Aller au contenu principal
📐 L2 • Économétrie 1

QCM Économétrie L2 - Formes Fonctionnelles : 15 questions corrigées

QCM de 15 questions avec corrections détaillées sur Formes Fonctionnelles (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
📝 15 questions 📊 Niveau Intermediaire ⏱️ ~23 min ✨ Jusqu'à 30 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

Formes Fonctionnelles

Le choix de la forme fonctionnelle (linéaire, log-linéaire, quadratique) est crucial en économétrie. Chaque spécification implique une interprétation différente des coefficients. Le modèle log-log donne des élasticités, le semi-log des taux de croissance. Des tests (RESET, Box-Cox) aident à choisir la spécification appropriée.

🎯 Objectifs pédagogiques

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

  • Comparer les formes fonctionnelles classiques
  • Interpréter les coefficients selon la spécification
  • Maîtriser les modèles log-linéaires
  • Appliquer le test RESET
  • Utiliser la transformation de Box-Cox

📚 Concepts clés à maîtriser

Notions fondamentales avec leurs définitions académiques :

Linéaire
Y = a + bX, b = effet marginal constant
Log-log
ln(Y) = a + b ln(X), b = élasticité
Semi-log (dépendante)
ln(Y) = a + bX, (eᵇ - 1)×100 = % de variation pour ΔX = 1
Semi-log (explicative)
Y = a + b ln(X), b/100 = effet de 1% d'augmentation de X
Test RESET
Teste l'omission de formes non linéaires

📋 Plan type du cours

Structure du cours en Licence 2 :

  1. Importance du choix de la forme fonctionnelle
  2. Modèle linéaire standard
  3. Transformations logarithmiques
  4. Interprétation des coefficients
  5. Tests de spécification (RESET, Box-Cox)
  6. Choix entre modèles

👨‍🏫 Auteurs de référence

Économistes fondamentaux à connaître :

Ramsey — Test RESET (1969)
Box & Cox — Transformation Box-Cox (1964)

⚠️ Pièges fréquents

Erreurs classiques à éviter aux examens :

  • Interpréter les coefficients log comme s'ils étaient linéaires
  • Comparer les R² de modèles avec et sans log sur Y
  • Ignorer le test RESET

💼 Applications concrètes

Exemples d'application dans le monde réel :

  • Fonctions de production Cobb-Douglas
  • Équations de Mincer (log-salaire)

Niveau de ce chapitre : 🟡 Niveau intermédiaire

À propos de ce QCM de Économétrie 1

QCM Économétrie L2 - Formes Fonctionnelles — 15 questions. Économétrie 1 · Licence 2 · Économie.

Quelques raisonnements travaillés dans ce QCM

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

Dans le modèle lin-log (Y = β₀ + β₁ ln X + ε), β₁ s'interprète comme :
  1. La variation de Y quand X augmente de 1%
  2. La variation de Y quand ln X augmente d'une unité
  3. L'élasticité de Y par rapport à X
  4. La corrélation entre Y et ln X

Réponse : La variation de Y quand X augmente de 1%

En lin-log, β₁/100 donne la variation de Y quand X augmente de 1%. En effet, Δ(ln X) ≈ ΔX/X = 1% quand X augmente de 1%.

Le modèle quadratique Y = β₀ + β₁X + β₂X² + ε permet de capturer :
  1. Une relation linéaire pure
  2. Une relation non linéaire avec extremum (maximum ou minimum)
  3. Une élasticité constante
  4. Une corrélation parfaite

Réponse : Une relation non linéaire avec extremum (maximum ou minimum)

Le terme X² introduit une courbure. Si β₂ < 0, la courbe a un maximum ; si β₂ > 0, un minimum. L'effet marginal de X est ∂Y/∂X = β₁ + 2β₂X.

Dans un modèle avec plusieurs variables en log, l'élasticité croisée de Y par rapport à X₂ (en contrôlant X₁) est donnée par :
  1. Le coefficient de X₁
  2. Le coefficient de ln X₂ dans ln Y = β₀ + β₁ ln X₁ + β₂ ln X₂ + ε
  3. Le R² du modèle
  4. La covariance entre X₁ et X₂

Réponse : Le coefficient de ln X₂ dans ln Y = β₀ + β₁ ln X₁ + β₂ ln X₂ + ε

En log-log multiple, chaque coefficient βⱼ est l'élasticité partielle de Y par rapport à Xⱼ, toutes choses égales par ailleurs.

Dans une régression log-log (ln Y = β₀ + β₁ ln X + ε), β₁ représente :
  1. L'effet absolu de X sur Y
  2. La variation en % de X pour 1% de Y
  3. La corrélation entre les logarithmes
  4. L'élasticité de Y par rapport à X

Réponse : L'élasticité de Y par rapport à X

En log-log, β₁ est directement l'élasticité de Y par rapport à X.