Académique Documents
Professionnel Documents
Culture Documents
I- Introduction
Le modèle de régression linéaire simple prend en considération une seule variable
explicative, cependant plusieurs situations en pratique nécessitent la prise en
compte de plusieurs facteurs explicatifs. Le modèle de régression linéaire multiple
est une généralisation du modèle linéaire simple au cas où le nombre de variable
explicative est strictement supérieur à un.
II- Le modèle et ses hypothèses
1- Le modèle :
y
j
Tel que x j s’interprète comme étant la variation moyenne de y suite à une
augmentation d’une unité de xj.
2- Forme matricielle :
1
Imen HENTATI ÉCONOMÉTRIE
y1
1 x11 .. x k1 0 1
y2 1 2
. 1 x12 .. x k 2 * . .
: : : :
. . .
1 x1T : x kT
yT
k T
Avec
Y est un vecteur de dimension (T,1) qui représente la variable à expliquer.
X est une matrice de dimension (T, k+1) qui représente les variables
explicatives.
est un vecteur de dimension (T,1) qui représente les paramètres à estimer.
est un vecteur de dimension (T,1) qui représente les termes d’erreur.
Ainsi la forme matricielle compacte du modèle est :
1
E ( 1 ) 0
. . .
E ( ) E
. . 0
.
E ( ) 0
T
T
Les erreurs sont de variance constante : V ( t ) t (les erreurs sont
2
homosédastiques)
Les erreurs sont non auto-corrélées : cov( t , t ' ) 0t t '
Sous la forme matricielle ces deux derniers résultats s’écrivent sous la forme :
2
Imen HENTATI ÉCONOMÉTRIE
t N (0, 2 )
N (0, 2 I )
3.3 Hypothèse sur la relation entre les variables explicatives et les erreurs
Les variables explicatives sont indépendants des erreurs : cov( t , x jt ) 0 pour
j=1,2,…,k
Soit le modèle
y t 0 1 x1t 2 x 2t ..... k x kt t
0
1
.
Le problème est donc d’estimer par MCO le vecteur des paramètres : k
2
^ ^ ^' ^
La résolution n’est pas simple, c’est pourquoi il est préférable de passer aux
écritures matricielles :
^
La forme matricielle de :
^ ^
Y Y
Avec ;
^ ^
Y (T ,1) X (T ,k 1) . ( k 1,1)
^' ^
Ainsi la forme matricielle de :
^' ^ ^ ^ ' ^
Y Y 2Y X X ' X ***
' '
^ ^ ' ^
D’où le principe du MCO devient : MinQ Y Y 2Y X X X
' ' '
^
0 2 X '
Y 2 X '
X 0
***
D’où :
3
Imen HENTATI ÉCONOMÉTRIE
^
MCO ( X ' X ) 1 ( X ' .Y )
Remarque : Pour s’assurer qu’il s’agit bien d’un minimum il faut vérifier que la
matrice X’X est une matrice positive.
Formule de la variance :
^ ^ ^ ^ ^
V ( ) E[( E ( ))( E ( ))' ]
^ ^
E[( )( )' ]
E[(( X ' X ) 1 X ' )(( X ' X ) 1 X ' )' ]
E[( X ' X ) 1 X ' ' X ( X ' X ) 1 ]
2 ( X ' X ) 1
Remarque : si la variance du terme d’erreur est inconnue, on la remplace par son
estimateur :
^ 2 SCR
T K 1
Forme de la variance :
La matrice variance-covariance des paramètres est une matrice carrée de
dimension (k+1, k+1) qui a la forme de :
4
Imen HENTATI ÉCONOMÉTRIE
^ ^ ^ ^ ^ ^ ^
V ( 0 ) cov( 0 , 1 ) cov( 0 , 2 ) ... cov( 0 , k
^
V ( 1)
^
V ( 2 )
..
^
V ( )
k
SCT 2 2
(y t Y ) 2 y t2 T Y (Y Y )' (Y Y ) Y ' Y T Y
SCE ^ ^ 2 2 ^ ^ ^ ^ 2
( yt Y )2 yt T Y (Y Y )' (Y Y ) Y ' Y T Y
^ ' 2
X 'Y T Y
SCR ^ ^ ^ ^ ^
( yt y t ) 2 t
2
' Y ' Y ' X 'Y ***
***
^ ^ ^ ^
' (Y X )' (Y X )
^ ^
(Y ' ' X ' )(Y X )
^ ^ ^ ^
Y 'Y Y ' X ' X 'Y ' X ' X
^ '
Y ' Y X 'Y
5
Imen HENTATI ÉCONOMÉTRIE
Décision
Si valeurcalculée soush 0 valeurthéorique : On rejette H 0 et donc le paramètre est
significatif au seuil de .
Hypothèses
H 0 : j 0j 1,2,..., k
H 1 : j 0
Valeur calculée
SCE / K R2 / K
F c
SCR / T K 1 (1 R 2 ) /(T K 1)
Valeur théorique
La valeur théorique est une valeur lue sur la table de Fisher et elle est égale à :
F ( K , T K 1)
Décision
Si valeurcalculée soush 0 valeurthéorique : On rejette H 0 et donc le modèle est
globalement significatif au seuil .
V- Prévision :
6
Imen HENTATI ÉCONOMÉTRIE
1- Prévision Ponctuelle :
Pour obtenir une prévision ponctuelle de y étant donnée x1, p , x 2, p ,....., x k , p des
valeurs particulières de x1 , x 2 ,....., x k , il suffit de les remplacer dans le modèle
estimé :
^ ^ ^ ^
y p 0 1 x1 p ... k x kp
^
xp '
Ainsi l’erreur de prévision e p peut être définie comme :
^ ^ ^
e p y p y p x p ' p x p ' x p ' ( ) p
Avec ;
E (e p ) 0
V (e p ) E (e p E (e p )) 2
E (e p ) 2 E (e p e 'p )
^ ^
E[( x p ' ( ) p )( x p ' ( ) p )' ]
^
x p 'V ( ) x p 2
2 ( x p ' ( X ' X ) 1 x p 1)
2- Intervalle de prédiction :
Application 2
7
Imen HENTATI ÉCONOMÉTRIE
On suppose que la production (yi) est expliquée par un modèle de régression linéaire
multiple avec deux variables explicatives, le capital (x1i) et le travail (x2i) ;
y i a 0 a1 .x1i a 2 .x 2i i
6.3047771
-0.00780042 0.0000151
0 .0116199 -0.00003096 0.00007228
8
Imen HENTATI ÉCONOMÉTRIE