Université de Carthage Enseignant : Oula BEN HASSINE
ISG Bizerte mail : [Link]@[Link]
3 ème année LSE Module : Initiation à l’économétrie
TD 5 : Le Modèle de Régression Linéaire Général
Exercices
1 (Kriaa , 2008) Considérons le modèle linéaire général défini par :
y = Xa + u
Avec :
E(u) = 0 V (u) = σ 2 Ω Où : y, X et Ω sont définis par :
2 4 1 0 0
X = 4 ;
y = 5 ;
Ω = 0 2 3
1 6 0 3 5
(1) On admet dans cette question que : σ 2 = 9.
a) Déterminer l’estimateur de a par les MCG ainsi que sa matrice de variances-covariances.
b) Étudier la significativité de l’estimateur de a obtenu par les MCG.
(2) Le paramètre σ 2 est désormais inconnu. Déterminer l’estimateur du paramètre σ 2 .
2 (Ghazouani et Goaied, 1997) On considère les données suivantes :
Yi 0 6 3 16 10
Xi -2 -2 0 4 10
Zi -5 8 -6 8 5
On désire estimer la régression suivante :
Yi = aXi + bZi + εi
Où les erreurs εi sont caractérisées par les hypothèses suivantes :
E(εi ) = 0 ∀i
2 2
σ i si i = j
E(εi εj ) =
0 6 j
si i =
(1) Construire la matrice de variances-covariances des erreurs pour l’échantillon. Donner son
inverse.
(2) Calculer les estimateurs BLUE de a et b. Calculer la variabilité résiduelle SCR, et donner
une estimation centrée de σ 2 .
(3) Sous l’hypothèse de normalité des erreurs, tester individuellement a = 0, puis b = 0 au
seuil de 5%.
(4) Tester à 5%, l’hypothèse nulle a + b = 0.
1
3 Soit le modèle de régression suivant :
yt = bxt + εt t = 1, · · · , T
On considère les hypothèses suivantes sur les erreurs :
E(εi ) = 0 ∀i
2
σ si i = j
E(εi εj ) =
aσ 2 6 j
si i =
(1) Soit ω = σ 2 V la matrice de variances-covariances des erreurs. construire la matrice V
d’ordre 3 pour a = 0.5. Calculer son déterminant et son inverse.
(2) On désire estimer le modèle sur la base des trois observations suivantes :
yi 5 5 10
xi 2 1 3
Trouver le meilleur estimateur linéaire et centré de b (désigné par b̂). Calculer la vraie
variance de b̂ en terme de σ 2
(3) Tester l’hypothèse b = 2 au seuil de 10%.
ˆ
(4) Estimer le paramètre b par la méthode des MCO (noté par b̂). Calculer la vraie variance
de cet estimateur. Comparer cette variance avec la vraie variance de b̂.
4 L’estimation d’une équation de régression a conduit aux résultats suivants :
yˆt = −7.5 + 3.8 xt + 2.4 zt
(yt − ȳ)2 = 25
P P 2
T = 33 ε̂t = 5
(ε̂t ε̂t−1 )2 = 17.2
P P
ε̂t ε̂t−1 = −3.6
(1) Calculer le coefficient de détermination R2 .
(2) Effectuer un test de significativité globale. Quelle conclusion peut-on en tirer.
(3) Tester l’hypothèse d’autocorrélation des erreurs. S’il y a autocorrélation, estimer le coef-
ficient. S’agit-il d’une autocorrélation positive ou négative ? Quelle méthode d’estimation
peut-on employer ?
Références
[1] Kriaa, F. (2008). Modélisation Économétrique, Tunis.
[2] Ghazouani, S. et Goaied, M. (1997). Économétrie, Tome 1, C.L.E, Tunis.