Académique Documents
Professionnel Documents
Culture Documents
Université de Lorraine
TALNAN EVRARD 2018-2019
TD 4
Inférence statistique
Exercice 1 Nous étudions les e¤ets de l’absentéisme sur les résultats aux tests du premier
cycle universitaire américain (college GPA) :
\A =
colGP 1:39 + 0:412hsGP A + 0:015ACT 0:083skipped
(0:32) (0:094) (0:011) (0:26)
2
N = 141; R = 0:234
avec colGP A la moyenne générale des notes obtenues à l’université (college Grade Point
Average), hsGP A la moyenne générale des notes au lycée (high school GPA), ACT la note
obtenue au test ACT et skipped le nombre de cours manqués par semaine.
1. Réalisez un test bilatéral de l’hypothèse H0 : skipped = 0:1.
1
2. Trouvez l’intervalle de con…ance à 95% de hsGP A .
Exercice 2 Considérons une équation de salaire cherchant à expliquer les revenus des PDG en
fonction des ventes annuelles de l’entreprise, du retour sur fonds propres (roe en pourcentage),
et du rendement des actions de la société (ros en pourcentage) :
log(salary) = 0 + 1 log(sales) + 2 roe + 3 ros +u
1. Donnez l’hypothèse nulle selon laquelle ros n’a aucun e¤et sur le salaire des PDG après
avoir pris en compte l’in‡uence du niveau des ventes et du ROE.
2
N = 209; R = 0:283; SCR = 47:861
Réalisez un test unilatéral de l’hypothèse nulle selon laquelle ros n’a pas d’e¤et sur le
salaire.
3. Seriez-vous en faveur d’inclure la variable ros dans le modèle …nal expliquant la rémun-
ération des PDG en fonction des performances de l’entreprise ? Justi…ez.
4. Expliquez comment réaliser le test de signi…cativité jointe pour les variables roe et ros.
2
5. Soit le modèle esimé :
\
log(salary) = 4:82 + 0:257 log(sales)
(0:29) (0:035)
Exercice 3 Les données correspondant à cet exercice sont disponibles sur ARCHE dans la
base "kielmc.sas7bdat".
Nous utilisons les données suivantes concernant des maisons vendues pendant les années
1978 et 1981 dans la ville de North Andover, Massachussets.
Description des données :
y81 =1 si l’année d’observation est 1981
price prix de vente en dollars
dist distance entre le logement et l’incinérateur, en pieds
intst distance séparant la maison de l’autoroute
area super…cie de la maison
land super…cie du terrain
rooms nombre total de pièces
baths nombre de salles de bains
age âge de la maison en nombre d’années
L’année 1981 correspond à la date à laquelle a commencé la construction d’un incinérateur
local.
Le modèle de régression linéaire est donné par :
2
log(price) = 0+ 1 log(intst)+ 2 (log(intst)) + 3 log(area)+ 4 log(land)+ 5 rooms+ 6 baths+ 7 age+u
Une estimation par la méthode des MCO fournit les résultats suivants :
\ 2
log(price) = 5:395 + 0:289 log(intst) 0:018 (log(intst)) + 0:357 log(area)
(1:723) (0:369) (0:021) (0:076)
2
N = 179; R = 0:6622; SCR = 8:09807
\ 2
log(price) = 1:280 + 1:418 log(intst) 0:078 (log(intst)) + 0:332 log(area)
(2:208) (0:463) (0:025) (0:074)
2
N = 142; R = 0:7628; SCR = 5:08526
3
pour les années 1978 et 1981 réunies :
\ 2
log(price) = 0:782 + 1:224 log(intst) 0:070 (log(intst)) + 0:501 log(area)
(1:751) (0:372) (0:021) (0:068)
2
N = 321; R = 0:6066; SCR = 24:17236
La relation entre le niveau des prix et les variables explicatives était-elle la même en 1978
et en 1981 ?
Exercices complémentaires
N = 706; R2 = 0:113
où le sommeil (sleep) et le travail (totwrk, « total work » en anglais) sont mesurés en minutes
par semaine. Les variables educ et age sont mesurées en années, avec educ qui désigne le nombre
d’années d’études.
4
1. Les variables educ ou age ont-elles individuellement un e¤et signi…catif ? Justi…ez votre
réponse.
[
sleep = 3586:38 0:151totwrk
(38:91) (0:17)
2
N = 706; R = 0:103
Les variables educ et age ont-elles conjointement un e¤et signi…catif ? Justi…ez votre
réponse.
3. Est-ce que l’introduction ou non des variables educ et age dans le modèle a¤ecte sub-
stantiellement l’arbitrage estimé entre les temps de sommeil et de travail ?
Exercice 2 Le tableau suivant donne les résultats de 3 estimations. Les écarts-types estimés
sont mentionnés entre parenthèses sous les coe¢ cients estimés du modèle.
Variable dépendante : log(salary)
Variables indépendantes (1) (2) (3)
log(sales) 0:224 0:158 0:188
(0:027) (0:040) (0:040)
ceoten — — 0:0171
(0:0055)
comten — — 0:0092
(0:0033)
5
1. Commentez l’in‡uence de la variable prof marg sur le salaire des PDG.
3. Interprétez les coe¢ cients de ceoten et comten. Ces variables explicatives ont-elles indi-
viduellement un e¤et statistiquement signi…catif ?
4. Que pensez-vous du fait que l’augmentation de l’ancienneté dans l’entreprise, toutes choses
égales par ailleurs, est associée à un salaire inférieur ?