UNIVERSITE MOHAMMED V - RABAT

Faculté des Sciences Juridiques, Economiques et Sociales de Salé

Filière : Sciences Economiques et Gestion.

Option : Economie et gestion – S2. Elément : Techniques économétriques.
Session de rattrapage, juin 2022. Mohamed Bouzahzah

Durée de l’épreuve 1h30. Seules les calculatrices sont autorisées

On souhaite estimer l’élasticité prix de la demande des biens alimentaires. Pour ce faire, nous avons
régressé le logarithme de la dépense en biens alimentaires (𝑦) sur le logarithme de l’indice des prix
des biens alimentaires (𝑥), entre 1991 et 2020 (c’est-à-dire 30 observations). Le modèle
économétrique retenu est donné par

𝑦𝑡 = 𝛽0 + 𝛽1 𝑥𝑡 + 𝜀𝑡 𝑡 = 1991, … ,2020 (1)

Les données collectées ont permis de calculer les quantités suivantes :

∑ 𝑥𝑡 𝑦𝑡 = 370 ∑ 𝑥𝑡2 = 475 ∑ 𝑥𝑡 = 81 ∑ 𝑦𝑡 = 75 ∑(𝑦𝑡 − 𝑦̅)2 = 149,467

1. Donnez une interprétation de 𝛽1 . Quel est le signe attendu de 𝛽1 ? Justifiez.

2. Utilisez la méthode des MCO pour estimer les coefficients 𝛽0 et 𝛽1 . Interprétez.
3. Calculez le coefficient de détermination et interprétez-le.
4. Estimez les variances de la régression et de l’estimateur de 𝛽1 .
5. Le coefficient 𝛽1 est-t-il significativement différent de 0 au seuil 5% ?
6. Que pensez-vous de la qualité du modèle économétrique ? Pourquoi le signe de 𝛽1 n’est pas
celui attendu ?
7. Non satisfaits des résultats obtenus, nous avons régressé le logarithme de la dépense en
biens alimentaires (𝑦) sur le logarithme de l’indice des prix des biens alimentaires (𝑥) et sur le
logarithme du revenu disponible (𝑧). L’utilisation de la méthode des MCO, sur la même période, a
rendu le résultat suivant :

𝑦̂ = 23,49 − 2,21𝑥 + 4,07𝑧 (2)

(54,2) (0,11) (0,23)

Les valeurs entre (.) désignent les écarts-types. Testez la significativité, au seuil 5%, des
coefficients et commentez en comparant au modèle (1).
8. Si vous ne disposiez pas des données relatives au revenu disponible, comment auriez-vous
estimé l’élasticité prix ?
9. La statistique de Durbin-Watson relative au modèle (2) est égale à 3,13. Que peut-on
conclure ? Que peut-on faire pour dépasser ce problème ?

N.B. Pour un nombre d’observations de 30, deux variables explicatives et un seuil d’erreur de
5%, la table de Durbin-Watson rend les valeurs 1,07 et 1,40. La table de Student pour un seuil
de 5% et pour des d.d.l. de 28 et de 27, rend les valeurs respectives : 2,048 et 2,052.

1
Corrigé
1. Il s’agit de l’élasticité de la demande par rapport aux prix. En vertu de la loi de la demande,
étant donné que les biens alimentaires sont des biens normaux, on s’attend à un signe
négatif.
2. L’utilisation de la méthode des moindres carrés rend les estimateurs :
𝑐𝑜𝑣(𝑥,𝑦)
𝛽̂1 = 𝑣𝑎𝑟(𝑥) et 𝛽̂0 = 𝑦̅ − 𝛽̂1 𝑥̅

Calculons d’abord les moyennes

1 81 1 75
𝑥̅ = 𝑛 ∑ 𝑥𝑖 = 30 = 2,7 𝑦̅ = 𝑛 ∑ 𝑦𝑖 = 30 = 2,5

Les coefficients sont donnés par

1 1
𝑐𝑜𝑣(𝑥, 𝑦) 𝑛 ∑ 𝑥𝑖 𝑦𝑖 − 𝑥𝑦
̅̅̅
30
370 − 2,7 × 2,5 5,583
𝛽̂1 = = = = = 0,614
𝑣𝑎𝑟(𝑥) 1 1 9,083
∑ 𝑥𝑖2 − 𝑥̅ 2 475 − (2,7)2
𝑛 30

𝛽̂0 = 𝑦̅ − 𝛽̂1 𝑥̅ = 2,5 − 0,614 × 2,7 = 0,842

Nous pouvons écrire

𝑦 = 0,842 + 0,614𝑥 + 𝜀

3. Calcul du coefficient de détermination

𝑆𝐶𝐸 𝑛𝛽1 𝑐𝑜𝑣(𝑥, 𝑦) 𝛽1 (∑ 𝑥𝑦 − 𝑛𝑥̅ 𝑦̅)
𝑅2 = = =
𝑆𝐶𝑇 ∑(𝑦𝑖 − 𝑦̅)2 ∑(𝑦𝑖 − 𝑦̅)2
0,614(370 − 30 × 2,7 × 2,5)
𝑅2 = = 0,688
149,467
Les variations de la demande sont expliquées à hauteur de 68,8% par les variations des prix. Notre
modèle explique 68,8% de la réalité. Le modèle semble de bonne qualité sur le plan statistique.

4. La variance de la régression est donnée par

𝑆𝐶𝑅 (149,467 − 102,845)

𝜎̂ 2 = = = 1,672
𝑛−2 28

𝜎̂ = √1,672 = 1,293

Calculons la variance de 𝛽̂1

1,293 1,293 1,293

𝑣𝑎𝑟(𝛽̂1 ) = = 2 =
𝑛 × 𝑣𝑎𝑟(𝑥) ∑ 𝑥𝑖 − 𝑛 × 𝑥̅ 2 475 − 30(2,7)2

𝑣𝑎𝑟(𝛽̂1 ) = 0,00504

𝑠. 𝑒. (𝛽̂1 ) = √0,00504 = 0,0709

5. Nous allons tester la significativité de l’élasticité en utilisant le test de Student. On teste au

seuil 5%
2
 𝐻0 : 𝛽1 = 0
𝐻1 : 𝛽1 ≠ 0
̂
𝛽1 0,614
𝑡𝑜𝑏𝑠 (𝛽̂1 ) = = = 8,66
𝑠. 𝑒. (𝛽̂1 ) 0,0709

La table de Student rend la valeur 2,048. Comme le 𝑡𝑜𝑏𝑠 et largement >>> à 2,048. On rejette H0 le
prix est significatif pour expliquer la demande.

6. La qualité économique est très mauvaise puisque le signe attendu n’est pas celui obtenu.
L’estimateur utilisé est probablement biaisé à cause de l’omission d’une variable importante : le
revenu disponible.
7. L’introduction de la variable revenu disponible rend le modèle suivant

𝑦̂ = 23,49 − 2,21𝑥 + 4,07𝑧

(54,2) (0,11) (0,23)

Réalisons le test de Student relatif à la significativité statistique des coefficients au seuil 5%

𝛽̂1 2,21
𝑡𝑜𝑏𝑠 (𝛽̂1 ) = = = 20,09
𝑠. 𝑒. (𝛽̂1 ) 0,11

𝛽̂1 4,07
𝑡𝑜𝑏𝑠 (𝛽̂1 ) = = = 17,69
𝑠. 𝑒. (𝛽̂1 ) 0,23

La table de Student rend la valeur 2,052. Comme les tobs sont largement >>> à 2,052. On rejette les
deux H0. Ainsi, le prix et le revenu disponible sont significatif pour expliquer la demande au seuil
5%. Ce modèle est bien meilleur dans la mesure où les signes des paramètres sont ceux prédits par
la théorie économique.

8. Si nous ne disposons pas de données relatives au revenu disponible nous aurions dû les
remplacer par les données d’une variable qui lui soit corrélée. La plus simple à retenir est le temps.
Notre modèle s’écrirait comme suit :

𝑦𝑡 = 𝛽0 + 𝛽1 𝑥𝑡 + 𝛽2 𝑥𝑡 + 𝜀𝑡 𝑡 = 1991, … ,2020

9. La statistique de Durbin-Watson relative au modèle (2) est égale à 3,13. Il s’agit de la

statistique associée au test de DW. Elle permet de tester la présence de l’autocorrélation d’ordre 1.
Cette valeur est à comparer aux valeurs fournies par la table de DW. Dans notre cas, elles sont
comme suit :

0 1,07 1,40 2 2,60 2,93 4

Il y a autocorrélation. Nos estimateurs ne sont pas efficaces. On peut inclure la variable dépendante
décalée comme variable explicative.