Modele Lineaire

Econométrie du Modèle Linéaire
Licence 3
Richard MOUSSA, PhD

.
Maître de Conférences Agrégé en Economie
Spécialité: Statistique et Econométrie
.
ENSEA-Abidjan
2023-2024
Econométrie du Modèle Linéaire. sites.google.com/view/moussakrichard 1/102

Sommaire
1 Introduction générale
2 Modèle linéaire simple
3 Modèle linéaire multiple
4 Tests d’hypothèses
5 Problème d’hétéroscédasticité
6 Remarques conclusives

Sommaire
Bibliographie
Greene, W. (2018), Econometrics Analysis, 8th Edition, Pearson.

Cameron, A. C. et Trivedi, P. K. (2005), Microeconometrics :
Methods and Applications, Cambridge University Press
Wooldridge, J. (2001), Econometrics Analysis of Cross section and
Panel Data, The MIT Press

Introduction générale

Note introductive
Pour étudier un phénomène on le représente par des variables que l’on relie
à d’autres variables par une relation mathématique : on parle de modèle
théorique.
Exemple : Pour le modèle Keynesien (la consommation C est fonction du

revenu R), on a : C = f (R).
Cependant, le modèle issue de la théorie économique est tel que :

Ne donne que le sens dans lequel les variables affectent les autres
Ne donne pas la forme de la relation mathématique
Ne donne pas la définition et la mesure des variables

Note introductive
L’économétrie vient donc tester la validité des modèles théoriques. Elle

procède comme suit :
Utiliser un modèle théorique
Spécifier le modèle (choix d’une forme fonctionnelle respectant les
hypothèses du modèle théorique)
Définir et mesurer les variables sur un échantillon
Estimer les paramètres du modèle et utiliser des méthodes statistiques
pour en tester la validité.
Les résultats des estimations économétriques peuvent servir à :
Calculer des prévisions
Faire des simulations de mesures de politiques

Modèle linéaire simple

Spécification
Hypothèses
Méthodes d’estimation
Estimateurs et propriétés
Qualité de l’ajustement
Interprétation des coefficients

Modèle linéaire simple Spécification
Plan

Spécification
Hypothèses
Modèle linéaire simple Spécification
Ecriture du modèle
On considére le modèle ci-dessous :
yi = a + bxi + ϵi
Où :
yi est la valeur de la variable expliquée (dépendante) y pour l’individu i
xi est la valeur de la variable explicative (indépendante) x pour
l’individu i
yi et xi sont observés
a et b sont les paramètres du modèle (inconnus et à estimer)
ϵi est le terme d’erreur (inobservé et aléatoire)

Modèle linéaire simple Hypothèses
Plan

Spécification
Hypothèses
Sur le terme d’erreur
On émet les hypothèses suivantes sur le terme d’erreur :

Le terme d’erreur est d’espérance nulle : E (ϵi ) = 0
La variance du terme d’erreur est stable (terme d’erreur
homoscédastique ) : V (ϵi ) = σ 2
Le terme d’erreur ne présente pas d’autocorrélation :
Cov (ϵi , ϵj ) = E (ϵi ϵj ) = 0 ∀ i ̸= j

Sur la variable explicative
Sur la variable explicative, on émet les hypothèses suivantes :

La variable xi est certaine (pas aléatoire)
Le terme d’erreur et la variable explicative sont non corrélés (absence
d’endogénéité) Cov (ϵi , xi ) = 0
N
La variable xi est de variance non nulle : V (x) = N1 (xi − x̄)2 ̸= 0
P
i=1
La variance asymptotique de xi est finie : lim V (x) = σx2 ̸= 0
N→∞

Modèle linéaire simple Méthodes d’estimation
Plan

Spécification
Hypothèses
Modèle linéaire simple Méthodes d’estimation
Moindres Carrés Ordinaires (MCO) ou Maximum

de Vraisemblance (MV)
Deux grandes méthodes d’estimation :

Les moindres carrés ordinaires (MCO) : consiste à trouver les
paramètres a et b qui minimisent la somme des carrés des erreurs.
N
X N
X
ϵ2i = (yi − a − bxi )2
i=1 i=1
Le maximum de vraisemblance (MV) : consiste à trouver les

paramètres a et b qui maximisent la "vraisemblance" que l’échantillon
observé soit issu de la loi de ϵ.

Modèle linéaire simple Estimateurs et propriétés
Plan

Spécification
Hypothèses
Estimateurs
Les dérivations des conditions de premier ordre (CPO) donnent les

estimateurs suivants (pour la méthode MCO) :
Cov (x, y )
b̂ =
V (x)
â = ȳ − b̂x̄
Où x̄ et ȳ sont les moyennes arithmétiques des variables x et y
respectivement.

Propriétés : biais et variance
On montre que â et b̂ sont des estimateurs sans biais.

Pour rappel, un estimateur est sans biais lorsque son espérance vaut le
paramètre à estimer : E (b̂) = b.
Les variances des estimateurs sont données par :
σx2
V (b̂) =
NV (x)
σx2
V (â) = x̄ 2 V (b̂) +
N

Modèle linéaire simple Qualité de l’ajustement
Plan

Spécification
Hypothèses
Valeur prédite et résidu
La valeur prédite de y est donnée par :
ŷi = â + b̂xi
Le résidu d’estimation est donné par :
ϵ̂i = yi − ŷi
On montre que :
N
X N
X
ϵ̂i = 0 et xi ϵ̂i = 0
i=1 i=1

Equation d’Analyse de la Variance
Ainsi, on a :
ȳ = ŷ¯
Ce qui permet d’ écricre l’ équation ( d’analyse de la variance) suivante :
N
X N
X N
X
(yi − ȳ )2 = (ŷi − ŷ¯ )2 + ϵ̂2i
i=1 i=1 i=1
Si l’ajustement est de bonne qualité,ŷi devrait « quasiment » coincider

avec yi et donc ϵ̂i devrait être nulle.
N
(ŷi −ŷ¯ )2
P
i=1
Ainsi , la métrique R2 = N
qui est comprise entre 0 et 1, donne une
(yi −ȳ )2
P
i=1
idée de la qualité de l’ajustement. Un R2 proche de 1 signifie un bon
ajustement.
Modèle linéaire simple Interprétation des coefficients
Plan

Spécification
Hypothèses
La constante (intercept)
Soit le modèle : yi = a + bxi + ϵi .
Comment interpréter les coefficients ?

Le coefficient a est l’intersection à l’origine : la valeur de y lorsque x
est nulle.
Le coefficient b est interprété en fonction de la nature et des
transformations faites sur les variables.
On distingue plusieurs cas :

La pente (slope)
Si x et y sont continues et qu’aucune transformation n’est faite sur
ces variables, alors b est un effet marginal ; c’est-à-dire l’effet d’une
variation unitaire de x sur y .
On dira : lorsque x varie d’une unité, y varie de b unité(s).
Si y est continue et x est binaire (indicatrice), alors b est la différence

de moyenne de y entre les deux catégories de x ; c’est-à-dire
b = E (y /x = 1) − E (y /x = 0).
On dira : les individus ayant x = 1 ont en moyenne b unité de y

de plus/moins que ceux ayant x = 0.
Si x et y sont des transformations log (c’est-à-dire

log (yi ) = a + b ∗ log (xi ) + ϵi ), alors b est une élasticité.
On dira : si x varie de 1%, alors y varie de b%.

La pente (slope)
Si y est une transformation log et x est binaire (indicatrice),
c’est-à-dire log (yi ) = a + bxi + ϵi , alors le coefficient b est une
semi-élasticité mais n’est pas directement interprétable.
On calcule 100 ∗ (e b − 1) et on dira : les individus ayant x = 1 ont
en moyenne 100 ∗ (e b − 1) pourcent de y de plus/moins que ceux
ayant x = 0.
Si x est une transformation log et y est continue et n’a subi aucune

transformation, c’est-à-dire yi = a + b ∗ log (xi ) + ϵi , alors b est une
semi-élasticité.
On dira : si x varie d’un pourcent, y varie de b/100 pourcent..
Si y est une transformation log et x est continue et n’a subi aucune

transformation, c’est-à-dire log (yi ) = a + bxi + ϵi , le coefficient b est
une semi-élasticité.
On dira : si x varie d’une unité, y varie de 100 ∗ b pourcent.
Modèle linéaire multiple

Spécification
Hypothèses
Prédiction
Théorème de Frisch Waugh et applications
Variance de l’estimateur
Hypothèse de normalité et implications
Interprétation des coefficients : les interactions
Modèle linéaire multiple Spécification
Plan

Spécification
Hypothèses
Prédiction
Ecriture du modèle
On considère le modèle linéaire suivant (∀ t = 1, .., T ) :

K
X
yt = β0 + β1 Xt1 + β2 Xt2 + .. + βK XtK + ϵt = β0 + βk Xtk + ϵt
k=1
Où les X k , k = 1, .., K sont des variables explicatives.
Sous forme vectorielle, le modèle peut s’écrire :
yt = Xt β + ϵt
Avec Xt = (1, Xt1 , .., XtK ) et β = (β0 , β1 , .., βK )′ .
Si on définit e = (1, 1, .., 1)′ , le vecteur colonne des 1 de dimension (T , 1),

alors on a Xt = (et , Xt1 , .., XtK ).

Ecriture du modèle
Sous forme matricielle, on a :
Y = Xβ + ϵ
Où Y = (y1 , .., yt , .., yT ), ϵ = (ϵ1 , .., ϵt , .., ϵT )′ , et
1 X11 .. X1K
 
. 
 
. 
 1 K

1 Xt
X = .. Xt 

. 
 
. 
1 XT1 .. XTK

Modèle linéaire multiple Hypothèses
Plan

Spécification
Hypothèses
Prédiction
Modèle linéaire multiple Hypothèses
Sur le terme d’erreur et les variables explicatives
On émet les hypothèses suivantes :

H1 : E (ϵ) = 0
H2 : la matrice X est certaine
H3 : la matrice X est de plein rang colonne : rg (X ) = K + 1
H4 :V (ϵ) = σ 2 IT , ce qui implique que :
2
σ si t = s
Cov (ϵt , ϵs ) =
0 si t ̸= s
X ′X
H5 : lim = VX qui est une matrice semi définie positive.
T →∞ T
H6 : ϵ ∼ N(0, σ 2 IT ) ou encore ϵt ∼ iid(0, σ 2 )

Modèle linéaire multiple Méthodes d’estimation
Plan

Spécification
Hypothèses
Prédiction
Moindres Carrés Ordinaires (MCO)
On minimise la somme des carrés des erreurs :

T
X
min (yt − β0 − β1 Xt1 − β2 Xt2 − .. − βK XtK )2
β
t=1
Soit
T
X
min (yt − Xt β)2
β
t=1
Ce qui est équivalent à (minimiser une forme quadratique) :
min(Y − X β)′ (Y − X β)
β

Moindres Carrés Ordinaires (MCO)

Le programme précédent peut être réécrit comme suit :
min Y ′ Y − 2Y ′ X β + β ′ X ′ X β
β
Pour rappel, pour toute fonction :

f : ℜp → ℜ
z 7→ f (z)
On a :
Si f (z) = a′ z avec a = (a1 , ..., ap )′ ,alors :
∂f
=a
∂z
Si f (z) = z ′ Az avec A une matrice symétrique, alors :
∂f
= 2Az
∂z

Modèle linéaire multiple Estimateurs et propriétés
Plan

Spécification
Hypothèses
Prédiction
Estimateurs
Les conditions de premier order (CPO) donne (les équations normales) :
X ′X β = X ′Y
Ainsi, l’estimateur par la méthode des MCO est donné par :
β̂MCO = (X ′ X )−1 X ′ Y
= β + (X ′ X )−1 X ′ ϵ
On peut remarquer que :

β̂MCO est aléatoire et linéaire en Y.
β̂MCO n’est unique que si X ′ X est inversible.

Propriétés : biais et variance
On montre que :
β̂MCO est un estimateur sans biais :

E β̂MCO = β
La variance de β̂MCO est donnée par :

V β̂MCO = σ 2 (X ′ X )−1

Propriétés : convergence
L’estimateur β̂MCO est convergent (en probabilité) : Lorsque T tend vers
l’infini, β̂MCO tend vers β.
plim β̂MCO = β
T →∞
Pour montrer la convergence en probabilité, l’on peut montrer la

convergence en moyenne quadratique (qui implique la convergence en
probabilité). On a :

′
= V β̂MCO = σ 2 (X ′ X )−1

E β̂MCO − β β̂MCO − β
Ainsi, on a :

′
= lim σ 2 (X ′ X )−1

lim E β̂MCO − β β̂MCO − β
T →∞ T →∞

Propriétés : convergence
Donc :
−1
σ2 X ′X

′
lim E β̂MCO − β β̂MCO − β = lim
T →∞ T →∞ T T
= 0
X ′X
Car lim = VX est finie.
T →∞ T
On a ainsi la convergence en moyenne quadratique, donc β̂MCO est

convergent en probabilité.
Par ailleurs, en supposant l’hypothèse de normalité des erreurs, i.e.

ϵ ∼ N(0, σ 2 IT ), on a :
√

−1
T β̂MCO − β loi N 0, VX
→
L’estimateur β̂MCO est donc asymptotiquement normal.

Modèle linéaire multiple Qualité de l’ajustement
Plan

Spécification
Hypothèses
Prédiction
Valeur prédite
La valeur prédite est définie comme suit :
Ŷ = X β̂MCO
Elle est obtenue par projection de Y dans l’espace vectoriel engendré par
les X (noté L(X )). On a :
Ŷ = X β̂MCO
= X (X ′ X )−1 X ′ Y
= PX Y

Résidu
Le résidu d’estimation est défini comme suit :
ϵ̂ = Y − Ŷ
Il est obtenu par projection de Y dans l’orthogonal de l’espace vectoriel

engendré par les X (noté L⊥ (X )). On a :
ϵ̂ = Y − Ŷ
= Y − PX Y

= IT − PX Y
= MX Y

Equation d’analyse de la variance
On sait que e ∈ L(X ), Ŷ ∈ L(X ), et ϵ̂ ∈ L⊥ (X ). Ainsi, on a :

T
X
′
e ϵ̂ = ϵ̂t = 0
t=1
Donc, partant de Y = Ŷ + ϵ̂, on a : Ȳ = Ŷ¯ . On a donc :

¯ + ϵ̂
Y − Ȳ e = Ŷ − Ŷe
¯ ∈ L(X ) et ϵ̂ ∈ L⊥ (X ), on obtient (en appliquant la
Vu que Ŷ − Ŷe
prorpiété de Pythagore) :
¯ 2 +∥ϵ̂∥2
∥Y − Ȳ e∥2 = ∥Ŷ − Ŷe∥

Equation d’analyse de la variance
En d’autres termes (q́uation d’analyse de la variance), on a :

T T T
X X ¯ X
(yt − Ȳ )2 = (ŷt − Ŷ )2 + ϵ̂2
t=1 t=1 t=1
V (Y ) = V (Ŷ ) + V (ϵ̂)
On a donc :
V (Ŷ ) V (ϵ̂)
R2 = =1−
V (Y ) V (Y )

Coefficient de détermination
Remarques :
Le R2 ne peut être calculé que si la constante (ou une combinaison de
variable donnant la constante) est incluse dans le modèle.
Le R2 augmente avec le nombre de variables explicatives. On calcule
un R2 ajusté qui corrige ceci en faisant (le R2a décroit avec l’ajout de
variables, il peut donc être négatif) :
T −1
R2a = 1 − (1 − R2)
T −K

Modèle linéaire multiple Prédiction
Plan

Spécification
Hypothèses
Prédiction
Prédiction et biais
Que devient yt si à la date t l’on observe Xs au lieu de Xt ?

On parle de prédiction, ce qui est différent de la prévision.
La prédiction est donnée par ŷs = Xs β̂MCO et l’erreur de prédiction est
donnée par ϵ̂s = ys − ŷs . On montre que :

E ϵ̂s = E Xs β + ϵs − Xs β̂MCO

= Xs E β − β̂MCO + E ϵs
= 0

Ainsi, on a E ŷs = ys . La prédiction ŷs est une prédiction sans biais de ys .

Prédiction et variance
On sait que E ϵ̂s = 0, donc V ϵ̂s = E ϵ̂2s . Ainsi,

2

V ϵ̂s = E Xs β − β̂MCO + ϵs
2

= E Xs β̂MCO − β − ϵs

′ ′
= E Xs β̂MCO − β − ϵs β̂MCO − β Xs − ϵs
On sait que Xs est certain, β̂MCO − β = (X ′ X )−1 X ′ ϵ et les ϵs sont deux à

deux non correlés. Donc :
V ϵ̂s = Xs V β̂MCO Xs′ + V (ϵs )

2 ′ −1 ′
= σ Xs (X X ) Xs + 1
La qualité de la prédiction dépend donc de σ 2 et de la variance de β̂MCO .

Modèle linéaire multiple Théorème de Frisch Waugh et applications
Plan

Spécification
Hypothèses
Prédiction
Enoncé du théorème
Soient les modèles suivants :

Y = X β + Z γ + ϵ (a)
MZ Y = MZ X β + MZ ϵ (b)
Avec MZ = Z (Z ′ Z )−1 Z ′ la matrice de projection dans l’orthogonal de

l’espace engendré par les Z . On a :
β̂a = β̂b

Preuve du théorème
Partant de l’équation (b), on a :
−1

′ ′
β̂b = MZ X MZ X MZ X MZ Y
−1
= X ′ MZ X X ′ MZ Y
Considérant l’équation (a), on a :

β
Y = (X , Z ) +ϵ
γ
Les équations normales sont données par :
′ ′
X β X
(X , Z ) = Y
Z′ γ Z′
C’est-à-dire :
′
X ′Z
′
XX β XY
=
Z ′X Z ′Z γ Z ′Y
Preuve du théorème
On a donc :
X ′X β + X ′Z γ = X ′Y

Z ′X β + Z ′Z γ = Z ′Y
En procédant par substitution, on a :
γ̂ = (Z ′ Z )−1 (Z ′ Y − Z ′ X β)
Ainsi, on a :
X ′ X β̂ + X ′ Z (Z ′ Z )−1 (Z ′ Y − Z ′ X β̂) = X ′ Y
X ′ X β̂ + X ′ PZ Y − X ′ PZ X β̂ = X ′ Y
X ′ (IT − PZ )X β̂) = X ′ (IT − PZ )Y
X ′ MZ X β̂ = X ′ MZ Y
D’où :
β̂a = (X ′ MZ X )−1 X ′ MZ Y
Implications
On a :
On sait que MZ Y est le résidu de la régression de Y sur Z , MZ X est
défini de manière analogue.
MZ Y et MZ X sont décorrelés de Z .
Ainsi, β̂a peut être obtenu de manière équivalente soit par estimation
directe du modèle (a) ou par estimation du modèle (b) qui est une
régression entre résidus d’estimation.
Régresser Y sur X en contrôlant de Z peut être fait en enlevant toute
corrélation à Z dans Y et X puis en faisant la régression sur ces
nouvelles variables décorrelées.

Implications
Par conséquent, on a :
Biais de variables omises : Si le bon modèle est Y = X β + Z γ + ϵ,
alors estimer le modèle Y = X β + ϵ engendre un estimateur biaisé de
β ; sauf si X et Z sont orthogonaux (i.e., X ⊥ Z ).
Centrer toutes les variables X et Y avant de faire la régression (en
excluant la constante) est équivalent à la régression non centrée avec
la constante.
Inclure une variable indicatrice (dummy) dans le modèle revient à
remplacer par 0 les valeurs prises par X et Y à la date où l’indicatrice
prend 1.

Modèle linéaire multiple Variance de l’estimateur
Plan

Spécification
Hypothèses
Prédiction
Estimateur de la variance
On sait que V β̂MCO = σ 2 (X ′ X )−1 .

Cependant, σ 2 est inconnu (car ϵ est inconnu). On utilise donc son

estimateur sans biais.
SCR
σ̂ 2 =
T −K −1
ϵ̂′ ϵ̂
=
T −K −1
T
1 X
= ϵ̂2t
T −K −1
t=1
Ainsi, on a :
V̂ β̂MCO = σ̂ 2 (X ′ X )−1

Estimateur sans biais de la variance : preuve

On sait que ϵ̂ = MX ϵ donc ϵ̂′ ϵ̂ = ϵ′ MX ϵ. Ainsi, on a :

′
E (SCR) = E ϵ MX ϵ

′ ′
= E tr (ϵ MX ϵ) = E tr (MX ϵ ϵ)

= tr E (MX ϵ′ ϵ)

′
= tr E (MX ϵ ϵ)

= tr MX E (ϵ′ ϵ)
= σ 2 tr (MX )
= σ 2 (T − K − 1)
Par conséquent, on a : E (σ̂ 2 ) = σ 2 .
Efficacité de l’estimateur MCO
On montre que V β̂MCO = σ 2 (X ′ X )−1 est minimale dans la famille des

estimateurs sans biais : on dit que β̂MCO est efficace.
Preuve : Soit β ∗ = HY un estimateur sans biais de β et soit

L = H − (X ′ X )−1 X ′ . On a donc β ∗ = β̂MCO + LY .
∗ et β̂
Vuque β sont des estimateurs sans biais, on a
MCO

E β̂MCO = E β ∗ = 0. On a donc E (LY ) = 0 :
E (LY ) = 0 ⇐⇒ E (LX β + Lϵ) = 0

⇐⇒ LX β + E (Lϵ) = 0
⇐⇒ LX β = 0


On a :
β ∗ = β̂MCO + LY
= β + (X ′ X )−1 X ′ ϵ + Lϵ

Donc β − E (β ) = β − β = (X X ) X + L ϵ. Ainsi, la variance de β ∗
∗ ∗ ∗ ′ −1 ′
est donnée par :

∗
∗
∗
′
V β = E β −β β −β

′
(X ′ X )−1 X ′ + L ϵϵ′ (X ′ X )−1 X ′ + L

= E
′
= (X ′ X )−1 X ′ + L E ϵϵ′ (X ′ X )−1 X ′ + L

= σ 2 (X ′ X )−1 + LL′


Ainsi, on a :
V β ∗ − V β̂MCO = σ 2 LL′

La matrice LL′ étant définie positive, on en déduit que V β̂MCO est

minimale.
L’estimateur β̂MCO est donc :

Linéaire en Y
Sans biais
De variance minimale parmi les estimateurs sans biais
On dit que β̂MCO est le Best Linear Unbiased Estimator (BLUE) : c’est le
meilleur estimateur linéaire sans biais.

Modèle linéaire multiple Hypothèse de normalité et implications
Plan

Spécification
Hypothèses
Prédiction
Estimation par maximum de vraisemblance

Pour rappel, on suppose que H6 : ϵ ∼ N(0, σ 2 IT ). Cette hypothèse permet
de :
introduire la méthode d’estimation par maximum de vraisemblance
trouver les lois des paramètres estimés
réaliser des tests d’hypothèses sur le modèle
Partant de l’équation Y = X β + ϵ et sachant que X est certain, on en
déduit que Y suit la même loi que ϵ. On a :
E (Y ) = X β et V (Y ) = σ 2 IT ,
donc, Y ∼ N(X β, σ 2 IT )
En utilisant l’hypothèse H4 , on a : yt ∼ N(Xt β, σ 2 ). D’où

1 1 2
f yt = √ exp − 2 yt − Xt β
σ 2π 2σ


La vraisemblance du modèle (produit des densités individuelles) est donnée :
T
Y
2

L(X , Y , β, σ ) = f yt
t=1
T !
Y 1 1 2
= √ exp − 2 yt − Xt β
σ 2π 2σ
t=1
T
T !
1 1 X 2
= √ exp − 2 yt − Xt β
σ 2π 2σ
t=1
En passant au log, on a :
T
2 T 2 T 1 X 2
log L(β, σ ) = − log (σ ) − log (2π) − 2 yt − Xt β
2 2 2σ
t=1
T T 1
= − log (σ 2 ) − log (2π) − 2 (Y − X β)′ (Y − X β)
2 2 2σ

L’estimateur de β
Maximiser la log-vraisemblance par rapport à β revient à maximiser la
(partie) de la fonction −(Y − X β)′ (Y − X β) par rapport à β donc
(programme dual) à minimiser (Y − X β)′ (Y − X β) par rapport à β. Ainsi :
β̂MV = β̂MCO
L’estimateur de σ 2
La dérivée de la log-vraisemblance par rapport à σ 2 , on a :
∂log L(β, σ 2 )

T 1
2
= − 2 + 4 (Y − X β)′ (Y − X β) = 0
∂σ 2σ σ
On a donc :
1 SCR
2
σ̂MV = (Y − X β̂MV )′ (Y − X β̂MV ) =
T T
2
L’estimateur σ̂MV est donc biaisé.
Modèle linéaire multiple Interprétation des coefficients : les interactions
Plan

Spécification
Hypothèses
Prédiction
Equation avec interactions
On considère le modèle suivant :
yt = β0 + β1 xt + β2 xt zt + ϵt
Le terme xt zt est appelé terme d’interaction.

Pourquoi un terme d’interaction : L’inclusion d’un terme
d’interaction se justifie par le fait que l’effet d’une explicative xt sur la
variable d’intérêt dépend des valeurs prises par une autre variable zt .
Exemple : l’effet du nombre d’enfants sur la probabilité d’être en
emploi pourrait varier en fonction du sexe.

L’effet de xt sur yt est donné par :

∂yt
= β1 + β2 zt
∂xt
Cet effet est positif si β2 zt > −β1 .
Si xt = zt , on a un effet non linéaire en U si β2 > 0 e en U inversé si
β2 < 0.
Si zt est une variable binaire (dummy), l’effet de xt sur yt est donné
par :
β1 si zt = 0
β1 + β2 si zt = 0

Tests d’hypothèses
Loi des estimateurs
Test sur un paramètre
Test sur un plusieurs paramètres
Stabilité des paramètres

Tests d’hypothèses
Rappel sur les tests d’hypothèses
Les étapes d’un test d’hypothèse sont :

Écriture deH0 et Ha
Choix d’un niveau de risque de première espèce α(5% généralement)
Construire une statistique de test et déterminer sa loi sous H0
Déterminer une région de rejet
Prendre la décision : si la valeur calculée de la statistique appartient à
la région de rejet, on rejette H0
Pour réaliser des tests sur les parametres, il convient de :
identifier la loi de β̂MCO et σ̂ 2 .
s’assurer que β̂MCO et σ̂ 2 sont indépendants.

Tests d’hypothèses Loi des estimateurs
Plan
Loi des estimateurs
Loi de β̂MCO et de σ̂ 2
On sait que β̂MCO = β + (X ′ X )−1 X ′ ϵ et on suppose que ϵ ∼ N(0, σ 2 IT ).

Sachant que X est certain, on en déduit que β̂MCO suit la même loi que ϵ.
Sachant que E β̂MCO = β et V β̂MCO = σ(X ′ X )−1 . On a donc :

2
L’estimateur de β̂MCO est Gaussien : β̂MCO ∼ N β, σ (X X ) ′ −1

2
∀ k = 0, .., K , on a : β̂k ∼ N βk , σ xkk , oú xkk est le k + 1eme
élément de la matrice (X ′ X )−1 .
Concernant l’estimateur de la variance, on a :
ϵ̂′ ϵ̂ ϵ′ MX ϵ
σ̂ 2 = = .
T −K −1 T −K −1

Loi de σ̂ 2

On sait que si η ∼ N 0, I et que A est une matrice de rang p, alors
η ′ Aη ∼ χ2p .
Ainsi, on a :
′
ϵ′ MX ϵ

ϵ ϵ
MX = ∼ χ2T −K −1
σ σ σ2
σ̂ 2
= (T − K − 1) 2 ∼ χ2T −K −1
σ

Indépendance entre β̂MCO et σ̂ 2
ϵ̂ ϵ̂ ′
Vu que σ̂ 2 = T −K −1 , il suffit donc de montrer que β̂MCO et ϵ̂ sont
indépendants. Or β̂MCO = β + (X ′ X )−1 X ′ ϵ et ϵ̂ = MX ϵ sont tous deux
Gaussiens (car combinaison linéaire de Gaussiens).
Ainsi,Cov (β̂MCO , ϵ̂) = 0 est équivalent à l’indépendance entre β̂MCO et ϵ̂.
Cov (β̂MCO , ϵ̂) = E ((β̂MCO − E (β̂MCO ))(ϵ̂ − E (ϵ̂))′ )
Or
E (ϵ̂) = 0, ϵ̂ = MX ϵ et β̂MCO − E (β̂MCO ) = β + (X ′ X )−1 X ′ ϵ
Ainsi,
Cov (β̂MCO , ϵ̂) = E ((X ′ X )−1 X ′ ϵϵ′ Mx ))

= (X ′ X )−1 X ′ E (ϵϵ′ )Mx

Indépendance entre β̂MCO et σ̂ 2
Cov (β̂MCO , ϵ̂) = σ 2 (X ′ X )−1 X ′ Mx

= σ 2 (X ′ X )−1 (Mx X )′ = 0
Car MX X = 0.

Tests d’hypothèses Test sur un paramètre
Plan
Loi des estimateurs
Statistique de test et loi
A présent, partant de β̂MCO ∼ N(βk , σ 2 xkk ) , on a :
β̂MCO − βk
√ ∼ N(0, 1)
σ xkk
Cependant,σ n’est pas connu. On va utiliser son estimateur. On sait que

2
(T − K − 1) σ̂σ2 ∼ χ2T −K −1 .
Or A ∼ N(0, 1) et B ∼ χp avec A et B indépendants, alors
A
q ∼ St(p)
A
B

Test significativité individuelle
Ainsi,
β̂k√−βk
σ χkk β̂k − βk
r = √ ∼ St(T − K − 1)
2
(T −K −1) σ̂2 σ̂ xkk
σ
T −K −1
Si on veut tester H0 :βk = 0 vs. Hα :βk ̸= 0,on utilise donc comme

statistique de test :
β̂k
t= √
σ̂ xkk
Si |t| > t1− α2 on rejette l’hypothèse nulle H0 .
On peut également utiliser la p-valeur, la probabilité qu’une Student à

T − K − 1 degré de liberté soit superieure à la statistique calculée. Si
p < 5%,on rejette H0 .

Tests d’hypothèses Test sur un plusieurs paramètres
Plan
Loi des estimateurs
Tests sur le vecteur β

On s’intéresse à un test de restrictions linéaires sur le vecteur β. On a :
H0 : Rβ = c
Où R est de rang r ,i.e. qu’il y a r contraintes indépendantes.
Par exemple :
Pour tester H0 : β1 = β2 et β3 = β4 , on a :

0 1 −1 0 .. 0
R=
0 0 1 −1 0 0
et

0
c=
0


Pour tester H0 : β1 + β2 = 1 on a :

R = 0 1 1 0 ...0 et c = (1)
Pour tester H0 : β1 = β2 = ... = βK = 0, c’est-à-dire le test de
significativité globale, on a :
 
0 1 0 ... 0
. 0 . .
 
R = . .
 .

. . 0
0 0 ... 0 1
et
 
0
.
 
.
c = 
.
0

Réaliser ce test revient à faire une estimation MCO contrainte et à
comparer les résultats avec ceux du MCO non contraint.
Le modèle contraint est :
minβ (Y − X β)′ (Y − X β)

s/c Rβ = c
Le Lagrangien de ce modèle est :
L = (Y − X β)′ (Y − X β) + (Rβ − c)′ λ
Les CPO donnent :
∂L
= −2X ′ Y + 2X ′ X β + R ′ λ = 0
∂β
∂L
= Rβ − c = 0
∂λ


On a donc : R β̂c = c.
On a également : −2X ′ Y + 2X ′ X β̂c = −R ′ λ̂.
En multipliant par (X ′ X )−1 , on a :

1
β̂c − β̂MCO = − (X ′ X )−1 R ′ λ̂
2
Ainsi, on a :
1 1
R(β̂MCO − (X ′ X )−1 R ′ λ̂) = R β̂MCO − R (X ′ X )−1 R ′ λ̂ = c
2 2
Sachant R est de plein rang et X’X est inversible, on a :
λ̂
= (R(X ′ X )−1 R ′ )−1 (R β̂MCO − c)
2

On en déduit que :
β̂c = β̂MCO − (X ′ X )−1 R ′ (R(X ′ X )−1 R ′ )−1 (R β̂MCO − c)
Sous H0 , β̂c est sans biais et on a :

V β̂MCO − V β̂c = σ 2 (X ′ X )−1 R ′ (R(X ′ X )−1 R ′ )−1 R(X ′ X )−1
Cependant lorsque H0 n’est pas vérifiée,β̂c est biaisé.
A présent, partant du modèle non contraint, on a :
R β̂MCO ∼ N(Rβ, σ 2 R(X ′ X )−1 R ′ )
Ainsi, sous H0 , on a :
R β̂MCO − c ∼ N(0, σ 2 R(X ′ X )−1 R ′ )


On a par conséquent,
(R β̂MCO − c)′ (σ 2 R(X ′ X )−1 R ′ )−1 (R β̂MCO − c) ∼ χ2r

2
Vu que σ 2 est inconnu, on utilise (T − K − 1) σ̂σ2 ∼ χ2T −K −1 et sachant
A/a
que si A ∼ χ2a et B ∼ χ2b avec A et B indépendants, B/b ∼ Fa,b , on a :
(R β̂MCO −c)′ (σ 2 R(X ′ X )−1 R ′ )−1 (R β̂MCO −c)

r
2 ∼ Fr ,T −K −1
(T −K −1) σ̂2
σ
T −K −1
On en déduit que :
(R β̂MCO − c)′ (R(X ′ X )−1 R ′ )−1 (R β̂MCO − c)

f = ∼ Fr ,T −K −1
r σ̂ 2
Il suffit donc d’estimer le modèle non contraint pour réaliser le test.
La précédente statistique peut être simplifiée en utilisant les SCR.
On sait que : ϵ̂C = Y − X β̂C . En incluant X β̂MCO , on a :
ϵ̂C = Y − X β̂MCO + X β̂MCO − X β̂C

= ϵ̂NC + X (β̂MCO − β̂C )
Donc la SCR du modèle contraint est :
SCRC = ϵ̂′C ϵ̂C = (ϵ̂NC + X (β̂MCO − β̂C ))′ (ϵ̂NC + X (β̂MCO − β̂C ))
Sachant que X ′ ϵ̂NC = ϵ̂′NC X = 0, on a :
SCRC = ϵ̂′NC ϵ̂NC + (β̂MCO − β̂C )′ X ′ X (β̂MCO − β̂C )

Remplacant β̂MCO − β̂C par (X ′ X )−1 R ′ (R(X ′ X )−1 R ′ )−1 (R β̂MCO − c), on
a donc :
′
SCRC − SCRNC = (X X ) R (R(X X ) R ) (R β̂MCO − c) X ′ X
′ −1 ′ ′ −1 ′ −1

′ −1 ′ ′ −1 ′ −1
(X X ) R (R(X X ) R ) (R β̂MCO − c)
= (R β̂MCO − c)′ (R ′ (X ′ X )−1 R)−1 (R β̂MCO − c)
(R β̂MCO −c)′ (R ′ (X ′ X )−1 R)−1 (R β̂MCO −c)

Ainsi, la statistique f = r σ̂ 2
devient
SCRC − SCRNC SCRC − SCRNC T − K − 1

f = = ∼ Fr ,T −K −1
r TSCR NC
−K −1
SCRNC r

On peut également exprimer la statistique f en utilisant les R2. On a (pour

rappel) :
V (Y ) − V (ϵ̂) SCR
R2 = =1−
V (Y ) TV (Y )
Ainsi, on a SCR = TV (Y )(1 − R2). Par conséquent :
SCRC = TV (Y )(1 − R2C ) et SCRNC = TV (Y )(1 − R2NC ). La statistique
f devient donc :

TV (Y ) (1 − R2C ) − (1 − R2NC )
T −K −1
f = ∼ Fr ,T −K −1
TV (Y )(1 − R2NC ) r
R2NC − R2C T − K − 1
= ∼ Fr ,T −K −1
1 − R2NC r

Test de significativité globale
Dans le cas du test de significativité globale, le modèle contraint est

Y = β0 e + ϵ ; donc Ŷ = β̂0 e. On a donc V (Ŷ ) = 0 d’où R2C = 0.
La statistique f devient donc

SCRC − SCRNC T − K − 1
f = ∼ FK ,T −K −1
SCRNC r
R2NC T − K − 1
= ∼ FK ,T −K −1
1 − R2NC K

Tests d’hypothèses Stabilité des paramètres
Plan
Loi des estimateurs
Test de stabilité des coefficients

Le modèle tel qu’estimé jusqu’ici fait l’hypothèse d’une stabilité
(structurelle) des paramètres du modèle.
Cependant, les paramètres du modèle pourraient différer d’un groupe à

l’autre ou d’une sous période à l’autre.
Afin de s’en assurer, l’on pourrait réaliser un test de stabilité des

paramètres. On présentera ici le test de Chow.
Supposons qu’il existe une date T1 < T telle que :
yt = Xt β 1 + ϵt si t ≤ T1
yt = Xt β 2 + ϵt si t > T1
Estimer yt = Xt β + ϵt ∀ t revient à estimer une version contrainte de

l’équation ci-dessus avec pour contrainte β 1 = β 2 .
Test de Chow
Ainsi, réaliser le test de Chow revient à tester H0 : β 1 = β 2 sur le modèle :
yt = Xt β 1 + ϵt si t ≤ T1
yt = Xt β 2 + ϵt si t > T1
On utilise la statistique f dérivée précédemment en remarquant que :

Le modèle non contraint contient 2K + 2 paramètres à estimer
l’hypothèse nulle (H0 : β 1 = β 2 ) revient à K + 1 contraintes linéaires
indépendantes.
Ainsi, on a :
SCRC − SCRNC T − 2K − 2
f = ∼ FK +1,T −2K −2
SCRNC K +1
Vu que le modèle non contraint est composé de deux équations, on a
SCRNC = SCR1 + SCR2 avec SCRi la SCR de l’équation yt = Xt β i + ϵt .
Problème d’hétéroscédasticité
Position du problème et conséquences
Procédure de test

Problème d’hétéroscédasticité Position du problème et conséquences
Plan
Procédure de test

Problème et conséquences
L’estimation MCO du modèle Y = X β + ϵ fait six hypothèses dont

H4 : V (ϵ) = σ 2 IT .
Lorsque cette hypothèse n’est pas vérifiée, du fait que
V (ϵt ) = σt2 ̸= σ 2 i.e.V (ϵ) = Ω ̸= σ 2 IT ,on dit qu’on a un problème
d’hétéroscédasticité( il n’y a pas d’homoscédasticité).
Quelles sont les conséquences d’un tel problème ?.
Analysons les propriétés de l’estimateur. On a :
E (β̂MCO ) = E (β + (X ′ X )−1 X ′ ϵ)
L’estimateur demeure donc sans biais.
E (β̂MCO ) = β

Problème et conséquences
On a :
V (β̂MCO ) = E ((β̂MCO − E (β̂MCO ))((β̂MCO − E (β̂MCO ))′ )

= E ((X ′ X )−1 X ′ ϵϵ′ X (X ′ X )−1 )
= (X ′ X )−1 X ′ E (ϵϵ′ )X (X ′ X )−1
= (X ′ X )−1 X ′ ΩX (X ′ X )−1 ̸= σ 2 (X ′ X )−1
La variance n’est donc plus minimale.

L’hétéroscédasticité ne pose donc pas un problème de biais, mais un
problème devariance :
S’il n’est pas corrigé,l’on pourrait conclure à un coefficient non
significatif alors que cela n’est pas le cas.

Problème d’hétéroscédasticité Procédure de test
Plan
Procédure de test

Test de White
Plusieurs prodédures de test existent. Elles se basent sur les résidus
d’estimation ϵ̂.
On présente ici les tests de :

White
Goldfeld-Quandt
Breusch-Pagan-Godfrey
Le test de White consiste à régresser le carrés des résidus d’estimation sur
les explicatives et leurs carrés :
K
X K
X
ϵ̂2t = α0 + αk Xtk + θk (Xtk )2 + ut
k=1 k=1
Puis à tester l’hypothèse :
H0 : α1 = ... = αK = θ1 = ... = θK = 0
La statistique de test est T ∗ R2 et elle suit un χ2 (2K ).
Test de Goldfeld-Quandt
Le test de Goldfeld-Quandt se réalise suivant les étapes ci-après :
Régresser le carré des résidus sur chacune des explicatives pour
identifier celle pour laquelle la variance de σt2 varie de manière
monotone : c’est la source de l’ hétéroscédasticité(notée Z ).
Ranger l’échantillon par ordre croissant sur la base de Z et former
deux sous échantillons en retirant les h,h/a observations du milieu.
Estimer le modèle MCO initial sur chacun des sous échantillons et
calculer :
Tp
2 1 X
σˆp = ϵ̂2s , p = 1, 2.
Tp − K − 1
s=1
La statistique de test est (on rejette l’hypothèse d’homoscédasticité si
la statistique est plus grande que FS ) :
σ12
GQ = ∼ FT1 −K −1,T2 −K −1
σ22
Test de Breusch-Pagan-Godfrey
Le test de Breusch-Pagan-Godfrey a pour hypothèse H0 : α = 0 dans la

spécification σt 2 = σ 2 f (α0 + Zt α) et consiste à :
Régresser le carré des résidus sur un sous ensemble de M variables
issues de X ainsi que la constante.
La statistiqur de test est donnée par T ∗ R2 qui suit χM

Procédure d’estimation en présence

d’hétéroscédasticité
La procédure d’estimation consiste à transformer le modèle initial de

sorte à ce que le nouveau résidu respecte l’hypothèse
d’hétéroscédasticité.
On multiplie donc le modèle par l’inverse de la racine carré de la
matrice de variance covariance notée Ω−1/2 .On a :
Ω−1/2 Y = Ω−1/2 X β + Ω−1/2 ϵ
Ỹ = X̃ β + ϵ̃
On peut remarquer que :
E (ϵ̃) = 0 et V (ϵ̃) = Ω−1/2 E (ϵ̃ϵ̃′ )Ω−1/2 = Ω−1/2 ΩΩ−1/2 = I

Procédure d’estimation en présence

d’hétéroscédasticité
On obtient l’estimateur des moindres carrés généralisé en appliquant
un MCO sur le modèle transformé :
β̂MCG = (X̃ ′ X̃ )−1 X̃ ′ Ỹ
β̂MCG = (X ′ Ω−1 X )−1 X ′ Ω−1 Y

Cependant, l’estimateur n’est pas faisable Ω car est inconnu.
On peut remplacer Ω par Ω̂ (obtenu via l’estimation MCO sur le
modèle initial).
On obtient un estimateur des moindres carrés quasi généralisés comme
suit :
β̂MCG = (X ′ Ω̂−1 X )−1 X ′ Ω̂−1 Y

Remarques conclusives

Remarques conclusives
Quelques extensions
Ce module est une introduction générale à l’économétrie.

Il aborde les principes fondamentaux de l’économétrie et constitue une
base pour différentes extensions.
Plusieurs extensions sont possibles :
Les méthodes applicables lorsque les hypothèses sur X ne sont pas
respectèes (Variables instrumentales, système SUR à information
complète)
Les méthodes applicables lorsque les hypothèses sur les résidus ne sont
pas respectées
Non continuité : économétrie des variables qualitatives
Matrice de variance non diagonale : Moindre carré généralisé
Les méthodes applicables lorsque les données sont des séries
chronologiques.
Les méthodes applicables lorsque les données sont de panel.

Modele Lineaire

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Modele Lineaire

Transféré par

Droits d'auteur :

Formats disponibles

Econométrie du Modèle Linéaire

Richard MOUSSA, PhD

Econométrie du Modèle Linéaire. sites.google.com/view/moussakrichard 1/102

2 Modèle linéaire simple

3 Modèle linéaire multiple

Econométrie du Modèle Linéaire. sites.google.com/view/moussakrichard 2/102

Greene, W. (2018), Econometrics Analysis, 8th Edition, Pearson.

Econométrie du Modèle Linéaire. sites.google.com/view/moussakrichard 3/102

2 Modèle linéaire simple

3 Modèle linéaire multiple

Econométrie du Modèle Linéaire. sites.google.com/view/moussakrichard 4/102

Exemple : Pour le modèle Keynesien (la consommation C est fonction du

Cependant, le modèle issue de la théorie économique est tel que :

Econométrie du Modèle Linéaire. sites.google.com/view/moussakrichard 5/102

L’économétrie vient donc tester la validité des modèles théoriques. Elle

Econométrie du Modèle Linéaire. sites.google.com/view/moussakrichard 6/102

2 Modèle linéaire simple

3 Modèle linéaire multiple

Econométrie du Modèle Linéaire. sites.google.com/view/moussakrichard 7/102

2 Modèle linéaire simple

3 Modèle linéaire multiple

On considére le modèle ci-dessous :

Econométrie du Modèle Linéaire. sites.google.com/view/moussakrichard 9/102

2 Modèle linéaire simple

3 Modèle linéaire multiple

Sur le terme d’erreur

On émet les hypothèses suivantes sur le terme d’erreur :

Econométrie du Modèle Linéaire. sites.google.com/view/moussakrichard 11/102

Sur la variable explicative

Sur la variable explicative, on émet les hypothèses suivantes :

Econométrie du Modèle Linéaire. sites.google.com/view/moussakrichard 12/102

2 Modèle linéaire simple

3 Modèle linéaire multiple

Moindres Carrés Ordinaires (MCO) ou Maximum

Deux grandes méthodes d’estimation :

Le maximum de vraisemblance (MV) : consiste à trouver les

Econométrie du Modèle Linéaire. sites.google.com/view/moussakrichard 14/102

2 Modèle linéaire simple

3 Modèle linéaire multiple

Les dérivations des conditions de premier ordre (CPO) donnent les

Econométrie du Modèle Linéaire. sites.google.com/view/moussakrichard 16/102

Propriétés : biais et variance

On montre que â et b̂ sont des estimateurs sans biais.

Econométrie du Modèle Linéaire. sites.google.com/view/moussakrichard 17/102

2 Modèle linéaire simple

3 Modèle linéaire multiple

Valeur prédite et résidu

La valeur prédite de y est donnée par :

Econométrie du Modèle Linéaire. sites.google.com/view/moussakrichard 19/102

Equation d’Analyse de la Variance

Si l’ajustement est de bonne qualité,ŷi devrait « quasiment » coincider

2 Modèle linéaire simple

3 Modèle linéaire multiple

Soit le modèle : yi = a + bxi + ϵi .

Comment interpréter les coefficients ?

Econométrie du Modèle Linéaire. sites.google.com/view/moussakrichard 22/102

On dira : lorsque x varie d’une unité, y varie de b unité(s).

Si y est continue et x est binaire (indicatrice), alors b est la différence

On dira : les individus ayant x = 1 ont en moyenne b unité de y

Si x et y sont des transformations log (c’est-à-dire

On dira : si x varie de 1%, alors y varie de b%.

Si x est une transformation log et y est continue et n’a subi aucune

Si y est une transformation log et x est continue et n’a subi aucune