ECO 4272: Introduction `a l’´econom´etrie Examen intra
Steve Ambler
D´epartement des sciences ´economiques Ecole des sciences de la gestion ´ Universit´e du Qu´ebec Montr´eal
c 2012, Steve Ambler Hiver 2012
Je vous demande d’´ecrirelisiblement. J’ai une incitation tr`es forte `a ne pas passer trop de temps `a d´echiffrer des r´eponses barbouill´ees. Lorsque je vous demande de justifier votre r´eponse,il va de soique la grande majorit´e des points seront attribu´ees pour la justification, qui peut ˆetre graphique, alg´ebrique ou en mots (si ce n’est pas sp´ecifi´e) : la coh´erence et la logique sont primordiales.
La documentation n’est pas permise. Vous n’ˆetes pas oblig´es de simplifier les solutions des calculs num´eriques (donc vous n’avez pas besoin de calculatrice).
En fait, je vous sugg`erefortementdene pas simplifierles r´eponses. Cela va me permettre de suivre beaucoup plus facilement votre raisonnement et je pourrai accorder des points partiels mˆeme si vous faites des erreurs mineures. Vous avez trois heures.
1 Variance de la somme de variables al´eatoires ind´ependantes (15 points)
SoitXetY deux variables al´eatoires ind´ependantes. Par d´efinition, la variance de la somme de deux variables est donn´ee par
Var(X+Y) =
m
X
i=1 n
X
j=1
Pr(X =Xi , Y =Yj) (Xi+Yj −E(X+Y))2. Puisque les deux variables sont par hypoth`ese ind´ependantes, nous pouvons
´ecrire
Var(X+Y) =
m
X
i=1 n
X
j=1
Pr(X =Xi)Pr(Y =Yj) (Xi +Yj −E(X+Y))2. puisque
Pr(X =Xi , Y =Yj) =Pr(X =Xi)Pr(Y =Yj), ∀i, j.
A partir de la deuxi`eme ´egalit´e, montrez explicitement que` Var(X+Y) = Var(X) +Var(Y).
Indice : regroupez(Xi−E(X))et(Yj−E(Y))du cˆot´e droit des sommations avant d’aller plus loin. Utiliser le fait que puisque Pr(X =Xi)et(Xi−E(X)) ne d´ependent pas dej, vous pouvez les sortir (´ecrire de l’autre cˆot´e) de la deuxi`eme sommation.
2 Distributions de probabilit´e jointes (20 points)
Vous jetez une pi`ece de monnaie non truqu´ee. SoitXla variable al´eatoire qui prend la valeur de0en cas de pile et1en cas de face. Si vous obtenez un0, vous jetez un d´e ordinaire non truqu´e (faces num´erot´ees de 1 `a 6). Si vous obtenez un 1, vous pigez une carte dans un chapeau qui contient des cartes num´erot´ees de 1
`a 4 (une carte de chaque valeur). Appelez la valeur obtenue dans ce deuxi`eme tour la variable al´eatoire Y.
1. Faites un tableau qui donne les distributions de probabilit´e jointes et marginales pour les deux variables al´eatoires.
2. ´Ecrivez une expression pour E(X).
3. ´Ecrivez une expression pour E(Y).
4. ´Ecrivez une expression pour E(Y|X = 1).
5. ´Ecrivez une expression pour E(X|Y = 2)
6. Est-ce que les deux variables al´eatoires sont ind´ependantes ? Expliquez.
3 Estimateur de l’esp´erance (20 points)
Vous avez deux ´echantillons de donn´ees de taillen= 300avec des observations i.i.d. sur les r´ealisations de deux variables al´eatoiresY1 etY2. Vous ne savez pas quelle est la loi qui g´en`ere les deux variables al´eatoires, mais par contre vous savez (pour une raison qui n’est pas importante) que
σY2 ≡Var(Y1) = 1
2Var(Y2) et
E(Y1) =E(Y2)≡µY.
Par contre, vous ne connaissez niµY niσ2Y. Vous voulez estimerµY de la mani`ere la plus pr´ecise possible.
1. Est-ce que votre estimateur va donner un poids ´egal aux observations provenant des deux ´echantillons ? Expliquez pourquoi ou pourquoi pas. Pas besoin d’alg`ebre pour cette sous-question — donnez une r´eponse intuitive.
2. Montrez que l’estimateur donn´e par Ye ≡ 1
2n
n
X
i=1
Y1i+ 1 2n
n
X
i=1
Y2i.
est non biais´e. Notez que cet estimateur donne un poids ´egal `a toutes les observations.
3. Calculez la variance ´echantillonnale de l’estimateurYe.
4. Calculez la variance ´echantillannale de l’estimateur donn´e par
˚Y ≡ m n
n
X
i=1
Y1i+ (1−m) n
n
X
i=1
Y2i, 0< m <1.
5. Montrez que la valeur demqui minimise la variance ´echantillonnale de˚Y estm= 23.
4 R´egression simple, tests d’hypoth`ese et intervalles de confiance (45 points)
On a des donn´ees sur l’output, l’emploi et le stock de capital de 280 firmes. On veut estimer les param`etres d’une fonction de production Cobb-Douglas avec
rendements constants `a l’´echelle. On a
Yi =eβ0Ki1−β1Liβ1eui
⇒ Yi
Ki
=eβ0 Li
Ki β1
eui
⇒ln Yi
Ki
=β0+β1ln Li
Ki
+ui,
o`uYiest l’output de la firme,Ki est son stock de capital,Li est son emploi, eteβ0 est le niveau du progr`es technique qu’on suppose constant `a travers les firmes.
Cette transformation montre que nous pouvons estimerβ1, la part du travail, en estimant une r´egression lin´eaire simple avec le ratio output/capital (en logs) comme variable d´ependante et le ratio emploi/capital (aussi en logs) comme variable explicative. Supposons les r´esultats suivants pour notre estimation.
Coefficient Estim´e Ecart type´
β0 0.130 5.371
β1 0.690 0.023
On a aussi
n 280
SSR 451.78 ESS 236.49
o`unest le nombre d’observations,SSRest la somme des r´esidus au carr´e et ESS est la somme expliqu´ee des carr´es. SoitΦ(z)≡P r(Z ≤z)pour une variable al´eatoireZ qui suit une distribution normale centr´ee r´eduite.
1. Donnez une interpr´etation ´economique deβˆ1. 2. Quelle est la somme totale des carr´es (T SS) ?
3. Montrez comment calculer la mesure d’ajustement statistique de la r´egression (R2).
4. Montrez comment calculer l’´ecart type de la r´egression.
5. Montrez comment calculer la statistiquetpour tester la significativit´e de βˆ1. Quelle est l’hypoth`ese nulle (H0) qui est test´ee ? Quelle est l’hypoth`ese alternative (H1) dans ce cas ?
6. ´Ecrivez une expression pour la p-value de cette statistique en fonction de la fonctionΦd´efinie ci-dessus. Quelles hypoth`eses concernant la distribution (loi) de la statistique faites-vous ?
7. Sans chercher dans les tables, est-ce que vous pouvez dire que le coefficientβˆ1est significatif `a un niveau de 5% ? Expliquez.
8. Montrez comment tester l’hypoth`ese nulle suivante H0 : β1 = 0.66 contre l’hypoth`ese alternative
H1 : β1 >0.66.
9. ´Ecrivez une expression pour la p-value de cette statistique en fonction de la fonctionΦd´efinie ci-dessus.
10. Montrez comment calculer un intervalle de confiance de 95% pour le coefficientβ1. Montrez votre travail. Vous n’ˆetes pas oblig´es de calculer une valeur num´erique pour cet intervalle de confiance. Vous pouvez utiliser Φ(−1.96) ≈0.025.
11. Montrez comment calculer un intervalle de confiance de 99% pour le coefficientβ0. Montrez votre travail. Vous pouvez utiliser
Φ(−2.58) ≈0.005.
5 R´egression simple : estimateurs non biais´es (20 points (bonus))
Soit le mod`ele lin´eaire suivant
Yi =β0+β1Xi+ui. o`u les observations sont ordonn´ees pour que
Xi > Xi−1,
et donc ordonn´ees en valeurs croissantes de la variable expicativeXi. Consid´erez le mod`ele suivant
∆Yi =β1∆Xi+vi, avec
∆Yi ≡Yi−Yi−1, ∆Xi ≡Xi−Xi−1, vi ≡ui−ui−1.
1. Trouvez l’estimateur MCO deβ1, c’est `a dire la valeur qui minimise la somme des r´esidus au carr´e,
min
β1
n
X
i=2
(∆Yi−β1∆Xi)2.
Notez que la sommation commence aveci= 2— en calculant les
diff´erences entre nos observations, nous perdons une observation de notre
´echantillon.
2. Si on suppose que
E(vi|∆Xi) = 0,
montrez que cet estimateur (qu’on peut appelerβˆ1) est non biais´e.
3. Consid´erez l’estimateur donn´e par β˜1 =
1 n
Pn i=2∆Yi
1 n
Pn
i=2∆Xi. Est-ce que cet estimateur est non biais´e ?
4. Entre les deux estimateurs, peut-on dire queβˆ1est plus ou moins efficient queβ˜1? Expliquez. Indice — utilisez un raisonnement g´en´eral : il n’est pas n´ecessaire de calculer les variances ´echantillonnales des deux estimateurs.
cr´e´e le : 19/02/2012