yi = a + li + ki + ui, (2)
=
i i 500
=
P
i ki 490
=
y 149
i 0
i 2
P i =
i 2 330
P k
=
i i 320
2 =
320
P y
i i 0
P yi =
i
i 800
i kiyi = 770
Questions:
y = Xb + u, (3)
o y, X, b et u sont des matrices que lon dterminera et dont on indiquera les dimensions.
e0 e
(d) Calculer la matrice X X , ainsi que son inverse, sachant que lhypothse (5) est vrifie. En
dduire lestimateur des MCO des coecients de la rgression de yei sur i et ki sans constante.
1. Application numrique.
b .
1. b
1. b
2. Tester la significativit de et de 10% et 5% prs. Conclusion?
(H0) : + = 1
Contre lalternative :
(Ha) : + 6= 1
1. Ecrire le modle contraint associ H0, modle dans lequel nintervient plus. Quelles sont
les variables dpendantes et indpendantes de ce nouveau problme?
1. Calculer la somme des carrs des rsidus du modle contraint SCR c. Application
numrique : On vrifiera que c ' 0.594.
On lance un grand nombre de fois une pice de monnaie dsquilibre, dont la probabilit dobtenir
"face" est gale [0, 1].
y = + ,
2. Calculer lestimateur des MCO de : . Prciser les hypothses ("naturelles") que vous faites sur
les rsidus.
avec E(ui|x1i, x2i) = 0. On cherche mesurer les consquences de lintroduction dune seconde
variable explicative, x2i.
1. b
2. Calculer les estimateurs des MCO 1 et 2 des coecients de x1i et x2i dans la rgression de
yi sur x1i et x2i.
(b) Montrer que 1 est asymptotiquement quivalent lestimateur des MCO de la rgression de
yi sur x1i sans x2i. Ces deux estimateurs sont-ils pour autant identiques?
1. On suppose dabord que x1 et x2 sont orthogonaux (cov(x1, x2) = 0). Montrer que
lestimateur des MCO du coecient de x1i dans la rgression de yi sur x1i sans x2i est
convergent mais moins ecace (asymptotiquement moins prcis) que lestimateur des
MCO du coecient de x1i dans la rgression de yi sur x1i et x2i.
1. Si x1 et x2 sont corrls, montrer que lestimateur des MCO du coecient de x1i dans la
rgression de yi sur x1i sans x2i est non convergent (asymptotiquement biais).
On cherche tester linfluence du sexe sur le salaire. Soit {w 1i, i = 1, ..., T1} un chantillon de
salaires dhommes et {w2i, i = 1, ..., n2} un chantillon de salaires de femmes. On suppose les
observations iid. Pour cela, on divise le panel en deux sous-chantillons, femmes (1, taille n 1) et
hommes (2, taille n2). On considre alors les deux modles suivants
1. Montrer que la somme des carrs des rsidus non contraints SCR nc scrit trs simplement
en fonction des sommes des carrs des rsidus u 1 et u2. La calculer.
(d) Montrer que, sous lhypothse dabsence de changement structurel que lon pr-cisera,
lestimateur (b1, b2) suit une loi normale dont on calculera la moyenne et la variance.
(e) Exprimer la dirence SCRc SCRnc en fonction de n1, n2, et de la dirence b1 b2.
(f) En dduire que cette quantit, convenablement normalise, suit un 2 un degr de libert.
Interprter.
3. Le test asymptotique. On abandonne ici lhypothse de normalit des rsidus, ceux-ci restant iid.
S= n
1 P
i=1 Si = n 1
n cet estimateur est-il convergent? Interprter.
\ L n
1
2
n
N
o p = ESi.
1. Tester alors labsence de changement structurel, 5%, laide dun test de Student
(asymptotique).
3 Le Modle Htroscdastique
1. Interprter.
Dans cet exercice, on cherche quantifier linfluence du diplme sur le salaire. On considrera donc
le modle linaire suivant :
wi = xi + + ui
1. Montrer que SR2 suit, sous lhypothse dhomoscdasticit, une loi de Fisher dont on SR 1
prcisera le nombre de degrs de libert.
On value lerreur qui est faite lorsque lon estime un modle linaire htroscdastique par les
MCO.
o la matrice de variance-covariance des ui est diagonale, gale 2diag(1, ..., n). On suppose
que les poids j sont positifs, et somment 1.
5. On calcule un estimateur de la variance de bMCP par la mthode des MCP. Montrer que cet
estimateur nest pas biais.
6. On calcule maintenant un estimateur de la variance de b MCO par les MCO. Montrer que cet
estimateur est biais. Dans quelle direction?
Soit un chantillon dobservations iid {(y i, di), i = 1, ..., N }, avec yi R et di {1, ..., J}. La
variable di est une variable discrte qui indique un groupe social dappartenance de lindividu i (les
diplms par opposition aux non diplms, direntes PCS, etc.). Chaque groupe social j {1, ...,
J} est caractris par un vecteur de constantes zj RK (revenu N le nombre dindividus i dans
moyen, ge moyen, etc.). Pour tout j {1, ..., J}, on note j le groupe j et j la moyenne de yi dans
le groupe j. Enfin, i y = 1 {di = j} dnote la variable indiquant si le groupe dappartenance est le
groupe j (ij = 1 si di = j, = 0 sinon).
(i , b
i 0
b
1 bJ i i
1
..., J ) .
(a) Remplacer les ? dans les deux quations suivantes par lexpression approprie:
(a) Montrer que les quations normales dfinissant lestimateur des MCO de a et b
y j = a + z0 b + vj , j = 1, ..., J. (15)
(a) Montrer que lquation (15) se dduit de lquation (11) pour un choix de v j que vous
expliciterez.
1. Calculer lestimateur des MCG et montrer que cest le mme estimateur que celui obtenu
dans la question 2c.
yi = a + bxi + ui,
1. Pour mettre ces problmes en vidence, on postule dans cette question lexistence dune
caractristique inobserve, zi, qui influence la fois ui et xi. Soit :
ui = bzi + i,
xi = + zi + ei.
(c) On calcule empiriquement le biais de b. Quelle mthode peut-on utiliser? On trouve alors un
biais significativement ngatif.
yi = a + bxi + ui,
yi = yi + i,
xi = xi + i.
On suppose les erreurs de mesure i et i non corrles entre elles, iid et non corrles avec x i.
(a) Soit b lestimateur des MCO du coecient de xi dans la rgression de yi sur xi avec constante.
Exprimer le biais asymptotique sur b et montrer que lerreur de mesure biaise lestimateur vers 0.
(b) Soit bc lestimateur des MCO du coecient de yi dans la rgression de xi sur yi avec constante.
Exprimer le biais asymptotique de 1/bc sur b. Montrer que le biais est positif.
(c) En dduire que lon peut obtenir un encadrement du vrai rendement de lducation, et discuter
la prcision de cet encadrement. Montrer en particulier que 1/bc reste biais mme lorsquil ny a
pas derreur de mesure.
4.2 Un modle dore de travail
La variable yi reprsente le nombre dheures travailles par lindividu i dans la semaine prcdant
lenqute, et xi est le salaire horaire de ce mme individu.
1. Quelles sont les deux interprtations possibles du rsidu u i vues en cours. Pour quelle
raisons, dans lventualit dune interprtation causale de cette relation, la variable x i est-
elle susceptible dtre corrle au rsidu ui?
1. On suppose dans cette question que x i est endogne dans lquation (16). Montrer qualors
lestimateur des MCO b de b est biais, et calculer son biais en fonction de x i et ui.
Sattend-on un biais positif ou ngatif? Justifier.
1. Parmi les variables suivantes, lesquelles peut-on rejeter immdiatement comme ntant pas
des instruments convenables pour le modle (16) : indicatrice de temps partiel, profession
de lindividu, rgion de rsidence, diplme, salaire hebdomadaire. Justifier chacune de vos
armations.
1. On retient dans cette question et la suivante la profession des parents comme instru-ment.
Expliquer comment on obtient lestimateur des doubles moindres carrs de b, associ au
modle (16) et linstrument considr (que lon pourra noter z i pour les besoins de
lexplication).
o les carts-types sont entre parenthse. Que reprsente la variable vi? Donner la moyenne et
lcart-type de b2MC . Tester ensuite lexognit de xi pour le modle (1) 5%. Dans quel sens
lestimateur des MCO est-il biais? Commenter.
1. Peut-on tester la validit de linstrument "profession des parents" partir des infor-mations
contenues dans lnonc ? Comment pourrait-on sy prendre pour la tester? Expliquer.
1. Daprs les conclusions de lexercice, quel eet, revenu ou substitution, est dominant dans
lchantillon? Proposer une autre forme pour le modle (16) qui permette de prendre en
compte ces deux eets simultanment.
4.3 Rgression vers la Moyenne?
Soit un chantillon dobservations iid {(y i, xi), i = 1, ..., N}, avec yi R, xi R. On suppose quil
existe une variable di {1, ..., J}, inobserve, qui partitionne les individus en J groupes. La
variable xi est la taille du pre de lindividu i et yi est sa propre taille. En rgressant y i y sur xi x
le statisticien Galton a trouv un coecient infrieur un, phnomne quil a qualifi de rgression
vers la moyenne. En ralit, il sagit dun artefact statistique quon va chercher comprendre.
yi y = z
di + ui,
xi x = z
di + vi,
E(ui| e
di) = 0 t V(ui|di) = u2,
E(vi| e
di) = 0 t V(vi|di) = v2.
1. Interprtez zj . Quelle justification donner au fait que lon suppose que cest le mme z j qui
apparat dans les deux quations?
5. Les conomistes de la croissance ont souvent rgress le taux de croissance moyen du PIB (sur
une priode donne) sur le PIB de dbut de priode:
pour un chantillon de pays i = 1, ..., N. Une estimation ngative du coecient b est souvent
interprte comme le signe dune convergence vers un niveau de PIB commun. Montrer laide du
modle prcdent quune telle interprtation peut tre fallacieuse.
5 Equations simultanes
y + +
c = u,
y = c + i,
1. Quelles remarques pouvez-vous faire sur lestimation des modles dquilibre gnral.
Proposez une mthode destimation convergente des paramtres.
On suppose de plus que les rsidus suivent une loi normale bivarie dont les paramtres sont :
E(ui) = E(vi) = 0,
1. La loi conditionnelle vi|ui est normale. Calculer sa moyenne et sa variance. En dduire par
symtrie la loi de ui|vi.
1. Vrifier que :
5.3 Identification
1. Montrer laide de la forme rduite que les paramtres sont en eet identifis.
2. Soit le modle :