Documente Academic
Documente Profesional
Documente Cultură
Chapitre 2 :
Plan du Chapitre :
I.- Position du problme
II.- Hypothses dapplication de la Mthode de moindres carres
III.- Estimation des composants du vecteur A
lM
E
ero
Y = a1 X 1 + a2 X 2 + L + ak X k + ,
ua
ni
FP
x11
x 21
M
X 1 = ; LLL;
xi1
M
x
n1
x1k
x2 k
M
;
Xk =
xik
M
x
nk
1
2
M
=
i
M
n
tou
Te
y1
y2
M
Y = ;
yi
M
y
n
Le vecteur alatoire Y est connu. Les vecteurs X1,X2,,Xk sont connus et non alatoires.
x1k 1
y1
x11
x12
x2 k 2
y2
M M
M
M
+
= a1 + LL + a k
xik i
yi
xi1
M M
M
M
x
x
y
nk n
n
n1
an
Rsoudre le problme consiste en estimer les paramtres a1,a2,,ak qui sont inconnus. Notons
par a1 , a 2 , L , a k leurs estimateurs. Le modle scrit, alors :
1
www.elmerouani.jimdo.com
Introduction lconomtrie
lM
E
y1
y 2 x11
M x
= 21
yi M
M x
n1
y
n
x12
x 22
xn 2
L x1k a1 1
L x 2 k a 2 2
+
O M M M
L x nk a k n
x12
x 22
xn 2
L x1k
L x2k
O M
L x nk
et
ero
x11
x
X = 21
M
x
n1
a1
a
A= 2
M
a
k
ua
Y = XA +
Matrices de types
(n,1)=(n,k)(k,1)+(n,1)
ni
Remarquons quun modle crit sous forme non homogne, c'est--dire avec un terme
constant :
FP
Y = a0 + a1 X 1 + a2 X 2 + L + ak X k +
Revient au cas gnral prcdent en supposant que la constante a0 est multiplie par un
vecteur unitaire X0 :
Te
Y = a0 X 0 + a1 X 1 + a2 X 2 + L + ak X k +
L x1k
L x2k
et
O M
L x nk
a0
a
A= 1
M
a
k
an
1 x11
1 x 21
X =
M
1 x
n1
tou
Par la suite, nous allons considrer le cas homogne et nous allons estimer les termes du
vecteur A en appliquant la mthode des moindres carres.
2
www.elmerouani.jimdo.com
Introduction lconomtrie
lM
E
ero
Dans le cas o le rang de X est infrieur k, la procdure destimation nest plus valable. En
effet, le rang de la matrice XX, ou X dsigne la matrice transpose de X, est alors infrieur
k, et la matrice (XX)-1, matrice inverse de XX nexiste pas.
3) Lesprance mathmatique du vecteur rsiduel est nulle :
E()=0
(hypothse fondamentale)
ua
ni
1 0
0
E 2 = E ( ) = 0
M
M
n 0
FP
E ( 1 ) = 0
E ( ) = 0
E ( n ) = 0
(n,n).
En effet,
L 1 n
L 2 n
O
M
L n2
an
12 1 2
1
22
2
= ( 1 , 2 ,L, n ) = 2 1
M
M
n
n 2
n 1
tou
Te
(n,n)
3
www.elmerouani.jimdo.com
Introduction lconomtrie
E ( 12 ) E ( 1 2 )
E ( 2 1 ) E ( 22 )
E ( ) =
M
E ( ) E ( )
n 1
n 2
L E ( 1 n )
L E ( 2 n )
=
O
M
L E ( n2 )
Cette matrice est la matrice des variances-covariances des erreurs que lon note .
Mais, par lhypothse dhomoscdasticit, on a : E ( 12 ) = E ( 22 ) = L = E ( n2 ) = 2
lM
E
si i j
2 0 L 0
1 0 L 0
2
1 O M
0 O M
2 0
E ( ) =
=
= 2I
M O O 0
M O O 0
2
0 L 0
0 L 0 1
Do
ero
E ( ) = = 2 I .
Finalement,
ua
ni
FP
Dsignons par e le rsidu qui existe entre la valeur relle de Y et la valeur estim Y :
Te
e = Y Y = Y X A
tou
Calculons selon la mthode des moindres carres, la somme des carres des rsidus :
n
= e . e
an
i =1
2
i
On a :
e
i =1
2
i
)(
= Y X A Y X A
( )
or Y X A = Y X A = Y A X
4
www.elmerouani.jimdo.com
Introduction lconomtrie
n
alors
e
i =1
2
i
)(
= Y A X Y X A = Y Y Y X A A X Y + A X X A
les termes de cette somme sont des matrices de type (1,1), c'est--dire des scalaires. Or, la
de type
(1,n)(n,k)(k,1)=(1,1)
lM
E
(Y X A ) = A X (Y ) = A X Y
mais aussi
Finalement
e
i =1
2
i
= Y Y 2 A X Y + A X X A
ero
Le 2me terme du 2me membre est une forme linaire en A , le 3me est une forme quadratique
en A (la matrice XX est une matrice de type (k,k) symtrique).
n
e
i =1
ua
On a :
2
i
( A X Y )
= X Y
A
et
( A X X A )
= 2 X X A
ni
ei2
i =1 = 0 ( X X )A = X Y
A
tou
Te
Alors ;
FP
ei2
i =1 = 0 2( X Y ) + 2 X X A
A
1
A = ( X X ) X Y
an
1
A = ( X X ) X ( XA + )
1
1
A = ( X X ) ( X X ) A + ( X X ) X
1
A = A + ( X X ) X
5
www.elmerouani.jimdo.com