Aller au contenu principal
📐 L2 • Économétrie 1

QCM Économétrie L2 - Tests Coefficients : 13 questions corrigées

QCM de 13 questions avec corrections détaillées sur Tests Coefficients (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
📝 13 questions 📊 Niveau Fondamentaux ⏱️ ~20 min ✨ Jusqu'à 26 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

Tests sur les Coefficients de Régression

Les tests sur les coefficients permettent de vérifier des hypothèses sur les paramètres d'un modèle de régression. Le test de Student teste la significativité individuelle d'un coefficient (H0 : β = 0). Le test de Fisher teste la significativité globale du modèle. Le test de Wald généralise à des contraintes linéaires. Ces tests reposent sur les propriétés asymptotiques des estimateurs MCO sous les hypothèses standard.

🎯 Objectifs pédagogiques

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

  • Maîtriser le test de Student sur un coefficient
  • Appliquer le test de Fisher global
  • Comprendre le test de Wald
  • Interpréter les p-values et seuils
  • Distinguer significativité statistique et économique

📚 Concepts clés à maîtriser

Notions fondamentales avec leurs définitions académiques :

Test de Student
Test de significativité individuelle (t-stat)
Test de Fisher
Test de significativité globale (F-stat)
Test de Wald
Test de contraintes linéaires générales
P-value
Probabilité d'erreur de type I
Significativité
Rejet de H0 au seuil choisi

📋 Plan type du cours

Structure du cours en Licence 2 :

  1. Rappels sur les tests d'hypothèses
  2. Test de Student individuel
  3. Test de Fisher global
  4. Test de Wald
  5. Intervalles de confiance
  6. Significativité statistique vs économique

👨‍🏫 Auteurs de référence

Économistes fondamentaux à connaître :

Ronald Fisher — Statistical Methods for Research Workers
William Gosset (Student) — Distribution de Student

⚠️ Pièges fréquents

Erreurs classiques à éviter aux examens :

  • Confondre significativité et importance économique
  • Ignorer les hypothèses sous-jacentes
  • Interpréter la p-value comme une probabilité que H0 soit vraie

💼 Applications concrètes

Exemples d'application dans le monde réel :

  • Validation des modèles économétriques
  • Tests de contraintes économiques

Niveau de ce chapitre : 🟡 Niveau intermédiaire

À propos de ce QCM de Économétrie 1

QCM Économétrie L2 - Tests Coefficients — 13 questions. Économétrie 1 · Licence 2 · Économie.

Quelques raisonnements travaillés dans ce QCM

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

En présence d'hétéroscédasticité, pour des tests sur les coefficients, il faut utiliser :
  1. Les erreurs-types usuelles (elles restent valides)
  2. Les erreurs-types robustes (White, HC) pour avoir des tests et IC corrects
  3. La matrice de variance des MCO sans modification
  4. Un test de Fisher uniquement

Réponse : Les erreurs-types robustes (White, HC) pour avoir des tests et IC corrects

Sous hétéroscédasticité, Var(β̂) ≠ σ²(X'X)⁻¹. Les SE habituels sont biaisés. Les erreurs-types robustes (White, HC1, HC2, HC3) donnent des tests valides asymptotiquement.

Un coefficient avec p-value = 0,03 au test bilatéral H₀ : β = 0 :
  1. N'est pas significatif au seuil 5%
  2. Est significatif au seuil 5% (on rejette H₀) et au seuil 1% (on rejette aussi)
  3. Est significatif au seuil 5% mais pas au seuil 1%
  4. Indique que β = 0,03

Réponse : Est significatif au seuil 5% mais pas au seuil 1%

p-value = 0,03 < 0,05 ⇒ significatif au seuil 5%. Mais 0,03 > 0,01 ⇒ non significatif au seuil 1%. On rejette H₀ au seuil 5% mais pas au seuil 1%.

Un coefficient significatif (p-value < 0,05) implique-t-il que l'effet est « important » économiquement ?
  1. Oui, toujours
  2. Pas nécessairement : un effet peut être significatif mais de faible ampleur (ex : β̂ petit), ou inversement
  3. Non, jamais
  4. Seulement si le R² > 0,5

Réponse : Pas nécessairement : un effet peut être significatif mais de faible ampleur (ex : β̂ petit), ou inversement

Significativité statistique ≠ importance économique. Avec n grand, un tout petit effet peut être significatif. Inversement, un effet important peut être non significatif si l'échantillon est petit ou la variance élevée.

Un coefficient est dit « significatif au seuil de 5% » si :
  1. β̂ > 0,05
  2. La p-value < 0,05 (ou |t| > t_critique)
  3. SE(β̂) < 0,05
  4. Le R² > 0,05

Réponse : La p-value < 0,05 (ou |t| > t_critique)

Significatif au seuil 5% : p-value < 0,05, ou |t| > t_{0,025, n-k-1}. On rejette H₀ : β = 0, la variable a un effet significatif.