Econometrie

(Observation) Yt = β0 + β1 X +  tq :

X : V ariable explicative
Yt : V ariable à expliquer

(Estimation) Ybi = βb0 + βb1 xi avec β0 , β1 sont des paramètres de la

droite.

On calcule d'abord βb1 (approximatif)

E
n
P
(xi − x)(yi − y)
i=1
βb1 =

IN
n
(xi − x)2
P
i=1

Puis on calcule :
βb0 = Y − βb1 x
√
√
Trouver les valeurs estimées Yb de Y .
Calculer les résidus (l'erreur) e = y − yb.
√

ou
√
SCR
n−2
M
Calculer l'estimateur de la variance de l'erreur :
avec SCR : la somme carrée des résidus.
=

Calculer l'estimateur de la variance du paramètre β1 .

σ
bE2
n
P
i=1
n−2
e2
=
n
P
i=1
(yi −y)2
n−2
FA
2
σ 1 x2 
bβ21 = à part bβ20 = σ 2
bE
σ n σ bE + n
n
(xi − x)2 (xi − x)2
P P
i=1 i=1

√
Test de student =⇒ t∗ = bβ1 .
|βb1 −β1 |
σ

Il y a deux questions diérentes :

O

1− Tester la signication de la pente : (Test bilatéral)

Soit l'hypothèse suivante :

PR


H0 : β1 = 0
H1 : β1 6= 0
α
Sous H0 =⇒ t∗ = |βb1 |
σ
bβ1 et on la compare avec tn−2
2

√
√
Si t∗ > t0.025
n−2 =⇒ la pente est signicativement 6= 0, On rejette H0 .
Si t∗ < t0.025
n−2 =⇒ On rejette pas H0 .

1
 2− β1 est-il signicativement > 1 (Test unilatéral) :
Soit l'hypothèse suivante :

H0 : β1 = 1
H1 : β1 > 1

Sous H0 =⇒ t∗ = | βσb1β−1 | et on la compare avec tαn−2 .

b

√ 1

√
Si t∗ > t0.05
n−2 =⇒ la pente est signicativement supérieure à 1.
Si t∗ < t0.05
n−2 =⇒ la pente n'est pas signicativement supérieure à 1.

E
0.1 Tester la signication du coecient de corrélation r

IN
n
P n
P
(xi − x)(yi − y) " xi yi − nxy #2
Cov(x, y)
r= =s i=1
s à part r2 = s i=1
s
σx σy n n n n
(xi − x)2 (yi − y)2 xi − nx2 yi − ny 2
P P P P
i=1 i=1 i=1 i=1

√
t∗ = q
|r|
1−r 2
n−2
test bilatéral :
M
Soit l'hypothèse suivante :

H0 : r = 0
H1 : r 6= 0
Si t∗ > t0.025 =⇒ le coecient de corrélation est diérent à 0.
FA
n−2

√
Si t∗ < t0.025
n−2 =⇒ l'hypothèse nulle d'un coecient de corrélation est
acceptée.

0.2 L'intervalle de conance pour β0 et β1

O

" # " #
α α
I1 : β1 ∈ βb1 ± tn−2 .b
2
σβ1 et I0 : β0 ∈ βb0 ± tn−2 .b
2
σβ0

! ! ! Dans l'examen on pose un question fréquente :

PR

a)- Calculer le coecient R2 de détermination (la qualité de l'ajustement).

b)- Eectuer le test de Fisher F ∗ .
Solution :

2
 a) R2
n n
yi − y)2 e2i
P P
(b
2 SCE i=1 SCR i=1
R = = n =1− =1− n
SCT 2 SCT
(yi − y)2
P P
(yi − y)
i=1 i=1

R2 = 1 =⇒ Le modèle est parfait et la droite de régression passe

par tous les points de nuage.

R2 = 0 =⇒ Mauvais modèle, meilleur prédiction de y et y

E
R2 proche de 0 =⇒ Mauvais ajustement, x n'impose pas ou
n'explique pas y

IN
R2 proche de 1 =⇒ Meilleur ajustement.

b) Test de Fisher : (F ∗ ) avec (SCT = SCR + SCE)

SCE
r2
F∗ = 1
SCR
ou F∗ = 1−r2
n−2 n−2

On compare F ∗ avec F1,n−2

α :
M
F ∗ = (t∗βb )2 =
1
(βb1 )2
σβ1 )2
(b
=⇒ bilatéral
FA
α
F1,n−2 > F ∗ =⇒ Le modèle n'est pas globalement signicative.

α
F1,n−2 < F ∗ =⇒ le modèle est globalement signicative.

0.3 Parmis les questions d'examen on trouve aussi :

Exercice d'application :
O

(L'économiste, l'agronome) prévoit respectivement x6 et x7 .

a) Déterminer les valeurs prévues.

b) Construire l'intervalle de prévision.
PR

Solution :
a) Prévision ponctuelle :

yb6 = βb0 + βb1 x6

yb7 = βb0 + βb1 x7

3
 b) Intervalle de prévision :
" v #
α 1 (xi − x)2
u
I : y ∈ yb ± tn−2 .b
2
σE u1 + + n
u
n
(xi − x)2
t P
i=1

0.4 Autres Formules :

E
v v
u n u n
uP uP
u (xi − x)2 u (yi − y)2
σ(x) = V (x) = i=1 σ(y) = V (y) = i=1
p t p t
et
n−1 n−1

IN
n
P
xi yi − nx.y
i=1 σ(y) Cov(x, y)
βb1 = n =r× =
σ(x) V (x)
x2i − nx2
P
i=1

2 Cov 2 (x, y)
r = 2 2
σ (x)σ (y)
= βb1 ×
Cov(x, y)
SCT
M Cov(x, y) =
n
P
i=1
n
xi yi
= x.y = βb1 ×σ 2 (x)
O FA
PR