UNIVERSITE CATHOLIQUE D’AFRIQUE CENTRALE

INSTITUT CATHOLIQUE DE YAOUNDE

MASTER 1 EN MSI
Année académique 2017/2018
Cours d’Analyse des données et d’Econométrie
Enseignant : M. SIKUBE TAKAMGNO Célestin

T.P et TD N°2 : Econométrie

Exercice 1 : Modèle de régression linéaire simple
Le tableau ci-dessous représente l’évolution du revenu disponible brut et de la
consommation des ménages en euros pour un pays donné sur la période 1992-2001.

On cherche à expliquer la consommation des ménages (C) par le revenu (R), soit :
C=α + β Rt +ε t
1. Tracer le nuage de points et commenter. Calculer le coefficient de corrélation linéaire
entre les séries de consommation et de revenu.
2. Calculer les estimateurs des moindres carrés ordinaires α^ et ^β
^ de Ct.
3. En déduire les valeurs estimées C t

4. Calculer les résidus et vérifier la propriété selon laquelle la moyenne des résidus est
nulle.
5. Calculer l’estimateur de la variance de l’erreur, noté σ^ 2ε .
6. Le coefficient β, représentant la propension marginale à consommer, est-il
significativement différent de zéro ?
7. Construire l’intervalle de confiance au seuil de 95% pour ce même coefficient.
8. Calculer le coefficient de détermination et effectuer le test de Fisher permettant de
déterminer si la régression est significative dans son ensemble.
9. Ecrire et vérifier l’équation d’analyse de la variance. Interpréter.

TD et TP 3, Analyse des données et Econométrie 1

 10. En 2002 et 2003, on prévoit respectivement 16800 et 17000 euros pour la valeur du
revenu. Déterminer les valeurs prévues de la consommation pour ces deux années, ainsi
que l’intervalle de prévision au seuil de 95%.

Exercice 2 : Modèle de régression linéaire multiple

Soit le modèle à trois variables explicatives : y t =a 0+ a1 x 1 t + a2 x 2 t + a3 x 3 t + ε t .
On dispose par ailleurs des données du tableau suivant :
Tableau : Valeurs observées de y , x1 , x2 , et x 3
t y x1 x2 x3
1 12 2 45 121
2 14 1 43 132
3 10 3 43 154
4 16 6 47 145
5 14 7 42 129
6 19 8 41 156
7 21 8 32 132
8 19 5 33 147
9 21 5 41 128
10 16 8 38 163
11 19 4 32 161
12 21 9 31 172
13 25 12 35 174
14 21 7 29 180

1. Mettre le modèle sous forme matricielle en spécifiant bien les dimensions de chacune des
matrices.
2. Estimer les paramètres du modèle par la méthode des MCO.
3. Calculer l’estimateur de la variance de l’erreur ainsi que les écarts types de chacun des
coefficients.
4. Calculer le R² et le R ² corrigé.
5. Les variables explicatives sont-elles significatives contributives pour expliquer la variable
endogène ?
6. Le coefficient a 1 est-il significativement inférieur à 1 ?
7. Les coefficients a 1 et a 2 sont-ils simultanément et significativement différents de 1 et -
0,5 ?
8. Quelle est l’intervalle de confiance pour la variance de l’erreur ?
9. L’ajout des variables explicatives x 2 et x 3 améliore-t-il significativement la qualité de
l’estimation par rapport à x 1 seul ?

N.B : les seuils choisis pour tous les tests de cet exercice seront de 5%

Exercice 3 : Problème d’autocorrélation des erreurs

TD et TP 3, Analyse des données et Econométrie 2

TD et TP 3, Analyse des données et Econométrie 3
Exercice 4 : Hétéroscédasticité
Un directeur de la production d’une unité de construction automobile désire déterminer
une relation entre le nombre de défauts constatés (Y i ) et le temps vérification ((X i) d’une
automobile, selon le modèle suivant :
Y i=a0 +a 1 X i +ui .
Pour ce faire, il procède à un test sur 30 véhicules qu’il regroupe en 6 classes de 5
voitures en demandant à chaque chef d’atelier de passer un nombre d’heures de
vérification fixé.
Les résultats sont consignés dans le tableau suivant :

Temps passés
Nombre de défauts Y i en heures X i
4 5 6 8 8 4
6 11 13 15 17 3,5
9 13 14 15 21 2
6 13 16 23 26 1,5
11 15 17 22 34 1
7 21 23 28 38 0,5

1. On demande de procéder aux tests de détection d’Hétéroscédasticité suivants :

a. Test d’égalité des variances
b. Test de Goldfeld-Quandt
c. Test de Gleisjer
d. Test de White
2. En cas d’hétéroscédasticité, corriger les effets.

Exercice 5

TD et TP 3, Analyse des données et Econométrie 4

Soit la série des immatriculations mensuelles des voitures particulières en France présentée au
tableau 1 suivant. On vous demande d’analyser cette chronique selon la méthode de Box et
Jenkins et de calculer une prévision à un horizon de six mois.

Tableau : série des immatriculations mensuelles de 1986 à 1994

Jan. Fév. Mars Avril Mai Juin Juil. Août Sept. Oct. Nov. Déc.
198 14571 12642 16107 18619 16625 15114 16601 13250 12796 18735 16729
6 7 3 0 7 7 8 5 1 0 2 4 193587
198 13723 15426 20386 19208 15670 15118 19591 14605 12955 23230 19707
7 6 5 5 0 3 1 9 8 2 2 7 208952
198 16064 15999 21747 18830 18344 14081 20978 15683 14585 18818 20845
8 4 8 3 4 4 6 8 8 9 1 5 257349
198 20191 17461 20910 20611 16891 16614 22055 17222 15730 22847 20968
9 4 5 0 7 0 6 3 8 6 6 6 159256
199 23457 19122 22241 19154 19682 15137 22831 17813 13822 22177 19353
0 1 5 8 1 8 8 7 6 0 2 0 161194
199 17946 15380 18128 18992 15503 13101 22307 15167 14196 19318 16539
1 4 1 1 4 1 9 1 7 0 7 8 165461
199 17883 16033 18176 17926 15035 14056 22414 15178 14720 19275 17829
2 6 7 0 4 0 1 7 9 4 6 9 220397
199 11265 12563 16504 15773 13123 12117 19338 12417 12314 15852 15706
3 9 4 0 9 7 1 3 0 7 1 3 151458
199 12917 13585 18830 18434 16483 13598 21110 14745 13712 17372 19045
4 0 5 1 3 6 7 4 1 7 1 8 174566

TD et TP 3, Analyse des données et Econométrie 5