L3 EQ Econométrie II KACI.

Solution de la série n°6

Exercice n°1 :

1. L’interprétation des paramètres et

(1). Cette équation représente une fonction de production de type Cobb-

Douglas.

La transformation logarithmique de l’équation (1) conduit à :

( ) ( ) ( ) (2)

Or l’élasticité de y a x se définit comme étant un rapport de variation relative

⁄ ( )
Rapport des dérivés logarithmiques.
⁄ ( )

Donc les coefficients et sont des élasticités. représente l’élasticité de la production

par rapport au facteur capital. représente l’élasticité de la production par rapport au facteur
travail.

Remarque : dans tout modèle spécifié sous forme log-log, les coefficients s’interprète
directement en terme d’élasticité.

2. Estimation des paramètres du modèle

On estime le modèle (2) linéarisé par la fonction logarithmique (Log)

( ) ( ) ( ) (2)

D’abord on transforme les données du tableau

Log (K) Log (L) Log (Q)

0,9 1,36 2,03
0,95 1,15 1,91
. . .
. . .
. . .
0,48 1 1,64
0,78 1,85 2,08

(On peut également linéariser le modèle avec la fonction Ln).

Le modèle (2) est un modèle de régression linéaire multiple on l’estime par la méthode

MCO : ̂ ( ) ( ) ( )
Donc : ( ) ⇒ ̂

Le modèle estimé : ̂

0,63 et 0,25 représentent respectivement l’élasticité de la production par rapport au capital, et

l’élasticité de la production par rapport au travail.

3. Le calcul du risque α pour l’hypothèse des rendements d’échelle constants

Les rendements d’échelle sont : Décroissants si

Constants si

Croissants si

Pour cet exercice . Donc la question qui se pose est celle pour
quelle probabilité cette valeur est significativement .

Donc on effectue le test de Student sur cette hypothèse

Sous l’hypothèse H0 le T student calculé est donné comme suit :

̂ ̂
| |
̂

A partir de la matrice Variance-Covariance on a ̂

donc ̂

| |

A partir de la table de Student la valeur de 2,14 correspond au

Donc au seuil de risque de 2% on rejette H0 et on accepte H1 (il y a 2% de risque de rejeter

H0 à tort)

Donc les rendements d’échelle sont significativement inférieurs à 1 décroissants (car le taux
de 2% est un risque faible).
 Exercice n°2

Nous avons le modèle (1)

De (1) : donc ( ) on linéarise cette équation avec la fonction

Ln

( ) ( )

( ) ( ) ( ) donc :

(2) (nous avons posé ( ); ( ) et ( ))

Le modèle (2) est un modèle de régression linéaire simple avec une variable à expliquer (Z) et
une variable explicative (t).

Année t Vente Z ( ̅) ( ̅) ( ̅) ( ̅) ( ̅)
2000 1 24 1,152 -4,5 1,8993 -8,54685 20,25
2001 2 36 0,575 -3,5 1,3223 -4,62805 12,25
2002 3 45 0,2 -2,5 0,9473 -2,36825 6,25
2003 4 49 0,04 -1,5 0,7873 -1,18095 2,25
2004 5 54 -0,16 -0,5 0,5873 -0,29365 0,25
2005 6 63 -0,53 0,5 0,2173 0,10865 0,25
2006 7 78 -1,26 1,5 -0,5127 -0,76905 2,25
2007 8 79 -1,32 2,5 -0,5727 -1,43175 6,25
2008 9 83 -1,58 3,5 -0,8327 -2,91445 12,25
2009 10 99 -4,59 4,5 -3,8427 -17,29215 20,25
Somme -39,3165 82,5

∑( ̅) ( ̅)
̂
∑( ̅)

̂ ̅ ̅ ( ) ( )( )

Donc ( ) ̂⇒ ̂

( ) ̂ ⇒ ̂
donc