UNIVERSITE DE CERGY-PONTOISE

ECONOMETRIE et APPLICATIONS 2018-2019 (Session 1)

Instructions. La durée de l’examen est …xée à 2h00. Chaque question nécessite une réponse
concise et précise. Une courte explication (notamment le développement des éventuels calculs) est
généralement nécessaire. Si possible, la notation adoptée au cours doit être utilisée. L’examen est
évalué sur 20 points. Répondez à toutes les sous-questions ! Bon courage !

1. [4 points] Vrai, faux, ou un peu des deux. Une justi…cation, une appréciation ou une illus-
tration sont toujours nécessaires. Soyez le plus convaincant possible!

(a) Si les hypothèses de Gauss-Markov sont satisfaites, alors l’estimateur des MCO est non
biaisé.
(b) Si la taille de l’échantillon tend vers l’in…ni (cf. théorie asymptotique), alors la distrib-
ution du t-ratio converge, sous l’hypothèse nulle, vers la loi normale d’espérance nulle
et de variance unitaire.
(c) Soit un modèle satisfaisant les hypothèses de Gauss-Markov. Si une variable pertinente
dans ce modèle est omise, alors l’estimateur des MCO est biaisé.
(d) Dans le modèle de régression multiple, avec homoscédasticité du terme d’erreur, la
variance de l’estimateur des MCO d’un paramètre k associé à la variable xk diminue
si la dispersion (ou la variance) de cette même variable xk diminue.

2. [4 points] Un chercheur utilise des données sur 54 individus pour étudier la relation entre
une variable expliquée yi et une variable explicative xi . Une analyse préliminaire donne les
informations suivantes :
X
N X
N
yi = 810; xi = 540;
i=1 i=1
X
N
2
XN
2
X
N
(xi x) = 480; (yi y) = 1080; (yi y) (xi x) = 240;
i=1 i=1 i=1

avec N = 54. Utilisez ces informations a…n de répondre à toutes les questions ci-dessous.
Montrez tous vos calculs.

(a) Calculez les estimateurs des Moindres Carrés Ordinaires (MCO) de la constante 0 et
de la pente 1 .

1
 (b) En utilisant le fait que le coe¢ cient de détermination (le R2 ) est égal au carré du
coe¢ cient de corrélation, calculez la valeur du R2 , et interprétez-le. Donnez les formules
et les calculs.
(c) Sachant que le R2 = 1=9, calculez la somme des carrés résiduels de la régression.
(d) Calculez l’estimateur de la variance pour l’estimateur du paramètre de la pente 1.

3. [6 points] On étudie les notes obtenues à l’examen d’économétrie par 20 étudiants. Le

paquet de copies a été réparti de manière aléatoire entre deux correcteurs que l’on désigne
par A et B. On estime par les MCO le modèle suivant:

examnotei = 0 + 1 statnotei + 2 ccnotei + 3 corrAi + ui

où examnotei est la note obtenue à l’examen par l’étudiant i, statnotei est sa note obtenue à
l’examen de statistiques, ccnotei sa note obtenue au contrôle continu, et corrAi une variable
dichotomique ("dummy") qui prend la valeur 1 si la copie de l’étudiant i a été corrigée par
le correcteur A et 0 sinon.

(a) (i) Quel est le signe attendu des paramètres 1 et 2 ? (ii) Précisez comment le paramètre
3 doit être interprété? Supposez que 3 > 0. Qu’est-ce que cela signi…e?

(b) Les résultats obtenus par les MCO sont les suivants:
\ =
examnote 0:104 + 0:423 statnote + 0:532 ccnote + 0:342 corrA
(0:101) (0:152) (0:085) (0:163)
R2 = 0:677, N = 20
Testez les hypothèses suivantes au seuil de signi…cation de 5%: H0 : 1 = 0 contre
H1 : 1 > 0, H0 : 2 = 1 contre H1 : 2 6= 1 et H0 : 3 = 0 contre H1 : 3 6= 0: En
vous appuyant sur le résultat de ce dernier test, que pouvez-vous conclure concernant
les correcteurs?
(c) (i) Le coe¢ cient de détermination (R2 ) est élevé. Que pouvez-vous en conclure? (ii)
Testez l’hypothèse suivante au seuil de 5%: H0 : 1 = 2 = 3 = 0:
(d) On s’intéresse au test de l’hypothèse suivante: H0 : 1 = 2 contre H1 : 1 6= 2 .
Comment pouvez-vous réécrire ce modèle a…n d’e¤ectuer ce test de manière simple?

4. [6 points] Considérez le modèle suivant

2
log(salaire)i = 0 + 1 edui + 2 expi + 3 expi + 4 f emi + ui

où log(salaire)i est le logarithme du salaire horaire du travailleur i, edui est son niveau
d’éducation mesuré en années, expi est son expérience en années, f emi est une variable
dichotomique ("dummy") qui prend la valeur 1 si le travailleur i est une femme et 0 sinon.

2
(a) Que pensez-vous de l’introduction une variable dichotomique supplémentaire homi qui
prendrait la valeur 1 si le travailleur i est homme et 0 sinon? Est-ce que cela poserait
un problème? Si oui, lequel?
(b) Ce modèle est estimé sur un échantillon de 526 employés américains en 1976:

\ = 0:392 + 0:082 edu + 0:036 exp

log(sal) 0:002 exp2 0:329 f em
(0:102) (0:007) (0:007) (0:001) (0:037)

R2 = 0:402, N = 526
Interprétez (i) l’estimation du paramètre 1 qui mesure l’e¤et de l’éducation sur le salai-
re, et (ii) l’estimation des paramètres 2 et 3 qui mesurent l’e¤et de l’expérience sur le
salaire. Dans ce dernier cas, n’oubliez pas de prendre en compte le terme quadratique.
(c) Soit le modèle simpli…é suivant estimé sur les mêmes données:

\
log(salaire) = 0:401 + 0:079 educ 0:340 f emme
(0:100) (0:007) (0:035)

R2 = 0:371, N = 526
(i) Les résultats des estimations sont légèrement di¤érents. Pourquoi? Les paramètres
s’interprètent-ils di¤éremment? (ii) A l’aide de ces estimations, testez l’hypothèse suiv-
ante: "si le niveau d’éducation, le sexe et le statut marital sont maintenus constants,
l’expérience n’a pas d’e¤et sur le salaire". Formulez exactement l’hypothèse nulle à
tester et e¤ectuez un test au seuil signi…cation de 5%.
(d) (i) Interprétez l’estimation du paramètres 4 qui mesure l’e¤et du sexe sur le salaire.
(ii) Calculez l’intervalle de con…ance pour ce paramètre au seuil de con…ance de 95%.