Académique Documents
Professionnel Documents
Culture Documents
D’ÉCONOMIE APPLIQUÉE
PROMOTION : 2015-2019
Avec:
- β0 et β1 des paramètres à estimer
1)- Calculons les moyennes des revenus par secteur à partir de cette estimation.
Les moyennes de revenus calculés sont différentes de celles fournies par le tableau.
Pour l'industrie l'écart entre les moyennes est relativement faible (0.6), pour le secteur Services
l'écart est de 2.35, l'écart entre les moyennes de revenus pour les secteurs transport et autres sont
respectivement 1.01 et 0.85.
2) La régression que l'analyste aurait dû utiliser un modèle avec constante et trois variables
indicatrices associées à trois secteurs en fonction d'un secteur choisi comme variable de
référence (comme autres) afin d'éviter la multicolinéarité dans le modèle.
Pour trouver les valeurs estimées des paramètres de cette régression nous allons créer des
variables indicatrices codées 0 et 1 pour les secteurs Industrie, Services et transports en fonction
de la variable autres.
2
SERVi ={1, si services 0 sinon, INDUSi = { 1 si Industries 0 sinon TRANSPi
={ 1 si Transport 0 sinon
Exercice 2
Les données suivantes sont tirées d'un échantillon de 1078 familles russes enquêtées en 1993 :
QVOD : quantité de vodka consommée par personne et par jour, en litres
REVENU : revenu mensuel du ménage ramené au nombre de personnes adultes du ménage en
105 roubles
PVOD : prix du litre de vodka au détail, en 102 roubles
1.- Un modèle aa probabilité linéaire est estimé et l’équation de régression estimé est :
Yi = 0.2461 + 0.5009REVENUEi - 0.1289PVODi
3
P(Yi=1|Xi)=0.2461+0.5009 *0.2866 – 0.1289 *5.400= -0.3064
1.4) Nous constatons qu’ une des probabilités calculées est négative. C'est une des limites du
modèle à probabilité linéaire.
1.5) -Calculons la probabilité qu'un ménage de 2 adultes avec un REVENU total égal à
10 000 roubles achète plus de 1 litre de vodka par jour au prix de 45 roubles par litre.
2.1) Ecrire avec précision le modèle estimé ainsi que la fonction de vraisemblance associée à ce
modèle:
I0 = {i : yi = 0} card I0 = N0 N1 + N0 = N
2.2) Calculons la probabilité que le ménage décrit à la question 1.5 achète plus de 1 litre de
vodka.
2.3)- Calculons l'effet marginal associé à la variable revenu pour un ménage vérifiant les
caractéristiques définies en 1.5 ou 2.2.
4
Effet Marginal de la variable revenu = B1Λ(XiB)= 5.9483*1= 5.9483.
Interprétation : Toutes choses égales par ailleurs, pour le ménage vérifiant les caractéristiques
définies dans 1.5, la probabilité de consommation de vodka par jour (en litres) va augmenter de
59.48 point de pourcentage lorsque le REVENU augmente d’ une unité c’ est-à-dire augmente
de 105 roubles par adulte dans le ménage.
Exercice 3 :
3)- Calculons la probabilité qu'un ménage de 3 personnes en maison individuelle de revenu 10, de
taille d'habitation 1360 et ne possédant pas de climatiseur portable installe une climatisation.
Commenter.
5
Y* = - 12,04714 - 0,064585(3) + 0,001099(1360) + 1,158715(10) - 0,494055(1) - 1,806437(0) =
0.34684
P(Y=1/Xi) = 1/[1+ exp(-Y*)] = 1/[1+exp(-0.34684)] = 0.5859
Commentaires : Toutes choses égales par ailleurs, la probabilité pour qu’ un ménage de 3
personnes en maison individuelle de revenu 10, de taille d’ habitation 1360 et ne possédant pas
de climatiseur portable installe une climatisation est de 58.59%.
4)- Calculons l'effet marginal associé à la variable REVENU, au point moyen de l'échantillon, à
partir de l'estimation logit.
6
DEUXIÈME PARTIE
1) Statistiques descriptives
1.1) Calculons la moyenne, l’écart-type, le minimum et le maximum pour l’ensemble des variables
continues du fichier de la base.
La moyenne , l’ecart-type , le minimum et le maximum pour l’ensemble des variable continue a été donnee
en utilisant la fonction summary et sd. Aussi, les resultats sont presentes dans le tableau suivant :
1.2) Calculons la moyenne, l’écart-type, le minimum et le maximum pour les variables continues selon le
type d’abonnement.
7
Abo=1
variable moyenne Ecart-type min Max
Age 44.39 9.628294 18 59
Sal 19418 6956.164 6296 35972
8
Abo==0
variable moyenne Ecart-type min Max
Age 40.27 6.752886 31 51
Sal 17654 7150.625 3678 35374
1.3) -Après avoir donné les principales statistiques descriptives, réalisons un tri à plat pour l’ensemble des
variables qualitatives.
9
Pour la variable zau on a :
1.4) Faisons un tableau croisé (avec un test de corrélation) entre les variables d’abonnement et le sexe. En
déduire le pourcentage d’hommes et de femmes prêts à s’abonner.
10
11
2.2)Verifions
en considerant la variable abo comme variable a expliquer , sans variable variable explicative,
le modele peut s’ecrire comme suit :
abo= avec, y*=c :le seuil de tolerance , c etant une constante
sur la variable caractérisant le non abonnement
12
en considerant la variable abo comme variable a expliquer , sans variable variable explicative,
le modele peut s’ecrire comme suit :
Verifions que
Modele 2
13
3.2) Estimation avec variables explicatives
14
b) Plusieurs variables
inclure dans la modélisation les variables associées au sexe, à la situation familiale, à la situation
professionnelle, à la zone d’habitation et
15
3eme cas: 3ième cas : à l’âge, l’âge au carré, au salaire divisé par 1000 et au salaire au carré divisé
par 100000
16
Estimation du modele
17
c) Estimer (sous R, ou sous Excel) la probabilité moyenne de s’abonner pour : l’individu « moyen
» de référence (en précisant ses caractéristiques)
18
19
20
21