Université de Carthage Enseignant : Oula BEN HASSINE

ISG Bizerte mail : oula.benhassine@isgb.ucar.tn

3 ème année LSE Module : Initiation à l’économétrie

TD 2 : Le Modèle de Régression Linéaire Simple

Tests, ANOVA et Prévision

1 (Anderson et al. , 2006) Les données suivantes correspondent à la note moyenne x et au salaire
mensuel y d’étudiants qui ont obtenu un diplôme de secondaire en gestion et commerce, avec
une dominante en systèmes d’information. L’équation estimée de la régression associée à ces
données est :

Note Salaire
Moyenne Mensuel ($)
ŷ = 1290.5 + 581.1 x 2.6 2800
3.4 3100
3.6 3500
3.2 3000
3.5 3400
2.9 3100

(a) Calculez SCT, SCE et SCR.

(b) Calculez le coefficient de détermination R2 . Commentez l’adéquation de la régression aux
données.
(c) Quelle est la valeur du coefficient de corrélation de l’échantillon ?
(d) Est-ce que le test de Student révèle l’existence d’une relation significative entre la note
moyenne et le salaire mensuel ? Quelle est votre conclusion ? Utilisez un seuil de significa-
tion de 5%.
(e) Testez l’existence d’une relation significative en utilisant le test de Fisher. Quelle est votre
conclusion ? Utilisez un seuil de signification de 5%.
(f) Construisez le tableau ANOVA.
(g) Construisez un intervalle de confiance à 95% pour le salaire moyen de départ de tous les
étudiants qui ont obtenu une note moyenne de 3.
(h) Construisez un intervalle de prévision à 95% pour le salaire de départ d’un étudiant qui a
obtenu une note moyenne de 3.

2 (Bourbonnais , 2009) Le tableau ci-dessous reprend les données concernant le revenu moyen
par habitant (noté X) la consommation par habitant en dollars (notée Y ) pour un pays.
On suppose l’existence d’une relation linéaire entre les deux variables selon le modèle suivant :

yt = a0 + a1 xt + t

1
 Année Revenu Consommation
X Y
1 8 000 7 389.99
2 9 000 8 169.65
3 9 500 8 831.71
4 9 500 8 652.84
5 9 800 8 788.08
6 11 000 9 616.21
7 12 000 10 593.45
8 13 000 11 186.11
9 15 000 12 758.09
10 16 000 13 869.62

(a) A partir des données du tableau, on demande de calculer les estimations â0 et â0 .
(b) La propension marginale à consommer est-elle significativement différente de 0 ?
(c) Quel est l’intervalle de confiance au seuil de 95% pour la propension marginale à consom-
mer ?
(d) En supposant que le modèle estimé s’écrit :

yt = 1176.08 + 0.78 xt + et
(0.21) (43.53)
(.) : t de Student
et : residu

i) Calculer le coefficient de détermination et effectuer le test de Fisher permettant de

déterminer si la régression est globalement significative.
ii) Quelle est la conséquence sur la consommation de l’augmentation du revenu de 8%.
iii) Pour les années 11 et 12, on prévoit respectivement 16 800 et 17 000 dollars de revenu
par habitant. Déterminer la prévision de consommation pour ces deux années ainsi
que l’intervalle de prédiction au seuil de 95%.

3 (Kriaa , 2008) On veut expliquer l’évolution de la demande Y d’un produit en fonction de

son prix unitaire X. Pour cela, on propose d’estimer le modèle suivant sur la base de données
trimestrielles allant du premier trimestre 2000 au quatrième trimestre 2007.

yt = a0 + a1 xt + ut

Où les ut sont des termes d’erreurs indépendants et homoscédastiques et yt = Log(Yt ) et

xt = Log(Xt ) pour t = 1, 2, · · · , T .
On dispose des statistiques suivantes :

T = 32 x̄ = 2 ȳ = 5
P32 P32 P32
t=1 xt yt = 319 t=1 x2t = 130 t=1 yt2 = 802.9

(a) Interpréter économiquement les paramètres du modèle.

(b) Trouver les estimations de a0 et a1 par les MCO.
(c) A partir de l’équation de la variance, prouver que la somme des carrés des résidus est égale
à 2.4.

2
 (d) Effectuer au niveau de 95% le test d’hypothèse a1 = 0 contre l’hypothèse alternative
a1 6= 0 .
(e) Calculer la valeur du coefficient de détermination. Commenter cette valeur.

4 (Ghazouani et Goaied, 2008) On considère le modèle linéaire simple :

Yi = a + b Xi + i

Yi indique le rendement par hectare du blé, exprimé en quintal par hectare. Xi représente la
quantité d’engrais utilisée, exprimée en Kg/ha. i est un terme aléatoire qui vérifie les hypothèses
de la régression classique.
On dispose des observations suivantes :

Yi 40 45 50 65 70 70 80
Xi 100 200 300 400 500 600 700

(a) estimer par la méthode des MCO, les paramètres du modèle (a, b, et σ 2 la variance des
erreurs)
(b) Établir des intervalles de confiance, au niveau de 95%, pour a, b et σ 2 .
(c) Tester, individuellement, la significativité des paramètres a et b, au seuil de 5%.
(d) Etablir le tableau d’analyse de la variance. Tester la significativité globale du modèle, au
seuil de 5%.
(e) Quel rendement prévoit-on si la quantité d’engrais utilisée est de 350 Kg/ha ? Établir son
intervalle de confiance, au niveau de confiance de 95%.
(f) Estimer le produit marginal dû à l’utilisation d’un kilogramme supplémentaire d’engrais
par hectare. En déduire le prix d’achat à partir duquel l’utilisation d’engrais est profitable
si le prix de vente du produit agricole est fixé à deux dinars le quintal.

5 (Kriaa , 2008) Une entreprise cherche à relier le niveau de son profit yt au prix unitaire xt . Pour
cela, on considère la régression simple suivante :

y t = a0 + a1 x t + u t

Pour t = 1, 2, · · · , T
Où ut sont des termes d’erreur iid N (0, σ 2 )

On dispose des informations suivantes :

PT 2
PT 2
PT
t=1 (xt − x̄) = 40 t=1 (yt − ȳ) = 122 t=1 (yt − ȳ)(xt − x̄) = 60

T = 27 x̄ = 4 ȳ = 12

(a) Déterminer les estimations des paramètres de ce modèle par les MCO.
(b) Calculer le coefficient de détermination R2 et interpréter sa valeur.
(c) Tester la significativité de a1 au seuil de 95%.
(d) Calculer l’élasticité du profit par rapport au prix au point moyen (x̄ , ȳ). En admettant
que cette élasticité est une distribution normale, tester l’hypothèse que cette élasticité est
égale à l’unité.

3
 6 (Johnston , 1963) A sample of 20 observations corresponding to the regression model :

Y = α + βX + 

Where  is normal with zero mean and unknown variance σ 2 , gave the following data :

(Y − Ȳ )2 = 86.9
P P P
Y = 21.9 (X − X̄)(Y − Ȳ ) = 106.4

(X − X̄)2 = 215.4
P P
X = 186.2

(a) Estimate α and β and calculate estimates of variance of your estimates.

(b) Estimate the (conditional) mean value of Y corresponding to a value of X fixed at X = 10
and find a 95% confidence interval for this (conditional) mean.

7 (Bourbonnais , 2009) Un économiste spécialisé en économie du travail s’intéresse à la relation

suivante reliant la rémunération et la durée des études (théorie du capital humain). Pour ce
faire, il dispose d’un échantillon de 40 hommes et 25 femmes ayant le même âge, dont il relève
la rémunération annuelle (yi ), exprimée en milliers d’euros, et le nombre d’années d’études (xi ).
Les estimations économétriques conduisent aux résultats suivants :
— Pour les hommes :

yi = 18.6 + 1.8 xi + ei
(9.3) (5.2)
( . ) : ratio de Student
et : residu
R2 = 0.42

— Pour les femmes :

yi = 14.5 + 0.7 xi + ei
(12.8) (2.5)
( . ) : ratio de Student
et : residu
R2 = 0.22

(a) L’influence de la durée des études sur la rémunération vous semble-t-elle significative ?
(b) Existe-t-il une différence significative entre la rémunération des hommes et des femmes ?

Références
[1] Johnston, J. (1963). Econometric methods. McGraw-Hill, 1963.

[2] Anderson, D.R., Sweeney, D.J., Williams, T.A. (2006). Statistiques pour l’économie et la gestion.
Deboeck,, Bruxelles.

[3] Kriaa, F. (2008). Modélisation Économétrique, Tunis.

[4] Bourbonnais, R. (2009). Économétrie, DUNOD, Paris.

[5] Ghazouani, S. et Goaied, M. (2008). Économétrie, Tome 1, C.L.E, Tunis.