Fatnassi Olfa

QCM Répondre par vrai ou Faux

1/ L’économétrie sert seulement à valider les modèles proposés par la théorie
économique : FAUX

2/ Les données qui combinent une dimension temporelle et une dimension

individuelle sont appelées « données en coupe instantanée » : FAUX

3/Il est possible d’observer : FAUX

Questions

1/ Donner les estimateurs de selon la méthode MCO

L’estimation des paramètres , est obtenue en maximisant la

vraisemblance, sous l’hypothèse que les erreurs sont gaussiennes, ou encore
par minimisation de la somme des carrés des écarts entre observations et
modèle (moindres carrés). Les deux approches conduisent aux mêmes
estimations tandis que le maximum de vraisemblance induit de meilleures
propriétés des estimateurs.

2/ Donner les hypothèses nécessaires pour que les estimateurs des MCO
affichent les bonnes propriétés statistiques.

Selon le modèle de régression linaire simple Les hypothèses de base sont les
suivantes :

Hypo 1 : La distribution de l’erreur ɛ est indépendante de X ou X est fixe.

Hypo 2 : L’erreur est centrée et de variance constante (homoscédasticité) :

∀ i=1……….n E(ɛi)=0, Var E(ɛi)= σ²

Hypo 3 : sont constants, pas de rupture du modèle.

Hypo 4 : Hypothèse complémentaire pour les inférences : Ɛ~N(0,σ²).

3/ Définir le ou le coefficient de détermination

Le coefficient de détermination R² est un indicateur de la qualité de

l’ajustement.

Il mesure le rapport entre la variance expliquée par le modèle et la variance

totale et Il donne le pourcentage de la variance totale de y expliquée par le
modèle de régression

Si le R² est nul, cela signifie que l’équation de la droite de

régression détermine 0 % de la distribution des points. Cela signifie que le
modèle mathématique utilisé n’explique absolument pas la distribution des
points.
Si le R² vaut 1, cela signifie que l’équation de la droite de régression est
capable de déterminer 100 % de la distribution des points. Cela signifie alors
que le modèle mathématique utilisé, ainsi que les paramètres a et b calculés
sont ceux qui déterminent la distribution des points.

Plus le coefficient de détermination se rapproche de 0, plus le nuage de

points se disperse autour de la droite de régression.

Au contraire, plus le R² tend vers 1, plus le nuage de points se resserre

autour de la droite de régression.

Quand les points sont exactement alignés sur la droite de régression, alors
R² = 1