Académique Documents
Professionnel Documents
Culture Documents
Adrian Bruhin
Université de Lausanne
Automne 2019
5. Le modèle de régression multiple (1/5).
1
La semaine dernière
• Nous avons terminé la matière sur la régression
linéaire simple.
Régression linéaire
multiple
L’estimateur OLS:
3
Le biais de variables omises
• Les deux exemples que nous avons abordés ont un
problème commun
6
Le biais de variables omises
• Un exemple
– La vraie régression est égale à
– Mais nous avons omis w.
Vers quoi tend l’estimateur OLS b1?
10
Une notation plus simple
• On peut simplifier la notation à l’aide de matrices.
– Pour chaque individu i, nous créons un vecteur contenant
toutes les variables indépendantes
11
Une notation plus simple
• On peut simplifier la notation à l’aide de matrices.
– Donc, nous pouvons écrire l’équation pour l’individu i
12
Une notation plus simple
• Nous pouvons simplifier la notation à l’aide de
matrices.
14
L’estimateur des moindres carrés ordinaires
• Nous avons donc établi
16
Les quatre hypothèses sur le modèle
• Fortes implications en termes de propriétés!
L’hypothèse importante. Les deux suivantes sont
facilement remplacées par des hypothèses moins restrictives.
– Hypothèse 1: L’espérance de ε conditionnelle à X est égale
à 0.
18
Hypothèse 2: L’indépendance des observations
19
Hypothèse 4: Pas de corrélation parfaite entre les x
• Si deux variables sont parfaitement corrélées, il est
impossible d’estimer leurs effets respectifs (séparés).
• Applications
– Les notes des élèves en Californie, les diplomates à NYC, la
corruption en Indonésie.
25
Que ferez-vous cette semaine?
• Les exercices
– Série 4 à rendre ce dimanche à 23h59
• Lés vidéos
– Vidéo 7: les calculs pour la matrice de covariance
26