T.D.

Economtrie
Application 1 : Ti T1 T2 T3 T4 T5 T6 T7 T8 T9 T10 Xi 50 56 64 73 87 91 109 120 132 148 Yi 10 12 16 17 19 24 30 32 35 45

xy=25664 x=930

y2=6900 y=240

x2=96520 R=0,9889

1/ Etablir lquation de rgression linaire de y en x. 2/ Tester la significativit des coefficients et le rendement du modle. En dduire la structure du modle la prvision. 3/ Calcul de lintervalle de confiance de a et b. 4/ Supposons que soit une priode postrieure au modle et que x=170. Sachant quon observe ex post y=50, apprcier la qualit prvisionnelle du modle. 5/ Chercher construire un rgime critique w0 pour R (c'est--dire chercher tablir 2 seuils critiques R2 qui distinguent H0 et H1). Application 2 : Yj/xi 14-20 20-30 2-6 5 15 6-8 10 20 8-10 5 45

Tester la significativit du coefficient de rgression et de vrifier la validit du rsultat obtenu en calculant Fc. Application 3 : On considre 2 espaces sur lesquels : A na=15 y= 12,6 + 3,2x (45,2) (1,12) S B nb=12 y= 13,4 + 2,8x (5,1) (0,6) S 1/ Tester la significativit des coefficients et calculer le coefficient de corrlation propre chaque espace. 2/ Le coefficient de rgression correspondant lespace A peut il tre considrer comme significativement diffrent de 2 ? 3/ Existe-t-il une diffrence significative entre les coefficients de rgression et les constantes des quations relatives aux deux espaces ? 4/ Interprter les rsultats en terme de stabilit de la relation linaire.

Application 4 : On considre y 2 variables x1 et x2 avec T=10 Yt X1 X2 32 5 3 43 8 4 47 9 5 61 12 7 67 14 7 75 17 8 81 20 8 95 28 7 105 30 9 115 32 10 y2=58753 x12=3907 y=721 yx1=14982 yx2=5407 x22=506 x1x2=1356 x1=175 x2=68

1/ Calculer successivement myy, mx1x1, mx2x2, myx1, myx2, mx1x2. 2/ En dduire lestimation des coefficients du modle. 3/ Tester la significativit des coefficients pour Rx1x2=0,8651. 4/ Analyser la stabilit linaire de cette quation en considrant une dcomposition temporelle en 2 sous priodes : [t1;t5] y=3,081x1+1,86x2+10,75 [t6;t10] y=2,136x1+3,68x2+9,035 5/ Au regard de lquation MCO de y=f(x1), peut on dire que lintroduction de x2 ait pour effet dimpliquer un accroissement significatif du rendement global du modle. 6/ On prend comme rfrence le modle 2 variables explicatives. Lobjectif est de confronter H0 a2=2a1 H1 a22a1 7/ Pour t15, x1=50, x2=12 et y=165, indiquer si la qualit prdictive du modle peut tre considrer comme acceptable. 1,4918 0,0394 -0,3063 On pose : (XX)-1= 0,0394 0,0047 -0,0179 -0,3063 -0,0179 0,0912 8/ Calcul du coefficient de Durbin-Watson sur le modle 2 variables explicatives. Application 5 : Yt 10 12 15 16 18 20 X1 6 12 14 10 12 8 X2 40 32 29 26 20 18

24 14 16 28 10 18 29 8 14 30 11 14 On pose lquation de rgression MCO y=-0,379x1-0,777x2+41,817 (y-ymco)2 = 71,145 Cov(x1;x2) = -3,95 2x1 = 6,25 2x2 = 68,41 Rx1x2 = 0,191 1/ Tester la significativit des coefficients et en dduire la ou les structures prvisionnelles possibles. 2/ Sachant que lcart au carr par rapport la moyenne est gal 469,60 ; tester le rendement global du modle. 3/ En calculant R2, puis R2 corrig, tablir le biais destimation introduit mcaniquement par lexistence de 2 variables explicatives. 4/ Dfinir lintervalle de prvision pour t15, sachant que pour cette priode, on a x1=13 et x2=8. 5/ Calcul de R2yx1.x2. 6/ Vrifier la valeur de R2yx1.x2 partir de la formule de a1 en fonction de tcx1. Application 6 : X1 10 12 16 19 24 29 33 Y1 146 148 151 153 158 162 165 X2 20 40 71 82 112 Y2 153 170 195 204 229 X3 220 260 340 410 560 575 590 Y3 315 348 410 468 590 599 612

Vrifier la stabilit de la relation linaire du modle via la mthode de lanalyse de la covariation. Application 7 : On pose y = f(x1 ; x2 ; x3) sur 5 priodes. 383068 -18912 -8276 -5412 (XX)-1= (1/1664) -18912 1024 736 160 -8276 736 1660 -340 -5412 160 -340 220 Yt 15 18 22 26 32 X1 14 11 10 8 7 X2 3 5 5 8 9 X3 20 22 26 31 34

1/ Calculer les coefficients du modle par lapproche matricielle. 2/ Tester la significativit des coefficients du modle. 3/ Calculer R2 et R2 corrig. Tester le rendement global du modle. 4/ Raliser le test de multicolinarit de Glauber-Farell.

Application 8 : On pose y = 15,2 + 3,2x1 0,6x2 + 1,3x3 + 2,4x4 (1,0) (0,1) (0,5) (0,9) S Pour n = 100, R2 = 0,85, R2yx2 = 0,40, R2yx1.x2 = 0,10 ; Calculer R2yx4.x1x2 et interprter le rsultat obtenu. Application 9 : Yt 18 19 19 20 20 22 24 25 29 30 32 35 40 46 50 Xt 7 9 11 14 12 16 16 18 18 20 20 21 22 24 26 Y t-1 16 18 19 19 20 20 22 24 25 29 30 32 35 40 46

1/ Estimer le modle de rgression linaire de Yt en fonction de Xt et Yt-1. 2/ En supposant une auto corrlation dordre 1, tester lauto corrlation des rsidus en recourant la mthode de DURBIN. Application 10 : Yt 43 45 46 45 43 48 46 44 43 41 48 51 59 55 67 Xt 50 52 54 53 50 56 53 52 50 48 56 60 70 65 80

1/ Estimer le modle de rgression de Yt en fonction de Xt.

2/ Calculer le DURBIN WATSON et conclure sur le degr dauto corrlation des rsidus. 3/ Calculer via 2 mthodes diffrentes. 4/ Procder la mthode de COCHRAN-ORCUTT pour influencer le degr dauto corrlation des rsidus. 5/ Vrifier la pertinence de la mthode de COCHRAN-ORCUTT par le calcul du DURBIN WATSON Application 11 : X 10 10,2 13,6 11 14 10,6 13 12,8 10,5 13,6 13,9 14 10,1 Y 5 7 6 8 4 7 2 10 4 15 14 10 6

Tester lhtroscdasticit de cette distribution via la mthode de GOLDFELD-QUANDT. Application 12 : Effectif 16 10 8 8 6 5 5 4 niYi=2746 Yi 42 38 54 44 30 60 46 50 Xi 21 17 30 22 14 32 24 28 niyi2= 125460 niXiYi= 64516 niXi=1398 niXi2=33330

1/ Calculer la matrice des estimateurs de coefficients en liminant lhtroscdasticit engendre par la prsentation des donnes sous formes de moyennes. 2/ Tester la significativit des coefficients.