Académique Documents
Professionnel Documents
Culture Documents
MODELE LINEAIRE DE
REGRESSION MULTIPLE
(M.R.M)
Les M.R.M. sont du type :
.
Y t a1X 1t a2 X 2t ... ap X pt U t
Yt: Variable endogne, alatoire cause de lintroduction de Ut
Cov (Ut ,U t ) 0
'
Hypothse 5 :
La loi de distribution de lala est
une loi gaussienne de moyenne
nulle et lcart-type fini.
Hypothse 6 :
Hypothse sur les variables exognes:
Absence de colinarit des
variables X1tXpt et E (vecteur
unit).
Hypothse 7 :
n
soit minimum.
(u
i 1
) t
2
Revenons hypothse 4, concernant U
X U X U ... X U ... X
1
' '
2
'
j
'
p 1 U E U 0
'
U X est le transpos de X
X '.(Y X a ) 0
(X '.Y ) (X ' X . a ) 0
X '.Y X '.X a
1 1
(X ' X ) X 'Y (X ' X ) (X ' X ) a
1
a (X ' X ) .X 'Y
Proprits de
a (X ' X ) 1 X '(Xa U )
a a (X ' X ) 1 X 'U
E (a ) E a (X ' X ) 1 X 'U
E (a ) E (a ) (X ' X ) 1 X ' E (U ) ; E(U) tant egal 0
E (a ) a donc a est un estimateur sans biais de a.
V (a ) (X ' X )
u
2 1
2
u t
2
On sait que: S 2
Avec u t
u 'u
n p
n n
t
(
Y Y ) t
(
Y 2
X t a ) 2
R2 t=1
n
t=1
t
(
Y
t=1
Y ) 2
Tests dhypothses dans le
M.R.M
Y 'Y
p Y 'Y n-p
F=
= tend vers un Fp;n-p ddl
u 'u p u 'u
np
-Solution du Test :
On compare le F thorique cd le F lu sur la table de distribution de
Fisher et le F calcul partir de nos observations:
Solution du test :
P -t . ak < a k <+t . ak =0.95
2 cas possibles :
* appartient lintervalle -t . a , +t . ak
k
1.92
T 2 donc selon lchantillon, la consommation nexplique
1.25 pas le niveau des importations.
3) Test de DURBIN & WATSON :
Problme de lautocorrlation des rsidus
Il y a autocorrlation des rsidus quand le modle est mal spcifi
d
(u t u t 1 ) 2
2
u t
on peut dduire
d 22
(u u t t 1 )
u t
2
Tableau de dcisions
0 d1 d2 4- d2 4- d1 4
AUTOCORRELATION AUTOCORRELATION
DOUTE INDEPENCE DOUTE
POSITIIVE NEGATIVE
.
Durbin & Watson ont dtermin 2 valeurs d1 et
d2 fonction de n et de p.
Donc on calcule ^d partir de sa formule et
donner rsultats de lestimation ; ensuite, nous
serons face plusieurs ventualits :
*^d < d1 on rejette H0
* d1 <^d <d2 doute
b
^d>d2 non rejet H0 , absence
dautocorrlation des rsidus.
Exemple :
Log Mt = 0,469 Log Ct + 0,034 Log FBCFt +
0,471 Log Xt 0,993
^DW = 1,414
n = 15 et p = 3 d1=0,82 et d2=1,75
0 0,82 1,75 4- 1,75=2,25 4- 0,82=3,18 4
1,414
AUTOCORRELATION AUTOCORRELATION
DOUTE Indpendance DOUTE
POSITIIVE NEGATIVE
MODELES MULTIPLES
Ex1
Soit le modle suivant concernant le cas
dune banque. On veut tudier limpact
trois variables (dpenses publicitaires X1,
les crdits X2 et les dpts X3) sur le
rsultat net de cette banque (Y). (Y, X1, X2
et X3 sont en million de dh)
Le tableau ci-dessous regroupe les variables
tudier:
Anne Y X1 X2 X3
1989 12 2 45 121
1990 14 1 43 132
1991 10 3 43 154
1992 16 6 47 145
1993 14 7 42 129
1994 19 8 41 156
1995 21 8 32 132
1996 19 5 33 147
1997 21 5 41 128
1998 16 8 38 163
1999 19 4 32 161
2000 21 9 31 172
2001 25 12 35 174
2002 21 7 29 180
Yt= ao +a1X1t+a2X2t+a3X3t+Ut
Mettre le modle sous sa forme matricielle.
Estimer les paramtres du modle
Calculer le R2
14 85 532 2094
85 631 3126 13132
532 3126 20666 78683
2094 13132 78683 317950
(XX)-1 est :
32,89132
1 0 ,8019
( X ' X ) X 'Y
0,38136
0,03713
0= 32,89,1= 0,80, 2= -0,38 et 3=-0,03
Donc
Yt= 32,89+0,8X1t-0,38X2t-0,03X3t
+Ut
Sachant que
R 1
2 e 2
t
(y t y) 2
Calcule ^
1 Anne ,2 Yt ,3 Y t ,4 et ,
de R2 5 e ,6 yt yt et 7
2
t
t
( y y t
) 2
1 2 3 4 5 6 7
1989 12 12,84 -0,84 0,7056 -5,7142857 32,653
1990 14 12,39 1,61 2,5921 -3,7142857 13,796
1991 10 13,18 -3,18 10,1124 -7,7142857 59,51
1992 16 14,39 1,61 2,5921 -1,7142857 2,9388
1993 14 17,7 -3,7 13,69 -3,7142857 13,796
1994 19 17,88 1,12 1,2544 1,28571429 1,6531
1995 21 22,2 -1,2 1,44 3,28571429 10,796
1996 19 18,86 0,14 0,0196 1,28571429 1,6531
1997 21 16,51 4,49 20,1601 3,28571429 10,796
1998 16 18,76 -2,76 7,6176 -1,7142857 2,9388
1999 19 17,92 1,08 1,1664 1,28571429 1,6531
2000 21 21,9 -0,9 0,81 3,28571429 10,796
2001 25 22,71 2,29 5,2441 7,28571429 53,082
2002 21 20,76 0,24 0,0576 3,28571429 10,796
Moyenne 17,71
Somme 248 248 0 67,46 226.86
Donc
R2= 1-(67,45/226,86) = 0,702
1/Calculer lestimation de la
variance de lerreur ainsi que
les carts types de chacun des
coefficients.
2/Les variables exognes sont-
elles significativement
contributives pour expliquer la
variable endogne
1/On sait que:
t 14
^ 2 e 2
t
67,45 67,45
t 1
6,745
n k 1 14 3 1 10
La matrice des variances et covariances estimes des
coefficients nous est donne par:
^ ^
( X ' X ) 2 1
^ ^
2 ( X ' X ) 1
20,16 0,015 0,2314 0,076
0,015 0,0132 0,0012 0,00094
6,745 x
0,2314 0,0012 0,0036 0,00057
0,076 0,00094 0,0006 0,0004
Les variances des coefficients de rgression
se trouvent sur la 1re diagonale
^ 2 ^
0 6,745 x 20,17 136,04
0 11,66
alors
^ 2 ^
1 6,745x0,013 0,084
1 0,29
alors
^ 2 ^
2 6,745x0,0036 0,024
2 0,15
alors
^ 2 ^
3 6,745 x0,0004 0,0026
3 0,05
alors
2/ Pour cela nous devons calculer
i
^
t i
i
Pour 1, t1= 0,80/0,29= 2,75>2
X1 est pertinente
Pour 2, t2= va(-0,38/0,15)= 2,53>2
X2 est pertinente.
Pour 3, t3= va(0,03/0,05)=0,60<2 X3
nest pas contributive lexplication de
Y