Master MFEA

Semestre 1

Économétrie appliquée

DEVOIR1

N.B : Les applications doivent être réaliser par Eviews

Exercice 1 :

1. Montrer que r² défini par la formule ci-dessous varie entre 0 et 1. Vous pouvez utiliser l’inégalité de Cauchy-Schwarz,
qui stipule que pour toutes les variables aléatoires X et Y, la relation suivante est vraie : [E(XY)]² ≤ E(X²)E(Y²).
2. Soit âYX et âXY les pentes de la régression de Y sur X et X sur Y, respectivement ; montrer que âYX * âXY = r²

Exercice 2 : Supposons qu’on vous donne le modèle : Yi = β1 + ui . Utilisez la méthode OLS pour trouver l’estimateur de β1. Quel
est sa variance et SCRES ? Le β1 estimé a-t-il un sens intuitif ? Considérons maintenant le modèle à deux variables Yi = β1 + β2Xi +
ui . Vaut-il la peine d’ajouter Xi au modèle ? Si ce n’est pas le cas, pourquoi s’embêter avec l’analyse de régression ?

Exercice 3 : Le tableau 5.1donne des données sur les indices de la production par heure (X) et de la rémunération réelle par heure
(Y) pour les secteurs d’activité et non agricoles de l’économie américaine pour la 1959-1997. L’année de base des indices est
1982 = 100 et les indices sont corrigés des variations saisonnières.
a. Tracer un graphique Y contre X pour les deux secteurs séparément.
b. Quelle est la théorie économique derrière la relation entre les deux variables ? Le scattergramme soutient-il la théorie
?
c. Estimer la régression OLS de Y sur X.
d. Etablissez les tableaux ANOVA et testez l’hypothèse selon laquelle il n’y a pas de relation entre la productivité et la
rémunération salariale réelle. Faites-le pour les secteurs des entreprises et des entreprises non agricoles

Table 5.1

obs Y1 Y2 X1 X2

1959 50.50000 54.20000 13.10000 13.70000

1960 51.40000 54.80000 13.70000 14.30000
1961 53.20000 56.60000 14.20000 14.80000
1962 55.70000 59.20000 14.80000 15.40000
1963 57.90000 61.20000 15.40000 15.90000
1964 60.60000 63.80000 16.20000 16.70000
1965 62.70000 65.80000 16.80000 17.20000
1966 65.20000 68.00000 17.90000 18.20000
1967 66.60000 69.20000 18.90000 19.30000
1968 68.90000 71.60000 20.50000 20.80000
1969 69.20000 71.70000 21.90000 22.20000
1970 70.60000 72.70000 23.60000 23.80000
1971 73.60000 75.70000 25.10000 25.40000
1972 76.00000 78.30000 26.70000 27.00000
1973 78.40000 80.70000 29.00000 29.20000
1974 77.10000 79.40000 31.80000 32.10000
1975 79.80000 81.60000 35.10000 35.30000
1976 82.50000 84.50000 38.20000 38.40000
1977 84.00000 85.80000 41.20000 41.50000
1978 84.90000 87.00000 44.90000 45.20000
1979 84.50000 86.30000 49.20000 49.50000
1980 84.20000 86.00000 54.50000 54.80000
1981 85.80000 87.00000 59.60000 60.20000
1982 85.30000 86.30000 64.10000 64.60000
1983 88.00000 89.90000 66.80000 67.30000
 1984 90.20000 91.40000 69.70000 70.20000
1985 91.70000 92.30000 73.10000 73.40000
1986 94.10000 94.70000 76.80000 77.20000
1987 94.00000 94.50000 79.80000 80.10000
1988 94.70000 95.30000 83.60000 83.70000

Exercice 4 :Le tableau 6.1 donne des données sur les prix de l’or, l’indice des prix à la consommation (IPC) et l’indice de la
Bourse de New York (NYSE) pour les États-Unis pour la période 1977-1991. L’indice NYSE comprend la plupart des actions
cotées à la NYSE, environ 1500 plus.

a. Placez dans le même scattergram les prix de l’or, l’IPC et l’indice NYSE.
b. Un investissement est censé être une couverture contre l’inflation si son prix et/ou son taux de rendement suit au moins le
rythme de l’inflation.
c. Pour tester cette hypothèse, supposons que vous décidiez d’adapter le modèle suivant, en supposant que le nuage de
points réaliser dans le premier point suggère que cela est approprié :
Prix de l’or t = β1 + β2 CPIt + ut ; indice NYSE t = β1 + β2 CPIt + ut

d. Estimer les deux régressions qui y sont données, en obtenant des erreurs-types et l’autre résultat habituel.
e. Testez l’hypothèse selon laquelle les perturbations dans les deux modèles de régression sont normalement distribuées.
f. Dans la régression du prix de l’or, testez l’hypothèse selon laquelle β2 = 1, c’est-à-dire qu’il existe une relation un-à-un
entre les prix de l’or et l’IPC (c’est-à-dire que l’or est une couverture parfaite). Quelle est la valeur p de la statistique de
test estimée ?
g. Répétez l’étape c pour la régression de l’indice NYSE. L’investissement en bourse est-il une couverture parfaite contre
l’inflation ? Quelle est l’hypothèse nulle que vous testez ? Quelle est sa valeur p ?
h. Entre l’or et les actions, quel investissement choisiriez-vous ? Quel est le fondement de votre décision ?
Table 6.1

obs GOLDPRICE CPI NYSE

1977 147.9800 60.60000 53.69000

1978 193.4400 65.20000 53.70000
1979 307.6200 72.60000 58.32000
1980 612.5100 82.40000 68.10000
1981 459.6100 90.90000 74.02000
1982 376.0100 96.50000 68.93000
1983 423.8300 99.60000 92.63000
1984 360.2900 103.9000 92.46000
1985 317.3000 107.6000 108.9000
1986 367.8700 109.6000 136.0000
1987 446.5000 113.6000 161.7000
1988 436.9300 118.3000 149.9100
1989 381.2800 124.0000 180.0200
1990 384.0800 130.7000 183.4600
1991 362.0400 136.2000 206.3300