Académique Documents
Professionnel Documents
Culture Documents
Chapitre2 MRLM Complement
Chapitre2 MRLM Complement
Royaume du Maroc
C HAPITRE
Haut Commissariat 2. MODÈLE LINÉAIRE CLASSIQUE
au Plan
Institut National de Statistique
A THÉORIQUE/PRATIQUE
SPECTS
et d’Economie Appliquée
COMPLÉMENT
MUSTAPHA BERROUYNE
INGÉNIEUR EN CHEF PRINCIPAL
ENSEIGNANT À L’INSEA
a0
y1 1 x1,1 x1, p 1
= 1+ a
yn 1 x1,n xn, p n
a p
y = Xa +
➔ 𝐗′ 𝐘 − 𝐗 𝐚 = 𝟎 ➔ 𝐗 ′ 𝐮 = 𝟎 (3)
➔ Les résidus sont orthogonaux à X.
𝛛²𝐒
Les conditions du deuxième ordre s’écrivent : >𝟎
𝛛²𝐚
𝛛²𝐒
En effet, = 𝟐 𝐗′ 𝐗 > 𝟎
𝛛²𝐚
Mustapha BERROUYNE 3 CHAPITRE 2. MODELE LINEAIRE STANDARD
2. ESTIMATION DES COEFFICIENTS
yt
1 1 1 y1
y x1t yt
𝐗′ 𝐘 = 2 =
x
1, p x2 , p xn , p x y
un pt t
n
x1t x pt a0
a1
yt
x1t yt
=
x x 2pt
pt x ap
pt 1tx x pt yt
Comme 𝐗 ′ 𝐗 la matrice carrée d’ordre (p+1) des produits croisés des
variables explicatives est symétrique semi-définie positive et s’il n y a pas
de colinéarité parfaite entre variables explicatives, alors elle est inversible
et on a :
Soit, 𝐚 = 𝐗 𝐗 ′ −𝟏 ′
𝐗𝐘
Mustapha BERROUYNE 4 CHAPITRE 2. MODELE LINEAIRE STANDARD
2. ESTIMATION DES COEFFICIENTS
❖ ETUDE DE CAS : LOGICIEL STATA
regress Y_CONSOM X1_PRIX X2_CYLINDRE X3_PUISSANCE X4_POIDS
COEFFICIENT BRUT
Une technique simple permettant d'obtenir les coefficients standardisés (Bêtas) consiste à centrer
et réduire toutes les variables (exogènes et endogène) et à lancer la régression sur les données
transformées.
Cependant, la procédure est un peu lourde et devient contraignante lorsque le fichier de données
est volumineux.
Il est possible de corriger les coefficients de la régression sur les données originelles avec les
écarts-type des variables pour obtenir les coefficients standardisés.
Pour la variable Xj, dont le coefficient estimé est initialement 𝐚𝐣, nous obtenons le coefficient
𝐱𝐣
standardisé 𝐣 avec : 𝐣 = 𝐚𝐣 𝐱
𝐲
Une manière simple de visualiser les différences est d'afficher les boîtes à moustaches de la
variable Y selon le groupe d'appartenance.
Plus les boxplot seront décalés, plus forte sera la différenciation.
Essence Gasoil
25
Ferrari 456 GT
20
consom
15
10
5
Graphs by carb
Mustapha BERROUYNE 11 CHAPITRE 2. MODELE LINEAIRE STANDARD
nombre total d'enfants de deux groupes de femmes : celles
4. REGRESSION
qui ont répondu « Oui AVEC
» etLES VARIABLES
celles QUALITATIVES
qui ont répondu « Non » à la
question
✓ LE TESTsur
t la
DEfréquentation
DIFFERENCES DEdeMOYENNES
l'école.
Si différence il y a, le test t de Student servira à vérifier si
elle est significative. On s’attachera également à vérifier si
les conditions de normalité des distributions et d’égalité des
variances (homoscédasticité) sont respectées.
A chaque modalité k de X , on associe une variable indicatrice (Dummy variable en anglais) tel e que :
On part du constat que la dernière modalité K peut être déduite des autres dans le codage
disjonctif complet :
On omet tout simplement la variable ZK dans la régression.
L'équation de régression estimée à l'aide des MCO pour les données en omettant la variable
ZGASOIL devient : 𝒀𝑪𝑶𝑵𝑺𝑶𝑴 = 𝒂𝟎 + 𝒂𝟏 𝐱 𝐙𝐄𝐒𝐒𝐄𝐍𝐂𝐄
Reste à interpréter les coefficients de la régression.
Le choix de la modalité de référence K est très important.
Il faut qu'elle soit bien choisie pour que les interprétations aient une certaine consistance.
Mustapha BERROUYNE 17 CHAPITRE 2. MODELE LINEAIRE STANDARD
4. REGRESSION AVEC LES VARIABLES QUALITATIVES
❖ REGRESSION AVEC LA VARIABLE CARBURANT
✓ ANALOGIE AVEC LA REGRESSION
LECTURE DE RESULTATS
L'équation de régression estimée à l'aide des MCO pour les données en omettant la variable
ZGASOIL devient : 𝒀𝑪𝑶𝑵𝑺𝑶𝑴 = 𝒂𝟎 + 𝒂𝟏 𝐱 𝐙𝐄𝐒𝐒𝐄𝐍𝐂𝐄
Si le carburant est le Gasoil, nous savons que Zi ESSENCE = 0. Par conséquent 𝒀𝒊,𝑪𝑶𝑵𝑺𝑶𝑴 = 𝒂𝟎
Si le carburant est l'Essence, nous savons que Zi,ESSENCE = 1, l'autre indicatrice vaut 0.
Nous en déduisons 𝒀𝒊,𝑪𝑶𝑵𝑺𝑶𝑴 = 𝒂𝟎 + 𝒂𝟏
Nous pouvons donc dire que les véhicules à essence consomment significativement plus que les
diesels. L'écart est estimé à 𝒂𝟏 = 𝟓. 𝟕𝟎𝟓𝟕𝟏𝟒 litres au 100 km.
Pour obtenir les consommations moyennes conditionnelles, nous formons :
y𝑮𝒂𝒔𝒐𝒊𝒍 = 𝒂𝟎 = 𝟖, 𝟏𝟏𝟒𝟐𝟖𝟔
y𝑬𝒔𝒔𝒆𝒏𝒄𝒆 = 𝒂𝟎 + 𝒂𝟏 = 𝟖, 𝟏𝟏𝟒𝟐𝟖𝟔 + 𝟓, 𝟕𝟎𝟓𝟕𝟏𝟒 = 𝟏𝟑, 𝟖𝟐