EZZEDDINE DELHOUMI

Institut des Hautes Etudes Commerciales. Carthage

Filières : 3 Finance
Matière : Économétrie 2H
Enseignants : Delhoumi E. & Boulifa W.

Examen principal, Janvier 2020

Nb : Pour tous les exercices on prend le risque 𝜶 = 𝟓%

Exercice 1 :
On cherche à estimer la relation suivante :
Log(𝑦𝑡 ) = 𝑎 + 𝑏 𝐿𝑜𝑔(𝑥𝑡 ) + 𝜀𝑡
L’estimation de cette relation par les MCO sur une période de 30 ans entre 1989-2018 a
donné les résultats suivants :
̂𝑡 ) = −2,3 + 0,82 𝐿𝑜𝑔(𝑥𝑡 )
Log(𝑦
𝑆𝐶𝑅 = 0,092 , 𝐷𝑊 = 0,7 𝑒𝑡 𝜎̂𝑏̂ = 0,02
1) Quel est l’impact d’une baisse de 10% de la variable 𝑥 sur 𝑦 ?
2) Tester la significativité du coefficient 𝑏.
3) Déterminer les SCE et SCT et le coefficient de détermination 𝑅².
4) Les erreurs sont-ils auto-corrélés d’ordre 1 ?
5) On suppose un changement structurel à partir de 2003. Formuler et tester cette
hypothèse à l’aide des résultats suivants :
• Estimation sur la période 1989-2003
̂𝑡 ) = −3,75 + 0,91 𝐿𝑜𝑔(𝑥𝑡 )
Log(𝑦 (1)
𝑆𝐶𝑅1 = 0,022
• Estimation sur la période 2004-2018
̂𝑡 ) = −0,61 + 0,7 𝐿𝑜𝑔(𝑥𝑡 )
Log(𝑦 (2)
𝑆𝐶𝑅2 = 0,048

1 𝑆𝑖 𝑡 > 2003
6) Soit 𝐷𝑡 une variable binaire : 𝐷𝑡 = {
0 Sinon
Nous voulons estimer le modèle suivant :
Log(𝑦𝑡 ) = 𝛼0 + 𝛼1 𝐷𝑡 + 𝛽0 𝐿𝑜𝑔(𝑥𝑡 ) + 𝛽1 𝐷𝑡 × 𝐿𝑜𝑔(𝑥𝑡 ) + 𝑢𝑡
6.1) Déduire les valeurs estimées des paramètres 𝛼0 , 𝛼1 , 𝛽0 et 𝛽1.
6.2) Sachant que l’écart type estimé 𝜎̂𝛽̂1 = 0,3. Peut-on affirmer qu’il y a une
différence significative entre les élasticités des deux modèles (1) et (2) ?

Exercice 2 :
Soit la fonction de production de type Cobb-Douglas de 50 entreprises (21 privées et
29 publiques) :

1
 EZZEDDINE DELHOUMI

𝐿𝑜𝑔(𝑄𝑖 ) = 𝐿𝑜𝑔(𝛽0 ) + 𝛽1 𝐿𝑜𝑔(𝐾𝑖 ) + 𝛽2 𝐿𝑜𝑔(𝐿𝑖 ) + 𝜀𝑖 (1)

Avec
𝑄 = Prodution
𝐾 = facteur capital
𝐿 = facteur travail
𝜀 = terme d′ erreur répondant aux hypothèses classiques.

1) Ecrire le modèle sous sa forme originale, c’est-à-dire non linéaire. Comment

s’interpretent les coefficients 𝛽1 𝑒𝑡 𝛽2 de ce modèle ?
2) On désire mesurer l’homogénéité des comportements entre les entreprises
publiques et les entreprises privées. Pour se faire nous intégrons une variable
binaire 𝐷𝑖 qui prend les valeurs 0 pour les entreprises publiques et 1 pour les
entreprises privées.
Soit à estimer le modèle suivant :
𝐿𝑜𝑔(𝑄𝑖 ) = 𝐿𝑜𝑔(𝛼0 ) + 𝛼1 𝐷𝑖 + 𝛼2 𝐿𝑜𝑔(𝐾𝑖 ) + 𝛼3 𝐿𝑜𝑔(𝐿𝑖 ) + 𝛼4 𝐷𝑖 . 𝐿𝑜𝑔(𝐿𝑖 ) + 𝜀𝑖 (2)
L’estimation de ce modèle par les MCO a donné les résultats suivants :
̂ 𝑖 ) = 6,517 − 1,072𝐷𝑖 + 0,711𝐿𝑜𝑔(𝐾𝑖 ) + 0,266𝐿𝑜𝑔(𝐿𝑖 ) + 0,118 𝐷𝑖 . 𝐿𝑜𝑔(𝐿𝑖 )
𝐿𝑜𝑔(𝑄
(0,267) (0,433) (0,109) (0,111) (0,055)
Nb : les chiffres entre parenthèses sont les écarts types estimés.
̂
𝐶𝑜𝑣(𝛼 ̂
̂2 , 𝛼̂3 ) = 0,01 𝑒𝑡 𝐶𝑜𝑣(𝛼
̂3 , 𝛼̂4 ) = 0,02
2.1) Déduire les paramètres estimés 𝛽0 , 𝛽1 𝑒𝑡 𝛽2 pour chaque type d’entreprise.
2.2) peut-on dire qu’il y a différence significative entre les deux types d’entreprises.
Si oui, à quel niveau.
2.3) Quel est le facteur travail le plus productif parmi les deux types d’entreprises ?
2.4) Tester la significativité individuelle des élasticités de la production aux facteurs
capital et travail pour chaque type d’entreprise.
2.5) Peut-on accepter que les rendements d’échelle sont constants pour les
entreprises publiques ?
3) En négligeant les spécificités (Public/privé) et nous voulons estimer une autre
forme du modèle qui est :
2 2
𝐿𝑜𝑔(𝑄𝑖 ) = 𝐿𝑜𝑔(𝛽0 ) + 𝛽1 𝐿𝑜𝑔(𝐾𝑖 ) + 𝛽2 𝐿𝑜𝑔(𝐿𝑖 ) + 𝛽3 (𝐿𝑜𝑔(𝐾𝑖 )) + 𝛽4 (𝐿𝑜𝑔(𝐿𝑖 ))
+ 𝛽5 𝐿𝑜𝑔(𝐾𝑖 ). 𝐿𝑜𝑔(𝐿𝑖 ) + 𝜀𝑖 (3)
La régression par les MCO du modèle (3) a donné une 𝑆𝐶𝑅3 = 1,109 et l’estimation
du modèle (1) a donné une 𝑆𝐶𝑅1 = 1,853 𝑒𝑡 𝑅12 = 0,861.
3.1) Peut-on affirmer qu’il y a une différence significative entre les deux formes (1)
et (3) ?

2
 EZZEDDINE DELHOUMI

3.2) le modèle (3) est-il globalement significatif ?

Table de la Loi de Student

La loi de Student à  degrés de liberté :

valeur t ayant la probabilité  d'être
dépassée en valeur

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
22 0.1271 0.2564 0.3904 0.5321 0.6858 0.8583 1.0614 1.3212 1.7171 2.0739 2.5083 2.8188 3.1188 3.7922
23 0.1271 0.2563 0.3902 0.5317 0.6853 0.8575 1.0603 1.3195 1.7139 2.0687 2.4999 2.8073 3.104 3.7676
24 0.127 0.2562 0.39 0.5314 0.6848 0.8569 1.0593 1.3178 1.7109 2.0639 2.4922 2.797 3.0905 3.7454
25 0.1269 0.2561 0.3898 0.5312 0.6844 0.8562 1.0584 1.3163 1.7081 2.0595 2.4851 2.7874 3.0782 3.7251
26 0.1269 0.256 0.3896 0.5309 0.684 0.8557 1.0575 1.315 1.7056 2.0555 2.4786 2.7787 3.0669 3.7067
27 0.1268 0.2559 0.3894 0.5306 0.6837 0.8551 1.0567 1.3137 1.7033 2.0518 2.4727 2.7707 3.0565 3.6895
28 0.1268 0.2558 0.3893 0.5304 0.6834 0.8546 1.056 1.3125 1.7011 2.0484 2.4671 2.7633 3.047 3.6739
29 0.1268 0.2557 0.3892 0.5302 0.683 0.8542 1.0553 1.3114 1.6991 2.0452 2.462 2.7564 3.038 3.6595
30 0.1267 0.2556 0.389 0.53 0.6828 0.8538 1.0547 1.3104 1.6973 2.0423 2.4573 2.75 3.0298 3.646
>=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

Table : Loi de Fisher-Snedecor

Valeur f de la variable de Fisher-Snedecor F

(1 ; 2) ayant la probabilité 0.05 d'être
dépassée

1 2 3 4 5 6 7 8 9
24 4.26 3.40 3.01 2.78 2.62 2.51 2.42 2.36 2.30
25 4.24 3.39 2.99 2.76 2.60 2.49 2.40 2.34 2.28
26 4.23 3.37 2.98 2.74 2.59 2.47 2.39 2.32 2.27
27 4.21 3.35 2.96 2.73 2.57 2.46 2.37 2.31 2.25
28 4.20 3.34 2.95 2.71 2.56 2.45 2.36 2.29 2.24
29 4.18 3.33 2.93 2.70 2.55 2.43 2.35 2.28 2.22
30 4.17 3.32 2.92 2.69 2.53 2.42 2.33 2.27 2.21
>= 40 4.08 3.23 2.84 2.61 2.45 2.34 2.25 2.18 2.12

Table de DURBIN-WATSON au seuil de 5%

k= 1 k=2 k=3
T d1 d2 d1 d2 d1 d2

3
 EZZEDDINE DELHOUMI

28 1,33 1,48 1,26 1,56 1,18 1,65

29 1,34 1,48 1,27 1,56 1,20 1,65
30 1,35 1,49 1,28 1,57 1,21 1,65