Vous êtes sur la page 1sur 2

Université Sidi Mohamed Ben Abdellah Année Universitaire 2017/2018

Faculté des sciences Juridiques, S1,Master MEA


Economiques et Sociales- Fès-

Série 2 d’ Econométrie
Exercice 1: Soient ct les quantités consommées et pt leur prix, à la période t. La consommation réelle est donc ct et
la consommation nominale Ct = pt ct . Le revenu nominal est Yt et le revenu réel est yt =Yt/pt .
En termes nominaux, la relation entre consommation et revenu est Ct = a + bYt tandis qu'en termes réels, elle s'écrit :
ct = a + b yt. La relation entre consommation et revenu doit-elle être spécifiée en termes réels ou nominaux ?

Exercice 2 : Les ventes V d'une entreprise sont une fonction croissante de ses dépenses de publicité PUB, mais au
fur et à mesure que les dépenses de publicité augmentent, l'accroissement des ventes devient de plus en plus faible,
d'autant plus que le niveau de départ des dépenses publicitaires est élevé.
1)- La relation entre les ventes V et les dépenses de publicité PUB est-elle bien représentée par une des spécifications
suivantes, et laquelle ?
Vt= 1+2PUBt , avec 1>0 et 2>0
Vt=1PUBt2, avec 1 >0 et 0 <2 <1
Vt=ln(1+PUBt2) , avec 1 >0 et 0 >2 >-1

Exercice 3: Soit une fonction de production, qu'on représente de la manière suivante, et en prenant comme
hypothèse d'absence de progrès technique :Y= f (K, L) ;Y est la quantité produite, K est le capital et L l'emploi.
Parmi ces deux spécifications, laquelle est réaliste :Y =K +L ou Y = AKL?

Exercice 4 :Soit X1, X2 ,...,Xn un échantillon aléatoire relatif à X une grandeur économique. On retient le modèle
a
suivant : Xi  1 W i   i  1, , n où Wi est une suite de variables aléatoires indépendantes et de même
2
loi normale centrée réduite N (0,1) et a étant un réel strictement positif.
1) Déterminer la loi de Xi ? Donner ses paramètres (moyenne et variance) en fonction dea.
2) Déterminer l’estimateur du maximum de vraisemblance de a en fonction de la moyenne d’échantillonnage et de la
variance d’échantillonnage relatives à l’échantillon aléatoire X1, X2 ,...,Xn. Proposer, sans calcul, un estimateur de
la variance du modèle.

Exercice 5: Le chef comptable d’une entreprise désire déterminer le lien qui existe entre le coût de la main
d’œuvre nécessaire à la fabrication et le nombre d’unités fabriquées d’une pièce particulière. Il procède donc à un
échantillonnage de 12 lots de différentes tailles et on calcule les coûts de la main d’œuvre correspondants, on obtient :
Coûts :Y 982 855 941 920 1040 842 760 910 985 964 810 947
taille lot :X 46 34 42 40 52 34 24 42 50 44 30 42
1)- Dessiner le nuage de points et commenter.
2)- Dresser un tableau complet pour répondre aux questions suivantes.
3)- En supposant une liaison linéaire entre les coûts de la main-d’œuvre directe et la taille des différents lots, calculer
les estimations des coefficients de régression0 et 1.
4)- Quelle est l’équation de la droite de régression ?
5)- Quelle est l’estimation du coût moyen de la main d’œuvre pour un lot de taille 45 ?
6)- A quelle augmentation du coût moyen de la main d’œuvre peut-on s’attendre si la taille d’un lot augmente de 10 ?
7)- D’après l’équation obtenue en 2), donner une estimation des coûts fixes de la main d’œuvre directe.
8)- Que représente pour le chef comptable la pente de la droite de régression ?
9)- Estimer la dispersion des coûts de la main-d’œuvre directe autour de la droite de régression.

Exercice 6: Soit le modèle linéaire simpleY  0  1X W où West un bruit blanc de variance inconnue 2.
On tire un échantillon de taille 20, et on calcule les quantités suivantes :
20 20 20 20 20

x
i 1
i  186, 2 x
i 1
2
0i  215, 4 y
i 1
i  21,9 y
i 1
2
0i  86,9 x
i 1
0i y 0i  106, 4

1)- Estimer les paramètres  0 et 1 . Calculer les estimations des variances de ces estimateurs.
2)- Donner un intervalle de confiance à 95% pour 1 .
3)- Avec les résultats de la question 2, peut-on conclure que la régression est significative ?
4)- Estimer l’espérance de Y sachant xk=10.
5)- Donner un intervalle de confiance à 95% pour cette espérance conditionnelle.

Exercice 7 : Soit le modèle ; Y  0  1X W on suppose que toutes les hypothèses du modèle de régression
linéaire simple sont vérifiées. En observant un échantillon de taille 52, on obtient la droite estimée par la méthode
MCO : Yˆi  1, 286  0, 43  X i avec x  1,063 ˆeX2  0,00686 et ˆeY2  0,00137 où ˆeX
2
(respectivement ˆeY 2
) est la
variance d’échantillonnage de X (respectivement de Y).
1- Calculer, r, le coefficient de corrélation linéaire (empirique) entre X et Y. En déduire le coefficient de détermination R2.
Montrer que les éléments de l’ANOVA valent : SCT=0,0712, SCE=0,0659 et SCR=0,00526.
Tester, au risque de 5%, la significativité de la régression :H0 :1=0 contre H1 : 1≠0.
2- Estimer l’espérance de Y sachant xk=10. Calculer un intervalle de confiance à 95% pour cette espérance conditionnelle.
Exercice8: Consider the data below. The data are for 10 workers : X: labor-hours of work. Y: output
We wish to determine the relationship between output and labor-hours of work :
Observation 1 2 3 4 5 6 7 8 9 10
X 10 7 10 5 8 8 6 7 9 10
Y 11 10 12 6 10 7 9 10 11 10
The software R gives the outputs below :
>lab=read.csv2(file.choose(),row.names=1)# les données sont dans un fichier Excel : « lab.csv »
> lab
X Y
1 10 11
2 7 10
3 10 12
4 5 6
5 8 10
6 8 7
7 6 9
8 7 10
9 9 11
10 10 10
>reg=lm(Y~X,data=lab)
> summary(reg)
Coefficients:
EstimateStd. Error t value Pr(>|t|)
(Intercept) 3.6000 2.0902 1.722 0.1233
X 0.7500 0.2557 2.933 0.0189 *
---
Residual standard error: 1.353 on 8 degrees of freedom
Multiple R-squared: 0.5181, Adjusted R-squared: 0.4579
F-statistic: 8.601 on 1 and 8 DF, p-value: 0.01892
1- Interpret each value of the summary(reg) above.
2- Determine the regression of y on x .
3- Interpret the value of the slope coefficient. Same question for the value of the Intercept.
4- Calculate .Infer confidence intervals of1and0.
5- Let the following test: . For which question the test dose answer ?execute it.
6- Calculate the analysis of variance table (ANOVA).
Exercice 9:Un agronome cherche à estimer la relation liant la production de maïs yi au taux de bauxite xi, se trouvant
dans la terre en formalisant la relation Yi   0   1 X i  Wi i  1, , N
A partir d’une étude statistique portant sur 85 parcelles de terre, un économètre lui fourni les résultats suivants :
85
Yˆi  13
 28  
,  1,1 X i i  1,,85 et e 2
i  6234,32
t 0  4,3  t1   10, 2  i 1

1)- Tester si la régression est significative à 5%?


2)- Construire le tableau de l’ANOVA et vérifier le résultat obtenu en 1).
3)- Le coefficient 1 est-il significativement inférieur à -1 à 5%?

Exercice 10:Une société étudie la corrélation entre son développement y et l’expansion x de sa branche d’activité.
Pour une année donnée, c'est-à-dire pour 12 couples d’observations, une régression utilisant les MCO conduit au
modèle calculé : Ŷt  0,11X t  1,65 et rxy  0,987 , ce coefficient est-il significatif ?