Modèle de Régression Linéaire Simple

Podcast Beta

Play an AI-generated podcast conversation about this lesson

Questions and Answers

Quels éléments influencent le choix de la forme du modèle par le modélisateur?

La littérature économique (correct)

Les prévisions économiques à long terme

Les tendances du marché

Les résultats de la modélisation précédente

Quelle condition doit être remplie pour utiliser la méthode des Moindres carrés ordinaires?

Les données doivent être catégorielles

Les paramètres a et b doivent être connus

Le modèle doit être non linéaire

Le modèle doit être linéaire (correct)

Quel est un exemple d'un modèle non linéaire?

yi = a + b + εi

yi = a + bxi

yi = a(xi) + b + εi

yi = b/(1 + abxi) (correct)

Que représentent les estimateurs dans le contexte de la modélisation?

Des fonctions de variables aléatoires observables Signup and view all the answers

Quelle affirmation est vraie concernant les estimations des paramètres a et b?

Elles sont liées à l'échantillon utilisé Signup and view all the answers

Quelle est la nature des estimateurs?

Des variables aléatoires Signup and view all the answers

Quel est le but principal de la détermination des valeurs pour a et b?

De fournir des estimations des paramètres Signup and view all the answers

Quel type de modèle pourrait être linéarisé?

Un modèle non linéaire sous certaines conditions Signup and view all the answers

Quel est l'objectif principal de l'étude dans le modèle linéaire simple?

Déterminer les caractéristiques de la relation entre les revenus et les dépenses. Signup and view all the answers

Que souligne la représentation graphique concernant la relation entre Y et X?

La relation est stochastique. Signup and view all the answers

Quel type de variable est considérée comme expliquée dans le modèle de régression linéaire?

Variable endogène Signup and view all the answers

Quels types de modèles de régression linéaire sont mentionnés comme alternatives?

Modèle semi-logarithmique, logarithmique et exponentiel. Signup and view all the answers

Quelles hypothèses doivent être respectées pour appliquer les MCO (Moindres Carrés Ordinaires)?

Les résidus doivent être distribués normalement. Signup and view all the answers

Pourquoi la connaissance de X ne permet-elle pas de déterminer de façon unique Y?

À cause de la nature stochastique de la relation. Signup and view all the answers

Quelle serait l'une des implications de l'utilisation d'un modèle logarithmique?

Il peut simplifier le calcul des relations exponentielles. Signup and view all the answers

Quel échantillon est utilisé pour étudier la relation entre les revenus et les dépenses?

Un échantillon d'une soixantaine d'individus ou ménages. Signup and view all the answers

Quel est l'objectif principal de la méthode des moindres carrées ordinaires (MCO) ?

Minimiser l'écart entre la droite et les points Signup and view all the answers

Qui a introduit l'approche des moindres carrés en 1805 ?

Adrien-Marie Legendre Signup and view all the answers

Qu'est-ce qu'un estimateur sans biais ?

Un estimateur dont l'espérance est égale au paramètre estimé Signup and view all the answers

Quelle hypothèse est nécessaire concernant le régresseur x dans le modèle MCO ?

Il doit être observé sans erreur Signup and view all the answers

Quelle propriété des estimateurs est garantifiée par les hypothèses de validité des MCO ?

Les estimateurs ne peuvent pas être biaisés Signup and view all the answers

Quel type d'écart la méthode des moindres carrés cherche-t-elle à minimiser ?

La somme des carrés des écarts Signup and view all the answers

Pourquoi est-il important de connaître les variances d'échantillonnage des estimateurs ?

Pour établir leurs lois de probabilités Signup and view all the answers

Quelle est la principale caractéristique du modèle MCO par rapport aux paramètres ?

Le modèle est linéaire Signup and view all the answers

Quelle hypothèse stipule que l'aléa est indépendant de la variable explicative?

Hypothèse 4 Signup and view all the answers

Que signifie l'hypothèse d'homoscédasticité?

Les aléas sont distribués de la même façon autour de leur espérance. Signup and view all the answers

Quelle conséquence découle d'une violation des hypothèses 5 à 6?

Les tests ne sont plus utilisables. Signup and view all the answers

Que stipule l'hypothèse 7 sur les aléas?

Les aléas sont des variables aléatoires normales. Signup and view all the answers

Quelles propriétés statistiques doivent avoir un estimateur pour être considéré comme 'sans biais'?

Il doit produire en moyenne des résultats égaux à la valeur réelle. Signup and view all the answers

Quel est le critère pour qu'un estimateur soit considéré comme convergent?

La variabilité de l'estimateur doit diminuer avec l'augmentation de l'échantillon. Signup and view all the answers

Quel impact a une déviation des hypothèses 2 et 3 sur l'estimateur des MCO?

Il est biaisé. Signup and view all the answers

Quelles sont les implications si les hypothèses sur la distribution des aléas sont fausses?

La validité des conclusions sur la population mère est compromise. Signup and view all the answers

Study Notes

Le modèle linéaire simple

On étudie la relation entre les revenus X et les dépenses Y, à l'aide d'un échantillon de soixantaine d'individus, ayant des revenus (xi) et des dépenses (yi)
L'objectif est de retrouver les caractéristiques de la relation entre les variables X et Y de la population-mère en s'appuyant sur cet échantillon.
Le nuage de points indique qu'un ajustement linéaire de Y sur X est adéquat, à la vue des valeurs des points.
La relation entre les variables X et Y n’est pas exacte, la connaissance de X ne permet pas de déterminer de façon unique Y.
Le modèle de régression linéaire permet d’expliquer le comportement de la variable expliquée (ou endogène) par une variable explicative (ou exogène).
Il existe des expressions alternatives possibles: modèle semi-logarithmique, modèle logarithmique, modèle exponentielle, etc.
Le choix de la forme du modèle dépend des choix méthodologiques du modélisateur, qui sont généralement éclairés par la littérature économique, ses a priori théoriques ou toute autre conclusion basée sur une analyse graphique ou statistique.
Pour mettre en œuvre la méthode des Moindres carrés ordinaires, il faut que le modèle soit linéaire
Les paramètres a et b sont toujours inconnus, et on cherche à déterminer les valeurs plausibles pour les paramètres a et b, et à déterminer la relation estimée.
Les estimations des paramètres a et b sont liées à l’échantillon utilisé.
Des échantillons distincts fourniront donc des estimations différentes.
Les estimations sont les valeurs prises par les estimateurs.
Les estimateurs et dépendent des observations
Les estimateurs sont des variables aléatoires.
Les estimateurs sont des « statistiques » calculées sur l’échantillon.
Un estimateur est une fonction de variables aléatoires observables ne dépendant pas de paramètres inconnus.
Une estimation est une valeur numérique, prise par un estimateur au regard des données de l’échantillon.
Une estimation est associée à un échantillon.

Un peu d’histoire

La démarche économétrique (MCO) consiste à trouver l’équation de la droite qui passe au plus près des points du nuage.
L'approche des MCO a été introduite en 1805 par Adrien-Marie Legendre, mais la paternité est contestée par Carl Friedrich Gauss.
La méthode des MCO est l'une des méthodes phare d'estimation dans les travaux économétriques.
Les estimateurs obtenus sont les estimateurs des moindres carrées ordinaires (en anglais OLS pour ordinary least square).

Les hypothèses de validité des MCO

La « popularité » de la méthode des MCO est liée aux propriétés statistiques des estimateurs qui sont obtenus.
Ces propriétés statistiques dérivent d’hypothèses qui assurent que les estimateurs sont sans biais et que les variances d’échantillonnage peuvent être déterminées.
Un estimateur est sans biais si son espérance est égal au paramètre estimé.
Les variances d’échantillonnage seront particulièrement utiles pour déterminer les lois de probabilités des estimateurs.
Les principales hypothèses concernent l’aléa.
Hypothèse 1: Le modèle est linéaire au regard des paramètres.
Hypothèse 2: Le régresseur x est observé sans erreur, ce n’est pas une variable aléatoire.
Hypothèse 3: Pour une valeur de x donnée, la valeur attendue du terme aléatoire est nulle.
Hypothèse 4: L’aléa est indépendant de la variable explicative.
Hypothèse 5: Deux termes aléatoires ne sont pas corrélés.
Hypothèse 6: Les aléas sont distribués de la même façon autour de leur espérance: c’est l’hypothèse d’homoscédasticité.
Hypothèse 7: Les aléas sont des variables aléatoires normales.

Les propriétés des estimateurs

On s’intéresse à deux propriétés statistiques des estimateurs: un estimateur sans biais et un estimateur convergent.
Ces propriétés statistiques sont déduites des formes fonctionnelles des estimateurs.
Conséquence 1: Les hypothèses H3, H5, H6 et H7 permettent de conclure que les sont des variables aléatoires normales iid (indépendantes et identiquement distribuées).
Conséquence 2: Puisque alors:
Une violation des hypothèses 2 et 3 biaise l’estimateur des MCO.
Une violation des hypothèses 5 à 6 ne biaise pas l’estimateur mais invalide les résultats inférentiels.
Conséquences: Les tests ne sont plus utilisables, et on ne peut plus s ’appuyer sur les résultats des MCO pour déduire les propriétés de la relation au niveau de la population mère.
Les estimateurs sont des variables aléatoires car: la relation est : y i  axi  b   i, l’aléa est une variable aléatoire, la variable expliquée dépend de l’aléa, les estimateurs sont des fonctions de la variable expliquée.

Studying That Suits You

Use AI to generate personalized quizzes and flashcards to suit your learning preferences.

Description

Ce quiz explore le modèle linéaire simple qui examine la relation entre les revenus et les dépenses d'un échantillon d'individus. Il aborde les ajustements linéaires, la distinction entre variables endogènes et exogènes, et les différentes formes possibles de modèles de régression. Testez vos connaissances sur la méthodologie des modèles statistiques et leur interprétation!