Académique Documents
Professionnel Documents
Culture Documents
La troisième étape est aussi très importante et consiste à réaliser des tests
statistiques relatifs aux résultats d’estimation obtenus. Il y a plusieurs tests
disponibles dont certains sont indispensables.
. * Estimation MCO
.
. reg Production Capital Travail
1
Lorsqu’on a estimé la fonction de production ci-dessus, on devait
s’attendre à ce que les coefficients associés aux variables capital et travail soient
positifs. Cà laisse entendre que lorsque l’un des deux facteurs de production
augmente (+0.32 et +3.22), la production augment naturellement. On aurait eu
des problèmes si on a obtenu plutôt des coefficients de signe négatif. Il faut
signaler aussi que les variables du modèle sont toutes transformées en
logarithme ce qui montre que les coefficients obtenus indiquent, en fait, les
élasticités des facteurs capital et travail, respectivement. A partir de là, on peut
penser que cette économie est caractérisée par une dominance travail, car
l’augmentation de 1% du facteur travail fait accroitre la production de 3.22%
tandis que une augmentation de 1% du facteur capital ferait accroitre la
production de seulement 0.32%, donc 10 fois moins. Il faut noter que les
données concernent la Tunisie sur une période de 28 ans. La fonction de
production utilisée est du type Cobb-Douglas agrégée. Lorsqu’on l’exprime en
forme logarithmique, on aboutit à modèle économétrique linéaire dans les
paramètres.
⎧H 0 : β1 = = βk = 0
⎨
⎩H1 : ∃ au moins βi ≠ 0
2
On voit bien que sous l’hypothèse nulle tous les coefficients s’annulent sauf la
constante pour dire toutes variables sont absentes de l’équation. Par contre, sous
l’hypothèse alternative, il existe au moins un coefficient qui ne s’annule pas, ce
qui veut dire que la régression est globalement significative. La statistique du
test est la suivante :
SCE
F= k → F( k ,n −k −1)
SCR
n − k −1
SCE est la variabilité expliquée par le modèle et SCR est la variabilité résiduelle.
Ces deux grandeurs sont définies comme suit :
n
( )
2 n
SCE = ∑ ŷi − Ŷ = ∑ (ŷi − Y )
i=1 i=1
2
n
2
SCR = ∑ (yi − ŷi ) = εˆ ʹ′εˆ
i=1
3
Ce coefficient est compris dans l’intervalle [0,1] et autant il s’approche de 1
autant on peut conclure que le modèle sous sa forme linéaire reproduit le mieux
possible le modèle théorique développé au départ.
k = 1 ⇒ R2 ≈ R2
k > 1 ⇒ R2 ≥ R2
• Lorsque le nombre de variables explicatives k est petit par rapport à n, les
deux coefficients diffèrent peu.
2 k
• Inconvénient → R 2 peut être négatif lorsque R <
n −1