Institut des Hautes Etudes Commerciales.

Carthage
Filières : 3ième finance
Matière : Econométrie Appliquée à la Finance 2H
Enseignants : Delhoumi E. & Boulifa W.
Examen de Rattrapage juin 2023

Problème
Nous disposons d’une base de données d’un pays donné contenant des variables qui sont
déflatées par une année de base. Ces variables sont
Salaire = les gains horaires perçus par les salariés de l’industrie manufacturière (en %)
Chomage = le taux de chômage standardisé (en %)
Inflation = est le déflateur du PIB (en %)
EMP = l’emploi industriel (en %)
Le modèle que nous voulons estimer est le suivant :

𝑺𝒂𝒍𝒂𝒊𝒓𝒆𝒕 = 𝜷𝟎 + 𝜷𝟏 𝐂𝐡𝐨𝐦𝐚𝐠𝐞𝒕 + 𝜷𝟐 𝐈𝐧𝐟𝐥𝐚𝐭𝐢𝐨𝐧𝒕 + 𝜷𝟑 𝐄𝐌𝐏𝒕 + 𝒖𝒕

L’estimation de ce modèle par la méthode des MCO en utilisant le Microsoft Excel a donné les résultats
suivants :

Statistiques de la régression
Coefficient de détermination R^2 0.998
Coefficient de détermination ajusté R^2 0.996
Erreur-type 1.340
Observations 84

ANALYSE DE VARIANCE
Degré de Somme des Moyenne Valeur critique
F
liberté carrés des carrés de F
Régression 3 70709.768 23569.923 13127.528 0.0000
Résidus 80 143.637 1.795
Total 83 70853.405

Limite Limite
Coefficients Ecart-type Statistique t Probabilité inférieure supérieure
95% 95%
Constante 33.918 11.022 3.077 0.003 11.984 55.851
Chomage -0.397 0.211 -1.883 0.063 -0.817 0.023
Inflation 1.023 0.031 32.578 0.000 0.960 1.085
EMP -0.328 0.079 -4.181 0.000 -0.485 -0.172

67.657 -0.549 -0.154 -0.482

-0.549 0.025 -0.001 0.004
(𝑋 ′ 𝑋)−1 =
-0.154 -0.001 0.001 0.001
-0.482 0.004 0.001 0.003
La statistique de DW= 0.076
1
Questions :

Partie 1 :

1) Interpréter les paramètres du modèle.

2) Peut-on accepter qu’on ait un bon ajustement linéaire du modèle ? Si oui, dire pourquoi ?
3)
3-a) donner les estimateurs des paramètres ainsi que leurs écarts types estimés,
3-b) les signes des paramètres sont-ils attendus,
4) Tester au risque de 5%
4-a) la significativité individuelle des paramètres,
4-b) la non-pertinence de toutes les variables exogènes,
4-c) peut-on dire que les effets du chômage et de l’emploi industriel sont similaires sur les gains
horaires perçus par les salariés ?

Partie 2 :

1) La matrice de corrélation des variables exogènes est

Chomage Inflation EMP

Chomage 1
Inflation 0.952 1
EMP -0.958 -0.983 1

Selon Klein, peut-on dire qu’il y a un problème de multi colinéarité ?

2) L’estimation du modèle sur les 30 premières observations a donné une SCR1= 1.045 et sur les
30 dernières observations a donné une SCR2= 5.064. Tester l’existence éventuel d’un problème
d’hétéroscédasticité.
3) Y a-t-il un problème d’autocorrélation d’ordre 1 ?
4) Selon les informations précédentes la méthode des MCO est-elle convenable ?

Partie 3 :
Une information statistique dit qu’il y a un changement structurel de l’économie de ce pays au cours de
cette période d’étude. Pour confirmer ou infirmer cette information on a introduit une variable binaire
1 𝑝𝑜𝑢𝑟 𝑙𝑒𝑠 40 𝑝𝑟𝑒𝑚𝑖è𝑟𝑒𝑠 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑡𝑖𝑜𝑛𝑠
𝐷𝑡 = { . Le modèle à estimer est devenu le suivant :
0 𝑝𝑜𝑢𝑟 𝑙𝑒𝑠 𝑎𝑢𝑡𝑟𝑒𝑠 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑡𝑖𝑜𝑛𝑠

𝑺𝒂𝒍𝒂𝒊𝒓𝒆𝒕 = 𝜶𝟎 + 𝜶𝟏 𝐂𝐡𝐨𝐦𝐚𝐠𝐞𝒕 + 𝜶𝟐 𝐈𝐧𝐟𝐥𝐚𝐭𝐢𝐨𝐧𝒕 + 𝜶𝟑 𝐄𝐌𝐏𝒕 + 𝜶𝟒 𝑫𝒕 + 𝜶𝟓 𝑫𝒕 . 𝒄𝒉𝒐𝒎𝒂𝒈𝒆𝒕

+ 𝜶𝟔 𝑫𝒕 . 𝑰𝒏𝒇𝒍𝒂𝒕𝒊𝒐𝒏𝒕 + 𝜶𝟕 𝑫𝒕 . 𝑬𝑴𝑷𝒕 + 𝜺𝒕

Excel nous a donné les résultats suivants :

2
 Coefficients Ecart-type Statistique t Probabilité
Constante -127.262 19.773 -6.436 0.000
Chomage 1.851 0.301 6.142 0.000
Inflation 1.519 0.051 29.548 0.000
EMP 0.582 0.123 4.742 0.000
D 137.786 28.567 4.823 0.000
D.chomage -2.436 0.578 -4.215 0.000
D.Inflation -0.384 0.074 -5.184 0.000
D.EMP -0.747 0.196 -3.809 0.000

1) Déduire les estimations des paramètres du modèle de chacune des deux périodes.
2) Y a-t-il une différence significative au niveau des constantes des deux firmes ?
3) Peut-on dire que l’effet de l’inflation sur les gains horaires perçus par les salariés est différent
sur les deux périodes ?

Bonne chance

3
 Table de la Loi de Student

0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0.05 0.02 0.01 0.005 0.001
34 0.1266 0.2553 0.3886 0.5294 0.6818 0.8523 1.0525 1.307 1.6909 2.0322 2.4411 2.7284 3.002 3.6007
35 0.1266 0.2553 0.3885 0.5292 0.6816 0.852 1.052 1.3062 1.6896 2.0301 2.4377 2.7238 2.9961 3.5911
36 0.1266 0.2552 0.3884 0.5291 0.6814 0.8517 1.0516 1.3055 1.6883 2.0281 2.4345 2.7195 2.9905 3.5821
37 0.1265 0.2552 0.3883 0.5289 0.6812 0.8514 1.0512 1.3049 1.6871 2.0262 2.4314 2.7154 2.9853 3.5737
38 0.1265 0.2551 0.3882 0.5288 0.681 0.8512 1.0508 1.3042 1.686 2.0244 2.4286 2.7116 2.9803 3.5657
39 0.1265 0.2551 0.3882 0.5287 0.6808 0.8509 1.0504 1.3036 1.6849 2.0227 2.4258 2.7079 2.9756 3.5581
40 0.1265 0.255 0.3881 0.5286 0.6807 0.8507 1.05 1.3031 1.6839 2.0211 2.4233 2.7045 2.9712 3.551
70 0.1261 0.2543 0.3869 0.5268 0.678 0.8468 1.0442 1.2938 1.6669 1.9944 2.3808 2.6479 2.8987 3.435
≥ 𝟕𝟓 0.1261 0.2542 0.3867 0.5265 0.6776 0.8461 1.0432 1.2922 1.6641 1.9901 2.3739 2.6387 2.887 3.4164

Table : Loi de Fisher-Snedecor

Valeur f de la variable de Fisher-Snedecor F (n1 ; n2) ayant la probabilité 0.05 d'être dépassée

1 2 3 4 5 6 7 8 9 26
26 4.23 3.37 2.98 2.74 2.59 2.47 2.39 2.32 2.27 1.93
70 3.98 3.13 2.74 2.50 2.35 2.23 2.14 2.07 2.02 1.65
75 3.97 3.12 2.73 2.49 2.34 2.22 2.13 2.06 2.01 1.64
≥ 𝟕𝟗 3.96 3.11 2.72 2.49 2.33 2.21 2.13 2.06 2.00 1.63

Table de DURBIN-WATSON
k=1 k=2 k=3 k=4 k=5
T d1 d2 d1 d2 d1 d2 d1 d2 d1 d2
15 1,08 1,36 0,95 1,54 0,82 1,75 0,69 1,97 0,56 2,21
16 1,10 1,37 0,98 1,54 0,86 1,73 0,74 1,93 0,62 2,15
75 1,60 1,65 1,57 1,68 1,54 1,71 1,51 1,74 1,49 1,77
80 1,61 1,66 1,59 1,69 1,56 1,72 1,53 1,74 1,51 1,77
>80 1,62 1,67 1,60 1,70 1,57 1,72 1,55 1,75 1,52 1,77

4
 IHEC Carthage
Correction d’examen de rattrapage d’économétrie : Juin 2023
3ème finance
Problème
Le modèle à estimer est
𝑺𝒂𝒍𝒂𝒊𝒓𝒆𝒕 = 𝜷𝟎 + 𝜷𝟏 𝐂𝐡𝐨𝐦𝐚𝐠𝐞𝒕 + 𝜷𝟐 𝐈𝐧𝐟𝐥𝐚𝐭𝐢𝐨𝐧𝒕 + 𝜷𝟑 𝐄𝐌𝐏𝒕 + 𝒖𝒕
Partie 1 :
1) (1pt)
𝜷𝟎 = 𝑬(𝑺𝒂𝒍𝒂𝒊𝒓𝒆/𝑿 = 𝟎) , les gains horaires perçus moyens par les salariés de l’industrie
manufacturière
∆𝑺𝒂𝒍𝒂𝒊𝒓𝒆
𝜷𝟏 = ∆𝑪𝒉𝒐𝒎𝒂𝒈𝒆, le pourcentage d’augmentation des gains horaires perçus à la suite de la
variation du taux de chômage de 1%.
∆𝑺𝒂𝒍𝒂𝒊𝒓𝒆
𝜷𝟐 = ∆𝑰𝒏𝒇𝒍𝒂𝒕𝒊𝒐𝒏, le pourcentage d’augmentation des gains horaires perçus dû à 1% de la variation
de l’inflation.
∆𝑺𝒂𝒍𝒂𝒊𝒓𝒆
𝜷𝟑 = ∆𝑬𝑴𝑷
, le pourcentage de la variation des gains horaires perçus à cause d’une variation
de 1% de l’emploie industrielle.

2) On peut dire qu’on a un bon ajustement linéaire du modèle car le R² ainsi que le R² corrigé
dépassent 95% (plus de 95% de la variation du taux de chômage est expliquée par le modèle).
(1 pt)
3)
3-a) Les estimateurs des paramètres ainsi que leurs écarts types estimés (1.5 pt)
𝛽0 𝛽1 𝛽2 𝛽3
Valeur 33.918 -0.397 1.023 -0.328
Ecart type 11.022 0.211 0.031 0.079

3-b) oui les signes des paramètres sont attendus (mais reste à détailler selon l’offre et/ou la
demande) (1 pt)
4) Tester au risque de 5%

4-a) la significativité individuelle des paramètres, (2 pts)

𝐻0 : 𝛽𝑗 = 0
{
𝐻1 : 𝛽𝑗 ≠ 0
𝛽0 𝛽1 𝛽2 𝛽3
Probabilité 0.003 0.063 0.000 0.000
Décision H1 H0 H1 H1

4-b) la non-pertinence de toutes les variables exogènes,

𝐻0 : 𝛽1 = 𝛽2 = 𝛽3 = 0
{
𝐻1 : 𝑖𝑙 𝑒𝑥𝑖𝑠𝑡𝑒 𝑎𝑢 𝑚𝑜𝑖𝑛𝑠 𝛽𝑗 ≠ 0
𝐹𝑐 = 13127.528 𝑎𝑣𝑒𝑐 𝑣𝑎𝑙𝑒𝑢𝑟 𝑐𝑟𝑖𝑡𝑖𝑞𝑢𝑒 𝑝 = 0.000 ==> 𝑅𝑒𝑗𝑒𝑡 𝑑𝑒 𝐻0

5
Le modèle est globalement significatif. (1 pt)
4-c) peut-on dire que les effets du chômage et de l’emploi industriel sont similaires sur les gains
horaires perçus par les salariés ? (1,5 pts)

𝐻0 : 𝛽1 = 𝛽3 𝐻 : 𝛽 − 𝛽3 = 0
{ ⟺{ 0 1
𝐻1 : 𝛽1 ≠ 𝛽3 𝐻1 : 𝛽1 − 𝛽3 ≠ 0

𝛽̂1 − 𝛽̂3
𝑇𝑐 = || || = 0.3641 𝑜𝑢 0.36167 < 𝑡5%(80) = 1.9901 ==> 𝐻0
√𝜎̂𝛽̂21 + 𝜎̂𝛽̂2 ̂ (𝛽̂1 , 𝛽̂3 )
− 2 𝑐𝑜𝑣
3

Avec,
𝜎̂ 2 = 1.3402 = 1.7956, 𝜎̂𝛽̂2 = 0.04489 𝑜𝑢 0.044521 ,
1
𝜎̂𝛽̂2 ̂ (𝛽̂1, 𝛽̂3 ) = 0.0071824
= 0.00538 𝑜𝑢 0.006241 𝑒𝑡 𝑐𝑜𝑣
3

Partie 2 :

5) La matrice de corrélation des variables exogènes est

Chomage Inflation EMP

Chomage 1
Inflation 0.952 1
EMP -0.958 -0.983 1

Selon Klein, peut-on dire qu’il y a un problème de multi colinéarité ? (1 pt)

On constate que tous les coefficients de corrélations simples entre les variables exogènes sont inférieurs
à R² et R² corrigé alors selon Klein il n’y a pas de problème de multi colinéarité.
(Remarque : Le test de Klein est préliminaire et n’est pas précis mais en réalité il y a forte corrélation
ente les variables exogènes. Donc il y a un problème de multi colinéarité)

6) Sur les 30 premières observations la SCR1= 1.045 et sur les 30 dernières la SCR2= 5.064.
Tester l’existence éventuel d’un problème d’hétéroscédasticité. (1 pt)
Le test de Goldfeld-Quandt :
𝑆𝐶𝑅2 5.064
𝐹𝑐 = = = 4.8459 > ℱ5%(26,26) = 1.93 ⟹ 𝐻1
𝑆𝐶𝑅1 1.045
Il y a un problème d’hétéroscédasticité

7) Y a-t-il un problème d’autocorrélation d’ordre 1 ? (1,5 pts)

𝐻 : 𝜌 = 0 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑒𝑛𝑐𝑒 𝑑𝑒𝑠 𝑒𝑟𝑟𝑒𝑢𝑟𝑠,
{ 0
𝐻1 : 𝜌 ≠ 0 𝑎𝑢𝑡𝑜𝑐𝑜𝑟𝑟é𝑙𝑎𝑡𝑖𝑜𝑛 𝑑𝑒𝑠 𝑒𝑟𝑟𝑒𝑢𝑟𝑠

DW= 0.076, pour T=84 et k=3 on a d1=1.57 et d2=1.72

𝐷𝑊 ∈ [0, 𝑑1 ] ⟹ 𝐻1 (Il y a un problème d’autocorrélation positif).

8) Selon les informations précédentes la méthode des MCO est-elle convenable ? (1 pt)

La présence des problèmes d’hétéroscédasticité et d’autocorrélation des erreurs font que la

méthode des MCO ne soit pas la méthode convenable pour l’estimation de ce modèle.
6
Partie 3 :

Le modèle à estimer est devenu le suivant :

𝑺𝒂𝒍𝒂𝒊𝒓𝒆𝒕 = 𝜶𝟎 + 𝜶𝟏 𝐂𝐡𝐨𝐦𝐚𝐠𝐞𝒕 + 𝜶𝟐 𝐈𝐧𝐟𝐥𝐚𝐭𝐢𝐨𝐧𝒕 + 𝜶𝟑 𝐄𝐌𝐏𝒕 + 𝜶𝟒 𝑫𝒕 + 𝜶𝟓 𝑫𝒕 . 𝒄𝒉𝒐𝒎𝒂𝒈𝒆𝒕
+ 𝜶𝟔 𝑫𝒕 . 𝑰𝒏𝒇𝒍𝒂𝒕𝒊𝒐𝒏𝒕 + 𝜶𝟕 𝑫𝒕 . 𝑬𝑴𝑷𝒕 + 𝜺𝒕
1 𝑝𝑜𝑢𝑟 𝑙𝑒𝑠 40 𝑝𝑟𝑒𝑚𝑖è𝑟𝑒𝑠 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑡𝑖𝑜𝑛𝑠
Où 𝐷𝑡 = {
0 𝑝𝑜𝑢𝑟 𝑙𝑒𝑠 𝑎𝑢𝑡𝑟𝑒𝑠 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑡𝑖𝑜𝑛𝑠
1) Déduction de l’estimation des paramètres du modèle de chacune des deux périodes. (3 pts)
𝛽̂0 𝛽̂1 𝛽̂2 𝛽̂3

Période 1 𝛼̂0 + 𝛼̂4 = 𝛼̂1 + 𝛼̂5 = −0.585 𝛼̂2 + 𝛼̂6 = 1.135 𝛼̂3 + 𝛼̂7 = −0.165

Période2 𝛼̂0 = −127.262 𝛼̂1 = 1.851 𝛼̂2 = 0.850 𝛼̂3 = 0.582

2) Y a-t-il une différence significative au niveau des constantes des deux firmes ? (1.5 pts)
𝐻 : 𝛼 = 0 𝑃𝑎𝑠 𝑑𝑒 𝑑𝑖𝑓𝑓é𝑟𝑒𝑛𝑐𝑒
{ 0 4
𝐻1 : 𝛼4 ≠ 0 𝑖𝑙 𝑦 𝑎 𝑢𝑛𝑒 𝑑𝑖𝑓𝑓é𝑟𝑒𝑛𝑐𝑒
𝛼̂4 137.786
𝑡𝑐 = | | = | | = 4.823 > 𝑡5%(84 − 8) = 1.9901 ==> 𝐻1
𝜎̂𝛼̂4 28.567

3) Peut-on dire que l’effet de l’inflation sur les gains horaires perçus par les salariés est différent
sur les deux périodes ? (2 pts)
𝐻 : 𝛼 = 0 𝑃𝑎𝑠 𝑑𝑒 𝑑𝑖𝑓𝑓é𝑟𝑒𝑛𝑐𝑒
{ 0 6
𝐻1 : 𝛼6 ≠ 0 𝑖𝑙 𝑦 𝑎 𝑢𝑛𝑒 𝑑𝑖𝑓𝑓é𝑟𝑒𝑛𝑐𝑒

𝛼̂6 −0.384
𝑡𝑐 = | |=| | = 5.184 > 𝑡5%(76) = 1.9901 ==> 𝐻1
𝜎̂𝛼̂6 0.074