Académique Documents
Professionnel Documents
Culture Documents
Tronc commun :
SEFRIOUI SOUFIANE
ATTOUMANE LAILINA
KAFI SARA
THOMSON TSABOHAKO
SEFFAR Fatima Ezzahra
PLAN
I. Introduction................................................................................................................3
A. Enoncé - Projet N° 1..............................................................................................................3
B. Présentation de la problématique.........................................................................................5
C. Question 1 : Présentation de la fonction de demande..........................................................5
II. Présentation du modèle..............................................................................................6
Définition des variables................................................................................................................6
Question 2 : Transformer les données en logarithme log(G/Pop), log(Pg), log(Y), log(Pnc),
log(Puc)........................................................................................................................................6
Question 3 : Représenter graphiquement la variable log (G/Pop) en fonction de la variable logY
et tracer la droite de régression sur la période 1960-1995 et 1960-1975......................................8
III. Estimation...................................................................................................................9
Question 4 : Estimer le modèle de régression simple, commenter et comparer les résultats et
indiquer ce que représentent les résidus :....................................................................................9
Question 5 : Estimer les 3 modèles de régression multiple :.......................................................11
Question 6 : Calculer les coefficients de corrélation simple et les coefficients de corrélation
partielle de la variable log(G/Pop) avec les variables explicatives du troisième modèle.............14
Question 7 : Tester l'hypothèse d'égalité à 0 des paramètres des variables log Pnc et log Puc
dans le troisième modèle (H0 : β4 = β5 = 0)...................................................................................15
IV. Validation.................................................................................................................17
TEST D’AUTOCORRELATION DES ERREURS..................................................................................17
Question 8 : Teste de la stabilité structurelle (Chow, avec date de rupture : 1975)....................18
Question 9 : Tester la stabilité des coefficients avec le test du CUSUM, commenter les résultats.
...................................................................................................................................................18
V. Conclusion.................................................................................................................20
I. Introduction
A. Enoncé - Projet N° 1
G : Consommation totale d’essence (dépenses totales divisées par l’indice des prix)
Pg : Indice de prix de l’essence
Y : Revenu réel disponible par tête
Pnc : Indice des prix des nouvelles voitures
Puc : Indice des prix des voitures d’occasion
Pop : Population totale des USA en millions
Questions :
Modèle 3 : log (G/Pop) = β1 + β2 log Y + β3 log Pg + β4 log Pnc + β5 log Puc + ε
6) Calculer les coefficients de corrélation simple et les coefficients de corrélation
partielle de la variable log(G/Pop) avec les variables explicatives du troisième
modèle.
7) Tester l'hypothèse d'égalité à 0 des paramètres des variables logPnc et logPuc dans
le troisième modèle (H0 : b4=b5=0).
L’objectif de cette étude est de réaliser une analyse économétrique sur la consommation
totale d’essence (dépenses totales divisées par l’indice des prix) notée G, par l’ensemble de
la population Pop des USA en millions, cette variable a été influencée par diverses variables
exogènes.
La fonction de demande est une fonction à plusieurs variables parce que le choix de
consommation dépend de plusieurs variables : le prix du bien considéré, le prix des
autres biens, le revenu du consommateur, ses goûts et préférences, sa richesse, etc.
Max U = U (x y)
Sous la contrainte R = PX * x + PY * y
Nous allons procéder à l’étude de l’influence du Y , PG , Pnc et Puc sur G / Pop sur la
période allant de 1960 à 1995 :
Log ( G / Pop ) = β1 + β2 Log ( Y ) + β3 Log ( Pg ) + β4 Log ( Pnc ) + β5 Log ( Puc ) + ε
Avec :
G : Consommation totale d’essence en $ (dépenses totales divisées par l’indice des prix)
Pg : Indice de prix de l’essence en $
Y : Revenu réel disponible par tête en $
Pnc : Indice des prix des nouvelles voitures en $
Puc : Indice des prix des voitures d’occasion en $
Pop : Population totale des USA en millions
Notons tout d’abord que dans la grande majorité des cas, la transformation logarithmique
est très utile. En fait, la transformation logarithmique (en pratique ln) nous libère des unités
de mesure et introduit des unités de pourcentage qui sont relatives, une caractéristique
bien utile quand les données couvrent de longues périodes.
log(g/pop) log(Pg) log(y) log(Pnc) log(Puc)
1960 -0.331614 -0.077962 8.705497 0.044017 -0.179127
1961 -0.335819 -0.089925 8.718173 0.044017 -0.140412
1962 -0.307721 -0.084469 8.743691 0.040182 -0.053401
1963 -0.289798 -0.085558 8.760610 0.034401 -0.040822
1964 -0.254371 -0.089925 8.813885 0.031499 0.001000
1965 -0.220189 -0.052346 8.857515 0.008960 -0.006018
1966 -0.175832 -0.030459 8.892886 -0.009041 -0.030459
1967 -0.150133 0.000000 8.924390 0.000000 0.000000
1968 -0.090142 0.013903 8.952605 0.027615 0.027615
1969 -0.034633 0.045929 8.973478 0.043059 0.030529
1970 0.011152 0.054488 9.003808 0.073250 0.042101
1971 0.049776 0.061095 9.026658 0.113329 0.097127
1972 0.077437 0.073250 9.055089 0.104360 0.099845
1973 0.115736 0.166362 9.109635 0.105261 0.162119
1974 0.054141 0.469378 9.090092 0.161268 0.203757
1975 0.073182 0.535323 9.098739 0.243730 0.381172
1976 0.103202 0.576051 9.124238 0.305276 0.518198
1977 0.123720 0.632335 9.146441 0.356975 0.603223
1978 0.160293 0.674474 9.183483 0.430483 0.623261
1979 0.100506 0.976821 9.193092 0.506818 0.698135
1980 -0.003960 1.305897 9.182147 0.583890 0.732849
1981 -0.019316 1.413180 9.186970 0.642906 0.943517
1982 -0.014751 1.359437 9.182455 0.681075 1.086540
1983 0.022369 1.325482 9.203316 0.706063 1.193013
1984 0.034931 1.310223 9.251578 0.734769 1.323621
1985 0.030149 1.318551 9.265113 0.766398 1.334211
1986 0.112646 1.071926 9.285448 0.806476 1.289783
1987 0.131057 1.111199 9.292749 0.841998 1.328665
1988 0.133174 1.120048 9.322418 0.862046 1.370927
1989 0.138724 1.209855 9.332558 0.881285 1.391033
1990 0.120846 1.343909 9.340404 0.896496 1.367621
1991 0.073259 1.326013 9.330077 0.931376 1.371688
1992 0.092673 1.322022 9.347141 0.927429 1.414153
1993 0.105089 1.311840 9.348013 0.979453 1.497388
1994 0.107200 1.316944 9.361859 1.013054 1.553925
1995 0.123508 1.332102 9.387147 1.034962 1.653263
Question 3 : Représenter graphiquement la variable log (G/Pop) en
fonction de la variable logY et tracer la droite de régression sur la
période 1960-1995 et 1960-1975
.1
.0
Log (G/POP)
-.1
-.2
-.3
-.4
8.7 8.8 8.9 9.0 9.1 9.2 9.3 9.4
Log (Y)
Log(G/POP)=-6.05+0.6636*Log(Y)
.1
.0
Log(G/POP)
-.1
-.2
-.3
-.4
8.70 8.75 8.80 8.85 8.90 8.95 9.00 9.05 9.10 9.15
LOG(Y)
Log(G/POP)=-10.37+1.15*Log(y)
III. Estimation
Comparaison :
Sur l’ensemble de la période 1960-1995, le résultat de l’estimation est conforme avec celle
de la représentation graphique : l’augmentation de 1% des revenus réels disponible par tête
entraine une augmentation de 0, 66359% de la consommation totale d’essence par tête.
Les résidus :
Les résidus représentent les écarts entre les valeurs estimées et les valeurs réellement
observées. D’une manière générale, l’erreur est due aux autres variables exogènes non inclus dans le
modèle, tel que :
La capacité du modèle à expliqué la variable peut être amélioré par l’ajout d’autres variables
explicatives, tels que log Pg, log Pnc et log Puc.
Question 5 : Estimer les 3 modèles de régression multiple :
Modèle 3 : log (G/Pop) = β1 + β2 log Y + β3 log Pg + β4 log Pnc + β5 log Puc + ε
On a R² = 91 36 % : Le revenu réel disponible par tête (y) et l’indice de prix de l’essence
(PG) expliquent à la hauteur de 91.36 % la variation de la consommation totale d’essence (G/POP).
Log (G/POP) = 1.326 *Log (Y) - 0.062 *Log (PG) - 0.295 *Log (PNC) - 11.926
On a R² = 95 ,50 % : Le revenu réel disponible par tête (y), l’indice de prix de l’essence
(PG) et l’indice des prix des nouvelles voitures (PNC) expliquent à la hauteur de 95.5 % la variation de
la consommation totale d’essence (G/POP).
Modèle 3 : log (G/Pop) = β1 + β2 log Y + β3 log Pg + β4 log Pnc + β5 log Puc
+ei
Log (G/POP) = 1.373 * Log (Y) - 0.059 * Log (PG) - 0.127 * Log (PNC) - 0.119 * Log (PUC) - 12.342
On a R² = 95 ,79 % : Le revenu réel disponible par tête (y), l’indice de prix de l’essence
(PG), l’indice des prix des nouvelles voitures (PNC) et l’indice des prix des voitures d’occasion (PUC)
expliquent à la hauteur de 95.79% la variation de la consommation totale d’essence (G/POP).
Commentaire :
N° des
Modèle R² R² ajusté
variables
log (G/Pop) =
2 0.913638 0.908404
β1 + β2 log Y + β3 log Pg + ε
log (G/Pop) =
3 0.955098 0.950889
β1 + β2 log Y + β3 log Pg + β4 log Pnc + ε
log (G/Pop) = β1 + β2 log Y + β3 log Pg + β4
4 0.957985 0.952564
log Pnc + β5 log Puc + ε
Corrélation simple :
Modèle 3 : log (G/Pop) = β1 + β2 log Y + β3 log Pg + β4 log Pnc + β5 log Puc +ei
Nous pouvons tout d’abord appliquer le test de Fisher afin de tester la signification
globale de la régression à quatre variables log Y ; log Pg ; log Pnc ; log Puc :
SCR : ∑ ei² , or σ ² =
∑ ei² / n-2.
D’ou : (n-2) * σε² = 34*(0.033038)2 = 0,0371113
Etape 2 : Faire le calcul des sommes pour le modèle à deux variables (modèle
réduit) :
H0 : β4 = β5 = 0
Le 3ème modèle compte quatre variables qui ont chacune un apport marginal de
contribution à l’explication de la variable endogène. Et donc il y a une réelle différence
entre le modèle réduit et celui initial dans la mesure où le modèle totale à une
significativité globale confirmé par le test de Fisher.
IV. Validation
TEST D’AUTOCORRELATION DES ERREURS
Modèle 3 : log (G/Pop) = β1 + β2 log Y + β3 log Pg + β4 log Pnc + β5 log Puc +ei
H0 : ρ1 = ρ2 = ρ3 = ρ4 = 0 (Absence d’autocorrelation)
H1 : ρ # 0 (Presence d’autocorrelation)
d1=0,97
d2=1,68
On constate que DW < d1 , donc on accepte H₁ selon laquelle les erreurs sont auto-corrélées entre
elles.
Question 8 : Teste de la stabilité structurelle (Chow, avec date de
rupture : 1975)
On a : Fc > Fth l’hypothese H0 est rejetée, effectivement les coefficients ne sont pas
stables sur l’ensemble de la période 1960-1995.
Le but de ces tests est de détecter les instabilités structurelles des équations de
régression au cours du temps. D’apres les tests de stabilité par la régression récursive, il
faut étudier l’évolution au cours du temps de l’erreur de prévision normalisée.
0
2
0
1
0
0
-1
0
-2
0
-3
0
-4
Le CUSUM n’est pas à l’intérieur du corridor dans son intégralité. Ce test nous permet
6 6
8 7
0 7
2 7
4 C
6 S
7
U UM8 5
7 0 %
8 2 ig
8
S 4 ica
f8
n 6 ce
8
n 8 9
de se prononcer sur la non-stabilité de la relation. 0 2 9
9 4
V. Conclusion
Cette analyse, nous a montrer que la consommation totale du gasoil est positivement influencée par
le revenu réel disponible, et négativement par les prix des voitures (nouvelles et anciennes) et
l’indice du prix.
D’après le test de Durbin-Watson, on a trouvé une autocorrélation entre les erreurs, ce qui signifie
qu’il y a d’autres variables qui peuvent influencer la consommation du gasoil.
Et, d’après le teste de Chow, on a trouvé que la structure n’est pas stables durant toute la période
1960-1995.