Basis Stata facile : De l’introduction des données à la correction des Violations d’Hypothèses jusqu’au Modèle Final
Ouverture de la base des données
. edit
(4 vars, 15 obs pasted into editor)
- preserve
Déclaration sur STATA : Cas de l’Analyse des données temporelles
. tsset annee
time variable: annee, 1958 to 1972
delta: 1 unit
Opération de renommer les variables
. gen lq=log(q)
. gen lk=log(k)
. gen ll=log(l)
Obtention des Statistiques Déscriptives
. sum lq lk ll, detail
lq
-------------------------------------------------------------
Percentiles Smallest
1% 9.717622 9.717622
5% 9.717622 9.770601
10% 9.770601 9.912011 Obs 15
25% 9.923584 9.923584 Sum of Wgt. 15
50% 10.18361 Mean 10.09653
Largest Std. Dev. .2079142
75% 10.27627 10.27627
90% 10.30576 10.28471 Variance .0432283
95% 10.35888 10.30576 Skewness -.4814514
Par Gastonfils LONZO /Tél : +[Link].38/gastonfils@[Link] /facebook: gastonfils sacré
/Assistant/FASEG/UNIKIN/2011
Basis Stata facile : De l’introduction des données à la correction des Violations d’Hypothèses jusqu’au Modèle Final
99% 10.35888 10.35888 Kurtosis 1.850953
lk
-------------------------------------------------------------
Percentiles Smallest
1% 5.587249 5.587249
5% 5.587249 5.59024
10% 5.59024 5.59731 Obs 15
25% 5.614587 5.614587 Sum of Wgt. 15
50% 5.663308 Mean 5.659445
Largest Std. Dev. .0516968
75% 5.706113 5.706113
90% 5.719328 5.716041 Variance .0026726
95% 5.728475 5.719328 Skewness -.1089752
99% 5.728475 5.728475 Kurtosis 1.41219
ll
-------------------------------------------------------------
Percentiles Smallest
1% 9.787162 9.787162
5% 9.787162 9.803491
10% 9.803491 9.813114 Obs 15
25% 9.860961 9.860961 Sum of Wgt. 15
50% 10.06242 Mean 10.11068
Largest Std. Dev. .2734716
75% 10.36047 10.36047
90% 10.458 10.41854 Variance .0747867
95% 10.64052 10.458 Skewness .4385866
99% 10.64052 10.64052 Kurtosis 1.95489
Test de Comparaison des moyennes
. ttest lq=ll
Paired t test
------------------------------------------------------------------------------
Variable | Obs Mean Std. Err. Std. Dev. [95% Conf. Interval]
---------+--------------------------------------------------------------------
lq | 15 10.09653 .0536832 .2079142 9.981396 10.21167
ll | 15 10.11068 .0706101 .2734716 9.959236 10.26212
---------+--------------------------------------------------------------------
diff | 15 -.0141446 .0318136 .1232136 -.0823781 .0540888
------------------------------------------------------------------------------
mean(diff) = mean(lq - ll) t = -0.4446
Ho: mean(diff) = 0 degrees of freedom = 14
Ha: mean(diff) < 0 Ha: mean(diff) != 0 Ha: mean(diff) > 0
Pr(T < t) = 0.3317 Pr(|T| > |t|) = 0.6634 Pr(T > t) = 0.6683
Test de Comparaison des variances
. sdtest lq=ll
Variance ratio test
------------------------------------------------------------------------------
Variable | Obs Mean Std. Err. Std. Dev. [95% Conf. Interval]
---------+--------------------------------------------------------------------
lq | 15 10.09653 .0536832 .2079142 9.981396 10.21167
ll | 15 10.11068 .0706101 .2734716 9.959236 10.26212
---------+--------------------------------------------------------------------
combined | 30 10.10361 .0435984 .2387981 10.01444 10.19278
------------------------------------------------------------------------------
ratio = sd(lq) / sd(ll) f = 0.5780
Ho: ratio = 1 degrees of freedom = 14, 14
Ha: ratio < 1 Ha: ratio != 1 Ha: ratio > 1
Pr(F < f) = 0.1583 2*Pr(F < f) = 0.3167 Pr(F > f) = 0.8417
Par Gastonfils LONZO /Tél : +[Link].38/gastonfils@[Link] /facebook: gastonfils sacré
/Assistant/FASEG/UNIKIN/2011
Basis Stata facile : De l’introduction des données à la correction des Violations d’Hypothèses jusqu’au Modèle Final
Obtention des Coéfficients de Corrélation
. corr lq lk ll
(obs=15)
| lq lk ll
-------------+---------------------------
lq | 1.0000
lk | 0.8221 1.0000
ll | 0.9043 0.6976 1.0000
Distribution de Normalité des séries
. sktest lk ll
Skewness/Kurtosis tests for Normality
------- joint ------
Variable | Pr(Skewness) Pr(Kurtosis) adj chi2(2) Prob>chi2
-------------+-------------------------------------------------------
lk | 0.825 0.009 6.26 0.0438
ll | 0.379 0.338 1.93 0.3811
Visualisation graphique des données
. two scatter lq lk
. two scatter lq ll
Par Gastonfils LONZO /Tél : +[Link].38/gastonfils@[Link] /facebook: gastonfils sacré
/Assistant/FASEG/UNIKIN/2011
Basis Stata facile : De l’introduction des données à la correction des Violations d’Hypothèses jusqu’au Modèle Final
Estimation par OLS (Ordinary Least Squared)ou
Moindres Carrées Ordinaire (MCO)
. reg lq lk ll
Source | SS df MS Number of obs = 15
-------------+------------------------------ F( 2, 12) = 48.07
Model | .538038027 2 .269019013 Prob > F = 0.0000
Residual | .067158351 12 .005596529 R-squared = 0.8890
-------------+------------------------------ Adj R-squared = 0.8705
Total | .605196377 14 .043228313 Root MSE = .07481
------------------------------------------------------------------------------
lq | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
lk | 1.498767 .5398018 2.78 0.017 .3226405 2.674894
ll | .4898585 .1020435 4.80 0.000 .2675249 .7121922
_cons | -3.338459 2.449504 -1.36 0.198 -8.675471 1.998552
Obtention de la matrice de Variance -Covariance
. vce
Covariance matrix of coefficients of regress model
e(V) | lk ll _cons
-------------+------------------------------------
lk | .08382117
ll | -.00421456 .00550096
_cons | -.43267403 -.03277069 2.7956766
Détection des violations d’hypthèses des MCO(OLS)
Test d’autocorrélation des erreurs
-si DW supérieur à 2 (Décision : Présence d’autocorrélation négative)
-si DW égale à 2 (Décision : Absence d’autocorrélation)
-si DW inférieur à 2 (Décision : Présence d’autocorrélation positive)
. dwstat
Durbin-Watson d-statistic( 3, 15) = .8910877
. durbina
H0: Absence d’autocorrélation des erreurs (si Prob_X2 est sup à 0.05, Décision : Acceptation de l’ Hypothèse nulle)
H1: Présence d’autocorrélation des erreurs (si Prob_X2 est sup à 0.05, Décision : Rejet Hypothèse nulle)
Durbin's alternative test for autocorrelation
---------------------------------------------------------------------------
lags(p) | chi2 df Prob > chi2
-------------+-------------------------------------------------------------
1 | 1.883 1 0.1700
---------------------------------------------------------------------------
H0: no serial correlation
. bgodfrey
H0: Absence d’autocorrélation des erreurs (si Prob_X2 est sup à 0.05, Décision : Acceptation de l’ Hypothèse nulle)
H1: Présence d’autocorrélation des erreurs (si Prob_X2 est sup à 0.05, Décision : Rejet Hypothèse nulle)
Breusch-Godfrey LM test for autocorrelation
---------------------------------------------------------------------------
lags(p) | chi2 df Prob > chi2
-------------+-------------------------------------------------------------
1 | 2.192 1 0.1387
---------------------------------------------------------------------------
H0: no serial correlation
Par Gastonfils LONZO /Tél : +[Link].38/gastonfils@[Link] /facebook: gastonfils sacré
/Assistant/FASEG/UNIKIN/2011
Basis Stata facile : De l’introduction des données à la correction des Violations d’Hypothèses jusqu’au Modèle Final
Test d’Hétéroscédasticité
H0: Homoscédasticité des erreurs ou variance des erreurs constante (si Prob_X2 est sup à 0.05, Décision : Acceptation
de l’Hypothèse nulle)
H1: Hétéroscédasticité des erreurs ou variance des erreurs constante (si Prob_X2 est infér ou égale à 0.05, Décision :
Rejet Hypothèse nulle)
. hettest
Breusch-Pagan / Cook-Weisberg test for heteroskedasticity
Ho: Constant variance
Variables: fitted values of lq
chi2(1) = 4.65
Prob > chi2 = 0.0310
Test de Normality des Résidus
H0: les erreurs sont normalement distribuées (si Prob_X2 est sup à 0.05, Décision : Acceptation de l’Hypothèse nulle)
H1: les erreurs ne sont pas normalement distribuées (si Prob_X2 est infér ou égale à 0.05, Décision : Rejet Hypothèse
nulle)
. quietly reg lq lk ll
. predict residu, resid
. sktest residu
Skewness/Kurtosis tests for Normality
------- joint ------
Variable | Pr(Skewness) Pr(Kurtosis) adj chi2(2) Prob>chi2
-------------+-------------------------------------------------------
residu | 0.109 0.398 3.71 0.1562
Test de Ramsey-Reset (il teste l’omission d’une vriable explicative pertinente)
H0: le modèle est bien spécifié (si Prob_X2 est sup à 0.05, Décision : Acceptation de l’Hypothèse nulle)
H1: le modèle est mal spécifié (si Prob_X2 est infér ou égale à 0.05, Décision : Rejet Hypothèse nulle)
. ovtest
Ramsey RESET test using powers of the fitted values of lq
Ho: model has no omitted variables
F(3, 9) = 3.89
Prob > F = 0.0493
CORRECTION DE S HYPOTHES ES VIOLEES
Correction de l’Hétéroscédasticité (Méthode d’Eicker-White = Méthode des écarts robustes)
. reg lq lk ll, robust
Linear regression Number of obs = 15
F( 2, 12) = 43.60
Prob > F = 0.0000
R-squared = 0.8890
Root MSE = .07481
------------------------------------------------------------------------------
| Robust
lq | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
lk | 1.498767 .2895189 5.18 0.000 .8679601 2.129575
ll | .4898585 .0741685 6.60 0.000 .3282593 .6514578
_cons | -3.338459 1.672028 -2.00 0.069 -6.981495 .3045759
------------------------------------------------------------------------------
Par Gastonfils LONZO /Tél : +[Link].38/gastonfils@[Link] /facebook: gastonfils sacré
/Assistant/FASEG/UNIKIN/2011
Basis Stata facile : De l’introduction des données à la correction des Violations d’Hypothèses jusqu’au Modèle Final
Correction définitive de l’Autocorrélation des erreurs
. prais lq lk ll, corc
Iteration 0: rho = 0.0000
Iteration 1: rho = 0.3657
Iteration 2: rho = 0.3987
Iteration 3: rho = 0.4107
Iteration 4: rho = 0.4155
Iteration 5: rho = 0.4175
Iteration 6: rho = 0.4183
Iteration 7: rho = 0.4187
Iteration 8: rho = 0.4188
Iteration 9: rho = 0.4189
Iteration 10: rho = 0.4189
Iteration 11: rho = 0.4189
Iteration 12: rho = 0.4189
Iteration 13: rho = 0.4189
Iteration 14: rho = 0.4189
Cochrane-Orcutt AR(1) regression -- iterated estimates
Source | SS df MS Number of obs = 14
-------------+------------------------------ F( 2, 11) = 26.06
Model | .127422686 2 .063711343 Prob > F = 0.0001
Residual | .026887722 11 .002444338 R-squared = 0.8258
-------------+------------------------------ Adj R-squared = 0.7941
Total | .154310409 13 .011870031 Root MSE = .04944
------------------------------------------------------------------------------
lq | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
lk | 1.17154 .4658828 2.51 0.029 .1461386 2.196941
ll | .4308224 .0936668 4.60 0.001 .2246631 .6369817
_cons | -.8645556 2.314019 -0.37 0.716 -5.957677 4.228566
-------------+----------------------------------------------------------------
rho | .4189009
------------------------------------------------------------------------------
Durbin-Watson statistic (original) 0.891088
Durbin-Watson statistic (transformed) 2.382916
Par Gastonfils LONZO /Tél : +[Link].38/gastonfils@[Link] /facebook: gastonfils sacré
/Assistant/FASEG/UNIKIN/2011
Basis Stata facile : De l’introduction des données à la correction des Violations d’Hypothèses jusqu’au Modèle Final
Visualisation graphique de la droite de regrssion
(Avant)
.quietly reg q k l
.avplots
4000
6000
4000
2000
2000
e( q | X )
e( q | X )
0
0
-2000
-2000
-4000
-4000
-20 -10 0 10 20 -5000 0 5000 10000 15000
e( k | X ) e( l | X )
coef = 147. 93619, se = 36.443423, t = 4.06 coef = .40356255, se = .0735605, t = 5.49
Visualisation graphique de la droite de regr ession
(après)
.quietly reg lq lk ll, robust
.avplots
.3
.1
.2
.05
.1
0
e( lq | X )
e( lq | X )
0
-.05
-.1
-.1
-.2
-.15
-.1 -.05 0 .05 .1 -.2 0 .2 .4 .6
e( lk | X ) e( ll | X )
coef = 1.4987675, se = .53980176, t = 2.78 coef = .48985852, se = .10204348, t = 4.8
Par Gastonfils LONZO /Tél : +[Link].38/gastonfils@[Link] /facebook: gastonfils sacré
/Assistant/FASEG/UNIKIN/2011
Basis Stata facile : De l’introduction des données à la correction des Violations d’Hypothèses jusqu’au Modèle Final
. twoway (lfitci lq lk) (scatter lq lk)
10.4
10.2
10
9.8
5.6 5.65 5.7 5.75
lk
95% CI Fitted v alues
lq
. twoway (lfitci lq ll) (scatter lq ll)
10.6
10.4
10.2
10
9.8
9.8 10 10.2 10.4 10.6
ll
95% CI Fitted values
lq
Par Gastonfils LONZO /Tél : +[Link].38/gastonfils@[Link] /facebook: gastonfils sacré
/Assistant/FASEG/UNIKIN/2011
Basis Stata facile : De l’introduction des données à la correction des Violations d’Hypothèses jusqu’au Modèle Final
Comment réperer les observations ab érrantes
de l’erreur homoscédastique
.quietly reg lq lk ll, robust
. rvfplot, yline(0)
.1
.05 0
Residuals
-.05 -.1
-.15
9.8 10 10.2 10.4
Fitted values
Comment réperer les observations extrêmes
.quietly reg lq lk ll
.lvr2plot
.6
.5 .4
Leverage
.3 .2
.1
0 .1 .2 .3 .4
Normalized residual squared
Par Gastonfils LONZO /Tél : +[Link].38/gastonfils@[Link] /facebook: gastonfils sacré
/Assistant/FASEG/UNIKIN/2011
Basis Stata facile : De l’introduction des données à la correction des Violations d’Hypothèses jusqu’au Modèle Final
. edit
(ouvrir DATA EDITOR et taper la suite des années pour
la prévision hors échantillon)
- preserve
- set obs 16
- replace annee = 1973 in 16
- set obs 17
- replace annee = 1974 in 17
- preserve quietly reg lq lk ll, ro
. predict lq2, xb
. gen prevlq1=exp(lq1)
. list annee lq2 prevlq1 in 15/17
annee lq2 prevlq1
1 5. 1972 10.36187 31630.24
1 6. 1973 . .
1 7. 1974 . .
Base des Données de l’étude
Par Gastonfils LONZO /Tél : +[Link].38/gastonfils@[Link] /facebook: gastonfils sacré
/Assistant/FASEG/UNIKIN/2011
Basis Stata facile : De l’introduction des données à la correction des Violations d’Hypothèses jusqu’au Modèle Final
Par Gastonfils LONZO /Tél : +[Link].38/gastonfils@[Link] /facebook: gastonfils sacré
/Assistant/FASEG/UNIKIN/2011