Documente Academic
Documente Profesional
Documente Cultură
TOUIJAR 15/03/2016
2015-16
Mthodes Economtries
Module M2:
-Economtrie I
Parcours :
Economie et Gestion
S6 -Section B-
Vol. Horaire : 50h = 34 C + 12.5 Td +3.5 val
TOUIJAR 1 TOUIJAR 2
1
D.TOUIJAR 15/03/2016
CH 0 Introduction
Soit X1, X2, , Xn un chantillon alatoire
), o
Rappels relatif la V.A. parente X de loi L (
est un paramtre rel inconnu.
I Le semestre prcdent, on cherchait estimer
. Mais il arrive quon ait une ide prconue sur
LES TESTS sa valeur: = 0
On dsire alors tester la validit de cette
STATISTIQUES hypothse, en la confrontant une hypothse
alternative.
TOUIJAR 9 TOUIJAR 10
2
D.TOUIJAR 15/03/2016
H0 devient H0 : = 0 et sera
appele lhypothse simple.
TOUIJAR 13 TOUIJAR 14
T.B. # Cette rgle de dcision peut
conduire deux types derreurs:
H :" "
1 0
TOUIJAR 17 TOUIJAR 18
3
D.TOUIJAR 15/03/2016
4
D.TOUIJAR 15/03/2016
0 TOUIJAR +z Z
- Notation : TOUIJAR 25 26
Loi de Loi de
F sous F sous
H1 H0
z p0 q0
n
R0
c p 0 R0 p1 c p0 F
Fp c p0
= P0 (RH 0 ) = P0 (F < c ) = P0 0
<
p q
0 0 p0 q0
n n
c p0
= z c = p0 z p0 q0
p0 q0 n
TOUIJAR 27 TOUIJAR 28
n p1 c p0
P0 (F < f ) = 0
rejeter H0 :
0 < 0,01 very strong evidence against H0
5
D.TOUIJAR 15/03/2016
Do:
R0 R0 R.D
c1 p0 c2 p0q0
Si f p0 > z / 2 on rejette H0
n
R0
Si f p z p0 q0
or f [c1 , c2 ] f [ p0 c , p0 + c ] f p0 c 0 /2 on ne rejette pas H0
n
d ' o f [c1 , c2 ] f p0 > c
Ou
Fp Si z > z /2 on rejette H 0
= P0 (RH 0 ) = P0 ( F p0 > c ) = P0
c
0
>
Si z z /2 on ne rejette pas H 0
p0 q0 p0 q0
n n
avec f p0
c p0 q0 z =
= z c = z p 0q 0
p0 q0 2 2
TOUIJAR
n 35 TOUIJAR 36
n n
6
D.TOUIJAR 15/03/2016
i)-
H 0 :" = 0 " 1)- Dtermination de c en fonction du
risque :
T .U .D.#
H 1 :" > 0 "
a)Si est connu et (X est normale ou n 30 )
ii)-On adopte ensuite une Rgle de
dcision base sur la statistique X et qui
c 0
= P0 (RH 0 ) = P0 ( X > c ) = P0 Z > n
rpondra la question: partir de quelle
ralisation de X dcidera-t-on du rejet de
H0 pour un risque ?
Si x > c on rejette H 0
c 0
n = z c = 0 + z
Si x c on ne rejette pas H
TOUIJAR
0 39 TOUIJAR n 40
7
D.TOUIJAR 15/03/2016
Si x 0 > c on rejette H0
R0 R0
c1 0 c2 Si x 0 c on ne rejette pas H0
TOUIJAR 47 TOUIJAR 48
R0
8
D.TOUIJAR 15/03/2016
RD.
III- Tests Relatifs Une Si s 2 > c on rejette H 0
Si s c
2
on ne rejette pas H 0
Variance
Dans ce paragraphe on supposera la 2 (n-1)
normalit de la population
9
D.TOUIJAR 15/03/2016
Si s 2 2 02 02
H1 :" 2 02 " n 1;1 / 2 ; n21; / 2
n 1 n 1
on ne rejette pas H 0
TOUIJAR 55 TOUIJAR 56
10
D.TOUIJAR 15/03/2016
S =
2 (n1 1)S12 + (n2 1)S 22
Si x1 x2 > z / 2
s12 s22
+ on rejette H0
(n1 1) + (n2 1) n1 n 2
s12 s22
c)Si 1 et 2 inconnus et n1 50 , n2 50 Si x1 x2 z / 2 + on ne rejette
alors la R.D. est la suivante : n1 n 2
pas H
0
TOUIJAR 63 TOUIJAR 64
RAPPELS
Moments Conditionnels :
On suppose que Y est une V.A.R. mais que X
CH 0 peut tre qualitative;
11
D.TOUIJAR 15/03/2016
Proprits : De l on peut dfinir la V.A. variance
conditionnelle :
1) Linarit: E (Y 1 + Y 2 X ) = E (Y 1 X ) + E (Y 2 X ) V (Y X ) = E (Y E (Y X ))
2
/X
2) Thorme de lesprance Totale :
Thorme de la variance Totale :
E E (Y TOUIJAR
X ) = E (Y ) 67 V (Y ) = E V (Y
TOUIJAR / X ) +V E (Y X ) 68
Introduction :
La RLS (rgression linaire simple)
permet dtudier la liaison (suppose
linaire) entre deux variables quantitatives
X et Y; o Y (variable endogne) sera
explique par X (variable exogne).
Autrement, on cherche prvoir le
comportement moyen de Y en fonction de
la V.A. X : Y= (X) tel que cet estimateur
soit sans biais : E(Y)=E(Y), et mesurer
TOUIJAR 71 lerreur de prvision : V(Y-Y)
TOUIJAR 72
12
D.TOUIJAR 15/03/2016
E (Y ) = E E (Y / X ) + E (W ) E (W ) = 0
TOUIJAR 73 = E (Y ) TOUIJAR 74
V (W ) = (W ) = 1 Y V (Y )
2
2
X + E W ( X E ( X ) )
=0
Cov ( X ,Y ) = Y
Cov ( X ,Y ) = 1V ( X )TOUIJAR
1 =
TOUIJAR 75
V (X ) X76
13
D.TOUIJAR 15/03/2016
y i = 0 + 1x i +w i i = 1,, n
14
D.TOUIJAR 15/03/2016
TOUIJAR 85 TOUIJAR 86
TOUIJAR 87 TOUIJAR 88
15
D.TOUIJAR 15/03/2016
f (Y/X)
Remarques
Y
1)- La normalit des erreurs W i entrane celle x1
des Yi ; en effet
x2
Wi N (0,2) Y
i
X i = xi N (0 +1xi ; 2 ) x3
X
Graphiquement : E (Y / X = x ) = 0 + 1x
TOUIJAR 93 TOUIJAR 94
16
D.TOUIJAR 15/03/2016
F (0 , 1 ) n
Notons par lquation de la = 0 2 ( y i 0 1x i ) = 0 (1)
droite de rgression recherche
0 i =1
y = 0 + 1x
Et la valeur rsiduelle. Donc la droite passe par le point moyen G ( x ; y )
F (0 , 1 ) n
= 0 2 x i ( y i 0 1x i ) = 0 ( 2)
On dsire calculer les valeurs qui 1 i =1
n n n
minimisent la somme des carrs des rsidus :
n n
x i y i 0 x i 1 x i2 = 0
e = ( y 0 1x i ) = F (0 , 1 )
2 2 i =1 i =1 i =1
i i
i =1 i =1 xy 0 x 1 x = 0 2
Et dautre part : 0
=
0
=
(xi )( y i y )
1 =
x
et 0 = y 1x do A1 scrit
(xi x )
2
=1 0
0
1 =
1 scrit aussi
=1 0
2
n (x y ) x
1 = i i 2 i 2 i
y
TOUIJAR
n (xi ) ( xi ) 99 TOUIJAR 100
X Y X0 X02 Y0 X0 Y0 Y^ ei ei xi ei2
17
D.TOUIJAR 15/03/2016
(X X )
2
demande moyenne des biens de 1re ncessit
i
pour un PNB x.
Rem : 1)- si x (PNB)=0 alors valeur O E x (Y ) dsignera E (Y X =x)
qui na aucune signification concrte.
2) si x=x+1, alors ; une aug de 1 Remarque :
E x i ( A1 ) =
(x i x )E xi
((Y i Y) )
1
(x x ) = 0 + 1x x 11 = 0
2
i
Or E x i (Y i ) = 0 + 1x i
(
E E x i ( A0 ) = E ( A0 ) = 0)
do
E x i ( Y ) = 0 + 1x E x i (Y i Y ) = 1 ( x i x )
E x i ( A1 ) = 1 TOUIJAR 105 TOUIJAR 106
18
D.TOUIJAR 15/03/2016
= ( k + ) = ( k ) + ( )
i
X
2 2 2 2 2 2 2
i i i i i i N 0i
+ 2 ( k )
2
i i i X 0iY i YX 0i
= ( k ) + ( ) 2 ( ) 1 1
Y i X = X i Y i
2 2 2
= =0
2 2 2
X 0i 2
i i i i
+ 2 k 2 N N
i i
une ralisation de A0 est :
2 2 2 2
= 2 ( k i i ) 2 (i ) + 2 i i
x 02i
2 2
x k x k
x 0i i 1
V ( A1 ) =1 =0 0 = x i yi
2V ( A1 ) N
= 2 ( k i i ) + 2V ( A1 ) V ( A1 )
2
On vient de voir que A0; est une
combinaison linaire des Yi et quil est sans
= ( k i i ) +V ( A1 ) V ( A1 )
2 2
On calcule maintenant la variance de A0: Considrons un autre estimateur linaire sans biais
(dsormais, on travaille avec les xi fixes et V au lieu de Vxi) A de 0, do
2 2
1 1
V ( A 0 ) = x i V (Y i ) = 2 x i
N N A = k iY i et E ( A ) = 0 k i E (Y i ) = 0
2
k i (0 + 1x i ) = 0
= 2 2 + x 2
1 x 0i x
2
N N
2
2
N
i
0 k i + 1 k i x i = 0
xoi
i =1 k i = 1 et k x i i =0
x0i
2 1 1 x = +1 x 2
= +x 2
2 =0 2
N N
2 N N
2 N N
2
x 0i x 0i x 0i
i =1 i =1
TOUIJAR i =1 113 TOUIJAR 114
19
D.TOUIJAR 15/03/2016
1
Or posons f i = x i Thorme 3 :
N n
V ( A ) = k i V (Y i ) = 2 k i2 ( y yi )
2 2
i
=
2 i =1 est une estimation sans Biais de 2
= 2 (ki f i + f i ) = 2 (ki f i ) + 2 (f i )
2 2 2
n 2
+ 2 2 f i ( k i f i )
= 2 ( k i f i ) V ( A0 ) + 2 2 f i k i
2
Dm : en injectant Y dans la diffrence, on a :
2 2 2 2
= (k fi ) V ( A0 ) + x xi ki
2
ki
(Y ) = (Y )
2 n n
2 2
N x 02i Y
Y+YY
;
i
i i i i
=1 =0 i =1 i =1
2 2 x 2
= 2 ( k i f i ) V ( A0 ) + 2V ( A0 ) et puisque Y = Y
d'o :
2
+
0i
x 2
( ) ( )
n n n
= (Y i Y ) + Y 2 (Y Y ) Y
2
2
Y Y
= 2 ( k i f i ) +V ( A0 ) V ( A0 )
2 i i i
i =1 i =1
i =1
(1)
0
TOUIJAR 115 ( 2) TOUIJAR (3) 116
Dm : (suite) Dm : (suite)
( ) ( )
n 2 n 2
Y i Yi = Y i Y + Y Yi
i =1 i =1
Do :
n n n
(Y Y ) = (W i W ) + 12 ( x i x )
2 2
) )
2
( (
n n n
= (Y i Y ) + Y 2 (Y Y ) Y
2
2 i
Y Y
i =1 i =1 i =1
i i i
i =1 i =1
i =1
+2 (W i W ) ( x i x
n
() ( 2) (3)
)
1
i =1
Dautre part : pour calculer (1), on a :
E (Y i Y ) = E (W i W ) + 12 ( x 0 i
n n n
)
2 2 2
i =1
i =1 i =1
y i = 0 + 1x i +w i n
+2 ( x i x ) E (W i W )
y i y = (w i w ) + 1 ( x i x )
y = 0 + 1x +w i =1
=0
n n n
= E W i 2 + n E W 2 2 E W i W + 12 ( x 0 i )
2
(Y Y ) = (Y Y )
2 n 1 n n n n
2 E W i W i + W j + 12 ( x 0i ) = A12 ( xi x )
2 2
= n 2 + n
2 2
i i
n i =1 n j i i =1 i =1 i =1 i =1
2 n
n
i =1
2 n
i =1
(2
E Yi Y = (xi x ) E A12
) ( )
= n 2 + 2 E W i 2 + E W iW j
n i =1
= 2
j i
n 2
= (x0i ) V A1 + 12 (( ) )
=0 i =1
n
+12 ( x 0i )
2
n 2 2 n 2
i =1
n n
( )
= x0i n
+ 1 = 2 + 12 ( x0i )
2
( x0 i )
= n 2 + 2 2 2 + 12 ( x 0i ) = ( n 1) 2 + 12 ( x 0i )
2 2 i =1 2 i =1
i =1 TOUIJAR i =1 119 i =1 TOUIJAR 120
20
D.TOUIJAR 15/03/2016
(Y Y )(Y Y ) = Y (Y Y ) Y (Y Y )
n n n
( )
n 2
E Yi Yi = ( n 2) 2
i i i i i
i =1 i =1 i =1
n n
i =1
= A1 Yi ( xi x ) A1 Y ( xi x )
i =1
= ( x0 i ) i Yi
n 2
i =1
=0
1 n
n2 i
E Y Yi( )2 = 2
i =1
i =1
n
i =1
( n
i =1
)2
E (Yi Y ) Yi Y = E A1 ( x0i ) A1
CQFD
On pose donc :
n 2
(( ) n 2
= (x0i ) V A1 + 12 = 2 + 12 ( x0i ) ) 1
i =1 TOUIJAR
i =1 121
S2 =
n2
ei2 ESB de 2
TOUIJAR 122
(x ) 0i
2
)
( n 2 ) S 2 = e i2 2 ( n 2)
1 2 2
A0 N ( 0 ,
2
+
x2
)
N ( x 0i )
2
est indpendante de A 0 , A1 et Y
1
Y i N (
1 xi + 0 ,TOUIJAR
2 +
x 02i
N ( x )2
)
123 TOUIJAR 124
0i
II- Tests sur les coefficients du MRLS i)- Formulation des Hypothses :
H 0 : 1 = 0
1- Test sur la rgression #
H : 1 0
On veut tester si la rgression de Y sur X est
1
significative ?
21
D.TOUIJAR 15/03/2016
A1
N (0 , 1 ) sous H0 2 =
1
( yi 0 1 xi )2 = 1 ei2
n2 n2
x 0i
2
Le n-2 vient du nombre de paramtres estims
Do, la statistique du test sera, sous H0
Or est inconnu, on doit lestimer;
Si 0 et 1taient connus, la meilleure
TA1 =
A1
; o sA1 =
=
e
i
2
estimation de 2 est : S A1
(x ) n 2 (x )
2 2
0i 0i
1 1
w i2 = ( y i 0 1 x i )
2
qui suit une loi de student n-2 d.d.l.
n n Sous H0, T devient :
A1
Sinon, En remplaant 0 et 1 par A 0 et A1, on T A1 = tn 2
obtient une bonne estimation
TOUIJAR de 2 : 127 TOUIJAR
S A1 128
1
#
H
: 0
Si t A1 t n 2 ; /2 on ne rejette pas H0
1 1
A1
Estimateur et sa loi TA1 = t(10)
S A1
Exercice : R.D.
Si t > t10 ;0,025 on rejette H0
Pour lexemple du PNB, 1
Si t1 t10 ; 0,025 on ne rejette pas H0
Tester si la rgression est significative 5% ?
TOUIJAR 129 TOUIJAR 130
e I C (1 ) = [1 t n 2; / 2 s1 ; 1 + t n 2; / 2 s1 ]
s1 i
2
0, 2074 10 752
= 4, 06 et t10;0,025 = 2, 23
19, 638 A.N. 19, 638
t10;0,025 = 2, 23 1 = 0, 2074 s1 = 10 = 0, 05
752
On a t calcul suprieur au t tabul donc
I C (1 ) = [ 0, 2074 2, 23 0, 05 ; 0, 2074 + 2, 23 0, 05]
on RH0 la rgression est donc significative
= [ 0,096 ; 0,319]
TOUIJAR 131 TOUIJAR 132
22
D.TOUIJAR 15/03/2016
#
E(SCR/n-2); on a : H
1 : 1 0
SCE
E
1
( 2
)
= E A1 x 0 i = + 1 x 0i
2 2 2 2
H
0 : E (S C E 1 ) = E ( S C R n 2 ) ( r g n o n s ig n .)
SCR e i2 #
E = E =
2
n 2 n 2
H
1 : E (S C E 1 ) > E (S C R n 2 ) ( r g s ig n .)
23
D.TOUIJAR 15/03/2016
= 12
x 2
0i
n2 n2 SCT
n2
n2
x Y 2
0i
2
0i Y 2
0i Et sous H0
R n2
12 x02i SCE F = T21 T 1 = t / 2 (n 2 )
=
SCT
=
SCT R.D. (1 R ) 2
Car
( )
Si r > r / 2;n 2 on rejette H 0
( )
2
SCE = = Yi Y
2
Yi Y
Si r r / 2;n 2 on ne rejette pas H 0
= (1 ( xi x )) = 12 x02i
2
TOUIJAR 143 r /
/22; n-2 se trouve sur la tableTOUIJAR
du coefficient de corrlation144
24
D.TOUIJAR 15/03/2016
n ( x x )2
= ( 0 + 1 x ) + (x k x ) 1 = E (Yk ) i
( )
V Yk = V(Y ) + (xk x ) V(1 ) =
2 Do
+ (x k x )
1 2
2
2 1 ( x x )2 I C (E (Yk )) = Yk t / 2 (n 2 ) ;
+ ( xk x ) 2
= 2 + k 2
n
n ( x x )2
x x0i
2 i
n 0i
1 (x k x )2
Or 2est inconnue, on lestime par
2
=
e 2
i Yk + t / 2 (n 2 ) +
(xi x )2
n TOUIJAR
TOUIJAR
n2
147
148
+ (xk x )
1 2
I C (E (Yk )) = Yk z / 2 ;
n ( x x )2 y
i
b.sup =A +AX
Y
+ (xk x )
0 1
1 2
Yk + z / 2
n ( x x )2
i
b.inf
TOUIJAR 149
x
TOUIJAR
X
150
25
D.TOUIJAR 15/03/2016
1 ( 78 62 )2
I C ( E (Y 78 ) ) = 13,319 2, 23 1,964 + ;
10 752
1 ( 78 62 )2
13,319 + 2, 23 1,964 +
10 752
= [11, 287 ;15,352] TOUIJAR 152
12
Soit xk une valeur non observe de X (exple k=n+1)
10
alors la prvision naturelle de Yk est
Y
8
Yk = A0 + A1 xk
6
Or Yk =(Y/X=xk ) N (1 xk + 0 , 2)
Vu que les 2 V.A. Yk(ne dpend que de k) et Yk
4
TOUIJAR
X
153 TOUIJAR 154
Actives Modle Int. de conf. (Moyenne 95%) Int. de conf. (Obs. 95%) on a :
(xi x )2
n n
Y
I p (Y 78 ) = [9,568 ;17, 07 ]
Yk ( p )
t / 2 (n 2 ) )
S
1 + 1 + (x k x )2
n (xi x )2 TOUIJAR 155 TOUIJAR 156
26
D.TOUIJAR 15/03/2016
Introduction : Le modle :
y i = 0 + 1x i 1 + 2 x i 2 + + p x ip + w i 1 i n
TOUIJAR 161 TOUIJAR 162
27
D.TOUIJAR 15/03/2016
(y )
2
n
= i 0 1 x i 1 2 x i 2 + p x ip
= Y X
o e = Y Y F
= 0 2 X Y + 2 X X = 0
= ( X X ) X Y
TOUIJAR 167 1 168
28
D.TOUIJAR 15/03/2016
O:
n x i1 x i 2 x ip 1
X =
1 1.5
Y = 2observations :(1,1.5) et ( 2,2)
x i1 x i 1 x i 1 x i 2 x i 1 x ip 1
2 2 2
X X = 3.5 2 3 5 3
( XX ) =
1
XY = XX =
x ip x ip x i 1 x ip
2 5.5 3 5 3 2
1
= ( XX ) XY =
1
= X = 1.5
Y
( p + 1, p + 1 )
0.5
2
yi =1+0.5x i
yi
1.5 1.5 0
X Y =
x i1y i e = =
2 2 0
e=0R2 : signifie que la droite estime passe par les
ip y i
x TOUIJAR 169 TOUIJAR
deux points (1 , 1.5) et (2 , 2).
170
5 Remarque :
5.5
= ( XX ) XY = = 1.1 Y
1
= X = 1.1 ; ; ; ; sont des fonctions linaires des Y
2.2 0 1 2 p i
5 yi =1.1x i
La matrice Var-Cov (variance-covariance) de ,
1.5 1.1 0.4
e = =
note , s'crit : = 2 ( XX )
1
2 2.2 0.2
n
E (W2 )
E (WW2 1)
2
W == E WW =
= kV (Y ) k = k ( 2 I n ) k = 2 kk
I
= 2 ( XX )
1
X X ( XX )
1
E (WnW1 )
E (Wn )
2
E (W12 ) 0
= 2 ( XX ) [ XX ] ( XX ) = 2 ( XX )
1 1 1 0
0 E (W2 )
2
Rem : on peut utiliser la dfinition : = = 2I n
= E ( )( )
0
E (Wn )
2
173
TOUIJAR 174
29
D.TOUIJAR 15/03/2016
e i2 = e ' e = W ' W E (e ' e ) = 2T r ( ) ( dvelopper )
= 2 ( XX ) = 2 ( XX )
1 1
E (e ' e ) e 2
= 2 ( n ( p + 1) ) 2 = 2 = i
n p 1 n p 1
S CR
= est donc un estimateur san s Biais de 2
n p 1 TOUIJAR 175 TOUIJAR 176
(Y Y ) = (Y Y ) + (Y Y )
2 2 2
i i i i
SCT SCE
TOUIJAR SCR = ei2
177 TOUIJAR 178
30
D.TOUIJAR 15/03/2016
T-test
F.H. H 0 : i = 0 2
p
#
=
e i
2
( X X )
1
H : 0 n p 1
1 i
( X X )
1
S.U. si o n p o se d ii le s l m e n t d ia g o n a u x d e
i
Ti = t(n-p-1) a lo rs : 2 i =
e i
2
d ii
i
TOUIJAR 183 n p 1 TOUIJAR 184
31
D.TOUIJAR 15/03/2016
INTERVALLE DE PREVISION de yk
I p ( y k ) = yk tnp1;/2ek ; yk +tnp1;/2ek
TOUIJAR 187
32