Aller au contenu principal
econometrie-1 · L2

Les résidus : erreurs estimées du modèle, propriétés MCO et diagnostics

Le résidu observé êᵢ=Yᵢ−Ŷᵢ mesure ce que le plan de régression ne capte pas sur l’individu i alors que l’erreur du modèle εᵢ=Yᵢ−β₀−β′Xᵢ reste inaccessible. Ajouter une constante impose Σêᵢ=0 ainsi…

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

résidus

Le résidu observé êᵢ=Yᵢ−Ŷᵢ mesure ce que le plan de régression ne capte pas sur l’individu i alors que l’erreur du modèle εᵢ=Yᵢ−β₀−β′Xᵢ reste inaccessible. Ajouter une constante impose Σêᵢ=0 ainsi que la nullité scalaire X′ê issue des équations normales : les résidus MCO sont orthogonaux à…

2

Objectifs d'apprentissage

  • Distinguer l’erreur latente εᵢ et le résidu calculé êᵢ
  • Justifier Σ êᵢ = 0 et X′ ê = 0 à partir de la minimisation de la SCR lorsque une constante est présente
  • Interpréter le nuage des résidus en fonction des valeurs prédites et relier les motifs graphiques aux hypothèses sur les erreurs
  • Savoir utiliser résidu studentisé, levier et distance de Cook pour analyser influence d’une observation
  • Expliquer le rôle hypothétique ε ≈ N(0,σ² I) pour légitimer tests t / F classiques hors cadre asymptotique pur 
3

Concepts clés à maîtriser

Résidu et erreur latente

Intermédiaire
Pour l’observation i, êᵢ=Yᵢ−Ŷᵢ est observable une fois les coefficients estimés, tandis que εᵢ=Yᵢ−Xᵢ′β est la composante stochastique vraie mais inobservable du modèle.
Le résidu est le substitut empirique construit à partir de β̂, pas l’erreur théorique fixant la loi d’échantillonnage de β̂.
QCM campus : distinguer clairement ɛ et ê.

Somme nulle et orthogonalité aux régresseurs

Intermédiaire
Dès qu’une constante est incluse, Σêᵢ = 0 et X′ê = 0 : les résidus MCO sont orthogonaux à chaque colonne de X.
Hyperplan ajusté passe par le centre gravité conditionnel des données ; pas d’écart moyen systématique vertical.
Réponse type sur Σêᵢ=0 lorsque modèle contient intercepte.
Conditions du premier ordre de minimisation de la SCR

Somme des carrés des résidus

Intermédiaire
SCR=Σ(Yᵢ−Ŷᵢ)² est la somme des écarts quadratiques résiduels ; elle intervient dans SCT=SCE+SCR et permet d’estimer σ² par SCR/(n−k−1).
Plus la SCR est faible, meilleur est l’ajustement du nuage sur le plan estimé pour cet échantillon.
QCM : SCR=Σêᵢ² alors que SCT mesure la dispersion autour de la moyenne de Y.

Diagramme résidus / valeurs ajustées

Intermédiaire
Graphique des êᵢ contre les Ŷᵢ pour visualiser la dispersion conditionnelle à la prédiction.
Un « entonnoir » invite à l’hétéroscédasticité ; une trajectoire systématiquement courbe signale souvent une erreur de spécification fonctionnelle.
Réponse exacte type QCM : ce graphique aide hétéros + spécification, pas multicolinéarité.

Résidus studentisés et influence

Avancé
Résidu divisé par une estimation de son écart-type (studentisé ou standardisé selon le manuel) combiné au levier hi et à la distance de Cook pour quantifier l’influence sur β̂.
Mettre les résidus sur une échelle comparable facilite les comparaisons multidimensionnelles et le repérage des observations atypiques.
Comparer aux seuils usuels du type |résidu studentisé|>2 ou 3 puis à une distance Dᵢ trop élevée.

Jarque-Bera et diagramme Q-Q

Avancé
Jarque-Bera combine asymétrie et aplatissement ; le diagramme quantile‑quantile compare résidus empiriques à une gaussienne théorique.
La normalité des erreurs valide rigoureusement tests t / F en petits échantillons alors que la convergence asymptotique des estimateurs peut s’appuyer sur des arguments différents.
Aligné sur résidus.json : JB/Shapiro complètent analyse lorsque n n’est pas très grand.
Quick check

En série temporelle, un graphique des résidus en fonction du temps (ou de l'ordre) permet de détecter :

4

Auteurs et références

Francis Anscombe Graphiques de résiduels : mise en évidence problèmes de spécification
John Tukey Repérage exploratoire d’écarts systématiques
R. Dennis Cook et Sanford Weisberg Distances Cook et résidus studentisés en régression
Damodar Gujarati Présentations classiques des diagnostics de résidus en régression appliquée
  • Cook, R. D.; Weisberg, S. (1982) — Residuals and Influence in Regression, Chapman & Hall
  • Jarque, C.; Bera, A. (1980) — Efficient Tests for Normality, Homoskedasticity and Serial Independence, Economics Letters
  • Wooldridge, J. (2019) — Introductory Econometrics: A Modern Approach, Cengage
5

Pièges fréquents à éviter

Erreur Assimiler résidu observable et erreur du modèle
Pourquoi Le résidu est construit après estimation de β alors que ε intègre le vrai paramètre et reste incomplet hors échantillon simulés.
Solution Toujours écrire « erreur » pour ε et « résidu » pour Y−Ŷ .
Erreur Croire que la normalité des résidus suffit seule pour assurer tout sur β̂
Pourquoi La convergence et l’absence de biais de β̂ MCO reposent davantage sur structure population / échantillon et hypothèses classiques ; normalité précise surtout l’inférence tests finis.
Solution Séparer propriétés d’estimateur et légitimation des distributions de tests.
Erreur Diagnostiquer la multicolinéarité uniquement avec résidus / ŷ
Pourquoi La multicolinéarité s’observe via les corrélations fortes ou des indicateurs comme le VIF appliqués aux colonnes de X, pas uniquement avec le graphe contre ŷ.
Solution Associer le graphe résidus / ŷ aux hypothèses sur la variance conditionnelle des erreurs et analyser la multicolinéarité via la matrice des X (corrélations, VIF).
Erreur Retirer toute valeur extrême dès lors que studentisation élevée
Pourquoi Une observation peut être légitime et informative malgré un levier / grand résidu conditionnel .
Solution Conjuguer distance de Cook, contexte économique, sensibilités refit.
Quick check

La somme des résidus Σêᵢ dans une régression avec constante est :

6

Questions types d'examen

  1. Pourquoi un résidu strictement positif indique‑t‑il que Yᵢ est supérieure à Ŷᵢ pour cette donnée ?
  2. Démontrez Σêᵢ=0 ainsi que X′ê=0 grâce aux conditions du premier ordre des MCO.
  3. Que révèle un motif en entonnoir dans le diagramme des résidus versus ŷ ?
  4. Comment articule‑t‑on levier hᵢ, résidu studentisé et distance de Cook pour qualifier l’influence d’une observation ?
  5. Pourquoi les tests de Jarque‑Bera complètent l’analyse t / F officielle du syllabus ?
7

À retenir

Le résidu Y−Ŷ est l’estimation ponctuelle de l’erreur ε ; lorsqu’un intercept est présent, Σêᵢ=0 et X′ê = 0 ; la SCR conduit à s² ; les graphes versus ŷ interrogent dispersion et spécification ; résidus studentisés, levier et distance de Cook suivent valeur influentes ; JB et Q‑Q conditionnent la validité étroite tests t/F. Contenu articulé autour banque residus.json.

8

Teste tes connaissances

6 questions disponibles

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

10

Questions fréquentes

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

Le résidu observé êᵢ=Yᵢ−Ŷᵢ mesure ce que le plan de régression ne capte pas sur l’individu i alors que l’erreur du modèle εᵢ=Yᵢ−β₀−β′Xᵢ reste inaccessible. Ajouter une constante impose Σêᵢ=0 ainsi que la nullité scalaire X′ê issue des équations normales : les résidus…

Combien de questions sont disponibles ?

CampusQCM propose 6 questions corrigées sur résidus avec explications pédagogiques détaillées.

Comment réviser résidus 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 résidus 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 R² Notion suivante → variance

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