TD D’ECONOMETRIE LICENCE 3 ECONOMIE

Exercice 1 (*)

Soit le modèle de régression linéaire simple suivant : y =  0 + 1 x +  . En utilisant l’approche

cov ( X , Y )
matricielle, établir les équations normales et en déduire que ˆ1 = et ˆ0 = Y − ˆ1 X .
Var ( X )

Exercice 2 (*)

Soit le modèle de régression linéaire suivant : y = X  +  , l’échantillon de données étant le

suivant :

 3 1 3 5
1  1 1 4 
  
y = 8 et X = 1 5 6 .
   
 3 1 2 4
5 1 4 6 

1. Déterminer les matrices X X et X y . Quel est le rang de X X ? Ce modèle contient-il un

terme constant ?
2. En déduire les équations normales.
3. Déterminer le vecteur ˆ des estimateurs de  de deux manières différentes :
(i) Par inversion de la matrice X X .
(ii) Par résolution d’un système d’équations suivant la méthode de Gauss (forme
échelonnée).
4. Ecrire le modèle estimé.
5. Déterminer la matrice de variance-covariance des estimateurs ˆ .
6. Effectuer l’analyse de la variance.
7. Calculer le R 2 ajusté puis interpréter.

1
Exercice 3

Considérons le modèle de régression multiple avec trois variables explicatives vérifiant les
hypothèses du modèle de régression linéaire classique :

y = 0 + 1 x1 + 2 x2 + 3 x3 + u .

Nous souhaiterons tester l’hypothèse nulle H 0 : 1 − 3 2 = 1 .

( )
(i) Désignons par ˆ1 et ˆ2 les estimateurs de 1 et  2 . Trouver Var ˆ1 − ˆ2 en fonction

des variances de ˆ1 et ˆ2 et de leur covariance. Quel est l’écart-type (s.e.) de

ˆ1 − 3ˆ2 ?

(ii) Ecrire la statistique du test de H 0 : 1 − 3 2 = 1 .

(iii) Expliquer comment tester directement H 0 : 1 − 3 2 = 1 par le biais de la définition d’un

paramètre auxiliaire que l’on notera  et qui sera estimé au sein d’une équation de
régression appropriée.

Exercice 4 (*)

Le modèle ci-dessous est une version simplifiée du modèle de régression multiple utilisé par
Biddle et Hamermesh (1990) pour étudier l’arbitrage entre le temps de sommeil et le temps de
travail ainsi que les autres facteurs affectant le temps consacré au sommeil :

sleep = 0 + 1totwork + 2educ + 3age + u

où sleep et totwork sont mesurés en minutes par semaine et désignent respectivement le temps de
sommeil et le temps de travail. Par contre, educ (niveau d’éducation) et age sont mesurés en
années.

(i) Si les adultes font un arbitrage entre le sommeil et le travail, quel doit être le signe de
1 ?

(ii) Quels sont les signes attendus de  2 et  3 ? Expliquer.

2
 (iii) Après estimation, l’équation suivante a été obtenue :

sleep = 3638, 25− 0,148 totwork − 11,13 educ + 2, 20 age

(112,28) ( 0,017 ) ( 5,88) (1.45)

avec n = 706 (taille de l’échantillon) et R2 = 0,113 . Les écart-types des estimateurs

sont donnés dans les parenthèses.

Si un individu travaille 5 heures de plus par semaine, le temps de sommeil prédit

chutera de combien ? Est-ce un arbitrage énorme (donner votre appréciation
personnelle)?

(iv) Discuter le signe et l’ampleur du coefficient estimé de la variable educ.

(v) Pensez-vous que les variables totwork, educ et age expliquent une grande partie de la
variation de la variable sleep ? Quels autres facteurs peuvent expliquer le temps
consacré au sommeil ?

(vi) Les variables educ et age sont-elles individuellement significatives au seuil de 5% ? Ces
deux variables sont-elles conjointement significatives aux seuils de 10%, 5% et 1% ?

(vii) L’on suppose que l’équation du temps de sommeil sleep révèle une forme
d’hétéroscédasticité. Qu’est-ce que cela implique pour les tests effectués
précédemment ?

Exercice 5

Considérons le modèle de régression suivant : yi =  +  xi +  i où les perturbations  i ont pour

1
fonction densité de probabilité : f (  i ) = exp ( − i ) ,  i  0 . Ce modèle est particulier car il

suppose que les perturbations sont toutes positives. Notons que E (  i xi ) =  et Var (  i xi ) =  2 .

Montrer que l’estimateur des moindres carrés du coefficient est sans biais mais celui du terme
constant est biaisé.

3
Exercice 6 (*)

Soit b l’estimateur des moindres carrés ordinaires du vecteur de coefficient de la régression de y

sur X et c un autre vecteur K 1 . Prouver que la différence des deux sommes des carrés des

résidus est égale à ( c − b ) X X ( c − b ) . Montrer que cette différence est définie positive.

Exercice 7 (*)

Un monopoleur maximisant son revenu fait face à un coût marginal de 8 dollars US. La fonction
de demande du bien qu’il produit est donnée par :

Q = + P +

Afin d’estimer l’équation de demande stochastique ci-dessus, le tableau suivant a été établi :

Quantité 5 15 12 17 22
demandée (Q)

Prix (P) 20 14 16 10 8

Par le biais de la méthode des moindres carrés ordinaires, déterminer l’intervalle de confiance à
95% de la valeur espérée de la quantité maximisant le profit de ce monopoleur.

Note : La valeur critique à 95% de la distribution de Student, avec 3 comme degré de liberté, est
3.182.

4
5
6