M1-Econométrie CORRIGE EXAMEN ECONOMETRIE SUJET A Avril 2011

I EXERCICE-1
1. Un estimateur BLUE est un estimateur sans biais, de variance minimale et linéaire. Le théorème de Gauss-Markov nous assure que
les estimateurs MCO sont BLUE.
2. ln Y = ba0 + b
a1 ln X + "
0 0
ln Y = a0 + a1 ln X donne en dérivant par rapport à X : YY = aX1 soit a1 = XY Y ; a1 représente l'élasticité de Y par rapport à X et
a1 est l'estimateur de cette élasticité, il permet d'estimer en pourcentage la variation de Y suite à une augmentation de X de 1%.
b

II EXERCICE-2
1. La calculatrice donne :
X Y
MOY 2,75 0,49
V 1,85 0,19
2. σ 1,36 0,44
b
a0 = 1:1496
3. La calculatrice donne : soit Yb = 1:1496 0:2380X .
b
a1 = 0:2380
4. e8 = y8 yb8 = 0:18 (1:1496 0:2380 3:29) = 0:186 6 .
Les hypothèses de la MCO concernant le terme d'erreur :
L'espérance de i ; E ("i ) est nulle pour tout i (E ("i =Xi ) = 0)
2
La variance V ("i ) = E ("i E ("i )) est constante pour tout i; soit V ("i ) = 2" : Cette hypothèse de variance constante est
l'hypothèse d'homoscédasticité ; on parle alors de série homoscédastique (par opposition à hétéroscédastique).
Abscence d'autocorrélation des erreurs : Cov ("i ; "j ) = 0 pour i 6= j: Le terme d'erreur n'est pas autocorrélé : la valeur du terme
d'erreur i n'est pas corrélé à celle de j :
Chaque "i suit une loi normale, cette hypothèse étant justi ée par le Théorème central limite, les "i résultant de l'in uence combinée
d'un grand nombre de variables indépendantes non intégrées dans le modèle de régréssion.
En conclusion : les erreurs suivent une loi normale : "i ,! N (0; " ) et sont indépendantes Les erreurs sont normalement et
indépendamment distribuées, on note : i ,! N id (0; " ) :
5. b
a1 donne une estimation de la variation de Y suite à une augmentation d'une unité de X : si le taux de croissance du PIB augmente
de 1 point, on peut estimer que la variation du taux de chômage baisse de 0:24 points.
SCE
6. On trouve R2 ' 0:5417; R2 = , il mesure le pourcentage de la variance expliquée par le modèle.
SCT
7. Estimation ponctuelle de la variation du taux de chômage : Yb (3:76) = 1:1496 0:2380 3:76 = 0:254 7
0 1
B 2C
B (X0 X ) C
8. On doit calculer une estimation de l'écart-type de l'erreur de prévision Sf , dé ni par : Sf2 = S"2 B1 + 1
n + X
i=n C = 9:
@ A
x2i
i=1

(3:76 2:75)2 (1 R2 )SCT (1 R2 ) nV (Y )

9517 10 2
1+ 1
16 + = 0:109 2 . On a calculé : S"2 = SCR
16 1:85 n 2 =
SCT SCE
n 2 = n 2 = n 2 =
(1 0:5417) 16 0:19 p p
14 = 9: 9517 10 soit S" ' 9: 9517 10
2 2 ' 0:315 5 . On a donc : Sf ' 0:109 2 ' 0:330 5 ce qui
donne, sachant que Sff suit une loi de Student avec un ddl de (n 2) ;donc ici de 14; pour un intervalle de con ance à 95% :
h i
I = Yb0 t =2;n 2 Sf ; Yb0 + t =2;n 2 Sf soit ici :
[0:2547 2:1448 0:330 5 ; 0:2547 + 2:1448 0:330 5 ] : soit approximativement : [ 0:454 2 ; 0:963 6] ; il y a 95% de chance pour
que cet intervalle contienne Y0 :
9. SCT = SCE + SCR ; donc SCR = SCT SCE = SCT R2 (SCT ) = SCT 1 R2 = nV (y) 1 R2 = 16 0:19
(1 0:5417) = 1:39
S"2 SCR=(n 2) 1:39=14 p
10. On calcule l'erreur type de a1 ; on a : Sba21 = i=n
= nV (X) = 16 1:85 = 3:35 10 3
; ce qui donne : Sba1 = 3:35 10 3 =
X
xi2

i=1 page 1 UFR14

2 CORRIGE EXAMEN ECONOMETRIE SUJET A
b
a1
5:788 10 2
et tba1 = = 0:2380
5:788 10 2 = 4:11
Sba1
Nous allons donc tester si X contribue à expliquer Y en testant l'hypothèse nulle a1 = 0 contre l'hypothèse alternative a1 6= 0 :
H0 : a1 = 0 (X n'in uence pas Y ) b
a1
: Sous l'hypothèse H0 ; tba1 = ; le ratio de Student, suit une distribution de Student avec
H1 : a1 6= 0 Sba1
(n 2) degrés de liberté ; ici tba1 = 4:11 ; le seuil de signi cation est = 0:05 ; il reste à comparer ce quotient avec la valeur lue
dans la table de Student, de t =2;n 2 soit ici : t0:025 ; 14 = 2:14 ; jtba1 j > t =2;n 2 ; on rejette H0 ; au seuil de 100 % ; b a1 suf samment
différent de zéro pour af rmer que a1 est signi cativement différent de zéro. On en conclut que X est signi cative et contribue à
l'explication de Y:

III EXERCICE-2
1. On a estimé b
a1 ' 1:47 ; ce qui signi e que si X augmente de 1 , c'est-à dire qu'une année d'étude supplémentaire entraine une
augmentation du salaire horaire d'environ 1:47 dollars.
2. I = b a1 t =2; Sba1 ; b a1 + t =2; Sba1 ; avec ici : t =2; = t0:025;28 = 2:048 , ce qui donne : I = [1:47 2:048 0:07 ; 1:47 + 2:048 0:07] ;
soit I = [1:33; 1:61] :
3. On en déduit que la variance du terme d'erreur n'est pas constante, la série est hétéroscédastique.

IV EXERCICE-3
1. Y = 0:2231X1 0:0017X2 0:5580X3 + 671:9363 + "
2. Le coef cient de détermination est R2 = 0:6407 et le coef cient de détermination corrigé est R2 = 0:5427 ; L'introduction de
nouvelles variables explicatives accroît la part expliquée ; pour une même variabilité totale, R2 augmente quand on introduit des
variables, mais cette augmentation tient au nombre de variables et non à leur pouvoir explicatif. Pour pallier à cet inconvénient,
on introduit le coef cient de détermination corrigé qui tient compte de la baisse du ddl, consécutive à l'introduction de nouvelles
variables explicatives indépendantes. On montre facilement que R2 < R2 :

Degré de liberté Somme des carrés Moyenne des carrés F

Régression 3 3069.1255 1023.0418 6.5376
Résidus 11 1721.3403 156.4855
3. Total 14 4790.4658 , les degrés de liberté sont respec-
tivement : k; n k 1 et n 1 pour SCE; SCR et SCT; k nombre de variables explicatives.
SCE=k
4. F = 156:4855 = 6:537 6 ; sous l'hypothèse nulle H0 : a1 = a2 = a3 = 0; la variable aléatoire F suit la loi
= 1023:0418
SCR= (n k 1)
de Fisher avec pour degrés de liberté k et n k 1; soit 3 et 11:F(3;11) ' 3:587
Régle de décision : on prend un seuil de signi cation de 5%
F > F(k;n k 1) ; on rejette H0 , on accepte l'hypothèse que les paramètres ne sont pas tous nuls et que R2 signi cativement de 0; il
existe au moins une variable signi cative. Ce test est limité car il permet uniquement de conclure qu'une des variables au moins est
signi cative, mais ne donne aucune autre information (combien sont signi catives, lesquelles, etc).
5. Quand X1 augmente d'une unité, donc quand on passe d'un ratio de plus de 20 élèves, à un ratio de moins de 20, le score diminue
de 0:22 ; ceci est à prori étonnant, mais on va voir que X1 n'est pas signi cative. On peut répondre à cette question de différentes
façons ; la plus simple est d'utiliser la p value de 0:9750 donnée par l'utilitaire d'analyse ; cette p value est largement supérieure
à 0:05; donc au niveau de 5%; on ne peut rejeter l'hypothèse H0 : a1 = 0; c'est-à dire le fait que X1 n'entre pas dans l'explication
de Y:
On pourrait rechercher un intervalle de con ance pour a1 et on trouve : [ 15:62; 15:18] ; un intervalle qui contient 0; ce qui ramène
à la même conclusion.
6. On a répondu à la question précédente, c'est la p value : il y a 97:50% de risque de nous tromper en rejetant H0 ; donc ce risque
étant supérieur au 5% accepté, nous ne pouvons rejeter H0 :

2 UFR14