Examen intra Examen final x
Sigle Groupe Trimestre
ECO4272 50 20181
Titre Introduction `a l’´econom´etrie
Enseignant(e) Steve Ambler
Consignes importants
1. Ecrivez lisiblement.´
2. Justifiez vos r´eponses. La majorit´e des points seront attribu´ees pour le raisonnement.
3. Je ne pourrai accorder des pointspour une mauvaise r´eponse sans justification. Voir le point 2.
4. La documentation n’est pas permise.
5. Ne simplifiez pas vos r´eponses. Cela va me permettre de suivre plus facilement votre raisonnement. Voir le point 2.
6. Les calculatrices ne sont pas permises. Voir le point 5.
7. Les t´el´ephones ne sont pas permis.
8. Si je vous demande si une statistique calcul´ee est significative,sans consulter les tables, vous pouvez donner une r´eponse approximative. Je vous donne par contre les ´egalit´es suivantes :Φ (−1.645)≈0.05
Φ (−1.96) ≈0.025etΦ (−2.57)≈0.005, o`u la fonctionΦ (·)est la loi normale centr´ee r´eduite cumul´ee.
1 R´eponses courtes (20 points)
1. Expliquez en mots pourquoi une statistiqueF calcul´ee pour tester des hypoth`eses jointes doit forc´ement ˆetre positive.
2. D´ecrivez en d´etail comment tester un ensemble d’hypoth`eses jointes portant sur les coefficients individuels d’un mod`ele de r´egression multiple si on a seulement les coefficients estim´es et leurs ´ecarts types individuels.
(Ceci pourrait ˆetre le cas si on a acc`es `a des r´esultats publi´es dans un article mais non aux donn´ees originales.)
3. D´ecrivez de quoi d´epend l’impact de l’ajout d’une variable explicative `a un mod`ele de r´egression sur leR¯2. Est-ce que le crit`ere pour savoir le signe de l’impact surR¯2 a une interpr´etation statistique ? Expliquez.
4. D´ecrivez de quoi d´epend le signe et la taille du biais introduit par l’omission d’une variable explicative significative d’un mod`ele de r´egression multiple.
5. Dans le cadre du mod`ele de r´egression multiple, que signifietester la significativit´e de la r´egression?
2 Propri´et´es d’estimateurs (30 points)
Soit l’estimateurβ˜d’un vecteur de param`etresβ d’un mod`ele de r´egression lin´eaire multiple.
1. Si l’estimateurβ˜est non biais´e, cela veut direen notation math´ematiqueque . . .
2. Expliquez en mots la signification rigoureuse deconvergence en probabilit´e.
3. L’erreur d’un estimateur peut ˆetre ´ecrit comme βb−β
o`u vous pouvez supposer (pour cette sous-question) queβ est un scalaire (un seul param`etre et non un vecteur),βest sa valeur etβbest sa valeur estim´ee. ´Ecrivez une expression pour ce qu’on appelle l’erreur
quadratique moyenne (qui est en fait une esp´erance). Montrez que l’erreur quadratique moyenne est la somme de la variance de l’estimateur plus le carr´e du biais de l’estimateur (indice — il suffit d’ajouter et de soustraire l’esp´erance de l’estimateur et ensuite de simplifier l’expression que vous obtenez). Cette sous-question est l´eg`erement plus difficile que les autres.
4. Si un estimateur est non biais´e et si sa variance tend vers z´ero lorsque la taille de l’´echantillon tend vers l’infini, vers quoi tend son erreur
quadratique moyenne ? Vous pouvez r´epondre sans avoir d´emontr´e le r´esultat de la sous-question pr´ec´edente.
5. Dans le cours, quelle est la fac¸on habituelle de d´emontrer la convergence en probabilit´e d’un estimateur ? (Indice — pensez `a la sous-question pr´ec´edente.)
6. Expliquez en mots ce que veut dire la notation suivante : β˜−→d N
β,Σ˜β .
7. Dans le mod`ele de r´egression multiple (lin´eaire), qu’est-ce qui arrive `aΣ˜βˆ (est-ce que les ´el´ements de la matrice tendent vers quelque chose ?) lorsque la taille de l’´echantillon augmente ?
8. D´ecrivez en mots ce que veut dire l’efficience d’un estimateur lin´eaireβ˜ dans le contexte de la r´egression multiple(et o`u doncβ est unvecteur de param`etres). D´ecrivez aussi ce que cela veut dire en notation
math´ematique.
9. Sous quelles conditions est-ce que l’estimateur MCO deβ(β) estb
efficient dans le mod`ele de r´egression multiple ? Est-ce que ces conditions font partie des hypoth`eses de base du mod`ele de r´egression multiple, au moins la version du mod`ele pr´esent´ee dans le chapitre 6 du manuel de Stock & Watson ou dans les notes de cours ?
10. En mots, d´ecrivez pourquoi le fait d’avoir un ´echantillon d’observations plus grand peut ˆetre une solution au probl`eme de multicollin´earit´e imparfaite.
11. D´efinissez en mots le probl`eme de multicollin´earit´e parfaite. Quelle est la cons´equence de la multicollin´earit´e parfaite ?
3 Tests d’hypoth`ese (20 points)
Vous venez d’estimer le mod`ele de r´egression suivant :
Yi =β0+β1X1i+β2X2i+β3X3i+β4X4i+β5X5i+ui
Vous voulez tester l’hypoth`ese suivante :
H0 :β1 + 2β2 = 3
contre l’hypoth`ese alternative bilat´erale
H0 :β1+ 2β2 6= 3.
1. Montrez comment tester l’hypoth`ese en ´ecrivant un mod`ele´equivalenten termes d’un nouveau param`etre qui est la combinaison lin´eaire pertinente deβ1et deβ2.
2. D´ecrivez comment tester l’hypoth`ese en utilisant la formule g´en´erale pour tester des hypoth`eses lin´eaires (possiblement mais non n´ecessairement jointes). Pas n´ecessaire d’´ecire la formule au complet, mais je vous demande d’´ecrire la restriction qui tient sousH0 sous forme matricielle.
3. Comment est-ce que la statistique de la sous-question pr´ec´edente est distribu´ee ?
4. D´ecrivez comment tester l’hypoth`ese en ´ecrivant et estimant un mod`ele contraint qui impose l’hypoth`ese nulle que vous voulez tester.
5. Pour les trois fac¸ons de tester cette hypoth`ese nulle, expliquez s’il est possible (et comment) d’utiliser des ´ecarts types robustes (des param`etres estim´es) pour effectuer le test.
4 Mod`eles de r´egression non lin´eaires (20 points)
Soit le mod`ele de r´egression non lin´eaire suivant :
Yi =β0+β1X1i+β2X1i2+β3X2iX1i+β4X3i+ui Vous avez estim´e ce mod`ele et vous voulez pr´edire l’impact surYi d’une augmentation deX1i.
1. Est-ce que ce mod`ele est non lin´eaire dans les param`etres ? Expliquez clairement en donnant une r´eponse math´ematique ainsi qu’en mots.
2. D´erivez une expression alg´ebrique pour le changement pr´edit
∆ ˆY ≡Yˆ2−Yˆ1 suite `a un changement de la valeur deX1
(∆X1 ≡X12−X11),pour des valeurs constantes des autres variables.
Notez queY2 fait r´ef´erence `a la valeur deY apr`es le changement de la
valeur deX1, etY1fait r´ef´erence `a sa valeur avant le changement. Vous pouvez utiliser l’approximation
X122 = (X11+ ∆X1)2
=X112+ 2×∆X1×X11+ (∆X1)2
≈X112+ 2×∆X1 ×X11 si∆X1 est suffisamment petit.
3. En ´ecrivant∆ ˆY /∆X1sous la formeδ0β, ´ecrivez une expressionb
alg´ebrique pour l’´ecart type du changement pr´edit. Montrez votre travail.
4. Utilisant l’´ecart type calcul´e `a la sous-question pr´ec´edente, ´ecrivez l’intervalle de confiance autour du changement pr´edit. Vous pouvez supposer un niveau de confiance de 95%.
5. ´Ecrivez un mod`ele ´equivalentqui permet de calculer l’´ecart type du changement pr´edit en fonction de l’´ecart type d’un des coefficients estim´es. ´Ecrivez l’intervalle de confiance pour le changement pr´edit bas´e sur cette estimation, utilisant l’´ecart type estim´e du coefficient tranform´e.
6. ´Ecrivez sous forme matricielle l’hypoth`ese nulle jointe `a tester qui permettrait de calculer l’´ecart type du changement pr´edit. ´Ecrivez l’intervalle de confiance pour le changement pr´edit bas´e sur cette m´ethode.
5 Tests diagnostics (10 points)
1. D´ecrivez quelque fac¸ons informelles de d´etecter l’h´et´erosc´edasticit´e du terme d’erreur dans le mod`ele de r´egression multiple.
2. D´ecrivez deux fac¸ons diff´erentes de tester formellement l’hypoth`ese nulle de l’homosc´edasticit´e du terme d’erreur dans le mod`ele de r´egression multiple.
6 Biais d ˆu `a des variables omises (20 points en bonus)
Soit le mod`ele de r´egression multiple donn´e par
Y =Xβ+U =X1β1+X2β2+U
avec la notation habituelle, et o`uX1etX2 regroupent des sous-ensembles des variables explicatives. (Cela veut dire queβ1etβ2sont desvecteursde
param`etres.) On suppose que le mod`ele ob´eit aux hypoth`eses statistiques de base du mod`ele de r´egression multiple. Vous estimez le mod`ele donn´e par
Y =X1β1+ ˜U o`uU˜ ≡X2β2+U.
1. ´Ecrivez le probl`eme de minimisation `a r´esoudre pour trouver l’estimateur MCO deβ1.
2. ´Ecrivez les conditions du premier ordre pour ce probl`eme de minimisation.
3. ´Ecrivez une expression alg´ebrique pour l’estimateur MCO deβ1,βˆ1. Notez qu’il n’est pas forc´ement n´ecessaire d’avoir r´epondu aux deux premi`eres sous-questions pour r´epondre `a celle-ci.
4. D´erivez une expression pour le biais dˆu aux variables omises. Cette sous-question est probablement la sous-question la plus difficile de cette question.
5. `A quoi doit converger (en probabilit´e) ce biais ?
6. Donnez une interpr´etation en mots de cette expression pour le biais.
7. Qu’est-ce qu’on peut dire concernant le signe du biais ? Expliquez.
N’oubliez pas qu’iciβ1 etβ2 sont desvecteursde param`etres.
document cr´e´e le : 15/04/2018