Elments pour la correction du sujet A de la session Juin 2015

NB : Cette correction est donne titre indicatif. Elle a pour objet de donner une ide sur lesprits des
rponses possibles aux questions qui peuvent tre poses. Il ne sagit pas dapprendre par cur ces rponses
pour ensuite les rciter. Chaque question demande une rflexion propre et une rponse adapte.
Bon courage pour vos prparations !
Le modle propos Y t = a tT + b + Ut permet de prvoir le nombre daccidents (Y) par anne. Pour estimer

les paramtres, lapplication de la mthode MCO donne

(X X )(Y Y )
(X X )
et b = y x (T reprsentant ici la
i

variable exogne X).

Annes

1
2
3
4
5
6
7
8
9
10
11

12
14
11
16
15
16
17
18
18
20
22

(TiTm)
-5
-4
-3
-2
-1
0
1
2
3
4
5

(Yi
(Ti (TiYm)
Tm)2
(Yi-Ym)
-4,27
25
-2,27
16
-5,27
9
-0,27
4
-1,27
1
-0,27
0
0,73
1
1,73
4
1,73
9
3,73
16
-4
25
110

Tm)
21,36
9,09
15,82
0,55
1,27
0,00
0,73
3,45
5,18
14,91
28,64
101,00

Moyenne T = 6 ; moyenne Y = 16,27.

i)
Do = 0,92 (101,00/110) et ^b = 10,76 (16,27 - (0,92 x 6)) le modle estim scrit :
^Yt = 0,92 T + 10,76.
ii)
Ce rsultat signifie que dune anne lautre le nombre daccidents augmente de 0,92 milliers daccidents
(ou encore que le nombre daccidents progresse chaque anne de 920).
iii)
R2 = 074, signifie que ce modle explique 74 % de la variabilit du nombre daccidents. Le reste (26%)
reste non expliqu par cette estimation. Ce modle na pas une vocation explicative car la variable
exogne T (le temps) na pas en elle-mme de signification conomique pour avoir un effet de causalit;
ce modle permet seulement deffectuer des prvisions (On peut ajouter que derrire T le passage dune anne
lautre saccompagne dune augmentation des vhicules en circulation et de lintensit de la circulation / ce qui explique la
progression des accidents).

iv)
v)

Le nombre daccidents en 2016 est obtenu en remplaant T par sa valeur en 2016 et en appliquant les
estimateurs obtenus. On obtient : 0,92 X 13 + 10,76 = 22,72
Les variables que lon peut introduire pour mieux expliquer le nombre daccidents pourraient tre : a) le
nombre dautomobiles en circulation. Leffet de cette variable devrait tre positif car plus le nombre
dautomobiles augmente, plus le risque de collisions saccrot (signe +) ; b) le nombre de policiers affects
au contrle de la circulation. Le coefficient qui affecte cette variable devrait tre ngatif. Plus le nombre
de policiers est lev, plus les conducteurs feront attention car ils craindront des sanctions (on pourrait ajouter le
nombre dannonces dans la presse, la TV, la radio (ils sensibilisent les conducteurs sur la conduite en tat de maladie ou fatigue, sur
limportance de la rduction de la vitesse (effet -), linformation sur le nombre daccidents au cours des annes passes (effet -)...

Question II

i.
La significativit statistique
Yt = - 0,73 LNbAt + 0,82 LNbVt + 0,36 LNbTt 37,21
Sur le plan statistique, R2 = 0,96 signifie que le modle explique bien les variations du nombre daccidents /
concurrence de 96 % (il ne reste que 4 % non expliqus). Le test de DW nous permet de vrifier le respect
de labsence de liaison entre les rsidus ; et au-del, lomission de variables exognes pertinentes. Le tableau
de dcision peut tre tabli pour n = 24 (1990-2013) et k =3 (p-1 = 4-1), ce qui donne d1 = 1,10 et d2 = 1,66

d 0

1,10
1,66
2,34
2,9
4
---------------------------------------------------------------------------------------------------!
!
!
!
!
! AUTOCORR ! DOUTE
! INDEPENDACE ! DOUTE !AUTOCOR
!
!ELATION
!
!
!
!RELATION
!

POSITIVE

! NGATIVE

Comme d^ = 2,05, nous tombons dans la zone dindpendance des rsidus. Cela veut dire que le modle est
correctement spcifi (pas domission de variable et pas de mauvais choix de la forme de liaison par
exemple). Cela signifie galement que la v() na pas t sous-estime et que lutilisation des carts type estims pour lapplication du test de
Student est pertinente. Nous pouvons y recourir pour discuter la porte de chaque variable exogne.
On peut tester la pertinence du nombre dannonces dans les mdias pour expliquer le nombre daccidents, en
testant la significativit par zro du coefficient a de la variable annonces : (on pose H0 : a = 0). On applique le test
de Student, puisque la variance des rsidus est inconnue (elle est estime par S 2= t2 / n-p)

P -t < <+t =0.95

ak

Lintervalle de confiance, sous lhypothse H 0 : a = 0, scrit :

ak

Ou encore, P {- t < / ak < t } = 0, 95 ou encore P {- t x ak < < t x ak } Pour n = 24 et p = 4, le

nombre de ddl est : 24-4 = 20; au seuil = 5%, la statistique de Student t vaut 2,086. Comme lcart type estim de
= 0,194. Donc les bornes de lintervalle de confiance sont donc : - 2,086 x 0,194 = - 0,404 et 0,404 soit
IC = [- 0,404; 0,404]. On constate que = - 0,73 nappartient pas lintervalle. On refuse donc Ho (le coefficient a
est statistiquement diffrent de zro). On peut donc dire que selon lchantillon, le nombre dannonces de
sensibilisation est pertinent pour expliquer le nombre daccidents.
Pour les autres variables, nous utilisons lapproximation pour tester la significativit des coefficients. En effet, n est
assez grand pour que la loi de Student tende vers une loi normale.
Pour NbV : 0,82/0,191 = 4,293 > 2, le coefficient est diffrent de zro et donc le nombre de vhicules en circulation
agit significativement sur le nombre daccidents. Il nen est pas de mme du nombre de touristes ( NbT) car
0,36/0,191 = 1,88 < 2 . Cvd que les variations du nombre de touristes nagissent pas de manire significative sur le
nombre daccidents.
ii.
La signification conomique
Le signe du coefficient de la variable NbA tant ngatif ( 0,73) signifie que le nombre daccidents et le nombre
dannonces de prvention varient en sens inverse. En dautres termes quand on augmente les annonces de 1 %, le
nombre daccidents diminue de 0,73 %, puisque les variables sont exprimes ici en Logarithmes. En effet les
campagnes de sensibilisation incitent les conducteurs rouler moins vite et faire attention pour viter les accidents.
0,36 est positif, signifie que le nombre de vhicules en circulation et le nombre daccidents varient dans le mme sens.
Quand le nombre de vhicules augmentent de 1 %, le nombre daccidents augmente de 0,36 %. Cest conforme
lintuition, puisque lintensit du trafic accroit les risques de collisions.
Le nombre de touristes ne semble pas agir sur le nombre daccidents ; cela pourrait sexpliquer par le fait que
beaucoup dentre eux voyagent en autocar de compagnies dont les chauffeurs sont prudents.
Question III
i.
Le taux dintrt nominal a augment de 23 % en t+1 par rapport t (8/6.5 X 100) = 123).
ii.
Le taux dintrt rel en t+1 au prix de lanne t est : [(tx nominal / Indice prix) x 100],
soit [(8/113)] x 100 = 7,08 ; Donc
iii.
La variation du taux dintrt en termes rels est de [(7,08 / 6,5) X 100] = 8,9 %. On peut relever que cette
augmentation est infrieure aux 23 % (obtenu plus haut, quand on raisonne en nominal), car nous avons
cart leffet de linflation.
Question IV
Lhypothse dabsence de colinarit des variables exognes stipule que :
a) au niveau mathmatique, les vecteurs relatifs aux diverses variables sont linairement indpendants ; il
nexiste aucune combinaison linaire possible entre deux vecteurs Xi et Xj (relatifs deux variables n i et j),
quelque soit i j. Autrement dit, la matrice (XX) -1 existe.
b) au niveau conomique, cela signifie quaucune variable nest redondante avec une autre ; chacune apporte une
explication spcifique.
Voici un contre exemple (un cas o cette hypothse nest pas respecte) : Imp = a 1 PIB + a2 INV + a3 Cons + a4;
les importations peuvent bien tre expliques par le PIB ou par lINV et/ou la Cons. Mais prendre les trois
variables simultanment nest pas correct car PIB = C + I + X M. Les deux variables Inv et Cons figurent dj
dans le PIB. Les explications pour justifier lintroduction de la consommation (qui suppose une production pour la
satisfaire) ou linvestissement reviennent reprendre le contenu du PIB (la production).