Académique Documents
Professionnel Documents
Culture Documents
EXERCICE 1 :
1) Mettre le modèle sous forme linéaire et montrer que 𝒂𝟏 et 𝒂𝟐 sont élasticités
En prenant le logarithme de la forme multiplicative de la fonction de production 𝑄𝑡 =
𝑎 𝑎
𝐴𝐿𝑡 1 𝐾𝑡 2 𝑒 𝑢𝑡 , on obtient sa forme linéaire suivante :
log 𝑄𝑡 = log 𝐴 + 𝑎1 log 𝐿𝑡 + 𝑎2 log 𝐾𝑡 + 𝑈𝑡 [1]
Par définition, l’élasticité (relative) de la production (Q) par rapport à l’input L c’est-à-
dire 𝐸𝑄/𝐿 est égale à la variation relative de Q sur la variation relative de L
𝑑𝑄
𝑄 𝑑𝑄 𝐿 𝑑𝑄 𝐿
𝐸𝑄/𝐿 = = . = .
𝑑𝐿 𝑄 𝑑𝐿 𝑑𝐿 𝑄
𝐿
De même
𝑑𝑄
𝑄 𝑑𝑄 𝐾 𝑑𝑄 𝐾
𝐸𝑄/𝐾 = = . = .
𝑑𝐾 𝑄 𝑑𝐾 𝑑𝐾 𝑄
𝐾
𝑑(log 𝑄) 𝑑(log 𝐿)
En notant , la dérivée de log 𝑄 par rapport à Q, la dérivée de log 𝐿 par
𝑑𝑄 𝑑𝐿
𝑑(log 𝐾)
rapport à L et , la dérivée de log 𝐾 par rapport à K , alors on peut écrire que
𝑑𝐾
𝑑(log 𝑄) 1 𝑑𝑄
= ⟹ 𝑑(log 𝑄) =
𝑑𝑄 𝑄 𝑄
𝑑(log 𝐿) 1 𝑑𝐿
= ⟹ 𝑑(log 𝐿) =
𝑑𝐿 𝐿 𝐿
𝑑(log 𝐾) 1 𝑑𝐾
= ⟹ 𝑑(log 𝐾) =
𝑑𝐾 𝐾 𝐾
Revenant à l’équation [1], il est clair que :
𝑑𝑄
𝑑(log 𝑄) 𝑄 𝑑𝑄 𝐿 𝑑𝑄 𝐿
= 𝑎1 = = . = . = 𝐸𝑄/𝐿
𝑑(log 𝐿) 𝑑𝐿 𝑄 𝑑𝐿 𝑑𝐿 𝑄
𝐿
⟹ 𝑎1 est donc bien l’élasticité de la production (Q) par rapport à l’input L.
De même
1
𝑑𝑄
𝑑(log 𝑄) 𝑄 𝑑𝑄 𝐾 𝑑𝑄 𝐾
= 𝑎2 = = . = . = 𝐸𝑄/𝐾
𝑑(log 𝐾) 𝑑𝐾 𝑄 𝑑𝐾 𝑑𝐾 𝑄
𝐾
⟹ 𝑎2 est bien l’élasticité de la production (Q) par rapport à l’input K.
𝑎 𝑎
Multipliant les facteurs de production L et K de la fonction 𝑄𝑡 = 𝐴𝐿𝑡 1 𝐾𝑡 2 𝑒 𝑢𝑡 par un
nombre 𝜆 > 1, on a :
𝑓 (𝜆𝐿, 𝜆𝐾) = 𝐴(𝜆𝐿)𝑎1 (𝜆𝐾)𝑎2 𝑒 𝑈𝑡
= 𝐴(𝜆𝑎1 )(𝐿𝑎1 )(𝜆𝑎2 )(𝐾 𝑎2 )𝑒 𝑈𝑡
= 𝜆(𝑎1+𝑎2) 𝐴𝐿𝑎1 𝐾 𝑎2 𝑒 𝑈𝑡 = 𝜆(𝑎1+𝑎2) 𝑄 [2]
La fonction de production étant telle qu’en multipliant les facteurs L et K par 𝜆, la
production Q est multipliée par 𝜆(𝑎1+𝑎2) la fonction de production est de ce fait
homogène de degré (𝑎1 + 𝑎2 ). Par conséquent (𝑎1 + 𝑎2 ) est bien l’indicateur du régime
de rendement d’échelle sous lequel l’entreprise opère.
De la dernière ligne de [2], la démonstration on peut en effet voir que :
- Si (𝑎1 + 𝑎2 ) > 1, la production Q augmente plus que proportionnellement ⟹ le
rendement d’échelle est croissant.
- Si (𝑎1 + 𝑎2 ) = 1, la production Q augmente proportionnellement ⟹ le
rendement d’échelle est constant.
- Si (𝑎1 + 𝑎2 ) < 1, la production Q augmente moins que proportionnellement ⟹
le rendement d’échelle est décroissant.
La notion de rendement d’échelle constant, signifie que si l’on accroit tous les facteurs
de production d’une proportion donnée, disons 𝜆, la production augmente dans la même
proportion 𝜆 ⟺ les coûts de production sont constants.
2
Rendement d’échelle croissant veut dire que si l’on accroit tous les facteurs de
production d’une proportion donnée 𝜆, la production augmente dans une proportion plus
grande (que 𝜆) ⟺ les coûts de production sont décroissants (économies de production
de masse).
Rendement d’échelle décroissant signifie que si l’on accroit tous les facteurs de
production d’une proportion donnée 𝜆, la production augmente dans une proportion
moins grande (que 𝜆) ⟺ les coûts de production sont croissant.
Alors
3
(1,43+3,05)−1
𝑡𝑐 = = 3,74 ; 𝑡𝛼,(𝑛−𝑘) = 𝑡0,05,(14−3) = 1,796
0,93
Aussi, puisque 𝑎̂1 + 𝑎̂2 = 1,43 + 3,05 = 4,48, on peut notamment dire que si l’on
accroit les inputs L et K de 10% chacun, la production augmentera d’environ 44,8% .
Représentation graphique
Zone de rejet de 𝐻0
0 1,796(= 𝑡𝛼 , (𝑛 − 𝑘) 𝑡𝑐 = 3,74
On voit bien que 𝑡𝑐 = 3,74 se situe au-delà de 1,796 c’est-à-dire dans la zone de rejet
de 𝐻0 , c’est pourquoi on a bien eu raison de rejeter 𝐻0 au profit de 𝐻1 .
EXERCICE 2 :
1) Formation des matrices Y, X, A et U
𝑌1 3 𝑋10 𝑋11 𝑋12 1 1 2
𝑌2 5 𝑋20 𝑋21 𝑋22 1 3 5
𝑌
𝑌= 3 = 6 , 𝑋 = 𝑋30 𝑋31 𝑋32 = 1 8 2
𝑌4 8 𝑋40 𝑋41 𝑋42 1 4 8
[𝑌5 ] [ 9] [𝑋50 𝑋51 𝑋52 ] [ 1 9 7]
𝑢1
𝑎0 𝑢2
𝐴 = [𝑎1 ] 𝑈 = 𝑢3
𝑎2 𝑢4
[ 𝑢5 ]
2) Calcul des matrice-produits 𝑌 ′ 𝑌, 𝑋′𝑋 et 𝑋′𝑌
3
5
𝑌 ′ 𝑌 = [3 5 6 8 9] 6 = 215
8
[9 ]
4
1 1 2
1 1 1 1 1 1 3 5 5 25 24
𝑋 ′ 𝑋 = [1 3 8 4 9] 1 8 2 = [25 171 128]
2 5 2 8 7 1 4 8 24 128 146
[1 9 7]
3
1 1 1 1 1 5 31
𝑋 ′ 𝑌 = [1 3 8 4 9] 6 = [179]
2 5 2 8 7 8 170
[9]
Il est vrai, tous les éléments y compris (𝑋 ′ 𝑋 )−1 sont disponibles pour utiliser la formule
classique 𝐴̂ = (𝑋 ′ 𝑋 )−1 𝑋′𝑌 et déterminer 𝐴̂, mais nous allons plutôt utiliser la règle de
Cramer pour parvenir à cette estimation. A cet effet, nous devons commencer par
calculer le déterminant de la matrice produit X’X c’est-à-dire |𝑋′𝑋 | .
+ − +
5 25 24
|𝑋′𝑋 | = | |⟹
25 171 128
24 128 146
|𝑋′𝑋 | = 5 |171 128| − 25 |25128
| + 24 |
25 171
|
128 146 24146 24 128
= 5[171x146 − 128x128] − 25[25x146 − 128x24]
+24[25x128 − 171x24] = 6764
5
31 25 24
|179 171 128|
𝑎̂0 = 170 128 146 = 8900 = 1,31579
|𝑋′𝑋 | 6764
5 31 24
|25 179 128|
𝑎̂1 = 24 170 146 = 2848 = 0,42105
|𝑋′𝑋 | 6764
5 25 31
|25 171 179|
𝑎̂2 = 24 128 170 = 3916 = 0,57895
|𝑋′𝑋 | 6764
̂𝟎 et 𝒂
5) Interprétation de 𝒂 ̂𝟐
𝑎̂1 = 0,42105 signifie que lorsque 𝑋𝑡1 , l’emploi d’insecticide augmente d’une unité
(c’est-à-dire de cent mille francs CFA), toutes choses égales par ailleurs , la production
annuelle de maïs augmente de 0,42105 unités (c’est-à-dire de 0,42105 mille tonnes).
𝑎̂2 = 0,57895 signifie que pour un changement d’une unité de 𝑋𝑡2 , autrement dit, pour
un changement d’une unité dans le niveau d’emploi de fertilisant (de100 000 francs
CFA), toutes égales par ailleurs, la production de maïs en moyenne changera dans le
même sens d’environ 0,57895 unités (c’est-à-dire de 0,57895 mille tonne).
6
(i) - Variabilité totale corrigée : (𝑌 ′ 𝑌 − 𝑛𝑌̅ 2 ).
Puisque 𝑌 ′ 𝑌 = 215 ; 𝑛 = 5 et 𝑌̅ = ∑ 𝑌𝑡 /𝑛 = 31/5 = 6,2, alors (𝑌 ′ 𝑌 − 𝑛𝑌̅ 2 ) =
215 − 5(6,2)2 = 22,8.
̂′𝑈
(iii) - variabilité résiduelle : 𝑈 ̂ = 𝑌′𝑌 − 𝑌̂ ′ 𝑌̂
̂′𝑈
𝑈 ̂ = 𝑌′𝑌 − 𝑌̂ ′ 𝑌̂ = 215 − 214,5789 ⟹ ̂′𝑈
𝑈 ̂ = 0,4211
7) Calcul de R2 et interprétation
𝑌̂ ′ 𝑌̂ − 𝑛𝑌̅ 2 22,3789
𝑅2 = = ⟹ 𝑅2 = 0,9815
𝑌 ′ 𝑌 − 𝑛𝑌̅ 2 22,8
Interprétation :
𝑅2 = 0,9815 ⋍ 98,15% signifie que 98,15% des variations de la production de maïs
sont expliqués par les variations de 𝑋𝑡1 et 𝑋𝑡2 . Le reste des variations (1,8459%) est
attribué aux facteurs inclus dans le terme de l’erreur.
7
𝑅² 𝑛−𝑘
La statistique 𝐹𝐶 = . suit une loi F à (𝑘 − 1)(𝑛 − 𝑘 ) 𝑑𝑑𝑙.
1 − 𝑅² 𝑘 − 1
̂ 𝟐𝒖
a) Calcul de 𝝈
𝑈̂′𝑈
̂ 0,4211
𝜎̂𝑢2 = = ⟹ 𝜎̂𝑢2 = 0,21055.
𝑛−𝑘 5−3
8
𝑎̂2 − 0
𝑡𝑐 = ↝ 𝑆𝑡𝛼/2 (𝑛 − 𝑘)
𝜎̂𝑎̂2
Règle de décision :
|𝑡𝑐 | > 𝑡𝛼/2 (𝑛 − 𝑘) ⟹ rejet de 𝐻0
𝑎̂2 − 0 0,57895
𝑡𝑐 = = = 6,8425.
𝜎̂𝑎̂2 √0,007159
La table donne : 𝑡𝛼 (𝑛 − 𝑘 ) = 𝑡0,025 (5 − 3) = 𝑡0,025 (2) = 4,303
2
b) Intervalle de prévision
La formule de l’intervalle de prévision est la suivante :
𝑌̂𝜃 − 𝑠𝑑𝑡𝛼/2 (𝑛 − 𝑘) ≤ 𝑌𝜃 ≤ 𝑌̂𝜃 + 𝑠𝑑𝑡𝛼/2 (𝑛 − 𝑘)
où 𝑠𝑑 = 𝜎̂∆𝜃
𝑌̂𝜃 = 13,15789
𝑡𝛼/2 (𝑛 − 𝑘) = 4,303
𝑠𝑑 = 0,84325
𝟗, 𝟓𝟐𝟗𝟑𝟗 ≤ 𝐘𝛉 ≤ 𝟏𝟔, 𝟕𝟖𝟔𝟒𝟎
10