- surement , 3/4, 653–665.

Blundell, R., A. Duncan, and K. Pendakur (1998) : “Semiparametric esti- mation and Consumer Demand,” Journal of Applied Econometrics , 13, 435–462.

Bourbonnais, R. (2004) : Économétrie. Dunod, Paris, 5e edn.

Breusch, T., and A. Pagan (1979) : “A simple test for heteroscedasticity and random coefficient variation,” Econometrica , 47, 1287–1294.

Duncan, A. (2005) : A short course in microeconometric methods . University of Nottingham.

Durbin, J., and G. Watson (1950) : “Testing for Serial Correlation in Least Square Regression I,” Biometrika , 37, 409–428.

(1951) : “Testing for Serial Correlation in Least Square Reg ression II,” Biometrika , 38, 159–179.

Estrella, A. (1998) : “A New Measure of Fit for Equations with Dichotomous Dependent Variables,” Journal of Business and Economic Statistics , 16, 198–205.

Farrar, D., and R. Glauber (1968) : “Multicolinearity in regression analysis,” Review of Economics and Statistics , 49, 92–107.

Godfrey, L. (1988) : Misspecification Tests in Econometrics . Cambridge Univer- sity Press, Cambridge.

Goldfeld, S., and R. Quandt (1965) : “Some tests for homoskedasticity,” Jour- nal of the American Statistical Association , 60, 539–547.

Greene, W. H. (2003) : Econometric analysis . Pearson Education, Upper Saddle River, 5th edn.

Hayashi, F. (2000) : Econometrics . Princeton University Press, Princeton.

Jarque, C., and A. Bera (1987) : “A test for Normality of observations and regression residuals,” International Statistical Review , 55, 163–172.

Judge, G., W. Griffiths, C. Hill, and T. Lee (1985) : The Theory and Practice of Econometrics . John Wiley and Sons, New York.

Keynes, J. (1936) : The General Theory of Employment, Interest, and Money . Harcourt, Brace, and Jovanovich, New York.

Leser, C. (1963) : “Forms of Engle functions,” Econometrica , 31, 694–703.

Maddala, G. (2001) : Introduction to econometrics . John Wiley & Sons, Chiches- ter, 3rd edn.

BIBLIOGRAPHIE

191

McFadden, D. (1974) : “The Measurement of Urban Travel Demand,” Journal of Public Economics , 3, 303–328.

Monfort, A. (1997) : Cours de statistique mathématique. Economica, Paris.

Ruud, P. A. (2000) : An Introduction to Classical Econometric Theory . Oxford University Press, New York.

Serfling, R. J. (1980) : Approximation Theorems of Mathematical Statistics . John Wiley & Sons, New York.

van der Vaart, A. (1998) : Asymptotic Statistics . Cambridge University Press.

Vinod, H. D., and A. Ullah (1981) : Recent advances in regression methods . Dekker.

Wackerly, D. D., W. Mendenhall III, and R. L. Scheaffer (2002) : Ma- thematical Statistics with Applications . Duxbury, Pacific Grove, 6th edition.

White, H. (1980) : “A Heteroscedasticity-Consistent Covariance Mat rix Estimator and a Direct Test for Heteroscedasticity,” Econometrica , 48, 817–838.

Working, H. (1943) : “Statistical laws of family expenditure,” Journal of the American Statistical Association , 38, 43–56.