Académique Documents
Professionnel Documents
Culture Documents
Martin Fournier
Fournier@gate.cnrs.fr
L3 Econométrie/MASS -
Econométrie II 1
L3 Econométrie/MASS -
Econométrie II 2
L3 Econométrie/MASS -
Econométrie II 3
L3 Econométrie/MASS - Econométrie II
1.2 Exemple
L3 Econométrie/MASS -
Econométrie II 4
δ0 { y = β 0 + β 1x
d=0
} β0
x
L3 Econométrie/MASS -
Econométrie II 6
L3 Econométrie/MASS - Econométrie II
1.5 Exemple
wage = β 0 + β 1 female + β 2 educ + u
Ce modèle permet de déterminer l’espérance
mathématique du différentiel de salaire entre hommes et
femmes en contrôlant par le niveau d’éducation atteint
β 1 = Ε(wage female = 1, educ ) − Ε(wage female = 0, educ )
= Ε(wage female, educ ) − Ε(wage male, educ )
Femmes :
wage = (β 0 + β 1 ) + β 2 educ
L3 Econométrie/MASS -
Econométrie II 8
L3 Econométrie/MASS - Econométrie II
1.6 Exemple (4)
Attention : On ne peut pas en revanche inclure
conjointement les variables dummy female et male dans
la régression.
On se retrouverait alors avec une collinéarité parfaite
entre les variables explicatives du fait que :
female + male = 1
L3 Econométrie/MASS -
Econométrie II 12
L3 Econométrie/MASS - Econométrie II
1.9 Exemple (7)
Si la variable dépendante est sous forme logarithmique, le
coefficient de la variable dummy s’interprète donc comme la
différence espérée entre les deux groupes en pourcentage :
log(incearn) = β 0 + β1 female + β 2 educ + β 3tenure + β 4tenure2 +
β 5businesses + β 6businesses2 + u
exp(βˆ1 ) − 1 = 123%
L3 Econométrie/MASS -
Econométrie II 14
2. Variables indicatrices et
information complexe
L3 Econométrie/MASS -
Econométrie II 15
L3 Econométrie/MASS - Econométrie II
2.1 Variables dummy et catégories
multiples
On peut utiliser des variables dummy pour
contrôler une information discrète multiple :
Prenons l’exemple d’une variable d’éducation pouvant
prendre trois niveaux : Primaire, Secondaire et
Supérieure
On peut créer deux variables dummy permettant de
capter toute l’information :
SUP = 1 si éducation supérieure et 0 sinon
SEC = 1 si éducation secondaire (seulement) et 0 sinon
Catégorie de référence : éducation primaire seulement
L3 Econométrie/MASS -
Econométrie II 16
L3 Econométrie/MASS -
Econométrie II 17
2.3 Exemple
L3 Econométrie/MASS - Econométrie II
L3 Econométrie/MASS -
Econométrie II 19
L3 Econométrie/MASS - Econométrie II
3. Les variables indicatrices
comme variables d’interaction
L3 Econométrie/MASS -
Econométrie II 22
L3 Econométrie/MASS -
Econométrie II 23
L3 Econométrie/MASS - Econométrie II
3.3 Interactions entre variables
dummy (3)
log(incearn ) = β 0 + β1marrmale + β 2 marrfem + β 3 singfem + ...
log (incearn) = λ0 + λ1 female + λ2 married + λ3 female ⋅ married K
Les deux spécifications sont équivalentes :
β 0 = λ0 - Hommes célibataires
β 0 + β1 = λ0 + λ 2 - Hommes mariés
β 0 + β 2 = λ 0 + λ1 + λ 2 + λ 3 - Femmes mariées
β 0 + β 3 = λ 0 + λ1 - Femmes célibataires
Hommes
y = β0 + β1 + (β2 + β3).educ
L3 Econométrie/MASS - x
Econométrie II 27
L3 Econométrie/MASS - Econométrie II
3.6 Test de structures différentes
par groupes
Pour tester si le modèle est différents entre deux
groupes (e.g. hommes/femmes) peut être fait
simplement en croisant chaque variable avec une
variable dummy de groupe et de tester la
significativité jointe des termes croisés
L3 Econométrie/MASS -
Econométrie II 28
3.7 Exemple
Modèle général
log(incearn) = β 0 + β1education + β 2tenure + β 3businesses + u
L3 Econométrie/MASS -
Econométrie II 30
L3 Econométrie/MASS - Econométrie II
3.9 Test de Chow
Lorsqu’il y a trop de variables explicatives, une
alternative consiste à effectuer l’estimation séparément sur
les deux groupes et de tester l’égalité des coefficients entre
les deux régressions :
y = β g , 0 + β g ,1 x1 + β g , 2 x 2 + L + β g , k x k + u
L3 Econométrie/MASS -
Econométrie II 31
F≡
(SSRr − SSRur ) (k + 1)
SSRur (n − 2k − 2 )
F=
[SSRP − (SSR1 + SSR2 )] ⋅ [n − 2(k + 1)]
SSR1 + SSR2 k +1
L3 Econométrie/MASS -
Econométrie II 33
L3 Econométrie/MASS - Econométrie II
L3 Econométrie/MASS -
Econométrie II 34
L3 Econométrie/MASS -
Econométrie II 35
4.1 Le Problème
On observe un état par une variable indicatrices :
Actif (Act=1) / Inactif (Act=0)
Éducation supérieure (Sup=1) / Lycée ou moins (Sup=0)
Produit de bonne qualité (Qual=1) / Mauvaise (Qual=0)
Etc.
L3 Econométrie/MASS - Econométrie II
4.2 Le modèle de probabilité
linéaire
On peut modéliser la probabilité pour la variable
dummy y de prendre la valeur 1 en notant que :
P(y = 1|x) = E(y|x)
L3 Econométrie/MASS -
Econométrie II 38
L3 Econométrie/MASS -
Econométrie II 39
L3 Econométrie/MASS - Econométrie II
5. Variables dummies et
évaluations de programmes
L3 Econométrie/MASS -
Econométrie II 40
L3 Econométrie/MASS -
Econométrie II 41
L3 Econométrie/MASS - Econométrie II