Professional Documents
Culture Documents
APPLIQUE
SOUSSI NOUFAIL OUTMANE
2015
PLAN
Economtrie
BIBLIOGRAPHIE
Greene (2005), conomtrie, Pearson Education.
Bazen et Sabatier (2006), conomtrie : des fondements la modlisation, Vuibert
Domodar Gujarati (1995), Bazic conometrics, Mac Graw-Hill International
Johnson (1985), Econometric Methods, tome I et II, Economica, Paris.
Rgis Bourbonnais (1998), Economtrie; manuel dexercices et corrigs, 2me Ed. ,
DUNOD.
Valrie Mignon et Sardic Laric, Economtrie des sries temporelles macroeconomiques
et financires, Economica, Paris, 2002.
Davidson et MacKinnon (2004), Econometric Theory and Methods, Oxford University
Press
3
Economtrie Applique
INTRODUCTION
4
Economtrie Applique
Lconomtrie se dfinirait comme la science sociale dans laquelle les outils de la thorie
conomique, des mathmatiques et de la statistique infrentielle sont appliqus lanalyse
des phnomnes conomiques. (Arthur GOLDBERGER, 1964)
Lconomtrie concerne la dtermination empirique des lois conomiques (Henri THEIL
1971, Principles of econometrics).
Lart de lconomtre consiste trouver lensemble des hypothses qui sont la fois
suffisamment spcifiques et suffisamment ralistes pour lui permettre de tirer le meilleur
profit des donnes quil dispose (E. Malinvaud statistical method of econometrics rand
McNally, Chicago 1966).
6
Economtrie Applique
Statistique conomique
Traitement conomtrique
de donnes
Rcolte de donnes
empiriques sur un
chantillon :
Sondage
Rsultats numriques
Statistique infrentielle
Economie mathmatique
8
Economtrie Applique
Mathmaticien
Propose une
modlisation de la
thorie
Statisticien
Estime les paramtres
du modle partir de
donnes : Validation
statistique
Ex.
a = -0.5 et
b = 10
Partie
dductive :
lconomie
mathmatique
(modlisation
mathmatique
Partie
Inductive :
lconomtrie
(tester la
ralit )
Macro
Micro
Maximisation du profit
Minimisation des cots
Topologie mathmatique
Equation diffrentielles ou rcurrentes
optimisation mathmatique sous contrainte
systme d'quations simultanes
Economtrie Applique
10
D= f(p)=ap +b
O=f(p)= p +
O=D
Equations de comportement
Identit
D= f(p)=ap +b +D
O=f(p)= p + +O
Introduction du facteur alatoire
Rsum de toute linformation non prise en compte dans le modle
11
Economtrie Applique
DMARCHE CONOMTRIQUE
12
Economtrie Applique
DMARCHE CONOMTRIQUE
THEORIE
RE SPECIFICATION DU MODELE
MODELISATION
ESTIMATION ECONOMETRIQUE
THEORIE VALIDEE
13
Economtrie Applique
DMARCHE CONOMTRIQUE
Exemple :
Toute chose restant gale par ailleurs, la quantit demande dun bien est une fonction
inverse (ngative) de la variation du prix de ce bien.
1) Quantit demande est une fonction inverse du prix du bien
2) = =
Rappel:
Dfinition: Lanalyse de corrlation permet de nous informer sur lintensit de la
relation linaire entre deux ou plusieurs variables
Cest un outil complmentaire de la rgression entre les variables.
Quand? : lorsquon souponne de lexistence de liaison linaire entre les variables.
Il existe plusieurs formes de liaisons: logarithmique, exponentielle,
paraboliques,)
Calcul: Recourir la notion de la covariance (limite : influence par les units de
mesure des variables)
=
( ) ( )
( )
(,)
=
( )
15
16
Economtrie Applique
Hypothses fondamentales:
17
Economtrie Applique
Rgression
Variables
X = quantitative
Y = quantitative
X = quantitative
Y = quantitative
Exemples
Positive
X = Paires de lunettes de soleil
Y = Crmes glaces
Quand X , Y
et vice versa
Ngative
X = paires de lunettes de soleil
Y = parapluies en t
Quand X , Y
et vice versa
Symtrie de
la liaison
Prdiction
Y = Taille
X = Age
Quand lge , la taille
Quand lge , la taille
Oui / Non
Y lie X
X lie Y
Non
La taille dpend de lge
Lge ne dpend pas de la taille
Non
Oui (quation)
18
Economtrie Applique
TERMINOLOGIE ET NOTATION
Variable Dpendante
Variable Explique
Variable de Rponse
Variable Explicative
Variable indpendante
Prdateur
Rgresseur
Variable Endogne
Variable Stimulus
Variable Rsultat
Variable Exogne
Variable Contrle
Variable de Contrle
19
Economtrie Applique
TYPES DE DONNES
Trois catgories de donnes (analyse empirique):
Les sries temporelles (chronologiques) : est un ensemble dobservations qui prend une
variable diffrents moments du temps. Obtenues des intervalles rguliers de temps :
(dcennal, quinquennal, annuel, trimestriel, mensuel, hebdomadaire, quotidien, ect)
Les sries instantanes: se sont des donnes sur une ou plusieurs variables collectes au
mme instant du temps.
Les sries mixtes: elles combinent les lments des sries chronologiques et les donnes
en coupe instantanes. Le panel est un type particulier de sries mixtes dans lesquelles les
mmes units faisant de coupes instantanes sont enqutes sur une priode de temps.
20
Economtrie Applique
SOURCES DE DONNES
Les donnes peuvent tre obtenues auprs de multitude dinstitutions publiques, semipubliques et prives.
Pour le Maroc : la Direction de la Statistique (HCP), les ministres, Bank El Maghrib, les
banques commerciales, les chambres de commerce, ..
Internet
21
Economtrie Applique
22
Economtrie Applique
LA RELATION LINAIRE
La thorie peut nous suggrer certaines contraintes sur les paramtres qui doivent tre
respecter:
(1) Le signe de ()
(2) Son ordre de grandeur (poids).
Une spcification est dite linaire lorsque , ou une quelconque transformation de , peut
tre exprime comme une fonction linaire de , ou dune quelconque transformation de
. Ainsi :
= +
=
= ( + )
= log +
= +
23
Economtrie Applique
Sur base des donnes dchantillons disponibles, quelle sera la forme explicite (du nuage
de points) quon peut choisir?
Cela veux dire qua partir de lutilisation des donnes de lchantillon, on peut calculer
les deux paramtres , afin de tracer la droite: = +
Sur cette droite se trouveraient tous les couples des points ( , ) de lchantillon.
Economtrie Applique
24
Les relations fonctionnelles strictes et exactes fournissent rarement une relation adquate
entre grandeurs conomiques, la meilleure relation serait de la forme :
= + +
Le modle spcifi est une caricature de la ralit et ne retenir que pour expliquer
est vraiment insuffisant. IL existe une multitude dautres facteurs susceptibles dexpliquer
. Cest pourquoi on ajoute un terme appel terme alatoire. (ou terme stochastique ou
terme de perturbation) qui synthtise lensemble de ces informations non explicites dans
le modle.
25
Economtrie Applique
Ce terme mesure la diffrence entre les valeurs rellement observes de et les valeurs
qui auraient d tre observes si la relation fonctionnelle tait rigoureusement exacte.
Lintroduction du terme dans lquation nous oblige formuler des hypothses son
gard.
26
Economtrie Applique
est aussi appel lment de perturbation ou erreur de lquation. Cest donc une
variable alatoire.
Hypothse 1
peut prendre des valeurs positives, nulle ou ngatives. Leffet net de touts les variables
omises, ou qui ne peuvent tre mesures, peut rendre soit plus grande, soit plus petite que
la valeur qui aurait t observe. La premire hypothse concernant est que son
esprance mathmatique est nulle, cest--dire que : = 0.
Hypothse 2
Comme est la somme de nombreux effets tant positifs que ngatifs, on peut sattendre
trouver des valeurs faibles de , de faon ce que sa distribution soit uni-modale. Si lon
suppose lexistence dune symtrie, alors le mode concide avec la mdiane et lesprance
mathmatique, nulle dans ce cas. La distribution de est donc symtrique.
27
Economtrie Applique
Nous supposons que la loi de probabilit suivie par a une forme particulire, le
thorme central-limite nous incite retenir lhypothse selon laquelle suit une loi
normale:
~(0, 2 )
Hypothse 4
Nous supposons aussi que les diffrentes valeurs de reprsentent des variables
alatoires indpendantes les unes des autres. Chaque est considre comme un tirage
indpendant partir dune loi normale indpendamment distribue.
~(0, 2 )
28
Economtrie Applique
29
Economtrie Applique
Hypothse 2:
Les valeurs de sont fixes dans un chantillonnage rpt. Les valeurs prises par
le rgresseur sont considres comme fixes dans les chantillons renouvels. En
termes plus technique, est suppos non stochastique.
Hypothse 3: Lesprance mathmatique du terme derreur est nulle
La valeur moyenne du terme derreur ui est nulle. La valeur de tant donne, la
moyenne ou la valeur espre du terme derreur alatoire, ui , est nulle. CAD, la
moyenne conditionnelle de ui est nulle E(ui \Xi ) = 0 E(Yi \Xi ) = 1 + 2
Economtrie Applique
30
31
Economtrie Applique
( , ) =
( , ) =
car = 0
( , ) = ( ) nest pas stochastique
( , ) = 0
32
33
Economtrie Applique
Lajustement par la mthode des moindres carres ordinaires (MCO), va apparaitre comme
le procds convenant lestimation des paramtres du modle.
Ex.
La fonction de consommation keynsienne
La fonction de production Cobb-Douglass (Forme non linaire)
Il convient de noter galement que le terme derreur [bruit, perturbation ou ala] dnote
de la diffrence entre lconomiste et lconomtre.
Il synthtise linfluence sur [variable explique] de toutes les autres variables oublies
et des erreurs ventuelles de spcification de la forme fonctionnelle dans le modle
spcifi par lconomiste.
De plus, sa prsence dans le modle rend les paramtres a et b inconnus, on ne sait plus les
calculer,.
il faut donc les estimer.
36
Economtrie Applique
MCO
37
Economtrie Applique
38
Economtrie Applique
Le critre des moindres carrs consiste minimiser la somme des carrs des carts (des
erreurs) entre les vraies valeurs de Y et les valeurs prdites avec le modle de prdiction.
L'estimateur des moindres carres ordinaires (MCO) des paramtres a et b doit donc
rpondre la minimisation de la somme des carres des carts.
39
Mthode de Calcul :
On cherche les valeurs de et qui minimisent la SCR :
1. On crit SCR en fonction des paramtres et
2. On pose la drive de cette fonction par rapport gale zro
3. On pose la drive de cette fonction par rapport gale zro
4. On rsoud ce systme de 2 quations 2 inconnues
41
Economtrie Applique
2
(
y
t
b y ax
b
En multipliant les deux ct par 1/n
(2)
(1)
1
1
1
1
yt xt y xt a ( xt x xt ) 0
n
n
n
n
1
1
yt xt yx a ( xt x ) 0
n
n
1
yt xt yx
yt xt nyx
n
a
1
xt nx
t
n
(1)
(2)
Economtrie Applique
42
Interprtation (1):
Soit le modle de rgression
= + +
Lestimation par MCO fournit les rsultats suivants :
= +
1. Le coefficient est la pente de la droite : si augmente de 1 unit, augmente de
units
2. Le coefficient est lordonne lorigine : si est gal 0, est gal .
43
Economtrie Applique
44
Economtrie Applique
45
Economtrie Applique
46
Economtrie Applique
Interprtation (2):
La valeur ajuste est une estimation de la moyenne de sachant , cest--dire de la
moyenne de y conditionnelle , note ( | ).
Soit le modle de rgression linaire :
= + +
Si on applique une esprance conditionnelle aux 2 termes, on a :
= + + = + + (|)
Si (| ) = 0, la rgression linaire est quivalente :
(|) = +
Pour des valeurs estimes des paramtres, on a :
(|) = + =
47
Economtrie Applique
Interprtation (3):
Soit le modle de rgression
= + + = +
Lestimation par MCO fournit les rsultats suivants :
= + (|) = +
1. Si augmente de 1 unit, augmente de units
48
Economtrie Applique
49
Economtrie Applique
50
Economtrie Applique
51
Economtrie Applique
52
Economtrie Applique
53
Economtrie Applique
54
Economtrie Applique
55
Economtrie Applique
56
Economtrie Applique
57
Economtrie Applique
58
Economtrie Applique
59
Economtrie Applique
60
Economtrie Applique
61
Economtrie Applique
62
Economtrie Applique
Rponse:
Les estimateurs MCO parmi tous les autres estimateurs en matire dajustement sont :
Convergent
63
Economtrie Applique
..
Convergent
Non Convergent
Si l'on peut estimer la valeur du
paramtre sur toute la
population-mre, la valeur de
l'estimation obtenue doit tre la
valeur vraie du paramtre
Efficace
Estimateur 1
Estimateur 2
Estimateur 3
Sans Biais
Pas de Prcision
Si l'on rpte l'estimation sur
un autre chantillon, on
souhaite obtenir une
estimation cohrente, donc
peu de variation d'un
chantillon l'autre
Economtrie Applique
64
65
Economtrie Applique
66
Economtrie Applique
67
Economtrie Applique
ETUDE DE CAS
La fonction keynsienne de consommation.
Rappel : Keynes proposait : la loi psychologique fondamentale est que les hommes [les
femmes] en moyenne sont disposs, en rgle gnrale, augmenter leur consommation
mesure que leur revenu crot, mais pas autant que l'augmentation de leur revenu ce qui
signifie que la proportion marginale consommer est comprise entre 0 et 1.
o Bien que Keynes nait pas spcifi la forme fonctionnelle
de la relation revenu consommation, nous supposons
quelle est linaire. = 1 + 2 +
o Pour tester cette relation nous disposons des donnes de
lchantillon du tableau suivant.
Y
70
65
90
95
110
115
120
140
155
150
X
80
100
120
140
160
180
200
220
240
260
Economtrie Applique
68
ETUDE DE CAS
= 24,4545 + 0,5091
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
X
24.45455
0.509091
6.413817
0.035743
3.812791
14.24317
0.0051
0.0000
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.962062
0.957319
6.493003
337.2727
-31.78092
202.8679
0.000001
Economtrie Applique
111.0000
31.42893
6.756184
6.816701
6.689797
2.680127
69
ETUDE DE CAS
La droite estime est la suivante :
= 24,4545 + 0,5091
Interprtation :
o Chaque points de la ligne de rgression fournit une estimation de la valeur moyenne (ou
espre) de correspondant une valeur donne de ;
Autrement dit est une estimation de (\ ).
o La valeur de = , , qui mesure la pente, indique que, dans la plage de
lchantillon de comprise entre 80 et 260 par semaine, lorsque croit (par exemple
dune unit) la croissance estime de la consommation hebdomadaire moyenne slve
environ (+0,51 units).
o La valeur de = , qui reprsente la valeur en ordonnes lorigine de la droite
de rgression, elle indique le niveau moyen de la consommation lorsque le revenu est
nul.
70
Economtrie Applique
ETUDE DE CAS
La fonction keynsienne de consommation.
Remarques
Dans lanalyse de rgression, une telle interprtation littrale peut ntre pas toujours
significative: on suppose quune famille dpourvue de revenu puisse maintenir un niveau
minimal de consommation soit par lemprunt soit par le dspargne. Mais gnralement,
on doit faire preuve de bon sens pour interprter ce coefficient car trs souvent, la
dispersion de ne comprend pas le chiffre zro.
ETUDE DE CAS
La fonction keynsienne de consommation.
La valeur de = 0,9621
signifie
quenviron 96% de la variation dans la
consommation
hebdomadaire
sont
expliqus par le revenu. Puisque peut
tre au maximum valoir 1, le observ
suggre que la droite de rgression est un
trs bon ajustement des donnes.
Le coefficient de corrlation
= 0,9809 indique que les deux variables
consommation et revenu sont fortement et
positivement corrls.
72
Economtrie Applique
ETUDE DE CAS
La fonction keynsienne de consommation.
Intervalle de confiance pour et
La lecture des rsultats indique que:
2 = 0,5091 et 2 = 0,0357 avec = 8
Si nous supposons = 5%, (le coefficient
de confiance 95%), alors la table de
Student donne: 0,025 = 2,306.
On peut vrifier que l'intervalle de
confiance de 95% pour 2 :
Dependent Variable: Y
Method: Least Squares
Date: 12/20/15 Time: 15:45
Sample: 1 10
Included observations: 10
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
X
24.45455
0.509091
6.413817
0.035743
3.812791
14.24317
0.0051
0.0000
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.962062
0.957319
6.493003
337.2727
-31.78092
202.8679
0.000001
111.0000
31.42893
6.756184
6.816701
6.689797
2.680127
Pr[2 2 2 2 + 2 ] = 1
2
73
0,4268 2 0,5914
Economtrie Applique
ETUDE DE CAS
La fonction keynsienne de consommation.
Interprtation
Compte tenu du seuil de confiance de 95%, long terme, et dans 95 cas sur 100 lintervalle
(0,4268, 0,5914) contiendra la vraie valeur de 2 .
Ne pas dire: que la probabilit est de 95% que l'intervalle spcifique de 0,4268 0,5914
contient la vraie valeur de 2
Cet intervalle est corrig et non pas alatoire; donc, 2 appartient lintervalle ou pas :
La probabilit que l'intervalle fixe spcifie comprend la vraie valeur du paramtre 2 est
donc soient 1 ou 0.
De mme lintervalle de confiance pour 1 est 9,8843 1 39,2448
long terme, dans 95 cas sur 100 intervalles lintervalle de confiance contiendra la vraie
1 ; la probabilit que cet intervalle fixe comprend notamment le vrai paramtre 1 est 1
74
ou 0.
Economtrie Applique
2
Lintervalle pour 2 est : Pr 1
2 2 = 1
2
2
2
Pr 2 2 2 2 2
= 1
1
2
337,2727
La
= 337,2727
donc
on
peut
dduire
2 = =
= 42,1591
8
2
Pour = 5%, la table de 2 pour 8 fournit les valeurs critiques suivantes: 0,025
=
2
17,5346, et 0,975
= 2,1795. Ces valeurs indiquent que la probabilit dune valeur de 2
suprieur 17,5346 est de 2,5% et celle dpassant 2,1797 est de 97,5%.
Par consquent, lintervalle entre ces deux valeurs est lintervalle de confiance de 95%
pour 2 , comme reprsent schmatiquement en haut. (Notez la caractristique
asymtrique de la distribution du chi-carr.)
19,2347 2 154,7336
75
Si on fixe les limites de confiance 95%, et si on maintient priori quelles
comprendront le vritable 2 on aura raison, LT dans 95% des cas.
Economtrie Applique
ETUDE DE CAS
La fonction keynsienne de consommation.
Test dhypothse : (Signification statistique)
Le but tant de dcouvrir si est reli . Lhypothse nulle peut-tre tester laide de
lintervalle de confiance ou par test de statistique.
On suppose que:
H0 : 1;2 = 0
VS
H1 : 1;2 0,
Au vue des rsultats (sortie Eviews), les t-Student respectifs sont :
t1 = 3,8127 et t2 = 14,24317, 1 = 6,41, 2 = 0,0357
Si = 0,05 et avec = 8, et la table de Student donne la valeur = 2,306.
Nous pouvons affirmer que statistiquement, les valeurs t1 > et t2 >
Economtrie Applique
76
ETUDE DE CAS
La fonction keynsienne de consommation.
Test dhypothse : (Signification conomique)
Sur la base du test de signification, nous avons dcider daccepter 0 .
Q? Et si la thorie conduit penser que la vritable pente 2 = 1.
Le 2 observ est de 0,5091. Est-il compatible avec lhypothse pose?
On suppose que H0 : 2 = 0 contre H1 : 2 0, au vue des rsultats (Eviews), les t-Student
respectifs sont : t1 = 3,8127 et t2 = 14,24317 , 1 = 6,41, 2 = 0,0357
(0,50910,5)
Supposons que = 0,5 . le =
= 0,25 < 2,306 on peut donc
0,0357
accept H0 .
ETUDE DE CAS
La fonction keynsienne de consommation.
Les analyses de la rgression et de la variance
La table ANOVA est
Origine Somme des carres
8552,73
fournit dans le tableau suivant: SCE
SCR
SCT
337,27
8890
ddl
1
8
9
Economtrie Applique
ETUDE DE CAS
La fonction keynsienne de consommation.
Quelle utilisation faire de cette rgression (prvision)
Rappel : il y a deux sorte de prvision : la prvision de la moyenne et la prvision dune
observation individuelle.
Prvision de la moyenne : (ponctuelle)
Supposons 0 = 100 et que nous voulions prdire (\X = 100).
La rgression passe fournit lestimation ponctuelle de cette prvision de la moyenne :
0 = 1 + 2 0
0 = 24,4545 + 0,5091(100)
0 = 75,3645
2
1
0
= 2[ +
]
79
Economtrie Applique
ETUDE DE CAS
La fonction keynsienne de consommation.
Prvision de la moyenne : (ponctuelle)
2
En remplaant par sa valeur estime non biaise on obtient:
0
1
100 170 2
= 42, 159
+
= 10,4759
10
33000
0 = 10,4759 = 3,2366
Ainsi, compte tenu de 0 = 100, dans un chantillonnage rpt, et dans 95/100 intervalle
67,9010 = 100) 82,8381 comprendra la vraie valeur moyenne; la meilleure
estimation de la vraie valeur moyenne est bien sr le point estimer 75,3645. Si nous
obtenons des intervalles de confiance 95% pour chacune des valeurs de indiques dans
le tableau des donnes, on obtient ce qu'on appelle l'intervalle de confiance, ou de la
80
bande de confiance, pour la fonction de rgression de la population.
Economtrie Applique
ETUDE DE CAS
La fonction keynsienne de consommation.
Prvision individuelle :
Intressons-nous la prdiction de la valeur individuelle Y, 0 , correspondant une
valeur de donne, disons, 0 , un meilleur estimateur linaire sans biais de Y0 est
galement donne par : 0 = 24,4545 + 0,5091(100) donc : 0 = 75,3645 mais sa variance
est la suivante:
2
1
0
0 0 = 0 0 = 2 [1 + +
]
2
1
100 170 2
0 0 = 42, 159 1 +
+
= 52,6349
10
33000
0 = 52,6349 =
(58,6345 (0 |0 = 100) 92,0945)
Cet intervalle est plus grand de celui de la prdiction par rapport la moyenne.
Donc il faut tre prudent lorsquon veut prdire E(Y|0 ) dans le cas ou 0 associ un 0
81
donn est loign de la moyenne de lchantillon X
Economtrie Applique
ETUDE DE CAS
La fonction keynsienne de consommation.
Dependent Variable: Y
Method: Least Squares
Date: 12/20/15 Time: 15:45
Sample: 1 10
Included observations: 10
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
X
24.45455
0.509091
6.413817
0.035743
3.812791
14.24317
0.0051
0.0000
Synthse
R-squared
0.962062 Mean dependent var
111.0000
R-squared
0.957319 S.D. dependent var
31.42893
Dans cette quation la Std. Error sont les carts types Adjusted
S.E. of regression
6.493003 Akaike info criterion
6.756184
Sum squared resid
337.2727 Schwarz criterion
6.816701
estims des coefficients de rgression. Ceux de 4me Log likelihood
-31.78092 Hannan-Quinn criter.
6.689797
F-statistic
202.8679 Durbin-Watson stat
2.680127
colonne sont les valeurs estimes de t calcules sous
Prob(F-statistic)
0.000001
lhypothse nulle selon laquelle la valeur relle de la population de chaque coefficient de
rgression est gale zro.
Les chiffres de la dernire colonne tant les valeurs estimes. Pour 8 , la probabilit
dobtenir une valeur de respectivement de 14,24317 et 3,812791 ou plus est denviron 0,00000
et 0,0051.
En reprsentant les valeurs des coefficients estims, on peut voir immdiatement le seuil
exact de signification de chaque valeur estime de . donc, sous (lhypothse nulle selon
laquelle la valeur de lordonne lorigine de la population relle est zro, la probabilit
82
exacte (cest--dire la valeur ) dobtenir une valeur de t de 3,8128 ou plus nest que
denviron 0,0026.
Economtrie Applique
ETUDE DE CAS
ETUDE DE CAS
ETUDE DE CAS
85
Economtrie Applique
ETUDE DE CAS
Economtrie Applique
ETUDE DE CAS
ETUDE DE CAS
EXERCICES
Les affirmations suivantes sont-elles vraies, fausses ou incertaines? Soyer prcis.
Le test de signification t suppose que les distributions dchantillonnage des estimateurs
et suivent la distribution normale.
89
Economtrie Applique
FIN
90
Economtrie Applique