Université de Tunis Année universitaire

Institut Supérieur de Gestion 2021/2022

TD ECONOMETRIE
3ème IEF
Série 4: Modèle de Régression Multiple

Exercice 1

On cherche à expliquer, sur la base de n =30 observations, l’évolution d’une variable y en fonction
de deux variables x1 et x2. Le modèle est présenté comme suit.

Y t =β 1+ β2 x1 t + β3 x 2t +ε t

1) Rappeler les hypothèses structurelles des MCO dans le cadre d‘une régression multiple.

On donne les informations suivantes :

1 2/3 0 0 7.5
( X ¿ ¿' X)−1=
5 [0
'

] []2 2
2 −1 , X Y = 10 , σ^ =0.074 , R =0.93 ¿
0 −1 1 14

2) Estimer par la méthode des MCO les paramètres du modèle.

3) Effectuer le test de significativité globale au seuil de 5% et interpréter.
4) Donner la variance de chaque coefficient estimé puis tester sa significativité statistique au
seuil de 5%.
1
5) Tester à l’hypothèse H0 : β 3= β 2
2

Exercice 2:

On considère le modèle de régression suivant :

Yt   0  1 X 1t   2 X 2t   t
  0,10 0, 05 0, 04 
1  
( X ' X )   0, 05 0,15 0, 08 
 0, 04 0, 08 0,15 
On donne la matrice 

Où X est une matrice de dimension (23,3)

On suppose que les hypothèses suivantes sont vérifiées dans tout le problème :

E (Yt )   0  1 X 1t   2 X 2t
i/

ii/ V (Yt )   2 et cov( Yt , Ys )  0 si t  s

A/

1°) Donner les écritures matricielles des deux hypothèses du modèle de régression multiple à
l’origine des deux hypothèses précédentes. Justifier votre réponse.

2°) L’estimation du modèle par la méthode des MCO a fourni les résultats suivants :

Y t  27, 3  0,51X 1t  0, 55 X 2t

_
R 2  0,97 et  (Y - Y )
t
2
 31, 4

2-1) Calculer la somme des carrés des résidus (SCR), la somme des carrés expliquée par la
régression (SCE), et donner une estimation pour la variance des erreurs.
   

2-2) Donner des estimations pour V (  1 ), V (  2 ) et cov(  1 ,  2 )

B/

1°) On veut tester si chacune des variables exogènes est réellement explicative de Y .

1.1) Formaliser le problème de test que nous venons de poser.

1.2) Quelle est votre conclusion pour un seuil de 5 %.

2°) Le modèle est-il globalement significatif au seuil de 5 % ?

3°) On cherche maintenant à tester l’hypothèse 1   2  0

3-1) Formaliser ce problème de test.

3-2) Réaliser ce test et commenter au seuil de 5%.

4°) On prévoit une variation entre les périodes t et t’ de 30 unités pour X 1 et de 25 unités
pour X 2 .

4-1) Quelle est alors la variation prévue de la variable Y .

4-2) Quelle sera l’intervalle de prévision à un niveau de 95 % ?

Exercice 3

On considère le modèle suivant à fréquence trimestrielle sur la période allant du deuxième trimestre
1988 au troisième trimestre 2015:

RNIKKEI t =β 1+ β 2 RDJINDt + β3 RFTSEt + ε t

Où RNIKKEI désigne les rentabilités de l’indice NIKKEI de la bourse de Tokyo et RDJIND

indique les rentabilités de l’indice boursier américain Dow Jones Industriel, et RFTSE indique les
rentabilités de l’indice boursier anglais. Les données sont issues de la base de données Eurostat. La
régression du modèle ci-dessus par les MCO a fourni les résultats suivants :

Source SS df MS Number of obs = 110

Model 0.079366 2 0.039683 F(2, 107) = 15.768
Residual 0.577305 107 0.005395 Prob>F = 0.0001
Total 0.656671 109 0.006024 R-squared = 0.1273
Adj R-squared = 0.1193
Root MSE = .42858
TM Coef. Std.Err. T P> |t| [95% conf.Interval]
RFTSE .7071609 .2198656 3.22 0.000 .2643288 1.149993
RDJIND .474066 .119386 3.97 0.000 .0314046 .7633086
_cons -2.59516 .6086329 -4.26 0.000 -3.821017 -1.369318
estat dwatson
Durbin-Watson d-statistic (2, 110) = 1.43

1) Ecrire l’équation de régression du modèle.

2) Tester la significativité individuelle des paramètres au seuil de 5%.
3) Interpréter économiquement les résultats.
4) Citer les limites de l’utilisation du test Durbin-Watson.
5) En se basant sur la statistique DW, effectuer le test d’absence d’autocorrélation des erreurs.
En donne les valeurs d1= 1.63 et d2=1.72