Aller au contenu principal
econometrie-1 · L2

Écart-type et précision des estimateurs en régression linéaire par MCO

En économétrie L2, l’interprétation d’un coefficient est indissociable de sa précision. L’erreur-type (standard error) est l’estimation de l’écart-type de la loi d’échantillonnage de β̂ ; elle sert à construire intervalles…

6 questions Corrections détaillées Niveau L2
16 min de cours ~5 min de QCM 8 sections Intermédiaire
1 Introduction 16 min restant
1

écart-type

En économétrie L2, l’interprétation d’un coefficient est indissociable de sa précision. L’erreur-type (standard error) est l’estimation de l’écart-type de la loi d’échantillonnage de β̂ ; elle sert à construire intervalles et tests de Student une fois σ² ou sa version corrigée par les ddl…

2

Objectifs d'apprentissage

  • Relier dispersion d’échantillonnage, variance estimée et erreur-type d’un coefficient MCO
  • Utiliser Var(β̂₁)=σ²/Σ(xᵢ−x̄)² pour discuter l’impact de σ², de n et de la dispersion de X
  • Interpréter SE(β̂) comme la racine de la variance estimée de β̂
  • Exploiter la dépendance en 1/√n de l’erreur-type pour qualifier la précision asymptotique
  • Articuler précision BLUE (Gauss–Markov) et dégradation des SE usuelles en cas d’hétéroscédasticité
3

Concepts clés à maîtriser

Distribution d'échantillonnage de β̂

Avancé
β̂ est une variable aléatoire ; ses répétitions d’échantillonnage possèdent une variance (et des covariances en multiple) décrivant l’instabilité de l’estimateur.
Une autre mue donne une autre valeur de β̂ : la dispersion mesure le risque d’erreur statistique, distinct de l’erreur économétrique εᵢ.
Ne pas confondre dispersion de β̂ et variance des résidus observés êᵢ.

Erreur-type (standard error)

Intermédiaire
SE(β̂ⱼ) est l’estimation de l’écart-type de β̂ⱼ obtenue en remplaçant σ² par un estimateur sans biais s² fondé sur la SCR.
Même échelle que les coefficients pour faciliter comparaisons et tests usuels.
La SE n’est ni le résidu ponctuel, ni le biais (E(β̂)−β) — piège récurrent dans les banques précision-des-estimateurs.
SE(β̂) = √ Var̂(β̂) ; en général diagonal de s²(X′X)⁻¹

Variance du coefficient de pente

Intermédiaire
En régression simple, Var(β̂₁) = σ² / Σ(xᵢ−x̄)² ; en faisant apparaître la variance populationnelle de X, Var(β̂₁)=σ² / ( n × Var(X) ).
Il faut de la dispersion en X pour estimer précisément la pente : une X quasi constante « efface » l’effet.
QCM précision-des-estimateurs : ne pas attribuer automatiquement la précision uniquement au R².
Plus Σ(xᵢ−x̄)² est grande, plus Var(β̂₁) est petite

Effet de n et de σ²

Intermédiaire
Lorsque Σ(xᵢ−x̄)² croît typiquement avec n, Var(β̂₁) diminue en ordre ≈ 1/n, donc SE(β̂₁) diminue comme 1/√n.
Plus d’observations ⇒ courbe plus étroite autour du coefficient vrai (sous hypothèses de base).
Lier cet effet aux questions sur la taille d’échantillon dans precision-estimateurs.
Doubler n ≈ divise SE par √2 à structure de données comparable

BLUE sous Gauss–Markov

Intermédiaire
Sous homoscédasticité et non-corrélation des erreurs, les estimateurs MCO sont BLUE : meilleurs estimateurs linéaires sans biais (variance minimale dans cette famille).
On ne peut pas trouver une combinaison linéaire meilleure tant que ces hypothèses tiennent.
Même famille de propriétés testée aussi dans estimation-échantillonnage (acronyme BLUE).

Hétéroscédasticité et SE classiques

Intermédiaire
Souvent β̂ MCO demeure sans biais, mais Var(β̂) n’est plus correctement donnée par s²(X′X)⁻¹ : les erreurs-types usuelles et les tests t/F deviennent invalides sans correction robuste.
La variance dépend alors des niveaux observés des X ⇒ la formule homoscédastique trompe.
Piège précision-estimateurs : absence de biais ⇏ SE et tests valables.
Quick check

L'écart-type de l'estimateur β̂ₖ dépend principalement de :

4

Auteurs et références

Carl Friedrich Gauss Formalisation géométrique des moindres carrés
Andrey Markov Argument probabiliste associé aux propriétés d’optimalité linéaire
Damodar Gujarati Présentation pédagogique des erreurs-types et de la variance des MCO
James Wooldridge Statistiques d’inférence robustes et comportement asymptotique des MCO
  • Wooldridge, J. (2019) — Introductory Econometrics: A Modern Approach, Cengage
  • Gujarati, D.; Porter, D. (2009) — Basic Econometrics, McGraw-Hill
  • Hayashi, F. (2000) — Econometrics, Princeton University Press
5

Pièges fréquents à éviter

Erreur Confondre un β̂ élevé et une forte précision
Pourquoi Un coefficient peut être grand alors que SE(β̂) reste très élevé : la statistique t peut être faible ⇒ non-significatif.
Solution Toujours confronter coefficient, valeur critique et niveau du test.
Erreur Lire uniquement un R² élevé pour conclure sur la précision
Pourquoi Le R² mesure l’ajustement global mais ne remplace pas l’analyse variance-covariance des estimateurs individuels ni la multicolinéarité résiduelle.
Solution Consulter tableau des erreurs-types, matrice corrélée des X ou indicateurs usuels selon cours.
Erreur Inverser l’effet de la dispersion observée du régresseur sur Var(β̂₁)
Pourquoi Quand Σ(xᵢ−x̄)² augmente (X plus dispersée), le dénominateur grandit ⇒ Var(β̂₁) diminue : l’estimateur est plus précis.
Solution Se caler systématiquement sur Var(β̂₁)=σ²/Σ(xᵢ−x̄)².
Erreur Identifier SE(β̂) et biais ponctuel (β̂−β)
Pourquoi Le biais relève du premier moment (espérance) ; SE mesure la dispersion autour de E(β̂) lors de réplications d’échantillonnage.
Solution Séparer E(β̂)−β (biais systématique) et √(Var̂) (erreur-type).
Quick check

L'écart-type de l'estimateur β̂₁ dépend principalement de :

6

Questions types d'examen

  1. Comment définir précisément l’erreur-type de β̂ et quel rôle joue σ² ?
  2. Justifiez Var(β̂₁)=σ²/Σ(xᵢ−x̄)² et discutez l’effet d’un doublement de taille sur SE(β̂₁).
  3. Pourquoi une faible dispersion de X dégrade généralement la précision du coefficient de la pente ?
  4. Que garantit BLUE sous Gauss–Markov et que signifient les lettres de l’acronyme ?
  5. Pourquoi l’hétéroscédasticité peut-elle invalider les erreurs-types usuelles sans pour autant rendre β̂ biaisé dans le cas MCO ?
7

À retenir

La précision d’un coefficient MCO passe par Var(β̂) puis SE = √ Var̂ ; en régression simple Var(β̂₁)=σ²/Σ(x−x̄)² reliant σ², n et dispersion de X. SE ∝ 1/√n à géométrie comparable. BLUE valide tant que variance conditionnelle des erreurs stable et corrélations nulles entre εᵢ. Hétéros ⇒ SE et tests usuels trompeurs. Les QCM testent distinctions SE / biais / R² / dispersion du régresseur.

8

Teste tes connaissances

6 questions disponibles

Choisis ton mode et entraîne-toi avec des corrections détaillées.

Cette notion est aussi traitée dans d'autres matières — choisis ta matière de pratique :
econometrie-1 6 Q Statistiques et probabilités 2 Q Biostatistiques 2 Q
10

Questions fréquentes

Qu'est-ce que écart-type en econometrie-1 ?

En économétrie L2, l’interprétation d’un coefficient est indissociable de sa précision. L’erreur-type (standard error) est l’estimation de l’écart-type de la loi d’échantillonnage de β̂ ; elle sert à construire intervalles et tests de Student une fois σ² ou sa version…

Combien de questions sont disponibles ?

CampusQCM propose 6 questions corrigées sur écart-type avec explications pédagogiques détaillées.

Comment réviser écart-type efficacement ?

Commencez par le mode Révision, lisez les corrections, refaites les erreurs après quelques jours, puis passez en mode Examen.

Ce QCM est-il adapté au programme de L2 ?

Oui, nos questions correspondent au programme officiel de L2 du cursus Economie.

Les QCM fonctionnent-ils sur mobile ?

Oui, CampusQCM est entièrement optimisé pour smartphones et tablettes. Révisez écart-type où que vous soyez, vos scores se synchronisent entre vos appareils.

Les QCM sont-ils gratuits ?

Oui, tous nos QCM sont entièrement gratuits. Créer un compte vous permet de sauvegarder vos scores et suivre votre progression, mais ce n'est pas obligatoire.

← Notion précédente log-log Notion suivante → formule

Continuer à réviser

🧠 Toutes les notions · Économétrie 1 📖 Hub Économétrie 1 📝 QCM · Multicolinearite 🔗 Hub global des notions 📘 Matières L2 📊 Parcours Économie ✍️ Conseils de révision Créer un compte gratuit Se connecter