Vous êtes sur la page 1sur 78

Chapitre 1 : Le modèle de régression simple

Econométrie Financière I
Chapitre I : Régression simple

Enseignant : Ragbi Aziz

Session universitaire : Automne-Hiver 2015 - 2016


1er Semestre

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

1 Chapitre 1 : Le modèle de régression simple


Présentation du modèle
Exemple introductif de régression simple
Rôle du terme aléatoire
Hypothèses du modèle
Estimation des paramètres
Les di¤érentes écritures du modèle : erreur et résidu
Propriétés des estimateurs
Equation et tableau d’analyse de la variance
Equation d’analyse de la variance
Tableau d’analyse de la variance
La prévision dans le modèle de régression simple
Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

Chapitre 1 : Le modèle de régression simple

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

L’origine historique du terme régression

C’est Françis Galton qui introduisait l’expression de régression.


Dans un célèbre article, l’auteur remarque que, bien qu’il y ait une
tendance pour les parents de taille élevée à avoir des enfants de
taille élevée et pour les parents de petite taille à avoir des enfants
petits, la taille moyenne des enfants nés de parents de taille donnée
avait tendance à se rapprocher de la taille moyenne de la population
générale.
Dans les termes de Galton, il s’agissait d’une "régression vers la
médiocrité".

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

L’interprétation moderne de la régression

De manière générale, on peut dire :


De…nition
L’analyse de régression s’intéresse à l’étude de la dépendance d’une
variable (la variable dépendante) par rapport à une ou plusieurs variables
(les variables explicatives), assortie d’un objectif d’estimer et (ou) de
prédire la valeur moyenne de la première en en termes de valeurs connues
ou …xes des secondes à partir d’un échantillon répété.

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

Section 1 : Présentation du modèle

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

Modèle

Considérons le modèle suivant :

yt = a0 + a1 xt + εt ; pour t = 1; . . . .; n (1)
avec :
yt : variable à expliquer au temps t ;
xt : variable explicative au temps t ;
a0 ; a1 : paramètres du modèle
εt : erreur de spécication, inconnue et le restera ;
n : nombre d’observations.

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

Exemple de Modèle

De…nition
Soit la fonction de consommation suivante :

Ct = a0 + a1 Yt (2)

Ct : Consommation ; variable expliquée, endogène ou eà prédire ;


Yt : revenu ; variable explicative, exogène ou encore "prédictive " ;
a1 : propension marginale à consommer ;
a0 : consommation incompressible, paramètres du modèle ou coe¢ cients de
régression.
Nous disposons donc d’un échantillon de n couples de points (xi , y i ) i.i.d
(indépendants et identiquement distribués), et on veut expliquer (prédire)
les valeurs de Y en fonction des valeurs prises par X .

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

Rôle du terme aléatoire

Plusieurs facteurs peuvent expliquer C autre que Y :


erreur de spéci…cation : la seule variable explicative n’est pas
su¢ sante pour expliquer la variable expliquée ;
erreur de mesure : les données ne représentent pas le phénomène à
expliquer ;
erreur de ‡uctuation d’échantillonnage : les estimations peuvent
di¤érer d’un échantillon à l’autre ;
Le terme aléatoire permet de résumer toute l’information qui n’est pas
prise en compte dans la relation linéaire entre Y et X . Soit l’erreur de
prédiction sur C dite encore "résidu" ;
Dans la réalité on ne connait pas les vraies valeurs a0 et a1 mais
seulement les deux séries d’observations Ct et Yt ;

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

Example
Le tableau 1 représente le revenu moyen par habitant sur 10 ans exprimé en
dollars pour un pays.
Année Y
1 8000
2 9000
3 9500
4 9500
5 98000
6 11000
7 12000
8 13000
9 15000
10 16000
Sachant que la propension marginale à consommer est de 0.8 et que la
consommation incompressible est de 1000. On demande de calculer la
consommation théorique sur les 10 ans ;

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

La consommation théorique (colonne3) est calculée par application directe de


la formule :
Ct = 1000 + 0.8yt
Année Y C
1 8000 7400
2 9000 8200
3 9500 8600
4 9500 8600
5 98000 8840
6 11000 9800
7 12000 10600
8 13000 11400
9 15000 13000
10 16000 13800

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

Section 2 : Hypothèses du modèle

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

Hypothèses sous-jacentes à la méthode des moindres carrés

Le modèle gaussien, standard, ou classique de la régression linéaire qui


constitue la pierre angulaire de l’essentiel de la théorie économétrique,
pose 10 hypothèses.
Hypothèses 1 : Modèle de régression linéaire. Le modèle est linéaire
dans les paramètres comme l’indique l’équation suivante :

Yi = β1 + β2 Xi + ui

Hypothèses 2 : Les valeurs de X sont …xées dans un échantillonnage


répété. Les valeurs prises par le régresseur X sont considérées comme
…xes dans les échantillons renouvelés. En termes plus techniques, X est
supposé non stochastique.

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

Hypothèses 3 : La valeur moyenne du terme d’erreur, ui , est nulle. La


valeur X étant donnée, la moyenne ou la valeur espérée du terme d’erreur
aléatoire, ui , est nulle. Autrement dit, la moyenne conditionnelle de ui est
nulle, ce qui s’écrit :
E (ui j Xi ) = 0

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

Hypothèses sous-jacentes à la méthode des moindres carrés

Hypothèses 4 : L’homoscédasticité ou la constante de la variance ui . La


valeur de X étant donné, la variance de ui est identique pour toutes les
observations. Ceci signi…e que les variances conditionnelles de ui sont
identiques. On peut écrire :

var (ui j Xi ) = E [ui E (ui j Xi )]2


= E (ui2 j Xi )
= σ2

E (ui2 j Xi ) indique que la variance de ui pour tout Xi (i.e la variance


conditionnelle de ui ) est un nombre positif, constant et égal à σ2 .
En termes techniques, E (ui2 j Xi ) représente l’hypothèse
d’homoscédasticité ou dispersion (scédasticité) égale (homo) ou variance
égale.

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

Autrement dit, il indique que les populations y correspondant à diverses


valeurs de X ont la même variance.
Plus simplement, la variation autour de la droite de régression (qui est la
droite de la relation moyenne entre Y et X ) est identiques pour toutes
les valeurs de X . Si X varie, elle n’augmente ni diminue.

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

Hypothèses 5 : Absence d’autocorrélation des erreurs. Etant donné deux


valeurs, Xi et Xj (i 6= j ), la corrélation entre ui et uj (i 6= j ) est nulle,
soit :

Cov (ui , uj j Xi , Xj ) = E f[ui E (ui j Xi )]g uj E (uj j Xj )


= E (ui j Xi )(uj j Xj )
= 0

où i et j sont deux observations di¤érentes et cov la covariance


La relation suppose que les erreurs ui et uj ne sont pas correllées. C’est
l’hypothèse d’absence de corrélation entre les séries, ou d’autocorrélation.

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

Hypothèses sous-jacentes à la méthode des moindres carrés

Hypothèses 6 : Covariance nulle entre ui et Xi , ou E (ui , Xi ) = 0,


soit :

Cov (ui , Xi ) = E [ui E (ui )] [Xi E (Xi )]


= E [ui (Xi E (Xi ))] puisque E (ui ) = 0
= E [ui Xi E (Xi )E (ui )] puisque E (Xi ) n’est pas stochastique
= E (ui Xi ) puisque E (ui ) = 0
= 0 par hypothèse

Cette hypothèse indique que l’erreur u et la variable explicative X ne sont


pas corrélées.

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

Hypothèses 7 : Le nombre d’observation n doit être plus élevé que le


nombre de paramètres à estimer. Autrement dit, le nombre d’observation
n doit être supérieur ou nombre de variables au nombre de variables
explicatives.
Hypothèses 8 : La variabilité des valeurs de X. Les valeurs de X dans
un échantillon donné ne sont pas obligatoirement les mêmes. Autrement
dit Var (X ) doit être un nombre …ni positif.
En resumè les variables doivent varier

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

Hypothèses 9 : Le modèle de régression est correctement spéci…é.


Ceci veut dire qu’il n’existe pas de biais de spéci…cation ou d’erreurs dans
le modèle utilisé pour l’analyse empirique.
D’importantes questions se possent sur cette spéci…cation :
1- Quelles variables devraient-elles être incluses dans ce modèle ?
2- Quelle est la forme fonctionnelle du modèle ?
3- Est-il linéaire dans les paramètres, dans les variables ou dans les deux ?
4- Quelles sont les hypothèses probabilistes faites sur les Yi , les Xi et les
ui entrant dans le modèle ?
Hypothèses 10 : Il n’existe pas de multicoléarité parfaite.
Autrement dit, il n’y a pas de relations linéaires parfaites parmi les
variables explicatives.

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

Section 3 : Estimation des paramètres

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

Formulation des estimateurs


L’estimateur des coe¢ cients a0 et a1 est obtenu en minimisant la
distance au carrée entre chaque observation et la droite, d’où le nom
d’estimateur des moindres carrées ordinaires (MCO) :

t =n t =n
∑ ∑ ( yt
2
Min εt = Min a0 a1 xt )2 = MinS (3)
t =1 t =1

On opérant par dérivation par rapport à a0 et a1 a…n de trouver le


minimum de cette fonction, on obtient les résultats suivants :

δs δs
= 0 et =0 (4)
δa0 δa1
∑t =n (xt x )(yt y ) ∑tt = n
=1 xt yt nxy
a1 = t = 1 t = n
b = (5)
∑ t = 1 ( xt x ) 2 ∑tt = n 2
= 1 xt nx 2
b
a0 = y b
a1 x (6)

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

Estimation des coe¢ cients de régression

Example
A partir des données suivantes,on demande de calculer les estimations de b
a0 et
b
a1 .

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

Estimation des coe¢ cients de régression

Example
n xt yt
1 8000 7389.99
2 9000 8169.65
3 9500 8831.7
4 9500 8652.8
5 9800 8788.1
6 11000 9616.2
7 12000 10593.5
8 13000 11186.1
9 15000 12758.1
10 16000 13869.6
N 112800 99855.8
M 11280 9985,6

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

Estimation des coe¢ cients de régression

Solution
n xt yt yt yt xt xt ( xt x t )2 ( xt x t )(yt yt)
1 8000 7389.99 -2595,6 -3280 10758400 8513518,8
2 9000 8169.65 -1815,9 -2280 5198400 4140309
3 9500 8831.7 -1153,9 -1780 3168400 2053879,7
4 9500 8652.8 -1332,7 -1780 3168400 2372268,3
5 9800 8788.1 -1197,5 -1480 2190400 1772292,6
6 11000 9616.2 -369,4 -280 78400 103422,2
7 12000 10593.5 607,9 720 518400 437670
8 13000 11186.1 1200,5 1720 2958400 2064920,2
9 15000 12758.1 2772,5 3720 13838400 10313755,8
10 16000 13869.6 3884,1 4720 22278400 18332692,4
N 112800 99855.8 - 64156000 50104729
M 11280 9985,6 - 6415600 5010472,9

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

Estimation des coe¢ cients de régression

Solution

∑(xt x )(yt y ) 50104729


b
a1 = = = 0.78
∑ ( xt x ) 2 64156000
b
a0 = y ba1 x = 9985.57 0.78 11280 = 1176.08 (7)

Ces estimations sont à comparer aux valeurs vraies (respectivement 0.8 et


1000) les di¤érences importantes en ce qui concerne surtout le terme
constant sont imputables à l’aléa d’observation qui « perturbe»
l’estimation des coe¢ cients.

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

Les di¤érentes écritures du modèle : erreur et résidu

Le modèle de régression simple peut s’écrire sous 2 formes : modèle


théorique spéci…é par l’économiste ou modèle estimé à partir d’un
échantillon.

De…nition
Modèle théorique spéci…é par l’économiste :

yt = a 0 + a 1 xt + ε t (8)

avec εt l’erreur inconnue :

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

Les di¤érentes écritures du modèle : erreur et résidu

De…nition
Modèle estimé à partir d’un échantillon d’observation :

yt = b
a0 + b
a1 xt + εt = ybt + et (9)

avec et = résidu
Le résidu observé est donc la di¤érence entre les valeurs observées de la
variable à expliquer et les valeurs ajustées à l’aide des estimations des
coe¢ cients du modèle :
Ou encore :
ybt =b
a0 +b
a1 xt (10)

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

Propriétés des estimateurs MCO

Ne pas confoncre estimateur (qui est la formule ou la méthode utiliser pour


estimer un paramètre) et l’estimation (qui est la valeur numérique résultant de
l’application de la formule).
Estimateurs linéaires
b
a1 est une fonction linéaire de Yt .
b
a0 est une fonction lin´ eaire de Yt .
=) b a1 est un estimateur lin´ eaire de a1 .
=) b a0 est un estimateur lin´ eaire de a0 .
Estimateurs sans biais
b
a1 est un estimateur sans biais de a1 .
b
a0 est un estimateur sans biais de a0 .
E (b
a1 ) =ba1
E (b
a0 ) =ba0

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

Propriétés des estimateurs MCO

Estimateurs convergents :

lim V (b
a1 ) = 0 (11)
n !∞
lim V (b
a0 ) = 0 (12)
n !∞

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

Propriétés des estimateurs MCO

Estimateurs BLUE
Combinaison de toutes ces propriétés indique que l’estimateur MCO
est BLUE.
BLUE : Best Linear Unbiased Estimator.
C’est le meilleur estimateur possible (le plus performant) parmi la
classe des estimateurs linéaires sans biais.

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

Propriétés des estimateurs (Démonstration)

yt = a 0 + a 1 xt + ε t (13)
y = a0 + a1 x + ε (14)
[13] [14] = yt y = a 1 ( xt x ) + ( εt ε) (15)

En remplaçant dans la formyle (5) de l’estimateur b


a 1 , yt y par son
expression. on obtient :
2 3
i =n
6 ∑ (xt x )(εt εt ) 7
6 7
a1 = a1 + 6 t = 1
b 7 (6) (16)
4 i =n 5
∑ (xt x ) 2
t =1

Les estimateurs sont-ils sans biais1 ?


1 L’estimateur sera sans biais si son espérance est égale à la valeur du paramètre de
la population.
Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

Propriétés des estimateurs (Démonstration)

De…nition

Un estimateur est sans biais si E (b


a) = a

2 3
i =n
6 ∑ (xt x ) εt 7
6 7
a1 = a1 + 6 t = 1
b 7 (17)
4 i =n 5
∑ ( xt x )2
t =1
D’où : 2 3
i =n
6 ∑ ( xt x ) E ( ε t ) 7
6 7
a1 ) = E ( a1 ) + 6 t = 1
E (b 7 (18)
4 i =n 5
∑ ( xt x ) 2
t =1

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

Propriétés des estimateurs (Démonstration)

Car E (εt ) est par hypothèse nulle ,


soit E (b
a1 ) = E (a1 ) car E (εt ) = 0
De même on démontre que E (b a0 ) = a0 .

y = b
a0 + b
a1 x
y = a0 + a1 x + εt =) ba0 = a0 + εt (ba1 a1 ) x (19)
E (b
a0 ) = a0 + E (εt ) E ((b
a1 a1 ) x ) = a0 (20)

Car E (b
a1 a1 ) = 0 et E (εt ) = 0
Donc l’estimateurs sont sans biais.

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

Propriétés des estimateurs (Démonstration)


Les estimateurs sont-ils convergents2 ?
Puisque les estimateurs sont sans biais , il su¢ t pour qu’ils soient convergents
que :
Lim V (ba1 ) ! 0 lorsque n ! ∞ ou V (b a1 ) est la variance de b
a1 .

20 12 3
i =n
6B ∑ (xt x )εt ) C 7
6B C 7
V (b
a1 ) = E (b
a1 a1 ) 2 = E 6 B t = 1 C 7 d’après (21)
[17]
4 @ i =n A 5
∑ ( xt x ) 2
t =1
" #
2
0
V (b
a1 ) = E ∑ ω t εt = E ∑ ω 2t ε2t + 2 ∑ ω t ω t0 εt εt (22)
t t t

(x t x )
avec ω t = i =n
∑ (x t x )2
t =1
2 L’estimateur doit tendre vers la valeur réelle du paramètre lorsque le nombre

d’individus étudié augmente. On dit que l’estimateur est convergent.


Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

Propriétés des estimateurs (Démonstration)

0
a1 ) = ∑ ω 2t E (ε2t ) + 2 ∑ ω t ω t0 E (εt εt )
V (b (23)
t t <t ,
Or , d’après les hypothèses :
H4 : E (ε2t ) = σ2ε
0
H5 : E (εt εt ) = 0 si t 6= t 0

σ2ε
a1 ) = ∑ ω 2t σ2ε =
V (b (24)
t ∑ ( xt x )2
t

Theorem
Lorsque n ! ∞ alors ∑t (xt x )2 tend également vers ∞, d’où V (b
a1 )
tend vers 0 puisque σ2ε est constant.

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

Propriétés des estimateurs (Démonstration)

Une démonstration analogue pour b


a0 conduit aux résultats suivant :
0 1
1 x2
a0 ) = σ2ε @ +
V (b A (25)
n ∑ ( xt x )2
t

a0 ) ! 0 lorsque n ! ∞
Lim V (b
Nous remarquons que :

σ2ε
V (b
a0 ) = + x 2 V (b
a1 ) ; Cov (b
a0 ; b
a1 ) = xV (b
a1 ) (26)
n
Donc les estimateurs sont convergents.

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

Section 4 : Equation et tableau d’analyse de la


variance

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

Equation d’analyse de la variance

On sait que :

yt =ybt +e t (27)
En réécrivant cette relation en termes de variance, on obtient :

V (y t ) = V (ybt +e t ) = V (ybt ) + V (e t ) + 2cov (ybt , e t ) (28)


bt , et ) = 0, on a donc :
Or nous avons vu précédemment que cov (y

V (y t ) = V (ybt +e t ) = V (ybt ) + V (e t ) (29)


Soit encore sous forme de somme des carrés :

2 2 2
∑ (y t y ) = ∑ (ybt yb) + ∑ (e t e ) (30)
t t t

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

Equation d’analyse de la variance

b = y ce qui nous permet de réécrire


Par ailleurs, on sait que e = 0 et y
(30) comme :
∑(yt y )2 = ∑(ybt y )2 + ∑ et2 (31)
t t t
L’équation (31) est appelée équation d’analyse de la variance

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

Equation d’analyse de la variance

Décomposition équation de la variance


Variance totale peut être exprimée en 2 termes :
Variance expliquée : variance de la variable estimée (V (ybt )).
Variance expliquée par le modèle, càd par variable explicative Xt .
Variance des résidus ou variance résiduelle (V (et )). Variance qui
n’est pas expliquée par la modèle.
Autre formulation
Somme des carrés des écarts de la variable expliquée à sa moyenne :
somme des carrés totale, SCT.
Somme des carrés des écarts de la variable estimée à sa moyenne :
somme des carrés expliquée, SCE.
Somme des carrés des résidus, SCR.
SCT = SCE + SCR

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

Le tableau suivant représente l’analyse de la variance pour un modèle de


régression simple.
Source de variation Somme des carrés Degré de liberté Carrés moyens
X SCE = ∑(ybt y )2 1 SCE
1
t
Résidu SCR = ∑ et2 N 2 SCR
N 2
t
Total SCT = ∑ ( yt y )2 N 1 -
t
Les degrés de liberté correspondent au nombre de valeurs ;
Par exemple, pour la variabilité totale, connaissant n 1 valeurs, nous
pourrons en déduire la nième, puisque nous connaissons la moyenne y ).

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

Coe¢ cient de détermination


Qu’est-ce que le coe¢ cient de détermination ?
Equation analyse de la variance permet de juger de la qualité de la
régression.
On tire d’ANOVA le coe¢ cient de détermination, ou R 2

∑(ybt y )2 ∑ et2
V (ybt )
R = 2
= t =1 t
(32)
V (yt ) ∑ ( yt y )2 ∑ ( yt y )2
t t

Soit encore :
SCE SCR
R2= =1 (33)
SCT SCT
R 2 est rapport entre variance expliquée et variance totale.
Quanti…e proximité de variance expliquée par rapport à variance totale.
Donne la part de la variance totale expliquée par modèle.

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

Coe¢ cient de détermination

Indications données par R2


R2 toujours compris entre 0 et 1 <=> 0 < R 2 < 1.
Quand R2 proche de 0 => modèle de mauvaise qualité.
Part de la variabilit´ e que le modèle arrive à expliquer proche de 0.
Quand R2 proche de 1 => modèle de bonne qualité.
Variabilité est reproduite quasi entièrement par le modèle.

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

Coe¢ cient de détermination

Remarques
Puisque
V (ybt ) = V (b
a0 +b
a1 V (x t )) (34)
on peut réécrire :
a12 V (xt )
b
R2=
V ( yt )
cov (xt ,yt )
De plus b
a1 = V (x t )
, donc :

[cov (xt , yt )]2


R2= = [ρ(y , x )]2
V (xt )V (yt )

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

La signi…cativité individuelle

Jusqu’à present nous n’avons pas utilisé la propriété de normalité des


erreurs.
Permet de réaliser des tests statistiques sur paramètres.
Essentiels à validation statistique du modèle économétrique.
La démarche économétrique comporte 3 étapes :
1 Spéci…cation du modèle sur bases d’intuitions théoriques.
2 Régression pour obtenir les valeurs estimées des paramètres qui nous
intéressent.
3 Validation du modèle.
Dernière étape est essentielle. Permet de savoir si les résultats que l’on a
obtenu sont “statisiquement …ables”.

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

La validation du modèle

Comment valider un modèle ?


S’appuyer sur plusieurs éléments :
Le coe¢ cient de détermination : donne une idée globale.
Les tests de signi…cativité individuelle.
Les tests de signi…cativité globale.
Qu’est-ce qu’un bon modèle (statistique) ?
La combinaison des éléments précédents :
R 2 1.
Constante et coe¤ de pente signi…cativement di¤érents de 0.
Modèle globalement signi…catif.

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

La validation du modèle

Qu’est-ce qu’un test de signi…cativité individuelle ?


Test qui va être réalisé sur nos paramètres pris 1 par 1 ( càd de
manière indépendante).
Permet de dire si paramètre testé est égal ou di¤érent de 0.
Régression nous donne une valeur estimée des paramètres.
Test nous dit si un paramètre a une in‡uence sur l’explication.

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

Quel test va-t’on réaliser ?

Test de Student (avec β un paramètre quelconque, constante ou coe¤ de


pente) :
Hypothèses :
H0 : a 1 = 0
(35)
Ha : a 1 6 = 0
Statistique de test :
b
a1
tba1 = ,! Nn k 1
σcb
a1

Où σca 1 est l’écart type estimé associé à b


b
\
a1 , à savoir la racine carrée V (b
a1 ) (la
variance estimée du coe¢ cient estimé).

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

Quel test va-t’on réaliser ?

Régle de décision :

si : tba1 6 tp /2 on accepte H0 : a 1 = 0
(36)
si : tba1 > tp /2 on accepte Ha : a 1 6 = 0

Avec tp /2 la valeur tabulée, càd la valeur donnée par la table de


Student au seuil statistique de p%.
On peut appliquer indi¤éremment ce test à la constante ou au coe¢ cient
de pente, les hyptohèses, stats de test et règles de décisions ne sont pas
modi…ées.
Remarque, lorsque le test est appliqué au coe¢ cient de pente, on teste en
fait la signi…cativité de la variable exogène : on teste sa capacité à pouvoir
réellement expliquer la variable endogène.

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

La signi…cativité globale

Qu’est-ce qu’un test de signi…cativité globale ?


Test permettant de savoir si les variables endogènes utilisées ont un
réel pouvoir explicatif.
Test portant uniquement sur les variables explicatives (constante est
exclue).
Test s’appuyant sur équation d’analyse de la variance.
Permet de donner une idée sur la bonne spéci…cation du modèle.
Si le modèle est globalement non signi…catif = > revient à dire que
variables explicatives n’ont pas de pouvori explicatif = > trouver un
autre modèle.

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

Quel test va-t’on réaliser ?

Soit le modéle : y = a0 + a1 x
Test de Fisher
Hypothèses :
H0 : a 1 = 0 () R 2 = 0
(37)
Ha : a 1 6 = 0 () R 2 6= 0
H0 signi…e que le modèle est globalement non-signi…catif, Ha l’inverse.
Statistique de test :

SCE
F = ,! F(1,n 2 )
SCT /n 2
R2
ou F = 2
,! F(1,n 2)
(1 R ) / (n 2)

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

Quel test va-t’on réaliser ?

Régle de décision :

8
>
> Si : F z(1, n 2) alors on ne rejette pas H0 , a1 = 0,
>
>
< ce qui signi…e que le modèle est globalement non-signi…catif.
Si : F > z(1, n 2) alors on rejetteH0 , a1 6= 0
>
>
>
> ce qui signi…e que le modèle est globalement signi…catif.
:
ici xt contribue à l’explication de yt
(38)
Avec F (1, n 2) la valeur tabulée, càd la valeur donnée par la table de Fisher
pour (1, n 2) degrés de liberté.
Ce test ne prend jamais en compte la constante.

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

Section 5 : La prévision dans le modèle de


régression simple

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

La prévision dans le modèle de régression simple

Lorsque les coe¢ cients du modèle ont été estimés, il est possible de
calculer une prévision à un horizon h.
Soit le modèle estimé sur la période , t = 1, n:

yt = b
a0 + b
a 1 xt + e t (39)

Si la valeur de la variable explicative xt est connue en n + 1(xn +1 ) , la


prévision est donnée par :

ybn +1 = b
a0 + b
a 1 xn + 1 (40)

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

La prévision dans le modèle de régression simple

Montrons que cette prévision est sans biais.


L’erreur de prévision est égale à :

en +1 = yn +1 ybn +1 (41)

que l’on peut écrire :

en + 1 = (a0 + a1 xn +1 + εn +1 ) (ba0 + ba 1 xn + 1 ) (42)


soit : en + 1 = ( a 0 b
a0 ) + ( a1 ba1 )xn +1 + εn +1 (43)

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

La prévision dans le modèle de régression simple

En se référant aux hypothèses du modèle on a : E (en +1 ) = 0


La prévision sans biais est obtenue par l’application directe du modèle de
régression estimé.
Dans la pratique, il faut déterminer le degré de con…ance que nous devons
accorder aux prévisions du modèle.
Nous allons calculer la variance de l’erreur de prévision qui nous permet de
déterminer un intervalle de con…ance bornant la prévision.
La variance de l’erreur de prévision est donnée par :

V (en +1 ) = V ((b
a0 a0 ) + (b
a1 a 1 ) xn + 1 + ε n + 1 ) (44)

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

La prévision dans le modèle de régression simple


Puisque la variable xn +1 est certaine à l’erreur εn +1 et non auto-corrélée
avec les εt cette expression peut s’écrire :

a0 ) + xn2+1 V (b
V (en +1 ) = V (b a1 ) + 2xn +1 Cov (b
a0 , b
a1 ) + V ( ε n + 1 )
(45)
En remplaçant les variances et la covariance des coe¢ cients par leurs
expressions et connaissant V (εn +1 ) = σ2ε , nous obtenons :

σ2ε
V (e n +1 ) = + x 2t V (b
a1 ) + xn2+1 V (b
a1 ) a1 ) + σ2ε
2xn +1 xV (b
n
(46)
Ou encore :
2 3
1 ( x x ) 2
V ( e n + 1 ) = V ( yn + 1 ybn +1 ) = σ2ε 4 + n +1 + 15 (47)
n ∑(xt x t )2
t

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

La prévision dans le modèle de régression simple

Nous pouvons observer que, dans cette formule, la variance de l’erreur de


prévision est fonction de l’écart quadratique entre la variable exogène
prévue et la moyenne de cette même variable : plus la valeur prévue
s’éloigne de cette moyenne, plus le risque d’erreur est important.
De même, nous remarquons que la variance de l’erreur de prévision est
une fonction inverse de la variabilité de la série explicative.
L’hypothèse de normalité de εt permet alors de déterminer un intervalle à
(1 α)% pour la prévision :
0 2 31
1 (x x )2
e n + 1 = yn + 1 ybn +1 ! N @0, σ2ε 4 + n +1 + 15 A
n ∑(xt x t )2
t
(48)

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

La prévision dans le modèle de régression simple

Soit :
b
a0 + ba 1 xn + 1 yn + 1
s ! tn 2 (49)
1 (x n +1 x )2
σ2ε
n + ∑ (x t x t )2
+1
t

(Student à n 2 d.d.l.)
v
u
α/2 u1 ( xn + 1 x )2
yn +1 = ybn +1 tn 2 σ2ε t + +1 (50)
n ∑ ( xt x )2
t

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

Excercice 1 : Mesure d’e¢ cacité de la force de vente

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

Au cours d’un mois donné, le représentant d’une société commercialisant


du matériel de bureau a visité 56 entreprises réparties dans sept
départements.
Le tableau suivant indique, département par département, le nombre de
visites réalisées de même que les commandes enregistrée pendant la
période correspondante mesurées en milliers de dirhams.

Département (i) Nombre de Commandes


visite (Xi ) ( Yi )
1 2 23
2 3 27
3 5 28
4 9 39
5 10 39
6 12 45
7 15 51

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

Questions

1 Représenter graphiquement le nuage des points et donner le modèle de


régression y=ax+b par la méthode des moindres carrées. Interpréter le
résultat.
2 Calculer les di¤érents dispersions selon la loi des écarts
3 Déterminer le coe¢ cient de détermination
4 Représenter l’analyse de la variance et le test F
5 S’assurer à l’aide d’un test T de Student que a est sigi…cativement
di¤érente de zéro.
6 Prévision de Y pour la valeur X=20 et l’intervalle de con…ance de cette
prévision

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

1- Représentation graphique

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

2
i Xi Yi Xi Yi Xi2 Xi -X Xi X Yi -Y (Xi -X )(Yi Y)
1 2 23 46 4 -6 36 -13 78
2 3 27 81 9 -5 25 -9 45
3 5 28 140 25 -3 9 -8 24
4 9 39 351 81 1 1 3 3
5 10 39 390 100 2 4 3 6
6 12 45 540 144 4 16 9 36
7 15 51 765 225 7 49 15 105
∑ 56 252 2313 588 0 140 0 297
Moy 8 36 303.4 84 0 20 0 42.4

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

8
< ∑ XY nX Y2 = 2313 (7 )(8 )(36 )
= 2.12
a= ∑ X 2 nX 588 (7 )(64 )
(51)
: cov (X ,Y ) = 42,4
= 2.12
Var (X ) 20

b = Y aX = 36 (2.12)(8) = 19
Y = 2.12X + 19

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

2-Lois des écarts

La loi des écarts permet de relier l’erreur associée à l’hypothèse nulle


et l’erreur associée à l’hypothèse "Y dépend de X".
L’erreur attachée à l’hypothèse nulle est mesurée par la dispersion
totale.
L’erreur attachée à la seconde hypothèse est mesurée par la
dispersion résiduelle.

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

2-Lois des écarts

i Xi Yi bi
Y Yi - Y (Y i Y )2 bi Y )
(Y bi Y )2
(Y bi Y
Y b
(Y
1 2 23 23.6 -13 169 -12.73 162 0.27
2 3 27 25.39 -9 81 -10.61 112.57 -1.61
3 5 28 29.64 -8 64 -6.36 40.45 1.64
4 9 39 38.12 3 9 2.12 4.49 -0.88
5 10 39 40.24 3 9 4.24 17.98 1.24
6 12 45 44.49 9 81 8.49 72.08 -0.51
7 15 51 50.85 15 225 14.85 220.52 -0.51
∑ 638 630.09

Dispersion totale = ∑(Yi Y )2 = 638


bi
Dispersion résiduelle= ∑(Y Y )2 = 7.94

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

3- Coe¢ cient de détermination

Dispersion expliquée ∑ (Ybi Y )2


R2 = =
Dispersion totale ∑ ( Yi Y )2
R 2 = 630/638 = 0.987.
Il apparaît que le modèle restitue 98.7% de l’information totale

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

4- Test F

bi Y ) 2
∑ (Y
Dispersion expliquée moyenne k
F = = bi Y ) 2
Dispersion résiduelle moyenne ∑ (Y
n k 1

Dans notre exemple F = 395. Cette valeur doit être comparée à


celle qui est lue dans une table de Fisher-Snédécor pour k = 1 degré
de liberté au numérateur et n k 1=7-1-1=5 au dénominateur à
un seuil de con…ance α.
Pour α = 0.01, la valeur F théorique lue dans la table est de 16.26.

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

Analyse de la variance pour la régression (Test F)

Degré de Somme Carrés F


liberté des carrés moyens
Régression k=1 630.09 630.09 396=630/1.59
∑ (Ybi Y )2
Erreur n-k-1=5 7.94 1.59
( b
∑ i Y )2
Y
Total n-1=6 638
∑ ( Yi Y ) 2
F0.01 = 16.26

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

5- validité des coe¢ cients


Cette validité est véri…ée par le biais du test t et à travers le calcul
d’intervalles de con…ance ;
On dé…nit l’erreur standard sur a comme :
SXY
Sa = q
2
∑ Xi2 nX
Où SXY est l’écart-type des erreurs du modèle avec :
s
∑ ( Yi Yb )2
SXY =
n 2
A partir des chi¤res de notre exemple, il apparaît que :
r
7.94 p
SXY = = 1.59 = 1.26
5
et Sa = 1.26/11.83 = 0.106
Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

5- validité des coe¢ cients

Si l’on admet que les valeurs à estimer à partir de di¤érents échantillons


d’observations suivent une loi de Student d’écart-type Sa , nous pouvons
évaluer la probabilité que la valeur a soit di¤érente de zéro.

a 0 a
t= =
Sa Sa
Nous donne le nombre d’écarts-type qui séparent la valeur observée de 0.
t mesure ainsi le degré de rareté, dans une population où la valeur de a
est 0, d’échantillons d’observations pour lesquels a = a0 (ici a0 = 2.12)
Dans notre exemple, t = 2.12/0.106 = 20, ce qui compré au chi¤re lu
sur la table de Student pour n-k-1=7-2=5 degrés de liberté (3.365 avec
seuil de con…ance de 0.01) paraît très sigi…catif.

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

6- L’intervalle de con…ance

L’intervalle de con…ance de a est obtenu selon une procédure voisine. Si


tα est le nombte des d’écarts-types correspondant au seuil de con…ance α,
il y’a une probabilité (1-α) que la valeur de a soit comprise dans
l’intervalle [a tα/2 Sa ; a + tα/2 Sa ]
Il y a ainsi 99% de chance que la valeur a de notre problème soit comprise
dans l’intervalle, [2.12 4(0.106); 2.12 + 4(0.106)] , puisque
t0.005 = 4 pour 5 degrés de liberté.

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

7- La prévision

Il s’agit de prévoir quelle serait l’importance des commandes pour un


nombre de visites de représentants donné. Ceci peut être réalisé en
donnant à X, dans le modèle, la valeur choisie.
Ainsi, X=20 visites devraient amener selon le modèle, 61400 DH de
commandes en moyenne, puisque 61.4=2.12(20)+19
En fait, il faut tenir compte de ce que le modèle a été construit à partir
d’un échantillon de données et qu’il existe de toute façon un certain aléa
sur les relations entre X et Y.
La prévision de Y doit s’accompagner de la dé…nition d’un intervalle de
con…ance : à un seuil de con…ance α, la valeur de Y pour X=X0 est
comprise dans l’intervalle.
" s s #
bX 1 ( X0 X )2 bX + tα/2 SXY 1 ( X0 X )2
Y 0
tα/2 SXY + 2
;Y 0
+ 2
n ∑ X2 nX n ∑ X2 nX

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

7- La prévision

Où, on le rappelle, SXY est l’écart-type des erreurs du modèle.


L’intervalle de con…ance est d’autant plus importante que :
SXY : est élevé ;
n est faible
Xi est éloigné de la moyenne.
Pour X0 = 20 et α = 0.01
q
Y = 61.4 4(1.26) 1 + 12 2
7 140
Soit Y = 61.4 5.9

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz
Présentation du modèle
Hypothèses du modèle
Chapitre 1 : Le modèle de régression simple Estimation des paramètres
Equation et tableau d’analyse de la variance
La prévision dans le modèle de régression simple

Université Mohammed V- Agdal - FSJES -Rabat Econométrie Financière I Enseignant : Ragbi Aziz

Vous aimerez peut-être aussi