Vous êtes sur la page 1sur 4

Université Sidi Mohamed Ben Abdellah Année Universitaire 2019/2020

Faculté des sciences Juridiques, S6-B-Eco-Gestion


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 + 𝑊𝑖 ) ∀ 𝑖 = 1, … , 𝑛 où Wi est une suite de variables aléatoires indépendantes et de même loi
2
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 4), 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.

1
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 ˆeY2 ) 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 𝑆𝛼̂ 1 𝑎𝑛𝑑𝑆𝛼̂ 0 .Inferconfidence intervals of 1and0.
5- Let the following test:𝐻1 : 𝛼1 = 0versus𝐻1 : 𝛼1 ≠ 0. 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 maïsyiau taux de bauxitexi, 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 ,11 X t − 1,65 et rxy = 0 ,987 , ce coefficient est-il significatif ?

2
Corrigé de la série 2
Exercice 1 :
Supposons que c’est la relation en termes nominaux : Ct = a+bYt qui est vraie,
alors pt ct = a+bYt , ce qui implique que ct = (a/pt)+ b(Yt/pt ),
c'est-a-dire ct = (a/pt) + byt .
Si les prix pt et le revenu nominal Yt doublent en même temps, le revenu réel yt reste
inchangé.
Toutefois, le terme a/pt change.
La relation Ct =a + bYt implique donc que les quantités consommées ct diminuent
lorsque les prix et le revenu nominal doublent simultanément.
Logiquement, si les prix doublent et que le revenu nominal double aussi, cela ne
change rien au pouvoir d'achat des consommateurs ; les quantités achetées devraient rester
inchangées.
La relation en termes nominaux ne reflète donc pas un comportement rationnel de la
part des consommateurs. Il faut lui préférer la relation en termes réels : ct = a + byt .

Exercice 2 :
La deuxième spécification représente bien la relation entre ventes et dépenses publicitaires.

La dérivée de Vt par rapport à PUBt vaut en effet 1 2 PUBt -1 et cette dérivée diminue quand PUBt

augmente, parce que 1 > 0 et 0 < 2 < 1.

Exercice 3 :
Exprimer cette relation sous une forme linéaire : Y =  + K + L revient à imposer

arbitrairement que les productivités marginales sont constantes, donc qu'elles ne dépendent pas des

𝜕𝑌
quantités de facteurs. En effet, avec une telle spécification, = est la productivité marginale du
𝜕𝐾

𝜕𝑌
capital et = est la productivité marginale du travail. Ces productivités marginales sont supposées
𝜕𝐿

indépendantes des quantités de facteurs, puisqu'elles sont égales à des constantes  et . Par conséquent,
3
en modélisant la production de cette manière, on ignore délibérément des caractéristiques bien connues

de beaucoup de processus de production réels. On ne tient pas compte en particulier des deux

phénomènes suivants : la productivité marginale du travail diminue quand la quantité de travail

augmente et que le stock de capital reste à un niveau constant, et elle croît quand le stock de capital

augmente et que la quantité de travail reste inchangée. Concrètement, ajouter l'un après l'autre des

ouvriers supplémentaires à une équipe qui travaille sur une machine conduit en général à des

accroissements de moins en moins importants de la production et devient au bout d'un certain temps

contre-productif (on provoque une congestion qui diminue la production). Par contre, mieux équiper les

ouvriers permet d'augmenter la contribution productive apportée par une éventuelle main-d’œuvre

supplémentaire. Une spécification linéaire de la fonction de production n'implique pas ces propriétés

réalistes ; elle est donc inadéquate dans le cas d'une fonction de production.

Pour représenter correctement de telles caractéristiques, on utilise des formes fonctionnelles non


linéaires comme la fonction de Cobb-Douglas : Y = AK L

𝜕𝑌 𝛾𝑌
La productivité marginale du travail se mesure alors par = 𝛾𝐴𝐾𝛽 𝐿𝛾−1 = et la productivité
𝜕𝐿 𝐿

𝜕𝑌 𝛽𝑌
marginale du capital par = 𝛽𝐴𝐾𝛽−1 𝐿𝛾 =
𝜕𝐾 𝐾

Cette fois, les productivités marginales ne sont pas constantes, mais varient en fonction du niveau déjà

atteint par L et K. On peut vérifier qu'elles respectent les propriétés réalistes mises en évidence

𝜕𝑌
Précédemment. En effet, quand K est inchangé, le supplément de production induit par
𝜕𝐿

l'intervention d'un ouvrier supplémentaire diminue au fur et à mesure qu'augmente le nombre d'ouvriers

𝜕𝑌
𝜕( 𝜕𝐿 ) 𝛾(𝛾−1)𝑌
L déjà en place : = 𝛾(𝛾 − 1)𝐴𝐾𝛽 𝐿𝛾−2 = est négatif à condition que  soit
𝜕𝐿 𝐿2

inférieur a 1. Pour un nombre donné L d'ouvriers déjà à l'œuvre, augmenter le stock de capital K permet

d'accroître le supplément de production apporté par un intervenant supplétif :

𝜕𝑌
𝜕 ( 𝜕𝐿 ) 𝛾𝛽𝑌
= 𝐴𝛾𝛽𝐾𝛽−1 𝐿𝛾−1 = >0
𝜕𝐾 𝐿𝐾

Vous aimerez peut-être aussi