FSJES-FES A.

U 2019-2020

Sections 1 et 2/ Parcours économie et gestion –

TDN°2- Méthodes économétriques

Exercice N° 1

Dep 𝑥𝑡 𝑦𝑡 𝑥𝑡 - 𝑥̅ (𝑥𝑡 -𝑥̅ )2 𝑦𝑡 - 𝑦̅ (𝑦𝑡 -𝑦̅)2 (𝑥𝑡 -𝑥̅ )(𝑦𝑡 - 𝑦̅) ̂𝒕

𝒀
1 2 23 -6 36 -13 169 78 23,18
2 3 27 -5 25 -9 81 45 25,4
3 5 28 -3 9 -8 64 24 29,64
4 9 39 1 1 3 9 3 38,12
5 10 39 2 4 3 9 6 40,24
6 12 45 4 16 9 81 36 44,48
7 15 51 7 49 15 225 105 50,84
Total 56 252 0 140 0 638 297 252
Moyenne 8 36
1°/ Le modèle de régression : 𝒀𝒕 = b + a𝑿𝒕 + εt

Σ(xₜ−𝑥̅ )(yₜ−𝑦̅) 297

𝑎̂ = = ➔ â = 2,12
Σ(xₜ−𝑥̅ )² 140

𝑏 ̂ = 𝑦 ̅ - 𝑎̂𝑥̅ = 36 – 2,12× 8 ➔ 𝑏̂= 19,04

*le modèle s’écrit : 𝑦

̂ = 2,12𝑥𝑡 + 19,04

2°/ Calcul des différentes dispersions

𝑦𝑡 - 𝑦̂t ̂ t)2
(𝑦𝑡 - 𝑦 𝑌̂t - 𝑦̅ (𝑌̂t - 𝑦̅)2

-0,28 0,078 -12,72 161,798

-1,6 2,560 -10,00 112,360
-1,64 2,689 -6,36 40,449
+0,88 0,774 +2,12 4,494
-1,24 1,537 +4,24 17,977
+0,52 0,270 +8,48 71,910
+0,16 0,025 +14,84 220,225
0 7,933 0 629,213
0 0
FSJES-FES A.U 2019-2020

*SCT = ∑(𝑦𝑡 -𝑦̅ )2 = 638

2
*SCE = ∑(𝑌̂t − 𝑦̅) = 629,213

*SCR = SCT-SCE = ∑(𝑦𝑡 − 𝑦

̂ t)2 = 8,79

3°/ Coefficient de corrélation :

𝑐𝑜𝑣 (𝑥,𝑦) Σ(xₜ−𝑥̅ )(yₜ−𝑦̅) 297

ꭈ= = = ➔ ꭈ = 0,9937
𝑒(𝑥) 𝑒(𝑦) √Σ(xₜ−𝑥̅ )² .√Σ(yₜ−𝑦̅)² √140 .√638

ꭈ = 0,99≅ 1 . Ainsi, on peut dire qu’il existe une très forte corrélation positive entre le

nombre de visites x et le nombre de commandes y.

*le coefficient de détermination :

𝑆𝐶𝐸 629,21
R2 = 𝑆𝐶𝑇 = ➔ R2 = 0,9875
638

𝑆𝐶𝑅 7,933
R2 = 1- 𝑆𝐶𝑇 = 1 - ➔ R2 = 0,9875
638

On a : ꭈ = √𝑅 2 = √0,98 = 0,99

R2 = 98% : cela veut dire que le modèle permet d’expliquer 98% de la variation des commandes
(y).

R2 ≈ 100% : la qualité d’ajustement est très bonne.

4°/ l’analyse de la variance

Source de variation Somme des carrées Degré de liberté Somme des carrées
(ddl) moyennes
Régression SCE = 629,21 P-1 = 2-1 =1 𝑆𝐶𝐸
= 629,21
𝑃−1
Résidu SCR= 8,79 n-P= n-2 =5 𝑆𝐶𝑅
= 1,758
𝑛−1
Total SCT = 638 n-1 = (n-p)+(P-1) SCT/n-1 = 638/6 =
=5+1= 6 106,33
FSJES-FES A.U 2019-2020

*test de ficher

Les sommes SCE et SCR suivent des lois de χ2, dont les ddl sont respectivement : P-1
𝑆𝐶𝐸
𝑃−1
et n-P. donc le rapport 𝑆𝐶𝑅 ~> F (p-1 ;n-p)
𝑛−𝑃

𝑆𝐶𝐸
𝑃−1 629,21
Fcalculé = 𝑆𝐶𝑅 = = 357,91
1,758
𝑛−𝑃

Ftabulé (p-1 ;n-P) = F (1 ;5) = 230,20

Fc = 357,20 > Ft = 230,20 => on rejette H0.

Rejette H0 => on rejette que 𝑎̂ = 0 (𝑎̂ ≠ 0)

Donc le coefficient de régression est significativement différent de 0, ainsi la régression

de Y en X est globalement significative.

5°/ Test de student

*coefficient a :
𝐻0: 𝑎 = 0 ( 𝑙𝑒 𝑐𝑜𝑒𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑡 𝑒𝑠𝑡 𝑛𝑜𝑛 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑐𝑎𝑡𝑖𝑓)
{
𝐻1 ∶ 𝑎 ≠ 0 ( 𝑙𝑒 𝑐𝑜𝑒𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑡 𝑒𝑠𝑡 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑐𝑎𝑡𝑖𝑓 )

|𝑎̂| |𝑎̂| 𝛼
On a Tcalculé = 𝜎 = √𝑉 , avec T~𝑡 (1- 2 ; n-P)
̂
𝑎 ̂
𝑎

̂2
𝜎 𝑆𝐶𝑅 ∑ 𝑒2
𝜀
Avec V(𝑎̂ ) = ∑(𝑥𝑖−𝑥̅ ; 𝜎̂𝜀 2 = 𝑛−2 = 𝑛−2
)2

8,79 1,758
𝜎̂𝜀 2 = = > 𝜎̂𝜀 2 = 1,758 => V(𝑎̂) = => V(𝑎̂) = 0,012
5 140
|𝑎̂| |𝑎̂| 2,12
Donc Tc = 𝜎 = √𝑉 = √0,012 => TC = 21,2
̂
𝑎 ̂
𝑎

𝛼
Dans la table de Student : T~𝑡 (1- 2 ; n-2) =T (97,5% ; 5) = 2,571

On a : Tc > T(0,975 ;5) , donc on rejette H0 , d’où le coefficient a est individuellement

significatif.
*coefficient b :
𝐻0: 𝑏 = 0 ( 𝑙𝑒 𝑐𝑜𝑒𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑡 𝑒𝑠𝑡 𝑛𝑜𝑛 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑐𝑎𝑡𝑖𝑓)
{
𝐻1 ∶ 𝑏 ≠ 0 ( 𝑙𝑒 𝑐𝑜𝑒𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑡 𝑒𝑠𝑡 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑐𝑎𝑡𝑖𝑓 )
FSJES-FES A.U 2019-2020

|𝑏̂ |
Tc = 𝜎 ~ > T(n-2)
̂
𝑏

1 𝑥̅ 2 8,79 1 8 2
V(𝑏̂) = 𝜎̂𝜀 2 ( 𝑛 + ∑(𝑥𝑖−𝑥̅ )2) = 5 (7 + 140 ) =1,054

19,04
 𝜎𝑏̂ = √1,054 = 1,027 ; Tc= = 18,66
1,02

La table de Student nous donne : T (97,5% ; 5) = 2,571 d’où le coefficient b est

individuellement significatif.
6°/ les intervalles de confiance au niveau de confiance de 95%.

*IC𝑎̂ = ⌊𝑎̂ − 𝑡1−𝛼,𝑛−2 × 𝜎𝑎̂̂ ; 𝑎̂ + 𝑡1−𝛼,𝑛−2 × 𝜎𝑎̂̂ ⌋

2 2

= [2,12 − (2,571) × (0,1) ; 2,12 + (2,571) × (0,1)]

= [1,86; 2,37]

* IC𝑏̂ = ⌊𝑏̂ − 𝑡(1−𝛼,𝑛−2) × 𝜎̂𝑏̂ ; 𝑏̂ + 𝑡(1−𝛼,𝑛−2) × 𝜎̂𝑏̂ ⌋

2 2

= [19,04 − (2,571) × (1,02) ; 19,04 + (2,571) × (1,02)]

= [16,41; 21,66]

(𝑛−2) (𝑛−2)
*IC𝜎̂𝜀 2 = [ 𝜎̂𝜀 2 ; 𝜎̂𝜀 2 ]
𝜒2 𝛼 𝜒2 𝛼
(𝑛−2 , ) (𝑛−2 , 1− )
2 2

5×1,76 5×1,76
= [ 12,83 ; 0,83
]

= [0,68; 10,60]
7°/ prévoir y pour la valeur x = 20 :
On a : 𝑦̂𝑡 = 2,12𝑥𝑡 +19,04
= 2,12×20 + 19,04
 𝑦̂𝑡 = 61,44

Exercice N°2 :

Soit 𝑦𝑡 = 1,251𝑥𝑡 - 32,95+et

n = 20 ; R2 = 0,23 ; 𝜎̂𝜀 = 10,66
FSJES-FES A.U 2019-2020

∑ 𝑒𝑡 2 𝑆𝐶𝑅
1°/ on a : 𝜎̂𝜀 2 = = => SCR = (n-2) 𝜎̂𝜀 2
𝑛−2 𝑛−2

 SCR = 18× (10,66)2 => SCR = 2045,440

𝑆𝐶𝑅 𝑆𝐶𝑅
• On a : : R2 = 1 - => = 1-R2
𝑆𝐶𝑇 𝑆𝐶𝑇
𝑆𝐶𝑅 2045,44
 SCT = = => SCT = 2656,41
1−𝑅 2 1−0,23
• SCT =SCE+SCR => SCE = SCT-SCR
 SCE = 2656,41 – 2045,440 => SCE = 610,97

2
̂ 𝜎 ̂2̂ 𝜎2 2 2
• On a : V(𝛽̂) = ∑(𝑥𝑖−𝑥̅
̂𝜀
𝜎 𝛽 ̂𝜀 𝛽 ̂𝜀
2
= ̂ 2 2
= ̂ ̂ 𝑥̅ )2
) 𝛽 ∑(𝑥𝑖−𝑥̅ ) ∑(𝛽 𝑥𝑖−𝛽

̂ 𝜎 2 2
̂ 𝜎 2 2
 V(𝛽̂) = ∑(𝑦̂−𝑦𝜀̅ )2 = 𝑆𝐶𝐸𝜀 => V(𝛽̂) = 0,2910
𝛽 ̂ 𝛽 ̂

D’où 𝜎̂𝜀 2 = 0,5396

2°/ pour étudier si le coefficient de la variable x est significativement supérieur à

1, on va tester :
H0 : 𝜷 = 𝟏 contre H1 : 𝜷 > 𝟏

Ce test unilatéral consiste à comparer le ratio de Student empirique ( calculé), à la valeur

de t de Student lue dans la table, dont le ddl est n-2, et le seuil de probabilité égal à
5%(tabulée).

̂ −1
𝛽 1,251−1
• Tc = = => tc = 0,4651
̂𝛽
𝜎 ̂ 0,5396

• Ttab = t(5% ;18) = 1,734 ; on a tc < t(5% ;18)

Donc on ne peut pas rejeter H0 (on accepte alors H0), d’où le coefficient 𝛽̂ n’est pas
significativement supérieur à 1.
FSJES-FES A.U 2019-2020

Exercice N°3

Soit yₜ = b + a𝑥𝑡 + εₜ ; rxy = 0,951916 ; σx = 3,894440 ; σy = 2,945636 ; n =13 ;

ŷₜ= 0,30769 + ….xₜ

̅)(yₜ−y
Σ(xₜ−𝑥 ̅)
Σ(xₜ−x̅)(yₜ−y
̅) Σxₜyₜ− nx̅y
̅ n
1°/ â= = = Σ(xₜ−x̅ )2
Σ(xₜ−x̅)² Σxₜ²− nx̅²
n

Cov (x,y) Cov (x,y) σy

= = ×
σ²x σx σy σx
σy
= rxy ×
σx
2,945636
= 0,951916 x
3,894440

=> â = 0,720000

2°/ Test sur le coefficient de corrélation rxy

La corrélation positive proche de 1 (rxy=0,951916≈1) est-elle significative ?
On effectue alors le test d’indépendance bilatéral au seuil de 5%. On va tester
l’hypothèse nulle H0 : rxy = 0 contre l’hypothèse alternative H1 : rxy≠ 0
Le test est de la forme suivante :
|rxy |
Si tc = > t (0.005 ; 11) on rejette H0.
√1−r²xy

√𝑛−2

H0 : rxy=0 H0 : rxy=0

0,951916
On a tc = √1−(0,951916)²
tc = 10,305382
√13−2

On a aussi t (0.025 ; 11) = 2,2010 (valeur critique)

FSJES-FES A.U 2019-2020

On a : tc >t (
𝛼⁄ ; n-2) donc on rejette H0.
2
Donc, rxy est significativement différent de 0. D’où il existe une corrélation significative
entre le nombre d’années d’étude x et le salaire moyen y, et cette corrélation est positive
proche de 1.
3°/ Ainsi, on peut dire le rejet de l’hypothèse nulle signifie que les résultats obtenus
des données ne sont pas compatibles avec une absence de corrélation. Les variables
x et y sont ainsi dépendants et varient dans le même sens. Les résultats sont ainsi
logiques.
â² Σ(xₜ − x̅)²⁄
SCE Σ(ŷₜ − y̅)² â²Σ(xₜ − x̅)² n
4°/ R²= = = = Σ(yₜ − y̅)2⁄
= â² σ²σ² x

SCT Σ(yₜ − y̅)² Σ(yₜ − y̅)²

n
y

0,720000x3,894440 2
R²= ( ) ➔ R²= 0,906
2,945636

5°/
𝐻₀: 𝑎 = 0 (𝑙𝑒 𝑐𝑜𝑒𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑡 𝑒𝑠𝑡 𝑛𝑜𝑛 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑐𝑎𝑡𝑖𝑓); 𝑐𝑜𝑛𝑡𝑟𝑒
{ .
𝐻₁: 𝑎 ≠ 0 (𝑙𝑒 𝑐𝑜𝑒𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑡 𝑒𝑠𝑡 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑐𝑎𝑡𝑖𝑣𝑒𝑚𝑒𝑛𝑡 𝑑𝑖𝑓𝑓é𝑟𝑒𝑛𝑡 𝑑𝑒 0)

|â| |â|
̂
σ² 𝑆𝐶𝑅
ε
Tc = = = ; avec ̂ =
𝑉(â) et σ²ε =
σ̂â √𝑉(â) Σ(xₜ − x̅)² 𝑛−2

̂
σ²
̂ =
𝑉(â)
ε ̂ = Σe²t = SCR = Σ(yₜ − ŷₜ)²
et σ² ε
Σ(xₜ − x̅)² 𝑛−2 𝑛−2 𝑛−2

SCR = SCT – SCE = Σ(yₜ - y̅)² - Σ(ŷₜ- y̅)²

= n σ²y – â² 𝑛 σ²x
= n (σ²y – â² σ²x )
= 13 ( (2,945636)² - (0,72 x 3, 894440)² )

SCR= 11, 1110 et ̂ = 1,0100

𝛔²𝛆
̂
σ² ̂
σ² ̂ε
σ
̂ =σ²â =
𝑉(â) ε
= ε
σ
̂â =
Σ(xₜ − x̅)² n σ²x √nσx
FSJES-FES A.U 2019-2020

̂â = 0,0719
σ ̂ = 0,0512
σ² â
|â| 0,72
tc = σ̂ = 0,0719
tc = 10,0139
â

ttable= t(0,05 ;11)=1,796

on a : tc > t(0,05 ;11) donc on rejette H0 (a = 0).
Donc le coefficient de la pente est significativement différent de zéro.
Exercice 4 :

n = 1429 ; x̅ = 47,9 ; y̅ = 21,12 ; Σ(xₜ − x̅)2 = 102924

Σ(yₜ − y̅)2 = 8857 et Σ(xₜ − x̅)(yₜ − y̅). = 26466
1- La droite des moindres carrés : yₜ = b + axₜ + εₜ
Σ(xₜ−x̅)(yₜ−y
̅) 26466
• â= = â= 0,2571
Σ(xₜ−x̅)² 102924

• b̂ = y
̅ − âx̅ = 21,12 – 0,2571 x 47,3 b̂ = 8,9591

• b̂= y
̅ − âx̅ = 21,12 – 0,25 x 47,3 b̂ = 9,29

D’où yₜ = 0,25xₜ + 9,29

2- Le coefficient de détermination R² :

SCE Σ(ŷₜ − y̅)² â²Σ(xₜ − x̅)²

R²= = =
SCT Σ(yₜ − y̅)² Σ(yₜ − y̅)²

(0,25)2 x102924
R²= R²= 0,7262
8857
Donc, on peut dire que la qualité d’ajustement des données au modèle est bonne. La droite de
régression est capable de déterminer 72,62% de la distribution des points. La régression
linéaire explique 72,62% de la variation de y.
3-
On a SCR = 2052

̂ = Σe²t SCR
On sait que σ² ε = est un estimateur sans biais de σ²𝜀 avec et = yt - ŷₜ
𝑛−2 n−2
̂ = 2052
Ainsi σ² ̂ = 1,4379
σ²
ε 1427 ε
FSJES-FES A.U 2019-2020

4-
̂
σ² 1,4379
ε
̂ =
𝑉(𝑎) = 102924 = 1,39.10- 5
Σ(xₜ − x̅)²

̂
σ² ̂
σ² ̂
σ²
ε ε ε
̂ =
𝑉(b) + x̅² = + ̂
x̅² 𝑉(â)
𝑛 Σ(xₜ − x̅)² 𝑛

1,4379
= + (47,3)2 x 1,39.10- 5 = 0,0320
1429

̂ = 1,39.10- 5
𝑉(â) ̂̂) = 0,0320
𝑉(b

5- Coefficient a :

|â| |â|
tc =
σ̂â
= ̂
𝑉(â)
= 68,9595 ; ttable= t(0,05 ;1427) N (0 ; 1)

= 1,96

tc > ttable on rejette donc H0. Le coefficient est significatif.