TD 1:

Modélisation Économétrique
Modèle Linéaire Simple & Multiple

2020 - 2021

1
Aide à la décision H.B. Brahim 1
 EXERCICE 1:

Soient l’historique de l’évolution du nombre de nuits passées par les clients, en milliers (X) dans un complexe hôtelier sur 10 ans, ainsi
que celui de son chiffre d’affaires en milliers de dinars (Y). Le tableau suivant résume l’évolution de Y en fonction de X :

Soient les calculs intermédiaires suivants :

∑𝑥𝑖 = 210 ∑𝑦𝑖 = 25725 ∑𝑦𝑖 𝑥𝑖 = 563279 ∑𝑥𝑖 ² = 4440,92 ∑𝑦𝑖 ² = 104 176 975

A des fins de prévisions, le financier décide d’effectuer un ajustement linéaire du Chiffre d’Affaires et du nombre de nuitées, par la
méthode des MCO.
1) Tracer le nuage de point ainsi que la droite d’ajustement linéaire. Que pensez–vous de la qualité de l’ajustement ?. Justifier.
2) Quelles sont les causes théoriques de cette qualité d’ajustement?.
3) Déterminer un intervalle de confiance pour les coefficients de la droite d’ajustement.
4) Tester la significativité des coefficients.

2
Aide à la décision H.B. Brahim 2
1) Tracer le nuage de point ainsi que la droite d’ajustement linéaire. Que pensez –
vous de la qualité de l’ajustement ?. Justifier.

y
7000

6000

5000

4000

3000

2000

1000

0
15 16 17 18 19 20 21 22 23
 1) Tracer le nuage de point ainsi que la droite d’ajustement linéaire. Que pensez –
vous de la qualité de l’ajustement ?. Justifier. Yi = aXi +b + εi

y
7000
6000
5000
4000
3000
2000
1000
0
15 16 17 18 19 20 21 22 23

𝑁
  1 ¯ ⋅𝑌   = 745,6x – 13085
∑ 𝑥𝑖 𝑦𝑖 − 𝑋 ¯
𝑁 𝑖=1 𝑠 𝑋𝑌 /𝑛 𝑠 𝑋𝑌 = 745,6
𝑎
^= 𝑁
= = = – 13085
1 𝑠 𝑋𝑋 / 𝑛 𝑠 𝑋𝑋
∑ 𝑥 2𝑖 − 𝑋
¯ 2❑
𝑁
^ 𝑌¯ − 𝑎^ ⋅ 𝑋¯
 
𝑏=
𝑖=1

4
1) Tracer le nuage de point ainsi que la droite d’ajustement linéaire. Que pensez –
vous de la qualité de l’ajustement ?. Justifier.

 
𝑛
Cov  (X, Y) 1
𝜌= = . ∑ (𝑋 𝑖 − 𝑋)¿¿¿
𝜎(𝑋).𝜎 (𝑌 ) 𝑛 𝑖=1
 Mauvaise qualité d’ajustement car R² = 0,4524 , (R²<0,5)

= 0,672 alors faible corrélation car <0,75

5
2, Quelles sont les causes théoriques de cette qualité d’ajustement?.

…………………………………………………………………………………………………………………………………………
…………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………….……..
…………………………………………………………………………………………………………………………………………
…………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………….……..
…………………………………………………………………………………………………………………………………………
…………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………….……..

6
 2) Déterminer un intervalle de confiance pour les coefficients de la droite d’ajustement
pour un niveau de confiance 95%.

 [

^
 [ 𝑏
❑
^ ❑ +𝑡 𝛼 𝜎 ^ ]=1 − 𝛼
− 𝑡 𝛼 𝜎 ^𝑏< 𝑏< 𝑏 𝑏

T   T(n-2), =0,05, On détermine la valeur de

t à partir de la table de Student
Pour un niveau de confiance de 95%

7
Estimation de la variance de l’erreur
𝑛
  ∑ ^2
𝜀 𝑖
^ 2= 𝑖= 1 𝑆𝑦𝑦 − â ² 𝑆 𝑥𝑥
𝜎 =
𝑛 −2 𝑛− 2

^² 1+ 𝑥²
 
^ (𝑏
𝑉 ^ ❑ )= 𝜎
𝑛
[ 𝑛

∑ ( 𝑥 𝑖 − 𝑥 )²
1
]
  , t= 2,306, IC (a)= [-27193,5 ; 1022,41]
IC (b)= [76,74 ; 1414,45]

8
 4) Tester la significativité des coefficients.

Le test de significativité s’écrit ainsi:

  (par analogie b)

IC (a)= [-27193,5 ; 1022,41]

•Soit t la statistique qui permet de réaliser ce test et qui IC (b)= [76,74 ; 1414,45]
suit la loi de Student de ° de liberté n – 2 • 0 ∊ IC (a) alors a est
statistiquement non
= significatif
• 0 ∉ IC (b) alors b est
•Si |t| < t α alors on accepte statistiquement significatif
•Si |t|> tα ( t tabulée) alors on accepte (hypothèse
alternative)
Ou bien vérifier si 0 appartient ou n’appartient pas à IC,
1. si 0∊ 0 IC (a) alors a est statistiquement non
significatif
2. si 0 ∉ IC (a) alors a est statistiquement significatif
9
  EXERCICE 2:

On considère pour un secteur industriel, une fonction de production à un seul facteur, le travail, exprimée par la modèle
linéaire yi = α + βxi + 𝜀i i = 1,…., 25. Avec yi , le niveau de production pour une firme (output) et xi , la quantité de
travail engagé (input) en heure de travail.
Sachant que : = 20, 𝑥̅ = 10, Syy=120, Sxx = 64 et Sxy = 32.
1) Estimer les paramètres α et β par la méthode des MCO. Quelle est leur interprétation économique ? leur signe
est-il plausible ?
2) Donner une estimation de la variance des erreurs σ²
3) Les coefficients α et β sont-ils significatifs au seuil de 5% ?
4) Tester l’hypothèse nulle H0 : β = 1.
5) Calculer SCE, SCR et SCT.
6) Calculer le coefficient de détermination R². Analyser.
7) Déterminer le niveau de production 𝑦𝜃 de cette firme pour un nombre d’heure de 12h.

10
Aide à la décision H.B. Brahim 10
1) Estimer les paramètres α et β par la méthode des MCO. Quelle est leur interprétation économique ? leur signe
est-il plausible ?

yi = α + βxi + 𝜀i  et

 et

par rapport au travail

Les deux paramètres doivent être positifs, leur signes sont
plausibles

11
 2) Donner une estimation de la variance des erreurs σ²
On commence par déterminer
 , la variance des paramètres
estimés
  1 𝑥²
3) les coefficients α et β sont-ils significatifs au seuil de 5% ?
Le
  test de significativité s’écrit ainsi:
  (par analogie α )
^
𝑉 (α)=
^ 𝜎² +
^
𝑛

=  2,691
[ 𝑛

∑ (𝑥 𝑖 − 𝑥)²
1
]
Soit t la statistique qui permet de réaliser ce test et qui suit la loi de AN: = 0,265 =
Student de ° de liberté n – 2
  = 1,886 < t tabulée = 2,069
= On rejette l’hypothèse H1
Beta est statistiquement non
Si |t| < t tabulée alors on accepte significatif
Si |t|> t tabulée alors on accepte (hypothèse alternative) [t [= 5,578 > 2,069
On rejette l’hypothèse H0
alpha est statistiquement significatif

12
   1

4) Tester l’hypothèse que l’élasticité est égale à l’unité

Le
  test de significativité s’écrit ainsi:
^ (β)= 𝜎^ ²
𝑉

AN:
[
=  0,265 =
𝑛

∑ (𝑥 𝑖 − 𝑥)²
1
]
 

Soit t la statistique qui permet de réaliser ce test et qui suit la loi de

Student de ° de liberté n – 2 = 25-2=23

=
 |= 1,886 < t tabulée = 2,069
On rejette l’hypothèse H1
L’élasticité peut etre égale à l’unité

13
 5) Calculer SCE, SCR et SCT.

 
, DONC SCR =
SCT= Syy = 120
SCE= SCT – SCR= 16
6) Calculer le coefficient de détermination R². Analyser.
= 0,133 la quantité de travail engagé explique 13% des variations de la
production. Selon la théorie d’autres variables influencent la production comme
le capital ou le degrès de technologie
7) Déterminer le niveau de production 𝑦𝜃 de cette firme pour un nombre d’heure
de 12h.
𝑦𝜃 = 15 + 0,5 x𝜃 avec 𝑦𝜃 = 21
14
  
EXERCICE 3:

Soient deux variables aléatoires X et Y linéairement interdépendantes telles que :

X=a+bY+ε
et Y=A + BX + ω.

1) Montrer analytiquement que les deux modèles ont la même qualité d’ajustement :
2) Déterminer les coefficients et en fonction de leur variance et covariance.
3) En utilisant l’expression du coefficient de détermination R², trouver une relation entre et
4) Quel serait la relation entre et pour que l’ajustement soit parfait ?.

15
Aide à la décision H.B. Brahim 15
1) Montrer analytiquement que les deux modèles ont la même qualité d’ajustement
:
 Modèle 1. X = a + b Y + ε => =( =

Modèle 2. Y=A + BX + ω. => =( =

= = R²

Les deux modèles ont la même qualité d’ajustement

16
 2) Déterminer les coefficients et en fonction de leur variance et covariance.

= 

 3) En utilisant l’expression du coefficient de détermination R², trouver une relation entre et
 =(

 4) Quel serait la relation entre et pour que l’ajustement soit parfait ?.

Pour que l’ajustement soit parfait, il faut que R² soit égal à 1

  =

17
Exercice 4.
La production annuelle de pneus par une entreprise (𝑌𝑡), implantée sur le marché, dépend essentiellement
de la demande de ce produit (𝑋1𝑡),
et l’offre des deux concurrents (𝑋2𝑡) du marché de pneumatique. Le modèle théorique proposé pour
exprimer cette relation est le suivant :
𝑌𝑡 = 𝛼 + 𝛽𝑋1𝑡 + 𝛾𝑋2𝑡 + 𝜀𝑡 avec t = 1, .., 6 Avec :
0 24 12 8 12 16
Xt1 -2 -1 0 0 1 2
Xt2 -5 4 0 -2 2 1
 
• Ecrire le modèle de régression sous forme matricielle.
• Calculer le vecteur des paramètres (B). Donner la vraie matrice de variances-covariances de , noté V().
• Calculer les erreurs (𝜀𝑡) et vérifier que : = 0, 𝑋1𝑡= 0 et 𝑋2𝑡= 0
• Donner un estimateur sans biais de ². Calculer V().
• Donner l’écart-type de chaque coefficient estimé de la régression.
• Calculer le coefficient de détermination R², et interpréter le résultat.
• Sous l’hypothèse de la normalité, tester à 5%, la significativité statistique de chaque coefficient.
18
• Ecrire le modèle de régression sous forme matricielle.

𝑌𝑡 = 𝛼 + 𝛽𝑋1𝑡 + 𝛾𝑋2𝑡 + 𝜀𝑡 avec t = 1, .., 6 Avec :

1 -2 -5   +
  0

[ ]
24 1 -1 4
12 1 0
=¿
0
81 0 -2
12
1 1 2
16
1 2 1

𝑌 = 𝑋 B+𝜀

19
 
• Calculer le vecteur des paramètres (B). Donner la vraie matrice de variances-covariances de , noté V().

 
X’Y

=
 

B =¿
^
𝑌𝑡 = 12 -0,5𝑋1𝑡 +2,5𝑋2𝑡 + 𝜀𝑡

20
 • Calculer les erreurs () et vérifier que : = 0, 𝑋1𝑡= 0 et 𝑋2𝑡= 0

²
*X1 *X2
0,25
-0,5 1 2,5
2,25
1,5 -1,5 6
0 0 0 0
1 0 -2 1
-4,5 -4,5 -9 20,25
6 2,5 5 2,5 6,25
∑ ❑ 0 0 0 30
1

  X’ = 0, le vecteur des résidus est orthogonal au vecteur des variables explicatives

Absence de corrélation entre variables et résidus

21
 • Donner un estimateur sans biais de ².

  𝒏
𝟐
∑ 𝜺𝒊 𝑺𝑪𝑹
  = 30 on peut le vérifier dans le slide
précédent
^𝝈 𝟐 = 𝒊=𝟏
= 𝒆𝒕
𝒏 − 𝒌 −𝟏 𝒏 −𝒌 −𝟏 n= 6, k=2
10

•  Calculer V().
2 𝑇 −1
^ ↝ N
 B (0 ,𝜎 𝜀 (𝑋 𝑋 ) )
 =>
 V() = =

22
 •Donner l’écart-type de chaque coefficient estimé de la régression.
= = 1,12 = 0,5

• Calculer le coefficient de détermination R², et interpréter le résultat.

SCT= y’y –n ²= 320

= =1- =1-

91% des variation de la variable à expliquer sont expliquées par les variables
explicatives,
Bonne qualité d’ajustement

23
3) Sous l’hypothèse de la normalité, tester à 5%, la
significativité statistique de chaque coefficient.

Le
  test de significativité s’écrit ainsi:
  (par analogie α et 𝛾 )

Soit t la statistique qui permet de réaliser ce test et qui suit la loi de Student de ° de liberté n – 2

Si |t| < t tabulée = 3,182 alors on accepte

Si |t|> t tabulée alors on accepte (hypothèse alternative)

24
25
3) Sous l’hypothèse de la normalité, tester à 5%, la significativité statistique de chaque coefficient.

Le
  test de significativité s’écrit
Le
  test de significativité s’écrit Le
  test de significativité s’écrit ainsi: ainsi:
ainsi:
     

Soit t la statistique qui permet de

Soit t la statistique qui permet de
réaliser ce test et qui suit la loi de
Student de ° de liberté n – 2
Si |t| = | > t tabulée = 3,182 alors Si |t| = | < 3,182
on accepte
est statistiquement significatif
Soit t la statistique qui permet de
réaliser ce test et qui suit la loi de
Student de ° de liberté n – 2
alors on accepte
est statistiquement non significatif
réaliser ce test et qui suit la loi de
Student de ° de liberté n – 2
Si |t| = | > t tabulée = 3,182 alors
on accepte
est statistiquement significatif

26