Aller au contenu principal
📐 L2 • Économétrie 1

QCM Économétrie L2 - Autocorrelation : 11 questions corrigées

QCM de 11 questions avec corrections détaillées sur Autocorrelation (Économétrie). Révisez efficacement avec des explications pédagogiques pour le niveau L2. Entraînez-vous avec des explications pédagogiques détaillées.

Voir la matière
✍️ Méthode de rédaction et limites • 🎓 +0 réalisations
📝 11 questions 📊 Niveau Intermediaire ⏱️ ~17 min ✨ Jusqu'à 22 XP

🎯 Prêt à commencer ?

En révision, le corrigé s'affiche après chaque réponse. En challenge et en examen, il n'arrive qu'à la fin.

← Retour aux QCM de Économétrie 1

L'Autocorrélation des Erreurs

L'autocorrélation des erreurs désigne la corrélation entre les termes d'erreur de périodes différentes. Fréquente en données temporelles, elle invalide les inférences statistiques standard car les écarts-types MCO sont biaisés. Le test de Durbin-Watson permet de la détecter, et les méthodes GLS ou les écarts-types robustes de la corriger.

🎯 Objectifs pédagogiques

À la fin de ce chapitre, vous devez être capable de :

  • Définir l'autocorrélation positive et négative
  • Comprendre ses causes et conséquences
  • Appliquer le test de Durbin-Watson
  • Utiliser le test de Breusch-Godfrey
  • Maîtriser les méthodes de correction (GLS, Newey-West)

📚 Concepts clés à maîtriser

Notions fondamentales avec leurs définitions académiques :

Autocorrélation d'ordre 1
εₜ = ρεₜ₋₁ + uₜ avec |ρ| < 1
Test de Durbin-Watson
DW ≈ 2(1 - ρ̂), valeur autour de 2 = pas d'autocorrélation
Test de Breusch-Godfrey
Test LM pour autocorrélation d'ordre supérieur
Moindres carrés généralisés
Correction par transformation de Cochrane-Orcutt ou Prais-Winsten
Écarts-types HAC
Robustes à l'autocorrélation et l'hétéroscédasticité (Newey-West)

📋 Plan type du cours

Structure du cours en Licence 2 :

  1. Définition et sources de l'autocorrélation
  2. Conséquences sur les MCO
  3. Test de Durbin-Watson
  4. Test de Breusch-Godfrey
  5. Méthodes de correction : GLS
  6. Écarts-types robustes HAC

👨‍🏫 Auteurs de référence

Économistes fondamentaux à connaître :

Durbin & Watson — Testing for Serial Correlation (1950-1951)
Newey & West — Estimateur HAC (1987)

⚠️ Pièges fréquents

Erreurs classiques à éviter aux examens :

  • Appliquer DW avec une variable endogène retardée
  • Confondre DW proche de 2 et absence certaine d'autocorrélation
  • Oublier que l'autocorrélation n'affecte pas le biais mais la variance

💼 Applications concrètes

Exemples d'application dans le monde réel :

  • Séries temporelles macroéconomiques
  • Modèles de consommation avec ajustement lent

Niveau de ce chapitre : 🟡 Niveau intermédiaire

À propos de ce QCM de Économétrie 1

QCM Économétrie L2 - Autocorrelation — 11 questions. Économétrie 1 · Licence 2 · Économie.

Quelques raisonnements travaillés dans ce QCM

Cherchez une réponse, puis ouvrez la correction pour comparer votre raisonnement.

Le test de Durbin-Watson permet de détecter :
  1. L'hétéroscédasticité des résidus
  2. L'autocorrélation d'ordre 1 des résidus
  3. La multicolinéarité entre régresseurs
  4. La non-normalité des erreurs

Réponse : L'autocorrélation d'ordre 1 des résidus

Le test de Durbin-Watson (statistique d) teste spécifiquement l'autocorrélation d'ordre 1 : εₜ = ρεₜ₋₁ + uₜ. d ≈ 2 indique absence d'autocorrélation, d proche de 0 une autocorrélation positive.

Dans les séries temporelles, l'autocorrélation des résidus provient souvent de :
  1. Une variable explicative omise qui évolue dans le temps
  2. Une mauvaise spécification du modèle (forme fonctionnelle incorrecte)
  3. Un retard de la variable dépendante non inclus
  4. Toutes les réponses ci-dessus peuvent être des causes

Réponse : Toutes les réponses ci-dessus peuvent être des causes

L'autocorrélation peut avoir plusieurs causes : variables omises (surtout si elles évoluent lentement), mauvaise forme fonctionnelle, ou omission de retards de Y. Il faut d'abord diagnostiquer la cause avant de corriger.

Les erreurs-types robustes de Newey-West (HAC) corrigent :
  1. Uniquement l'hétéroscédasticité
  2. Uniquement l'autocorrélation
  3. À la fois l'hétéroscédasticité et l'autocorrélation
  4. La multicolinéarité

Réponse : À la fois l'hétéroscédasticité et l'autocorrélation

Les estimateurs HAC (Heteroskedasticity and Autocorrelation Consistent) fournissent des écarts-types robustes à la fois à l'hétéroscédasticité et à l'autocorrélation. Ils utilisent une matrice de variance « sandwich » avec un noyau pour tronquer les autocovariances.

Les estimateurs MCO en présence d'autocorrélation restent :
  1. Biaisés et inconsistants
  2. Sans biais et convergents, mais non de variance minimale
  3. Efficaces
  4. Identiques aux estimateurs MCG

Réponse : Sans biais et convergents, mais non de variance minimale

Sous les hypothèses d'exogénéité et de linéarité, les MCO restent sans biais et convergents. L'autocorrélation affecte uniquement la variance : les MCO ne sont plus BLUE (Best Linear Unbiased Estimator).