I Questions théoriques / Cours (10 points)

QTC 1 (7 points)

Dans les procédures d’estimation des moindres carrés ordinaires (MCO), nous avons été amenés, à dériver les
propriétés statistiques pour ces estimateurs. Les estimateurs ont été obtenus après avoir au préalable, imposé des
restrictions implicites sur les variables résiduelles et indépendantes. Lorsque certaines de ces restrictions ne sont
plus vérifiées, l’on devrait alors s’attendre à un changement dans les propriétés initialement établies.

La plupart des problèmes d’analyse de régression proviennent principalement des problèmes de données et/ou
ceux de spécification inappropriée de leur structure du modèle en présence.

1) A quoi consistent les MCO ?

2) Définir un estimateur BLUE (par les MCO)
3) A partir du dernier paragraphe du texte ci-dessus, Citer trois problèmes d’estimation vue en classe.
Dans le cas échéant, donner une conséquence et trois tests de détection pour chaque problème

QTC 2 (3 points)

Soit le modèle suivant : Yi     X i   i avec E ( i j )   2 i  j est violée

1) Supposons que les variances hétéroscédastiques  i2 soient connues. Montrer que la variance du terme
d’erreur transformé est homoscédastique

2) Quel est l’objectif de cette transformation

III Applications (10 points)

Exercice 1 (5 points)

L’estimation d’une fonction de production Cobb – Douglas de 20 firmes d’une industrie a fourni les résultats
suivants :

qˆi  16,907  0,332 K i  2, 777 Li

R 2  0,915; DW  2, 032; SCR  0, 461.
 4,939971 
ˆ 
Var    0, 216639 0, 031875 

 0,857446 0, 057229 0,166070 

qˆi : La valeur estimée du logarithme népérien de la production (production exprimée en milliers de tonnes) ;

K i : Logarithme népérien du capital (capital exprimé en heures-machine) ;

Li : Logarithme népérien du travail (travail exprimé en heures) ;

 1) Testez les hypothèses que les facteurs capital et travail impacte positivement la production au seuil de
5%.
2) Testez la significativité globale du modèle au seuil de 5%.

Une régression de uˆi sur les régresseurs originaux (voir la régression de base), les carrés des régresseurs et le
2

produit croisé des régresseurs par paires, permet d’obtenir les quelques informations suivantes :

R2  0, 296041; Fcal  1,77507  pvalue  0,368382  .

3) Avec ces informations, quel test veut-on mettre en œuvre ? Pourquoi l’utilise-t-on?
4) Conduisez ce test et interprétez les résultats.
5) Quel est le type de rendement d'échelle qui caractérise l'industrie ? justifier votre réponse

Exercice 2 (5 points)

Considérons les fonctions suivantes couvrant la période 1949-1964.

Yˆ  0, 4529  0, 0041X (1)

(t ) (3,9608) R  0,5284
2
d  0,8252

Yˆ  0, 4786  0, 0127 X  0, 0005 X 2 (2)

(t ) (3, 2724) (2, 7777) R 2  0, 6629 d  1,82

Y : Valeur ajoutée par travailleur ; X : indice du temps ; (t ) : représente les t de student

1) Peut-on admettre une autocorrélation des erreurs dans les modèles (1) et (2) au seuil de 5%
2) S’il existe une autocorrélation, quelle est la valeur de  nécessaire pour transformer les variables en
vue d’une correction.
3) Qu’est ce qui explique cette autocorrélation ?

ANNEXE (exercice 2) : Référence au tableau statistique

d L  1,10 d L  0,84
(n  16 , k  1)   (n  15 , k  2)   (Modèle 1)
dU  1,37 dU  1, 09

d L  0,98 d L  0, 74
(n  16 , k  2)   (n  15 , k  3)   (Modèle 2)
dU  1,54 dU  1, 25