Aller au contenu principal
econometrie-1 · L2

Précision des estimateurs MCO : variance, erreur-type et facteurs déterminants

La précision d'un estimateur mesure la dispersion de ses valeurs possibles autour du paramètre vrai : plus la variance de β̂ est faible, plus l'estimation est fiable et les intervalles…

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

précision

La précision d'un estimateur mesure la dispersion de ses valeurs possibles autour du paramètre vrai : plus la variance de β̂ est faible, plus l'estimation est fiable et les intervalles de confiance serrés. En L2 économétrie, maîtriser la formule Var(β̂) = σ²(X'X)⁻¹, l'erreur-type SE(β̂)…

2

Objectifs d'apprentissage

  • Définir la précision d'un estimateur et la relier à sa variance
  • Calculer et interpréter Var(β̂) en régression simple et multiple
  • Distinguer efficience, sans biais et cohérence
  • Identifier les facteurs améliorant ou dégradant la précision (n, σ², Var(X), multicolinéarité)
  • Interpréter l'erreur-type et construire des intervalles de confiance
3

Concepts clés à maîtriser

Variance de l'estimateur MCO

Intermédiaire
Dispersion de β̂ autour de sa valeur espérée ; mesure l'incertitude de l'estimation.
Plus la variance est faible, plus β̂ est concentré autour du vrai β.
Ne pas confondre Var(β̂) et Var(ε) = σ².
Var(β̂) = σ²(X'X)⁻¹ ; en régression simple : Var(β̂₁) = σ²/Σ(xᵢ − x̄)²

Erreur-type (standard error)

Intermédiaire
Estimateur de l'écart-type de la distribution d'échantillonnage de β̂.
Mesure l'incertitude associée à chaque coefficient estimé ; sert aux tests et IC.
SE(β̂) ∝ 1/√n : doubler n divise l'écart-type par √2.
SE(β̂) = √Var̂(β̂) avec s² = SCR/(n−k−1)

Efficience et théorème de Gauss-Markov

Intermédiaire
Un estimateur est efficace s'il a la plus petite variance parmi les estimateurs sans biais.
Sous homoscédasticité et non-autocorrélation, les MCO sont optimaux en variance.
Gauss-Markov ne requiert pas la normalité des erreurs.
BLUE = Best Linear Unbiased Estimator

Facteurs de précision

Intermédiaire
n (taille échantillon), σ² (variance des erreurs), Var(X) (dispersion des régresseurs).
Plus n grand, σ² petit et X dispersé → estimateur plus précis.
Plus X varie, mieux on identifie son effet sur Y.
Var(β̂₁) = σ²/(n×Var(X)) en régression simple

Multicolinéarité et gonflage de variance

Intermédiaire
Corrélation élevée entre régresseurs qui augmente Var(β̂) sans biaiser les MCO.
Difficile de séparer les effets de variables quasi-redondantes → SE gonflés.
Ajouter une variable « parasite » peut réduire la précision des autres coefficients.
VIF > 10 (règle empirique) signale une multicolinéarité problématique

Hétéroscédasticité et erreurs robustes

Intermédiaire
Variance non constante des erreurs ; les MCO restent sans biais mais les SE usuels sont faux.
Les tests t et les IC basés sur SE(β̂) = √[s²(X'X)⁻¹] deviennent invalides.
Utiliser les erreurs-types robustes (White) pour corriger tests et intervalles.
Quick check

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

4

Auteurs et références

Gauss & Markov Propriétés BLUE des MCO
Halbert White Écarts-types robustes à l'hétéroscédasticité
Damodar Gujarati Précision et inférence en économétrie
James Wooldridge Variance des estimateurs et diagnostics
  • Wooldridge, J. (2019) — Introductory Econometrics: A Modern Approach, Cengage
  • Gujarati, D.; Porter, D. (2009) — Basic Econometrics, McGraw-Hill
  • White, H. (1980) — A Heteroskedasticity-Consistent Covariance Matrix Estimator, Econometrica
5

Pièges fréquents à éviter

Erreur Confondre variance de β̂ et variance des erreurs ε
Pourquoi Var(β̂) mesure l'incertitude sur l'estimateur ; σ² = Var(ε) mesure le bruit du modèle.
Solution Var(β̂) dépend de σ² mais n'est pas σ².
Erreur Croire que plus la variance de X est grande, moins β̂ est précis
Pourquoi C'est l'inverse : Var(β̂₁) = σ²/Σ(xᵢ−x̄)² diminue quand X varie davantage.
Solution Plus X est dispersé, mieux on « voit » son effet.
Erreur Penser qu'ajouter des variables améliore toujours la précision
Pourquoi Une variable corrélée aux autres (multicolinéarité) gonfle les SE et consomme des ddl.
Solution Vérifier le VIF et le R² ajusté.
Erreur Utiliser les SE usuels sous hétéroscédasticité
Pourquoi Les β̂ restent sans biais mais Var(β̂) ≠ σ²(X'X)⁻¹ ; tests et IC sont invalides.
Solution Employer les erreurs-types robustes (White).
Quick check

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

6

Questions types d'examen

  1. Quels facteurs déterminent la variance de β̂₁ en régression simple ?
  2. Que signifie BLUE et quelles hypothèses requiert Gauss-Markov ?
  3. Comment interpréter l'erreur-type SE(β̂) ?
  4. Que devient l'écart-type de β̂ si on double la taille de l'échantillon ?
  5. Quel effet de la multicolinéarité sur la précision des estimateurs MCO ?
7

À retenir

Précision = faible Var(β̂). Formule clé : Var(β̂) = σ²(X'X)⁻¹ ; SE(β̂) = √Var̂(β̂). Gauss-Markov : MCO = BLUE sous homoscédasticité et non-autocorrélation. Facteurs : n↑ → précision↑ ; σ²↑ → précision↓ ; Var(X)↑ → précision↑. SE ∝ 1/√n. Multicolinéarité gonfle les SE sans biaiser β̂. Hétéroscédasticité : β̂ sans biais mais SE faux → erreurs robustes White. L'examinateur attend formules, interprétation et pièges Var(β̂)/σ².

8

Teste tes connaissances

8 questions disponibles

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

10

Questions fréquentes

Qu'est-ce que précision en econometrie-1 ?

La précision d'un estimateur mesure la dispersion de ses valeurs possibles autour du paramètre vrai : plus la variance de β̂ est faible, plus l'estimation est fiable et les intervalles de confiance serrés. En L2 économétrie, maîtriser la formule Var(β̂)…

Combien de questions sont disponibles ?

CampusQCM propose 8 questions corrigées sur précision avec explications pédagogiques détaillées.

Comment réviser précision 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 précision 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 significativité Notion suivante → hétéroscédasticité

Continuer à réviser

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