Université d’Orléans - Master Econométrie et Statistique

Appliquée
Econométrie des Variables Qualitatives
Christophe HURLIN
Correction Examen Mai 2011. C. Hurlin

Exercice 1 (15 points) : Modèle Tobit

Question 1 (1 point) : On sait que l’on a :

+ xi
Pr (yi = 0) = Pr (yi < 0) = 1 1 point (1)
"

Question 2 (2 points) : Compte tenu de l’échantillon, les contributions à la vraisemblance

sont les suivantes de chaque type d’individus sont les suivantes :

Nombre d’Observations yi xi Contribution

+
9 observations yi = 0 xi = 1 1 "

3 observations yi = 0 xi = 0 1 "
p 1
p
4
1 observation yi = 4 xi = 0 " "
p 1
p
2
1 observation yi = 2 xi = 0 " "

1 1
1 observation yi = 1 xi = 1 " "

1
Examen Mai 2006 - Cours de C. Hurlin - Master ESA 2

Dès lors, la vraisemblance s’écrit

X xi X 1 yi xi
2
log L y; ; ; " = log 1 + log
i: yi =0 " i: yi >0 " "

+
= 9 log 1 + 3 log 1
" "
" p !# " p !#
1 4 1 2 1 1
+ log + log + log
" " " " " "

+ 3 2
= 9 log 1 + 3 log 1 log "
" " 2
" p !# " p !#
4 2 1
+ log + log + log
" " "

En simpli…ant, il vient :

2 + 3 2
log L y; ; ; " = 9 log 1 + 3 log 1 log "
" " 2
3 1 2
log (2 ) 2
6 + (1 + ) (2)
2 2 "

ou encore

2 + 3 2
log L y; ; ; " = 9 log 1 + 3 log 1 log "
" " 2
3 1 2
log (2 ) 2
7+2 + (3)
2 2 "

Question 3 (2 points) : On pose zi une variable dichotomique telle que :

1 si yi > 0
zi = 8i = 1; ::N (4)
0 sinon

La vraisemblance du modèle probit associé à zi s’écrit :

N
X + xi + xi
log L z; ; = zi log + (1 zi ) log 1
" " i=1 " "

+
= 2 log + log
" "
+
+9 log 1 + 3 log 1
" "

Question 4 (2 points) : On cherche les estimateurs du MV b =b" ; b =b" tels que :

b =b" ; b =b" = arg max log L z; ; (5)

f "; "g " "

Considérons le changement de variable suivant :

+
z1 = z2 = (6)
" "
Examen Mai 2006 - Cours de C. Hurlin - Master ESA 3

La log-vraisemblance s’écrit alors :

log L (z; z1 ; z2 ) = 2 log (z2 ) + log (z1 )

+9 log (1 z1 ) + 3 log (1 z2 ) (7)

On cherche alors le couple (zb1 ; zb2 ) tel que :

(zb1 ; zb2 ) = arg max log L (z; z1 ; z2 ) (8)

fz1 ;z2 g

Les conditions nécessaires s’écrivent :

@L (z; z1 ; z2 ) 1 9
= =0 (9)
@z1 b1
z zb1 1 zb1

@L (z; z1 ; z2 ) 2 3
= =0 (10)
@z2 b2
z zb2 1 zb2
D’où l’on tire que :
1 2
zb1 = zb2 = (11)
10 5
On en déduit alors les estimateurs de MV b et b puisque :
b 1 1 2
= (b
z2 ) = = 0:2533 (12)
b" 5
b 1 2
1 1 1 1
= (b
z1 ) (b
z2 ) = = 1:0282 (13)
b" 10 5

Question 5 (2 points) : Déterminons la valeur du ratio de Mills pour les trois individus non
censurés. Par dé…nition :
! !" !# 1
b + xi b b + xi b b + xi b
= (14)
b" b" b"

Il vient donc pour les deux individus non censurés pour lesquels xi = 0; on a :
1
b b b
=
b" b" b"
1
= ( 0:2533) [ ( 0:2533)]
= 0:9658 (15)

Pour l’individu non censuré pour lesquels xi = 1; on a :

1
b b b
=
b" b" b"
1
= ( 0:2533 1:0282) [ ( 0:2533 1:0282)]
= 1:7549 (16)

Question 6 (2 points) : La régression de la deuxième étape d’Heckman ne porte que sur les
trois individus non censurés et s’écrait sous la forme :
!
b + xi b
yi = xi + " + vi (17)
b"
Examen Mai 2006 - Cours de C. Hurlin - Master ESA 4

On a donc ici :
0 p 1 0 10 1 0 1
p4 1 0 0:9658 v1
@ 2 A = @ 1 0 0:9658 A @ A + @ v2 A (18)
1 1 1 1:7549 " v3
L’estimateur des MCO des paramètres , et est donc dé…ni par :
0 1 20 1 0 13 1
b 1 1 1 1 0 0:9658
@ b A = 4@ 0 0 1 A @ 1 0 0:9658 A5
b" 0:9658 0:9658 1:7549 1 1 1:7549
20 1 0 p 13
1 1 1 p4
4@ 0 0 1 A @ 2 A5 (19)
0:9658 0:9658 1:7549 1

On obtient b = 0:9696; b = 3:1544 et b" = 0:5353:

Question 7 (2 points) : On admet que les estimateurs OLS des paramètres de la regression
linéaire suivante :
yi = + xi + i (20)
obtenus à partir des données portant sur l’ensemble des 15 individus de l’échantillon,
sont b = 0:3104 et b = 0:5604: On sait que ces estimateurs OLS sont biaisés et que sous
les hypothèses de Goldberger, on a :
p
b ! (21)
LS
N !1 y

où correspond à la constante de l’équation yi = + xi + "i et 2y = 2" + 0 ; où

désigne la matrice de variance covariance des variables explicatives xi : Un estimateur non
c
biaisé de (idem pour ) est donc dé…ni par la quantité b LS = (N=N1 ) b LS , où N1 est
le nombre d’observations pour lesquelles yi > 0; est un estimateur convergent de :

bc N b p
= ! (22)
LS
N1 LS N !1

Ici N1 = 3 et N = 15; on a donc :

bc 15
LS = = 2:801
0:5604 (23)
3
15
b cLS = 0:3104 = 1:5519 (24)
3
Ces valeurs sont sensiblement éloignées de celles obtenus par la méthode d’Heckman,
puisque les hypothèses de Goldberger ne sont pas satisfaites dans notre cas, xi étant une
variable dichotomique, qui ne peut être normalement distribuée (point bonus + 1).
Question 8 (2 points) : Dans notre cas, on a :
@E ( yi / xi ) + xi
= 8i = 1; ::; N (25)
@xi "

Pour les individus tels que xi = 0; on a :

@E ( yi / xi )
=
@xi "
0:9696
= ( 3:1544)
0:5353
= 3:0439 (26)
Examen Mai 2006 - Cours de C. Hurlin - Master ESA 5

Pour les individus tels que xi = 1; on a :

@E ( yi / xi ) +
=
@xi "
0:9696 3:1544
= ( 3:1544)
0:5353
= 0:000007 (27)

Exercice 2 (6 points) : Modele Logit Indépendant

Question 1 (2 points) : cf. cours.

Question 2 (2 points) : Pour chaque variable, y compris le terme constant nommé intercept,
ne …gurent que trois paramètres. Celui relatif à la catégorie de référence a été omis
puisqu’on sait qu’il vaut 0. La catégorie de référence est ici les ouvriers (cs = 4). Les
trois paramètres de chaque variable sont associés aux trois catégories cs, hors la catégorie
de référence, classées dans l’ordre croissant des modalités de la variable cs. Par exemple,
le paramètre age_1 (0.0873) mesure l’e¤et de âge sur l’appartenance à la catégorie des
cadres (plutôt qu’à celle des ouvriers). De façon générale, on a :

exp xi j
Pr (yi = j) == (28)
P
3
1+ exp (xi k)
k=1

où le vecteur 4 est normalisé à zéro : 4 = 0: Puisque le modèle logit indépendant

satisfait l’hypothèse IIA, on a pour deux modalités j et k distinctes:

Pr (yi = j) exp xi j
= = exp xi j k (29)
Pr (yi = k) exp (xi k)

En particulier pour les modalités cadre (j = 1) et ouvrier (k = 4), on a :

Pr (yi = 1) exp (xi 1)

= = exp [xi ( 1 4 )] = exp (xi 1) (30)
Pr (yi = 4) exp (xi 4)

Dès lors pour une femme (sexe = 1), de nationalité française (etr = 0), de 30 ans
(age = 30), ayant …ni ses études à 22 ans (af inet = 22), on a :

Pr (yi = 1)
= exp ( 15:3794 + 0:0873 age 0:2628 f em + 0:6157 af net 1:5111 etr)
Pr (yi = 4)
= exp ( 15:3794 + 0:0873 30 0:2628 1 + 0:6157 22 1:5111 0)
= 1:6857 (31)

Cette femme a 1.68 fois plus de chances d’être cadre qu’ouvrière.

Question 3 (2 points) : L’e¤et marginal de l’âge sur la probabilité que l’individu i choisisse
la j eme modalité, 8j = 1; ::; 4; est :
" 4
#
@pi;j age
X
age
= pi;j j pi;z z (32)
@agei z=1
Examen Mai 2006 - Cours de C. Hurlin - Master ESA 6

On sait que pour cet individu :

Pr (yi = 1) = 0:1380 (33)

Pr (yi = 2) = 0:2297 (34)

Pr (yi = 3) = 0:2209 (35)
Pr (yi = 4) = 0:4114 (36)
Dès lors, il vient :
" 4
#
Pr (yi = 1) X
age
= Pr (yi = 1) 0:0873 Pr (yi = j) z
@agei z=1
= 0:1380 [0:0873 0:1380 0:0873 0:2297 0:0595
0:2209 0:0375 0:4114 0]
= 0:0074 (37)

" 4
#
Pr (yi = 4) X
age
= Pr (yi = 4) 0 Pr (yi = j) z
@agei z=1
= 0:4114 [0 0:1380 0:0873 0:2297 0:0595
0:2209 0:0375 0:4114 0]
= 0:0140 (38)

Pour cet individu, lorsque l’âge augmente, la probabilité d’être cadre augmente et celle d’être
ouvrier diminue.