QCM Econometrie 2 L3 - Econometrie 2
QCM de 15 questions avec corrections détaillées sur Econometrie 2 (Econometrie 2). Révisez efficacement avec des explications pédagogiques pour le niveau L3.
Vous voyez maintenant l'interface exactement comme vos étudiants. La navigation et les pages affichées sont celles d'un compte étudiant.
Séries temporelles, données de panel, variables instrumentales, GMM, endogénéité.
Banque publiée de la matière : 15 questions au total. Les compteurs ci-dessus concernent les QCM listés sur cette page. Explorer aussi les fiches notions et leurs entraînements.
Choisis un QCM et tes scores s'enregistreront automatiquement.
QCM de 15 questions avec corrections détaillées sur Econometrie 2 (Econometrie 2). Révisez efficacement avec des explications pédagogiques pour le niveau L3.
L’économétrie de licence 3 estime l’effet d’un régresseur lorsque les moindres carrés ordinaires cessent d’être fiables, soit parce que ce régresseur est corrélé avec le terme d’erreur, soit parce que les mêmes entités sont observées à plusieurs dates. Dans le modèle linéaire simple, la variable expliquée de l’observation i s’écrit comme une constante, plus un coefficient multiplié par le régresseur, plus une erreur. Le régresseur est endogène lorsque cette erreur lui est corrélée : l’estimateur des moindres carrés ordinaires est alors inconsistant pour le coefficient qui intéresse l’économiste. La corrélation peut venir d’une variable omise, d’une causalité simultanée entre les deux membres de l’équation, ou d’une erreur de mesure sur le régresseur.
Repères de cours pour situer la matière. Le contenu de chaque questionnaire est précisé sur sa page ; confrontez ce périmètre à votre propre cours.
L’économétrie de licence 3 estime l’effet d’un régresseur lorsque les moindres carrés ordinaires cessent d’être fiables, soit parce que ce régresseur est corrélé avec le terme d’erreur, soit parce que les mêmes entités sont observées à plusieurs dates. Dans le modèle linéaire simple, la variable expliquée de l’observation i s’écrit comme une constante, plus un coefficient multiplié par le régresseur, plus une erreur. Le régresseur est endogène lorsque cette erreur lui est corrélée : l’estimateur des moindres carrés ordinaires est alors inconsistant pour le coefficient qui intéresse l’économiste. La corrélation peut venir d’une variable omise, d’une causalité simultanée entre les deux membres de l’équation, ou d’une erreur de mesure sur le régresseur.
Inconsistant signifie que l’estimateur ne se concentre pas autour de la valeur visée lorsque l’échantillon grandit. Un écart-type faible ne répare pas ce défaut : la précision peut s’améliorer autour d’une mauvaise cible. Avant de commenter un signe, il faut donc nommer le mécanisme qui relie le régresseur à l’erreur. Ajouter des contrôles réduit le biais d’omission seulement si les variables manquantes sont observées et correctement spécifiées. Quand elles ne le sont pas, ou quand le prix et la quantité sont déterminés ensemble, il faut changer d’estimateur plutôt que multiplier les tableaux de régression ordinaire.
Une variable instrumentale Z sert à estimer le coefficient du régresseur endogène X dans le modèle simple. Le manuel d’introduction à l’économétrie avec R exige deux conditions. La pertinence demande que Z et X soient corrélés, donc que leur corrélation ne soit pas nulle. L’exogénéité demande que Z ne soit pas corrélé avec l’erreur. La première étape régresse X sur Z : la partie prédite de X est celle que l’instrument explique, tandis que le résidu de cette étape reste lié au problème d’endogénéité. La seconde étape régresse la variable expliquée sur ces valeurs prédites, si l’instrument est valide.
Avec un seul instrument, l’estimateur des doubles moindres carrés du coefficient de X est le rapport de la covariance empirique entre Z et Y à la covariance empirique entre Z et X. Le manuel montre que cet estimateur est convergent pour le coefficient du modèle simple lorsque Z est un instrument valide, et que sa loi peut être approchée par une loi normale dans un grand échantillon. Refaire les deux étapes à la main avec des moindres carrés ordinaires donne les mêmes coefficients, mais les écarts-types de la seconde étape manuelle sont invalides : ils ignorent que le régresseur y est une prédiction. La procédure instrumentale dédiée corrige ce calcul et l’on retient des écarts-types robustes à l’hétéroscédasticité.
La corrélation empirique entre l’instrument et le régresseur endogène est un indice de pertinence, pas une démonstration suffisante. Le manuel le dit explicitement à propos de la taxe générale sur les ventes et du prix des cigarettes : une corrélation positive va dans le sens attendu, puis il faut encore examiner la force de la première étape. L’exogénéité, elle, n’apparaît pas comme une ligne du tableau de seconde étape. C’est une hypothèse sur l’absence de lien direct entre l’instrument et l’erreur. Elle se discute par le dispositif : l’instrument ne doit déplacer la variable expliquée que par le canal du régresseur endogène, une fois les contrôles retenus.
Un instrument faible laisse peu de variation exploitable et rend l’inférence fragile, même si la formule des doubles moindres carrés reste définie. Un instrument qui agit aussi par un autre canal réintroduit l’endogénéité que l’on voulait éviter. Enfin, le manuel rappelle qu’une estimation instrumentale peut encore souffrir d’une variable omise : passer des moindres carrés ordinaires aux doubles moindres carrés ne dispense pas d’une spécification plus riche. On sépare donc trois jugements : le coefficient estimé, la qualité de la première étape, et la crédibilité du récit d’exogénéité. Aucun des trois ne remplace les deux autres.
Un panel observe les mêmes entités à plusieurs dates. Le manuel part d’un modèle où une hétérogénéité inobservée, constante dans le temps, est corrélée avec le régresseur et biaiserait une régression qui l’ignorerait. En l’absorbant dans une constante propre à chaque entité, on obtient le modèle à effets fixes : la variable expliquée égale cet effet individuel, plus le coefficient d’intérêt multiplié par le régresseur, plus une erreur. Une écriture équivalente ajoute une constante et des indicatrices d’entité. Les deux représentations décrivent le même modèle. L’effet individuel capte tout ce qui distingue les entités et ne change pas avec le temps.
La moyenne temporelle de l’équation retire cet effet, puisqu’il est constant. En soustrayant cette moyenne de l’équation datée, on obtient l’écriture within : l’écart de la variable expliquée à sa moyenne individuelle égale le coefficient multiplié par l’écart du régresseur à sa moyenne, plus l’écart de l’erreur. Les moindres carrés sur ces variables centrées estiment le même coefficient que la régression avec indicatrices, sans estimer une indicatrice par entité. Si le régresseur ne varie pas dans le temps, son écart à la moyenne est nul et son effet n’est pas séparé de l’effet fixe. Le manuel indique qu’en grand échantillon la loi de l’estimateur est normale si les hypothèses du modèle tiennent, et que l’on calcule des écarts-types robustes à l’hétéroscédasticité. Les facteurs qui varient dans le temps et restent omis peuvent encore biaiser le coefficient.
Le manuel applique les doubles moindres carrés à la demande de cigarettes, parce qu’une régression du logarithme des quantités sur le logarithme des prix mélange demande et offre. Il retient la coupe des quarante-huit États continentaux des États-Unis en 1995, extraite d’un panel qui couvre aussi 1985. L’instrument est la part de taxe générale sur les ventes, exprimée en dollars par paquet, incluse dans le prix après taxe. Le manuel juge plausible qu’elle n’agisse sur les quantités que par le prix. La corrélation empirique entre cette taxe et le prix est d’environ 0,614. La première étape explique environ 47 % de la variation du logarithme du prix réel, avec une pente d’environ 0,031.
La régression instrumentale donne un coefficient d’environ −1,08 sur le logarithme du prix réel. L’écart-type robuste fourni par la procédure dédiée est d’environ 0,32, alors que les écarts-types d’une seconde étape faite à la main ne sont pas les bons. Le manuel lit ce coefficient comme une baisse d’environ 1,08 point de pourcentage de la consommation pour une hausse de prix d’un pour cent, réponse qu’il juge assez élastique, puis avertit qu’une variable omise peut encore biaiser le résultat et qu’une spécification instrumentale multiple reste nécessaire. Le même ouvrage illustre les effets fixes par les décès routiers et la taxe sur la bière : le coefficient estimé vaut environ −0,66, lu comme une baisse d’environ 0,66 décès pour 10 000 personnes associée à un dollar de taxe réelle en plus, avec le même avertissement sur les omissions qui varient dans le temps.
Nommez d’abord l’effet que le coefficient est censé isoler et la raison précise de l’endogénéité. Pour un instrument, écrivez la première étape, le signe attendu et ce que mesure la part de variation expliquée ; séparez ensuite l’hypothèse d’exogénéité, qui ne se lit pas dans le coefficient de seconde étape. Vérifiez que les écarts-types viennent de la procédure instrumentale et qu’ils sont robustes, plutôt que d’une régression ordinaire sur des valeurs prédites collées à la main. Pour un panel, dites si le coefficient est within, donc identifié par les variations internes à chaque entité, et quelles variables constantes dans le temps ont été absorbées.
Concluez en deux phrases distinctes : ce que l’échantillon estime, et ce que le dispositif ne règle pas. Une corrélation de première étape, un R² ou un écart-type ne transforment pas une justification verbale fragile en preuve d’exogénéité. Inversement, un récit institutionnel convaincant ne dispense pas de montrer que l’instrument déplace vraiment le régresseur. Cette grille empêche de traiter comme équivalents un coefficient de moindres carrés ordinaires, un coefficient de doubles moindres carrés et un coefficient within.
Non. Un contrôle entre dans l’équation de la variable expliquée. Un instrument sert à isoler la variation du régresseur endogène et ne doit pas agir directement sur l’erreur.
Parce qu’ils traitent les valeurs prédites comme si elles avaient été observées. La procédure des doubles moindres carrés corrige cette sous-estimation de l’incertitude.
Non. En écartant chaque variable à sa moyenne temporelle, il élimine ce qui ne change pas pour l’entité et n’identifie que des variations internes.
Non. Les effets fixes retirent l’hétérogénéité constante dans le temps. Une omission qui varie avec le temps peut encore corréler le régresseur et l’erreur.
Ouvrages de référence utilisés dans les universités françaises pour Licence 3
Ces lectures éclairent le périmètre traité. Le contenu est à confronter au cours de votre établissement ; il ne constitue pas un programme officiel.
Commencez par relire vos notes et le manuel de référence pour rafraîchir les concepts clés.
Utilisez le mode Révision avec les indices et corrections détaillées pour tester vos connaissances.
Une fois prêt, passez en mode Examen pour vous évaluer dans les conditions réelles.
Nous utilisons uniquement des cookies essentiels et des analytics first-party anonymisées (aucun partage tiers). En savoir plus.