Vous êtes sur la page 1sur 90

INTRODUCTION LECONOMTRIE LINAIRE

APPLIQUE
SOUSSI NOUFAIL OUTMANE
2015

Pratique de lconomtrie travers des exemples

PLAN
Economtrie

: Origine(s), dfinition(s) et objectif(s)


La dmarche conomtrique
La thorie de la corrlation
Analyse de rgression simple
Analyse de rgression multiple
Applications informatiques
2
Economtrie Applique

BIBLIOGRAPHIE
Greene (2005), conomtrie, Pearson Education.
Bazen et Sabatier (2006), conomtrie : des fondements la modlisation, Vuibert
Domodar Gujarati (1995), Bazic conometrics, Mac Graw-Hill International
Johnson (1985), Econometric Methods, tome I et II, Economica, Paris.
Rgis Bourbonnais (1998), Economtrie; manuel dexercices et corrigs, 2me Ed. ,
DUNOD.
Valrie Mignon et Sardic Laric, Economtrie des sries temporelles macroeconomiques
et financires, Economica, Paris, 2002.
Davidson et MacKinnon (2004), Econometric Theory and Methods, Oxford University
Press

3
Economtrie Applique

INTRODUCTION

Quest ce que lconomtrie?

4
Economtrie Applique

QUEST CE QUE LCONOMTRIE

Littralement parlant, le terme conomtrie peut sinterprter comme la science de la


mesure en conomie. Bien que la mesure soit une part importante de lconomtrie, le
domaine de cette discipline est plus vaste.

Citations et avis des conomistes :


Lconomtrie consiste en une application de la statistique mathmatique aux donnes
conomiques pour servir de support empirique aux modles construits par lconomie
mathmatique et dobtenir des rsultats numriques (daprs Gerhard TINTNER, Univ.
Chicago, 1968).
Lconomtrie peut se dfinir comme lanalyse quantitative des phnomnes
conomiques actuelles bass sur lvolution de la thorie et sur lobservation partir des
mthodes appropries de linfrence.(PA. SAMUELSON, T.C KOOPMANS& STONEG.
Econometrica, vol 22, N2 April1954)
5
Economtrie Applique

QUEST CE QUE LCONOMTRIE


Citations et avis des conomistes :

Lconomtrie se dfinirait comme la science sociale dans laquelle les outils de la thorie
conomique, des mathmatiques et de la statistique infrentielle sont appliqus lanalyse
des phnomnes conomiques. (Arthur GOLDBERGER, 1964)
Lconomtrie concerne la dtermination empirique des lois conomiques (Henri THEIL
1971, Principles of econometrics).
Lart de lconomtre consiste trouver lensemble des hypothses qui sont la fois
suffisamment spcifiques et suffisamment ralistes pour lui permettre de tirer le meilleur
profit des donnes quil dispose (E. Malinvaud statistical method of econometrics rand
McNally, Chicago 1966).
6
Economtrie Applique

ECONOMTRIE : DFINITION(S) ET OBJECTIF(S)

Dfinition 1. Etudes des relations quantitatives de la vie conomique faisant appel


lanalyse statistique et la formulation mathmatique.

Dfinition 2. L'conomtrie exprime quantitativement les corrlations pouvant exister


entre des phnomnes conomiques dont la thorie affirme l'existence.

Dfinition 3. Lconomtrie est une branche de lconomie qui traite de lestimation


pratique des relations conomiques.

Dfinition 4. Lobjectif de lconomtrie est de confronter un modle conomique un


ensemble de donnes (donnes de panel, srie temporelle, etc.) et ainsi den vrifier la
validit.
7
Economtrie Applique

ECONOMTRIE : DFINITION(S) ET OBJECTIF(S)


les sciences connexes lconomtrie
Thorie conomique

Statistique conomique

Traitement conomtrique
de donnes
Rcolte de donnes
empiriques sur un
chantillon :
Sondage

Rsultats numriques
Statistique infrentielle

Economie mathmatique

8
Economtrie Applique

ECONOMTRIE : CARREFOUR DE TROIS DISCIPLINES


Economiste
Exprime une thorie sur un
phnomne conomique
Ex. La demande dpend du
prix

Mathmaticien
Propose une
modlisation de la
thorie

Statisticien
Estime les paramtres
du modle partir de
donnes : Validation
statistique

Ex. demande = a * prix +


b

Ex.

a = -0.5 et

b = 10

Sous le contrle de lEconomiste


Validation Ex. a est forcment ngatif
Economtrie Applique

NOTIONS CLS : ECONOMIE MATHMATIQUE / MODLE CONOMTRIQUE


Elaboration de la thorie

Partie
dductive :
lconomie
mathmatique
(modlisation
mathmatique

Partie
Inductive :
lconomtrie
(tester la
ralit )

Macro

Micro

Ainsi on a fait usage de lconomie mathmatique :


Thorie des prix
Thorie de lquilibre gnral
Thorie de l'quilibre gnral
Thorie du bien tre
Thorie de la croisssance
Thorie du Cycle
La planification conomique
Le comportement des agents conomiques

Maximisation du profit
Minimisation des cots
Topologie mathmatique
Equation diffrentielles ou rcurrentes
optimisation mathmatique sous contrainte
systme d'quations simultanes
Economtrie Applique

10

NOTIONS CLS : ECONOMIE MATHMATIQUE / MODLE CONOMTRIQUE


Un modle conomique consiste en une prsentation formalise dun phnomne des ides sous forme dquations
mathmatiques.
Ex.

D= f(p)=ap +b
O=f(p)= p +
O=D

Equations de comportement
Identit

Estimation de partir des donnes disponibles


Limites de cette relation : existence dautres variables exognes au modle tels que le revenu, le prix du bien de
substitution, etc.

Un modle conomtrique fait intervenir lalatoire dans lquation conomique.


Ex.

D= f(p)=ap +b +D
O=f(p)= p + +O
Introduction du facteur alatoire
Rsum de toute linformation non prise en compte dans le modle

11
Economtrie Applique

DMARCHE CONOMTRIQUE

Lanalyse conomtrique procde comme suit :


1. Postulats de la thorie conomique ou hypothses de base
2. Spcification du modle conomtrique pour tester la thorie
3. Estimation des paramtres du modle choisi
4. Vrification ou linfrence statistique
5. Prvision ou prdiction
6. Utilisation du modle des fins de politique conomique.

12
Economtrie Applique

DMARCHE CONOMTRIQUE

THEORIE

RE SPECIFICATION DU MODELE

MODELISATION

THEORIE NON VALIDEE

ESTIMATION ECONOMETRIQUE

THEORIE VALIDEE

13
Economtrie Applique

DMARCHE CONOMTRIQUE

Exemple :
Toute chose restant gale par ailleurs, la quantit demande dun bien est une fonction
inverse (ngative) de la variation du prix de ce bien.
1) Quantit demande est une fonction inverse du prix du bien

2) = =

< 0 si nous choisissons la forme fonctionnelle linaire:

= 1 + 2 + o est le terme derreur.


Elle mesure la diffrence entre les valeurs rellement observes de et les valeurs quon
aurait dues observer si la relation entre la demande et le prix tait exacte .
3) Lestimation de = 1 + 2 +
4) La vrification nous permet davoir des vraies valeurs de 1 codifies par exemple en et
ainsi de suite.
14
Economtrie Applique

CORRLATION VERSUS RGRESSION


LA THORIE DE LA CORRLATION

Rappel:
Dfinition: Lanalyse de corrlation permet de nous informer sur lintensit de la
relation linaire entre deux ou plusieurs variables
Cest un outil complmentaire de la rgression entre les variables.
Quand? : lorsquon souponne de lexistence de liaison linaire entre les variables.
Il existe plusieurs formes de liaisons: logarithmique, exponentielle,
paraboliques,)
Calcul: Recourir la notion de la covariance (limite : influence par les units de
mesure des variables)
=

( ) ( )
( )

(,)

=

( )

Limite : ne permet pas de distinguer entre variable endogne et variable exogne.


Economtrie Applique

15

CORRLATION VERSUS RGRESSION


LA THORIE DE LA CORRLATION (EXEMPLES)

16
Economtrie Applique

CORRLATION VERSUS RGRESSION


LA THORIE DE LA CORRLATION

Proprits du Coefficient de corrlation de Bravais Pearson

Hypothses fondamentales:

Les variables X et Y doivent tre quantitatives ;


Les variables X et Y doivent tre sont gaussiennes ;
La relation entre X et Y doit tre linaire

17
Economtrie Applique

CORRLATION VERSUS RGRESSION


DFINITION ET EXEMPLE
Corrlation

Rgression

Variables

X = quantitative
Y = quantitative

X = quantitative
Y = quantitative

Exemples

Positive
X = Paires de lunettes de soleil
Y = Crmes glaces
Quand X , Y
et vice versa
Ngative
X = paires de lunettes de soleil
Y = parapluies en t
Quand X , Y
et vice versa

Symtrie de
la liaison
Prdiction

Y = Taille
X = Age
Quand lge , la taille
Quand lge , la taille

Oui / Non
Y lie X
X lie Y

Non
La taille dpend de lge
Lge ne dpend pas de la taille

Non

Oui (quation)
18
Economtrie Applique

TERMINOLOGIE ET NOTATION
Variable Dpendante
Variable Explique
Variable de Rponse

Variable Explicative
Variable indpendante
Prdateur
Rgresseur

Variable Endogne

Variable Stimulus

Variable Rsultat

Variable Exogne

Variable Contrle

Variable de Contrle

19
Economtrie Applique

TYPES DE DONNES
Trois catgories de donnes (analyse empirique):
Les sries temporelles (chronologiques) : est un ensemble dobservations qui prend une
variable diffrents moments du temps. Obtenues des intervalles rguliers de temps :
(dcennal, quinquennal, annuel, trimestriel, mensuel, hebdomadaire, quotidien, ect)
Les sries instantanes: se sont des donnes sur une ou plusieurs variables collectes au
mme instant du temps.
Les sries mixtes: elles combinent les lments des sries chronologiques et les donnes
en coupe instantanes. Le panel est un type particulier de sries mixtes dans lesquelles les
mmes units faisant de coupes instantanes sont enqutes sur une priode de temps.

20
Economtrie Applique

SOURCES DE DONNES
Les donnes peuvent tre obtenues auprs de multitude dinstitutions publiques, semipubliques et prives.

Pour le Maroc : la Direction de la Statistique (HCP), les ministres, Bank El Maghrib, les
banques commerciales, les chambres de commerce, ..

Au niveau rgional et international: Eurostat, la banque centrale europenne (BCE), le


Fond montaire international (FMI), la banque mondiales (BM), .

Internet
21
Economtrie Applique

MODLE DE RGRESSION SIMPLE


Introduction
Prsenter le modle de rgression simple
Chercher les estimateurs MCO
tudier ses proprits algbriques
Regarder les hypothses statistiques du modle et analyser leurs consquences (absence
de biais, convergence, efficience)
Analyser les tests d'hypothse simples et le calcul d'intervalles de confiance dans le cadre
du modle
Tester la qualit globale du modle ajust

22
Economtrie Applique

LA RELATION LINAIRE

Supposons que daprs la thorie choisie = , O dsigne la variable dpendante


(explique) et la variable indpendante (explicative).

La thorie peut nous suggrer certaines contraintes sur les paramtres qui doivent tre
respecter:
(1) Le signe de ()
(2) Son ordre de grandeur (poids).

Une spcification est dite linaire lorsque , ou une quelconque transformation de , peut
tre exprime comme une fonction linaire de , ou dune quelconque transformation de
. Ainsi :
= +
=
= ( + )

= log +
= +

23
Economtrie Applique

SPCIFICATION DU MODLE CONOMTRIQUE

Supposons que daprs la thorie choisie = , O dsigne la variable dpendante


(explique) et la variable indpendante (explicative).

Sur base des donnes dchantillons disponibles, quelle sera la forme explicite (du nuage
de points) quon peut choisir?

Supposons quon choisit la forme linaire simple : = +

Cela veux dire qua partir de lutilisation des donnes de lchantillon, on peut calculer
les deux paramtres , afin de tracer la droite: = +

Sur cette droite se trouveraient tous les couples des points ( , ) de lchantillon.
Economtrie Applique

24

SPCIFICATION DU MODLE CONOMTRIQUE

Les relations fonctionnelles strictes et exactes fournissent rarement une relation adquate
entre grandeurs conomiques, la meilleure relation serait de la forme :
= + +

Pour sassurer de lexactitude de la relation (une meilleur reprsentativit de la ralit) qui


intgre toutes les variables ou les boucles reprsentes dans les nuages, on intgre le
paramtre , (o une variable alatoire suivant une loi de probabilit prcise).

Le modle spcifi est une caricature de la ralit et ne retenir que pour expliquer
est vraiment insuffisant. IL existe une multitude dautres facteurs susceptibles dexpliquer
. Cest pourquoi on ajoute un terme appel terme alatoire. (ou terme stochastique ou
terme de perturbation) qui synthtise lensemble de ces informations non explicites dans
le modle.
25

Economtrie Applique

SPCIFICATION DU MODLE CONOMTRIQUE

Ce terme mesure la diffrence entre les valeurs rellement observes de et les valeurs
qui auraient d tre observes si la relation fonctionnelle tait rigoureusement exacte.

Terme stochastique = erreur = perturbation= terme alatoire


2. Ce terme regroupe deux principaux Types derreurs :
Erreur dquation (ou de spcification) et
Erreur de mesure (les donnes ne reprsentent pas vraiment le phnomne)
On peut ajouter une autre erreur : fluctuations entre chantillons.
1.

Lintroduction du terme dans lquation nous oblige formuler des hypothses son
gard.
26
Economtrie Applique

SPCIFICATION DU TERME DERREUR (HYPOTHSES SUR )

est aussi appel lment de perturbation ou erreur de lquation. Cest donc une
variable alatoire.

Hypothse 1

peut prendre des valeurs positives, nulle ou ngatives. Leffet net de touts les variables
omises, ou qui ne peuvent tre mesures, peut rendre soit plus grande, soit plus petite que
la valeur qui aurait t observe. La premire hypothse concernant est que son
esprance mathmatique est nulle, cest--dire que : = 0.
Hypothse 2

Comme est la somme de nombreux effets tant positifs que ngatifs, on peut sattendre
trouver des valeurs faibles de , de faon ce que sa distribution soit uni-modale. Si lon
suppose lexistence dune symtrie, alors le mode concide avec la mdiane et lesprance
mathmatique, nulle dans ce cas. La distribution de est donc symtrique.
27
Economtrie Applique

SPCIFICATION DU TERME DERREUR (HYPOTHSES SUR )


Hypothse 3

Nous supposons que la loi de probabilit suivie par a une forme particulire, le
thorme central-limite nous incite retenir lhypothse selon laquelle suit une loi
normale:
~(0, 2 )

Hypothse 4

Nous supposons aussi que les diffrentes valeurs de reprsentent des variables
alatoires indpendantes les unes des autres. Chaque est considre comme un tirage
indpendant partir dune loi normale indpendamment distribue.
~(0, 2 )

28
Economtrie Applique

Le Modle de Rgression Simple

Hypothse du modle de rgression linaire simple.


Estimation des paramtres : Mthode MCO / OLS
Quelques proprits importantes de la rgression Linaire.

29
Economtrie Applique

LES HYPOTHSES DU MODLE DE RGRESSION

Le modle gaussien, standard, classique de la rgression linaire constitue la pierre


angulaire de lessentiel de la thorie conomtrique pose 10 Hypothses:
Hypothse 1: Modle de rgression linaire
Le modle est linaire dans les paramtres :
= 1 + 2 +

Hypothse 2:
Les valeurs de sont fixes dans un chantillonnage rpt. Les valeurs prises par
le rgresseur sont considres comme fixes dans les chantillons renouvels. En
termes plus technique, est suppos non stochastique.
Hypothse 3: Lesprance mathmatique du terme derreur est nulle
La valeur moyenne du terme derreur ui est nulle. La valeur de tant donne, la
moyenne ou la valeur espre du terme derreur alatoire, ui , est nulle. CAD, la
moyenne conditionnelle de ui est nulle E(ui \Xi ) = 0 E(Yi \Xi ) = 1 + 2
Economtrie Applique

30

LES HYPOTHSES DU MODLE DE RGRESSION


Hypothse 4: Homoscdasticit ou galit des variances de
Lhomoscdasticit ou la constance de la variance . La valeur de tant donne,
la variance de est identique pour toutes les observations. Ceci signifie que les
variances conditionnelles de sont identiques. On peut crire :
( \ ) = [ \ ]
( \ ) = \ ]
( \ ) = 2

Hypothse 5: Absence dautocorrlation entre les erreurs


Compte tenu des deux valeurs , et ( ), la corrlation entre deux et
( ), est gal zro.
( , \ , ) = { \ }{ \ }
( , \ , ) = ( \ )( \ )
( , \ , ) = 0

31
Economtrie Applique

LES HYPOTHSES DU MODLE DE RGRESSION


Hypothse 6: covariance nulle entre et

( , ) =
( , ) =
car = 0
( , ) = ( ) nest pas stochastique
( , ) = 0

Le terme derreur et la variable explicative sont non corrls. Dans notre


modle nous avons suppos que X et ont une influence spare (et additive)
sur . Mais si et sont corrles, il nest pas possible dapprcier leffet
individuel de chaque variable sur .
Cette hypothse se vrifie parce que est non alatoire mais aussi parce
quelle avait des valeurs fixes pour des chantillons rpts. Mme si tait
alatoire mais indpendante de c'est--dire non corrles, les proprits des
estimateurs MCO se vrifieraient toujours si la taille de lchantillon est trs
large.
Economtrie Applique

32

LES HYPOTHSES DU MODLE DE RGRESSION


Hypothse 7:
Le nombre dobservations n doit tre plus lev que le nombre de paramtres
estimer.
Hypothse 8 : La variabilit des valeurs de .
Les valeurs de dans un chantillon donn ne sont pas obligatoirement les mme.
Autrement dit, () doit tre un nombre fini positif.
Hypothse 9: Le modle de rgression est correctement spcifi.
Ceci veut dire quil nexiste pas de biais de spcification ou derreurs dans le
modle utilis pour lanalyse empirique.
Hypothse 10: Il n'y a aucune multicolinarit parfaite.
Il n'y a pas de relation linaire parfaite entre les variables explicatives.
Economtrie Applique

33

ESTIMATION DES PARAMTRES : MCO


Dfinitions :
Un estimateur est dfini comme une formule ou une mthode pour estimer un paramtre
inconnu.
Tandis que lestimation est la valeur numrique rsultant de lapplication de cette formule
une ralisation dun chantillon.
Un estimateur tant fonction dune variable alatoire , est lui- mme une variable
alatoire.
Toute droite trace partir du nuage des points est considre comme un estimateur de la
relation suppose. = 1 + 2 +
Toute droite engendre carts quon appellera rsidus ( ). Il parait donc logique de
choisir une droite (c'est--dire des valeurs de 1 et 2 ) qui donne les rsidus les plus
faibles.
34

Economtrie Applique

MTHODE DES MOINDRES CARRES ORDINAIRE

Lajustement par la mthode des moindres carres ordinaires (MCO), va apparaitre comme
le procds convenant lestimation des paramtres du modle.

Ex.
La fonction de consommation keynsienne
La fonction de production Cobb-Douglass (Forme non linaire)

Forme linaire du modle de rgression multiple


35
Economtrie Applique

MTHODE DES MOINDRES CARRES ORDINAIRE

Il convient de noter galement que le terme derreur [bruit, perturbation ou ala] dnote
de la diffrence entre lconomiste et lconomtre.

Il synthtise linfluence sur [variable explique] de toutes les autres variables oublies
et des erreurs ventuelles de spcification de la forme fonctionnelle dans le modle
spcifi par lconomiste.

De plus, sa prsence dans le modle rend les paramtres a et b inconnus, on ne sait plus les
calculer,.
il faut donc les estimer.
36
Economtrie Applique

MTHODE DES MOINDRES CARRES ORDINAIRE

MCO

37
Economtrie Applique

MTHODE DES MOINDRES CARRES ORDINAIRE

38
Economtrie Applique

MTHODE DES MOINDRES CARRES ORDINAIRE

Le critre des moindres carrs consiste minimiser la somme des carrs des carts (des
erreurs) entre les vraies valeurs de Y et les valeurs prdites avec le modle de prdiction.

L'estimateur des moindres carres ordinaires (MCO) des paramtres a et b doit donc
rpondre la minimisation de la somme des carres des carts.

En appelant a et b les solutions de ces quations normales, nous obtenons les


estimateurs des moindres carrs.
Economtrie Applique

39

MTHODE DES MOINDRES CARRES ORDINAIRE

Mthode de Calcul :
On cherche les valeurs de et qui minimisent la SCR :
1. On crit SCR en fonction des paramtres et
2. On pose la drive de cette fonction par rapport gale zro
3. On pose la drive de cette fonction par rapport gale zro
4. On rsoud ce systme de 2 quations 2 inconnues

Les valeurs qui rsolvent ce systme de 2 quations 2 inconnues, notes et , sont


appeles les paramtres estims des MCO.
40
Economtrie Applique

MTHODE DES MOINDRES CARRES ORDINAIRE

Minimiser la somme des carres des carts


On dduit des quations normales les valeurs :

Autres relations pour calculer le paramtre

Lquation de rgression par la mthode des MCO est alors :

41
Economtrie Applique

MTHODE DES MOINDRES CARRES ORDINAIRE

S Min et2 Min ( yt y t ) 2 Min ( yt axt b) 2


S
2 ( yt axt b) xt 0
a
S
xt b) 0

2
(
y

t
b y ax
b
En multipliant les deux ct par 1/n

Conditions de premier ordre:

(2)
(1)

1
1
1
1
yt xt y xt a ( xt x xt ) 0

n
n
n
n
1
1

yt xt yx a ( xt x ) 0

n
n
1
yt xt yx

yt xt nyx

n
a

1
xt nx

t
n

(1)

(2)

Economtrie Applique

42

MTHODE DES MOINDRES CARRES ORDINAIRE

Interprtation (1):
Soit le modle de rgression

= + +
Lestimation par MCO fournit les rsultats suivants :
= +
1. Le coefficient est la pente de la droite : si augmente de 1 unit, augmente de
units
2. Le coefficient est lordonne lorigine : si est gal 0, est gal .
43
Economtrie Applique

MODLE DE RGRESSION SIMPLE


EXEMPLE

44
Economtrie Applique

MODLE DE RGRESSION SIMPLE


EXEMPLE

45
Economtrie Applique

MODLE DE RGRESSION SIMPLE


EXEMPLE (SUITE)

46
Economtrie Applique

MTHODE DES MOINDRES CARRES ORDINAIRE

Interprtation (2):
La valeur ajuste est une estimation de la moyenne de sachant , cest--dire de la
moyenne de y conditionnelle , note ( | ).
Soit le modle de rgression linaire :
= + +
Si on applique une esprance conditionnelle aux 2 termes, on a :
= + + = + + (|)
Si (| ) = 0, la rgression linaire est quivalente :
(|) = +
Pour des valeurs estimes des paramtres, on a :
(|) = + =
47
Economtrie Applique

MTHODE DES MOINDRES CARRES ORDINAIRE

Interprtation (3):
Soit le modle de rgression
= + + = +
Lestimation par MCO fournit les rsultats suivants :
= + (|) = +
1. Si augmente de 1 unit, augmente de units

Si augmente de 1 unit, augmente en moyenne de units


Si augmente de 1 unit, laugmentation espre de est
2. Si est gal zro, la valeur de est gale
Si est gal zro, la valeur moyenne de est estime

48
Economtrie Applique

MODLE DE RGRESSION SIMPLE

Sur la base de cette relation on peut tester la


signification des paramtres

TESTS DE SIGNIFICATION DE COEFFICIENTS POUR LES ESTIMATIONS

49
Economtrie Applique

MODLE DE RGRESSION SIMPLE

50
Economtrie Applique

MODLE DE RGRESSION SIMPLE


EXEMPLE (SUITE)

51
Economtrie Applique

MODLE DE RGRESSION SIMPLE


TEST DEFFICACIT DAJUSTEMENT ET COEFFICIENT DE CORRLATION

52
Economtrie Applique

MODLE DE RGRESSION SIMPLE

53
Economtrie Applique

MODLE DE RGRESSION SIMPLE (RSUM)

54
Economtrie Applique

MODLE DE RGRESSION SIMPLE


EXERCICE

55
Economtrie Applique

MODLE DE RGRESSION SIMPLE


EXERCICE

56
Economtrie Applique

MODLE DE RGRESSION SIMPLE


EXERCICE

57
Economtrie Applique

58
Economtrie Applique

MODLE DE RGRESSION SIMPLE


EXERCICE

59
Economtrie Applique

MODLE DE RGRESSION SIMPLE


EXERCICE

60
Economtrie Applique

MODLE DE RGRESSION SIMPLE


EXERCICE

61
Economtrie Applique

MODLE DE RGRESSION SIMPLE


EXERCICE

62
Economtrie Applique

MODLE DE RGRESSION SIMPLE


PROPRITS DES ESTIMATEURS PAR LES MCO

Pourquoi choisir la mthode des MCO?

Pourquoi les estimateurs MCO sont-ils les plus employer?

Pourquoi sont ils suprieurs tout autre estimateur?

Rponse:
Les estimateurs MCO parmi tous les autres estimateurs en matire dajustement sont :

Sans Biais + efficace

Convergent
63
Economtrie Applique

MODLE DE RGRESSION SIMPLE

Comparaison des estimateurs


Mthode 1: Ajustement bas sur la mthode des moments
Mthode 2: bas sur la mthode du maximum de vraisemblance
Mthode 3: bas sur la mthode des Moindre carrs ordinaires
..

..

Convergent

Non Convergent
Si l'on peut estimer la valeur du
paramtre sur toute la
population-mre, la valeur de
l'estimation obtenue doit tre la
valeur vraie du paramtre

Efficace

Estimateur 1
Estimateur 2
Estimateur 3

Sans Biais

Pas de Prcision
Si l'on rpte l'estimation sur
un autre chantillon, on
souhaite obtenir une
estimation cohrente, donc
peu de variation d'un
chantillon l'autre

Si l'on souhaite que


l'estimation ne soit
pas dcale par
rapport la valeur
vraie

on se sert de plusieurs critres, lis au bon sens

PROPRITS DES ESTIMATEURS PAR LES MCO

Economtrie Applique

64

MODLE DE RGRESSION SIMPLE


PROPRITS DES ESTIMATEURS PAR LES MCO

Cas sans biais, et convergent et efficace

65
Economtrie Applique

MODLE DE RGRESSION SIMPLE


PROPRITS DES ESTIMATEURS PAR LES MCO

cas biais, convergent, et consistant

66
Economtrie Applique

MODLE DE RGRESSION SIMPLE


PROPRITS DES ESTIMATEURS PAR LES MCO

cas biais, convergent, mais non consistant

67
Economtrie Applique

ETUDE DE CAS
La fonction keynsienne de consommation.
Rappel : Keynes proposait : la loi psychologique fondamentale est que les hommes [les
femmes] en moyenne sont disposs, en rgle gnrale, augmenter leur consommation
mesure que leur revenu crot, mais pas autant que l'augmentation de leur revenu ce qui
signifie que la proportion marginale consommer est comprise entre 0 et 1.
o Bien que Keynes nait pas spcifi la forme fonctionnelle
de la relation revenu consommation, nous supposons
quelle est linaire. = 1 + 2 +
o Pour tester cette relation nous disposons des donnes de
lchantillon du tableau suivant.

o est le revenu hebdomadaire de la famille


o est sa dpense en consommation hebdomadaire.

Y
70
65
90
95
110
115
120
140
155
150

X
80
100
120
140
160
180
200
220
240
260

Economtrie Applique

68

ETUDE DE CAS

La fonction keynsienne de consommation. Soit le modle linaire : = 1 + 2 +


Les rsultats sont les suivants : Sortie Eviews
Dependent Variable: Y
Method: Least Squares
Date: 12/20/15 Time: 15:45
Sample: 1 10
Included observations: 10

La droite estime est la suivante

= 24,4545 + 0,5091

Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
X

24.45455
0.509091

6.413817
0.035743

3.812791
14.24317

0.0051
0.0000

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)

0.962062
0.957319
6.493003
337.2727
-31.78092
202.8679
0.000001

Mean dependent var


S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

Economtrie Applique

111.0000
31.42893
6.756184
6.816701
6.689797
2.680127
69

ETUDE DE CAS
La droite estime est la suivante :
= 24,4545 + 0,5091

Interprtation :
o Chaque points de la ligne de rgression fournit une estimation de la valeur moyenne (ou
espre) de correspondant une valeur donne de ;
Autrement dit est une estimation de (\ ).
o La valeur de = , , qui mesure la pente, indique que, dans la plage de
lchantillon de comprise entre 80 et 260 par semaine, lorsque croit (par exemple
dune unit) la croissance estime de la consommation hebdomadaire moyenne slve
environ (+0,51 units).
o La valeur de = , qui reprsente la valeur en ordonnes lorigine de la droite
de rgression, elle indique le niveau moyen de la consommation lorsque le revenu est
nul.
70
Economtrie Applique

ETUDE DE CAS
La fonction keynsienne de consommation.
Remarques

Dans lanalyse de rgression, une telle interprtation littrale peut ntre pas toujours
significative: on suppose quune famille dpourvue de revenu puisse maintenir un niveau
minimal de consommation soit par lemprunt soit par le dspargne. Mais gnralement,
on doit faire preuve de bon sens pour interprter ce coefficient car trs souvent, la
dispersion de ne comprend pas le chiffre zro.

Le mieux serait, pour interprter la valeur en ordonne lorigine, de dire quelle


reprsente leffet moyen de Y de toutes les variables omises dans le modle.
71
Economtrie Applique

ETUDE DE CAS
La fonction keynsienne de consommation.

La valeur de = 0,9621
signifie
quenviron 96% de la variation dans la
consommation
hebdomadaire
sont
expliqus par le revenu. Puisque peut
tre au maximum valoir 1, le observ
suggre que la droite de rgression est un
trs bon ajustement des donnes.

Le coefficient de corrlation
= 0,9809 indique que les deux variables
consommation et revenu sont fortement et
positivement corrls.

72
Economtrie Applique

ETUDE DE CAS
La fonction keynsienne de consommation.
Intervalle de confiance pour et
La lecture des rsultats indique que:
2 = 0,5091 et 2 = 0,0357 avec = 8
Si nous supposons = 5%, (le coefficient
de confiance 95%), alors la table de
Student donne: 0,025 = 2,306.
On peut vrifier que l'intervalle de
confiance de 95% pour 2 :

Dependent Variable: Y
Method: Least Squares
Date: 12/20/15 Time: 15:45
Sample: 1 10
Included observations: 10
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
X

24.45455
0.509091

6.413817
0.035743

3.812791
14.24317

0.0051
0.0000

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)

0.962062
0.957319
6.493003
337.2727
-31.78092
202.8679
0.000001

Mean dependent var


S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

111.0000
31.42893
6.756184
6.816701
6.689797
2.680127

Pr[2 2 2 2 + 2 ] = 1
2

73

0,4268 2 0,5914
Economtrie Applique

ETUDE DE CAS
La fonction keynsienne de consommation.
Interprtation
Compte tenu du seuil de confiance de 95%, long terme, et dans 95 cas sur 100 lintervalle
(0,4268, 0,5914) contiendra la vraie valeur de 2 .
Ne pas dire: que la probabilit est de 95% que l'intervalle spcifique de 0,4268 0,5914
contient la vraie valeur de 2
Cet intervalle est corrig et non pas alatoire; donc, 2 appartient lintervalle ou pas :
La probabilit que l'intervalle fixe spcifie comprend la vraie valeur du paramtre 2 est
donc soient 1 ou 0.
De mme lintervalle de confiance pour 1 est 9,8843 1 39,2448
long terme, dans 95 cas sur 100 intervalles lintervalle de confiance contiendra la vraie
1 ; la probabilit que cet intervalle fixe comprend notamment le vrai paramtre 1 est 1
74
ou 0.
Economtrie Applique

Intervalle de confiance pour

2
Lintervalle pour 2 est : Pr 1
2 2 = 1
2

2
2

Pr 2 2 2 2 2
= 1

1
2

partir des rsultats :

337,2727
La
= 337,2727
donc
on
peut
dduire
2 = =
= 42,1591
8
2
Pour = 5%, la table de 2 pour 8 fournit les valeurs critiques suivantes: 0,025
=
2
17,5346, et 0,975
= 2,1795. Ces valeurs indiquent que la probabilit dune valeur de 2
suprieur 17,5346 est de 2,5% et celle dpassant 2,1797 est de 97,5%.
Par consquent, lintervalle entre ces deux valeurs est lintervalle de confiance de 95%
pour 2 , comme reprsent schmatiquement en haut. (Notez la caractristique
asymtrique de la distribution du chi-carr.)
19,2347 2 154,7336

75
Si on fixe les limites de confiance 95%, et si on maintient priori quelles
comprendront le vritable 2 on aura raison, LT dans 95% des cas.
Economtrie Applique

ETUDE DE CAS
La fonction keynsienne de consommation.
Test dhypothse : (Signification statistique)
Le but tant de dcouvrir si est reli . Lhypothse nulle peut-tre tester laide de
lintervalle de confiance ou par test de statistique.
On suppose que:
H0 : 1;2 = 0
VS
H1 : 1;2 0,
Au vue des rsultats (sortie Eviews), les t-Student respectifs sont :
t1 = 3,8127 et t2 = 14,24317, 1 = 6,41, 2 = 0,0357
Si = 0,05 et avec = 8, et la table de Student donne la valeur = 2,306.
Nous pouvons affirmer que statistiquement, les valeurs t1 > et t2 >

Lhypothse nulle est rejete


La probabilit critique affirme ce constat puisque Prob1 < 0,05 et Prob2 < 0,05

Economtrie Applique

76

ETUDE DE CAS
La fonction keynsienne de consommation.
Test dhypothse : (Signification conomique)
Sur la base du test de signification, nous avons dcider daccepter 0 .
Q? Et si la thorie conduit penser que la vritable pente 2 = 1.
Le 2 observ est de 0,5091. Est-il compatible avec lhypothse pose?
On suppose que H0 : 2 = 0 contre H1 : 2 0, au vue des rsultats (Eviews), les t-Student
respectifs sont : t1 = 3,8127 et t2 = 14,24317 , 1 = 6,41, 2 = 0,0357
(0,50910,5)
Supposons que = 0,5 . le =
= 0,25 < 2,306 on peut donc
0,0357
accept H0 .

Daprs la thorie, le multiplicateur simple est de


. Donc si = 0,5091, le
(1)
multiplicateur est 2,04, mais il est 2,56 si = 0,61. le gouvernement augmentait ses
dpenses de (1 unit) pour sortir lconomie dune rcession, le revenu national pourrait
augmenter de 2,04 units si = 0,5091 ou 2,56 units si = 0,61. cette diffrence est
77
dterminante pour stopper la rcession dans lconomie.
Economtrie Applique

ETUDE DE CAS
La fonction keynsienne de consommation.
Les analyses de la rgression et de la variance
La table ANOVA est
Origine Somme des carres
8552,73
fournit dans le tableau suivant: SCE
SCR
SCT

337,27
8890

ddl
1
8
9

Moyenne de la somme des carres


8552,73
42,159

La valeur calcule de est de = 8552,73


= 202,87
42,159

La valeur de du statistique correspond 1 et 8 ne peut sobtenir de la table de ,


mais Eviews donne une = 0,000001, une probabilit extrmement faible.
Si on choisit lapproche du seuil de signification = 0,01 (1%), on peut remarquer que
est visiblement significative ce niveau.
Si nous rejetons lhypothse nulle 2 = 0, la probabilit de commettre une erreur de type
I est trs petite. On peut conclure avec assurance que le revenu influe sur la
78
consommation.

Economtrie Applique

ETUDE DE CAS
La fonction keynsienne de consommation.
Quelle utilisation faire de cette rgression (prvision)
Rappel : il y a deux sorte de prvision : la prvision de la moyenne et la prvision dune
observation individuelle.
Prvision de la moyenne : (ponctuelle)
Supposons 0 = 100 et que nous voulions prdire (\X = 100).
La rgression passe fournit lestimation ponctuelle de cette prvision de la moyenne :
0 = 1 + 2 0
0 = 24,4545 + 0,5091(100)
0 = 75,3645

O 0 est lestimateur de \0 on peut prouver que cette prdiction ponctuelle est un


estimateur BLUE. Sa moyenne est 1 + 2 0 et sa variance est donne par :
0

2
1

0
= 2[ +
]

79
Economtrie Applique

ETUDE DE CAS
La fonction keynsienne de consommation.
Prvision de la moyenne : (ponctuelle)
2
En remplaant par sa valeur estime non biaise on obtient:
0

1
100 170 2
= 42, 159
+
= 10,4759
10
33000
0 = 10,4759 = 3,2366

Par consquent, l'intervalle de confiance de 95% pour une vritable \0 = 1 + 2 0


est donn par : 75,3645 2,306(3,2366) \0 75,3645 + 2,306(3,2366)
67,9010 = 100) 82,8381

Ainsi, compte tenu de 0 = 100, dans un chantillonnage rpt, et dans 95/100 intervalle
67,9010 = 100) 82,8381 comprendra la vraie valeur moyenne; la meilleure
estimation de la vraie valeur moyenne est bien sr le point estimer 75,3645. Si nous
obtenons des intervalles de confiance 95% pour chacune des valeurs de indiques dans
le tableau des donnes, on obtient ce qu'on appelle l'intervalle de confiance, ou de la
80
bande de confiance, pour la fonction de rgression de la population.
Economtrie Applique

ETUDE DE CAS
La fonction keynsienne de consommation.
Prvision individuelle :
Intressons-nous la prdiction de la valeur individuelle Y, 0 , correspondant une
valeur de donne, disons, 0 , un meilleur estimateur linaire sans biais de Y0 est
galement donne par : 0 = 24,4545 + 0,5091(100) donc : 0 = 75,3645 mais sa variance
est la suivante:
2
1

0
0 0 = 0 0 = 2 [1 + +
]

2
1
100 170 2
0 0 = 42, 159 1 +
+
= 52,6349
10
33000
0 = 52,6349 =
(58,6345 (0 |0 = 100) 92,0945)

Cet intervalle est plus grand de celui de la prdiction par rapport la moyenne.
Donc il faut tre prudent lorsquon veut prdire E(Y|0 ) dans le cas ou 0 associ un 0
81
donn est loign de la moyenne de lchantillon X
Economtrie Applique

ETUDE DE CAS
La fonction keynsienne de consommation.

Dependent Variable: Y
Method: Least Squares
Date: 12/20/15 Time: 15:45
Sample: 1 10
Included observations: 10
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
X

24.45455
0.509091

6.413817
0.035743

3.812791
14.24317

0.0051
0.0000

Synthse
R-squared
0.962062 Mean dependent var
111.0000
R-squared
0.957319 S.D. dependent var
31.42893
Dans cette quation la Std. Error sont les carts types Adjusted
S.E. of regression
6.493003 Akaike info criterion
6.756184
Sum squared resid
337.2727 Schwarz criterion
6.816701
estims des coefficients de rgression. Ceux de 4me Log likelihood
-31.78092 Hannan-Quinn criter.
6.689797
F-statistic
202.8679 Durbin-Watson stat
2.680127
colonne sont les valeurs estimes de t calcules sous
Prob(F-statistic)
0.000001
lhypothse nulle selon laquelle la valeur relle de la population de chaque coefficient de
rgression est gale zro.
Les chiffres de la dernire colonne tant les valeurs estimes. Pour 8 , la probabilit
dobtenir une valeur de respectivement de 14,24317 et 3,812791 ou plus est denviron 0,00000
et 0,0051.
En reprsentant les valeurs des coefficients estims, on peut voir immdiatement le seuil
exact de signification de chaque valeur estime de . donc, sous (lhypothse nulle selon
laquelle la valeur de lordonne lorigine de la population relle est zro, la probabilit
82
exacte (cest--dire la valeur ) dobtenir une valeur de t de 3,8128 ou plus nest que
denviron 0,0026.
Economtrie Applique

ETUDE DE CAS

La fonction keynsienne de consommation.


synthse
Par consquent, si lon rejette cette hypothse nulle, la probabilit de commettre une erreur
de type I est denviron 26 pour 10000. soit une trs faible probabilit.
On peut donc dire que, pour toutes les situations empiriques, la vritable valeur de
lordonnes lorigine diffre de zro.
De mme la valeur p du coefficient estime de la pente est nulle. Si la effective tait
nulle, les chances dobtenir une = 0,5091 seraient pratiquement nulles. Ainsi peut-on
rejeter lhypothse nulle proposant = 0.
Nous avons montrer prcdemment la liaison intime entre et le statistiques, savoir
1, = 2 . sous lhypothse nulle daprs laquelle la vrai 2 = 0 indique que la valeur de
est de 202,87 (pour des de 1 au numrateur et 8 au dnominateur) et que la valeur de est
d peu prs 14,24 (8 ); comme prvu, la premire valeur est le carre de la seconde, aux
83
erreurs darrondis prs. La table pour cette question a dj t prsente.
Economtrie Applique

ETUDE DE CAS

La fonction keynsienne de consommation.


synthse
Maintenant nous souhaitons aborder les qualits du modle ajust. Quelles est la valeur
de ce modle?
En premier lieu, les signes des coefficients estims sont-ils concordants avec les
anticipations de la thorie ou les rsultats dtudes antrieurs?
priori, 2 , la de la fonction de consommation, devrait tre positive. Dans notre
exemple elle lest.
En second lieu, si la thorie propose que la relation devrait non seulement tre positive mais
aussi statistiquement significative. Nous avons montr que la tait non seulement
positive mais aussi statiquement diffrent de zro: la valeur de du estim est trs faible.
Les mmes remarques peuvent tre faites sur la valeur de lordonne lorigine.
En troisime lieu, le modle de rgression explique-t-il bien la variation de consommation?
On peut, pour rpondre cette question utiliser ? Ce est denviron 0,96, ce qui est une
84
valeur leve puisque ce coefficient est 1 au maximum.
Economtrie Applique

ETUDE DE CAS

La fonction keynsienne de consommation.


synthse
Il sensuite que le modle choisi pour expliquer le comportement de la consommation
semple correct. Mais avant de conclure, aimerait-on dcouvrir si le modle satisfait aux
hypothse du MRL. Nous allons pas vrifier toutes les hypothses parce que le modle est
visiblement simple.
Toutefois, nous allons vrifier lhypothse de la normalit du terme derreur. Rappelons que
les test et utilis auparavant supposent que le terme derreur suit la distribution normale?
Dans le cas contraire, la procdure sera sans valeur dans les petits chantillons.

85
Economtrie Applique

ETUDE DE CAS

La fonction keynsienne de consommation.


Tests de normalit
Bien quil en ait un certain nombre : (l) histogramme des rsidus, (2) le test de Jarque-Bera.
(1) Lhistogramme des rsidus
Est un graphique simple, utilis pour voir la forme de la fonction de densit de probabilit
dune variable alatoire. Si on suppose la courbe en cloche de la courbe normale sur
lhistogramme, on se fait une ide de ladquation la normalit. Cette une des mthodes
faciles pour tester lhypothse de la normalit.
(2) Le test de normalit de Jarque-Bera ()
Est un test asymptotique (relatif aux grands chantillons) est galement bas sur les rsidus
des . On calcule dabord lasymtrie et laplatissement. Puis mesurer les rsidus des
le test scrit :
86
2
3 2
= [ + (
]
6
24

Economtrie Applique

ETUDE DE CAS

La fonction keynsienne de consommation.


Tests de normalit
o : taille de l'chantillon, : coefficient d'asymtrie, et : coefficient d'aplatissement.
Pour une variable normalement distribu, = 0 et = 3.
Par consquent, la valeur de la statistique devrait tre 0.
Sous l'hypothse nulle que les rsidus sont normalement distribus, ont montr que
asymptotiquement (dans les grands chantillons) la statistique suit la distribution khi
deux avec 2 .
Si la valeur de calcule de la statistique de est suffisamment faible, ce qui signifie que
la statistique est trs diffrente de 0, on peut rejeter l'hypothse que les rsidus sont
normalement distribus.
Si la valeur de est assez leve, c--d la valeur du test est proche de zro, lhypothse de
87
normalit nest pas rejete.
Economtrie Applique

ETUDE DE CAS

La fonction keynsienne de consommation.


Tests de normalit
La taille de l'chantillon dans notre exemple consommation-revenu est assez petite.
On ne devra pas utilis le test de .
Si nous appliquons la formule: la statistique de = 0,7769.
La valeur de p de l'obtention d'une telle valeur laide de la distribution chi-deux avec 2 ddl
est d'environ 0,68, ce qui est assez lev.
En d'autres termes, nous ne pouvons pas rejeter l'hypothse de normalit pour notre
exemple. Bien sr, il faut garder l'esprit l'avertissement relatif la taille de l'chantillon.
88
Economtrie Applique

EXERCICES
Les affirmations suivantes sont-elles vraies, fausses ou incertaines? Soyer prcis.
Le test de signification t suppose que les distributions dchantillonnage des estimateurs
et suivent la distribution normale.

89
Economtrie Applique

FIN

90
Economtrie Applique