Académique Documents
Professionnel Documents
Culture Documents
I.1. Introduction
I.2.
I.3.
I.7.
1 PARTIE : MODÈLE DE RÉGRESSION LINÉAIRE SIMPLE
II.1. Introduction
III.1. Introduction
III.2. Linéarité
III.4. Efficience
CHAPITRE 4 : EVALUATION DU MODELE DE REGRESSION LINEAIRE SIMPLE (INFERENCE)
IV.6. Prévision
2 PARTIE : LE MODELE DE REGRESSION LINEAIRE GENERAL
V.1. Introduction
V.4. Estimation des paramètres du modèle de régression linéaire multiple : La méthode des MCO
CHAPITRE 6 : LE MODELE LINEAIRE GENERAL : SPECIFICATION ET ESTIMATION
VI.1. Spécification
VI.2. Estimation
CHAPITRE I: INTRODUCTION
I-1- Introduction
Q = f(Y, P , P )
Le rôle principal de est de tester les propositions théoriques qui fondent ces relations entre variables,
des estimations numériques des coefficients de ces relations, de faire des prévisions par rapport à leurs
valeurs futures et de faire des recommandations pertinentes à même à la prise de décision
I-2-
I-3-
consiste en une application des statistiques mathématiques aux données économiques afin
un support empirique des modèles développés par les mathématiciens économistes en vue de
de résultats numériques (Gerhard Tintner, Methodology of Mathematical Economics and
Econometrics, The University of Chicago Press, 1968)
peut se définir comme une science sociale dans laquelle les outils de la théorie
économique, les mathématiques, et statistique sont utilisés à des phénomènes
économiques (Arthur Golberger, Econometric Theory, John Wiley & Sons, New York, 1964)
Il appert de ce qui précède que est une branche des sciences sociales qui à de la théorie
économique, de mathématique et de la théorie statistique, analyse les relations entre variables
(économiques) afin à la prise de décision
Trois objectifs essentiels
à la prise de décision, à dire fournir des estimations numériques des coefficients des
relations économiques qui seront ensuite utilisées dans le processus de prise de décision
la prévision, ici, les estimations numériques des coefficients sont utilisées dans de donner
une prévision des valeurs futures des évolutions économiques
Phase 1:La spécification du modèle qui servira à expliquer le phénomène que veut analyser.
Phase 2: La collecte de données relatives aux variables du modèle spécifié
Les phases 1 et 4 sont les plus importantes pour toute recherche économétrique. En effet, elles exigent les
compétences économiste qui a du fonctionnement du système économique. Les phases 2, 3 et
5 sont techniques et nécessitent une connaissance de la théorie économétrique et statistique.
b). Phase 2: La collecte des données
Lorsque le modèle spécifié est estimé, avant de pouvoir pour la prise de décision, il est nécessaire de
de sa fiabilité. Il de déterminer si les paramètres estimés donnent satisfaction aussi bien
théoriquement que statistiquement. Pour cela, plusieurs critères (tests) existent. Ces critères peuvent être classés en
trois (3) groupes :
Ces tests consistent en la confrontation entre les résultats de du modèle, à dire, le signe des
coefficients estimés et leur grandeur et les principes de la théorie économique. Ainsi, lorsque le modèle estimé
passe ce premier test, a une signification économique. Si les signes et grandeurs des paramètres estimés ne sont
pas en conformité avec la théorie économique, alors ces paramètres doivent être rejetés à moins raison
suffisante qui démontre que dans le cas spécifié la théorie économique pas applicable. Cette raison suffisante
doit être présentée de façon précise et concise.
Tests statistiques :
Ces tests sont basés sur la théorie statistique et ont pour objectif de la fiabilité statistique des
paramètres estimés. Les tests statistiques les plus utilisés sont le coefficient de corrélation et type des
paramètres estimés. Le carré du coefficient de corrélation est appelé le coefficient de détermination et donne la
proportion des variations de la variable expliquée imputable aux variations des variables explicatives. En ce qui
concerne type, une mesure de la dispersion des estimations autour du vrai paramètre. Ainsi, plus
type du paramètre estimé est élevé, moins fiable est et vice-versa. Il faut souligner que les tests
statistiques viennent seulement après les tests économiques à priori.
Tests économétriques :
Les tests économétriques sont issus de la théorie économétrique et ont pour objectif de vérifier si les hypothèses,
sous-jacentes à la méthode économétrique, utilisée sont satisfaites ou non. Ces tests vérifient donc la fiabilité des
tests statistiques et nous permettent si oui ou non les paramètres estimés ont les propriétés désirées (sans
biais, convergent etc.). Si les hypothèses de la méthode économétrique utilisée pour estimer le modèle spécifié ne
sont pas vérifiées, alors, soit les paramètres estimés pas les propriétés désirées, ou que les tests statistiques
perdent leur validité et ne sont plus fiables pour juger de la qualité des paramètres estimés.
La prévision et à la prise de décision sont les principaux objectifs de la recherche économétrique. Une
fois les phases 1 à 4 terminées, on peut utiliser le modèle pour la prévision et à la prise de décision.
Les variables économiques sont de natures aléatoires, à dire que leurs valeurs ne sont connues
aient été observées. Elles obéissent à des lois de probabilités. La probabilité est une
voie pour exprimer sur les événements économiques. Par conséquent, il est important de
rappeler brièvement les concepts de base de la probabilité qui seront utilisés dans ce cours.
a) Variable aléatoire
X = Kg/ha,
Y = nombre de voitures volées par mois. Ou par exemple, Z
b) Variables aléatoires discrètes et continues
Définition 1.
Une variable aléatoire est dite discrète si elle ne peut prendre nombre fini de valeur que peut
compter en utilisant des nombres entiers. Plus formellement, une V.A X est dite discrète si des
valeurs possibles de cette variable est un sous ensemble de Z avec Z = 0 ; 1 ; 2 ;
Les variables aléatoires discrètes sont utilisées en économie façon générale pour prendre en compte le
caractère qualitatif de certaines variables. On les appellera les variables muettes.
Par exemple une étude qui veut prendre en compte le Genre devra désagréger les données en homme et
femme. Ainsi, on pourra définir une variable muette D telle que, D, prend la valeur 1 si les données concerne
une femme et 0 dans le cas contraire.
c) Espérance mathématique fonction de variable aléatoire
Si X est une variable aléatoire discrète et g(X) une fonction de cette variable aléatoire, alors E(g(X)) =
g(x)f(x). Toutefois, E[g(X)] g[E(X)]
Si X est une variable aléatoire discrète et g(X) = g (x) + g (x) où g (x) et g (x) sont des fonctions de X alors,
E[g(X)] = [g (x) + g (x)]f(x) = g (x)f(x)+ g (x)f(x) = E[g (x)] + E[g (x)].
Deux variables aléatoires sont indépendantes si la connaissance de la valeur des variables ne donne aucune
information sur les valeurs de variable.
Si g(X,Y) est une fonction de deux variables aléatoires telle que g(X,Y) = c X + c Y où c et c sont des
constantes, g(X,Y) est appelée somme pondérée de variables aléatoires et E[g(X,Y)] = E[c X + c Y] = c E(X) +
c E(Y)
façon générale, si X , X , , X sont des variables aléatoires et c , c , , c sont des constantes alors,
E(c X + c X + + c X ) = c E(X ) + c E(X ) + + c E(X )