Explorer les Livres électroniques
Catégories
Explorer les Livres audio
Catégories
Explorer les Magazines
Catégories
Explorer les Documents
Catégories
Cours 3
• Matière du cours :
— Propriétés de l’estimateur MCO (II)
— Estimation de σ 2 et de V (β̂)
— Intervalles de confiance pour β 1 et β 2
1.1. Convergence
p
• On dit qu’un estimateur θ̂ converge en probabilité vers θ, ce qu’on note θ̂ −→ θ, si :
Graphiquement :
n3
f j
n3 n2 n1
n2
n1
j E j j
j
j
2. Estimation de σ2 et de V (β̂)
• Dans les procédures d’inférence (intervalles de confiance, tests d’hypothèses,...) qui
seront établies dans la suite, on aura besoin d’un estimateur de la matrice de
variance - covariance V (β̂) = σ 2(X ′X)−1 de l’estimateur MCO β̂ , ce qui nécessite
de trouver un estimateur de la variance σ 2 du terme d’erreur du modèle
2.1. Estimateur de σ 2
• Sous les hypothèses A1 - A5, un estimateur convergent et non biaisé de σ 2 est donné
par :
n
2 1
ŝ = ê2i
n−2 i=1
•A partir des estimateurs V âr(β̂ 1) et de V âr(β̂ 2), des estimateurs convergents, mais
pas non biaisés des écarts-types s.e.(β̂ 1) et s.e.(β̂ 2) de β̂ 1 et β̂ 2 sont donnés par :
2 2
1
j
j z s.e. j j z s.e. j j
1 1
2 2
9
Graphiquement :
f j Distribution de j
j z1 s.e. j j z1 s.e. j
2 2
2 2
j
j z s.e. j
j
j z s.e. j j
1 1
2 2
10
• En pratique, σ 2 est inconnu, mais il peut être estimé en utilisant son estimateur
n
1
convergent et non biaisé : ŝ2 = n−2
ê2i
i=1
où s.ê.(β̂ j ) = ŝ2qjj
11
β̂ j − β j
IP −tn−2;1− α2 ≤ ≤ tn−2;1− α2 =1−α
s.ê.(β̂ j )