UNIVERSITE DE PARIS 11

Interro de TD 2

Anne Plunket
Master 1 - ETT et EI

1. Il vous est propos une rgression de la consommation en fonction du revenu et du temps

(la tendance).
. regdw cons income trend
Source |
SS
df
MS
-------------+-----------------------------Model | 4.7072e+11
2 2.3536e+11
Residual | 3.3853e+09
42 80603294.8
-------------+-----------------------------Total | 4.7411e+11
44 1.0775e+10

Number of obs
F( 2,
42)
Prob > F
R-squared
Adj R-squared
Root MSE

=
45
= 2919.99
= 0.0000
= 0.9929
= 0.9925
= 8977.9

-----------------------------------------------------------------------------cons |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------income |
.9333721
.0644142
14.49
0.000
.8033789
1.063365
trend | -140.4874
553.0085
-0.25
0.801
-1256.504
975.5288
_cons |
11579.25
8573.289
1.35
0.184
-5722.351
28880.84
-----------------------------------------------------------------------------Durbin-Watson Statistic = .4633078

(a) Expliquez ce quest lautocorrlation et quels problmes elle pose pour lestimation par la mthode des Moindres carrs ordinaires
Lautocorrlation rend compte du fait que les rsidus sont corrls entre eux au cours
du temps. Autrement dit, les rsidus ne sont pas distribus de manire indpendants,
ils ne sont pas i.i.d. A ce moment l, la variance des rsidu nest pas minimale et on
risque de rejeter lhypothse nulle tort.
(b) Quel est le type dautocorrlation que le test de Durbin et Watson permet de
tester ?
Le DW ne teste que lautocorrlation dordre 1 du type :
t = t1 + ut
Il sagit dun processus de Markov dordre 1.
(c) Fates le test de Durbin et Watson ; indiquez clairement quelle est lhypothse
nulle et alternative. Quelles sont vos conclusions.
H0 : = 0 contre H1 : 6= 0 La rgle de dcision est la suivante :
si d < dL on rejette lhypothse null ;
si d > dU on ne la rejette pas ;
si dL < d < dU il y a un doute
Ici, DW = 0,46, k=2 et n=45, dL = 1.43 et dU = 1.62
DW < dL (1.43), par consquent, on en dduit quil y a de lautocorrlation
lordre 1 au moins.
1

2. Vous disposez de deux rgressions du revenu en fonction dun certain nombre dindicateurs et de variables o hwage indique le salaire horaire en cents, urban est une indicatrice gale un si la personne vit en ville par opposition la campagne, age reprsente
lge de la personne, ethnic est gale 1 si la personne nest pas dorigine blanche, south
est gale 1 si la personne habitude dans le sud des Etats-Unis
. mean hwage, over(urban)
Mean estimation

Number of obs

1900

0: urban = 0
1: urban = 1
-------------------------------------------------------------Over |
Mean
Std. Err.
[95% Conf. Interval]
-------------+-----------------------------------------------hwage
|
0 |
496.7519
9.091503
478.9216
514.5823
1 |
622.3078
7.321256
607.9493
636.6664
-------------------------------------------------------------. reg hwage educ age ethnic urban south
Source |
SS
df
MS
-------------+-----------------------------Model | 31555417.8
5 6311083.57
Residual | 98930460.8 1894 52233.6118
-------------+-----------------------------Total |
130485879 1899 68712.9429

Number of obs
F( 5, 1894)
Prob > F
R-squared
Adj R-squared
Root MSE

=
=
=
=
=
=

1900
120.82
0.0000
0.2418
0.2398
228.55

-----------------------------------------------------------------------------hwage |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------educ |
19.52263
2.101356
9.29
0.000
15.40141
23.64384
age |
26.63248
1.703658
15.63
0.000
23.29124
29.97372
ethnic | -83.06785
15.34264
-5.41
0.000
-113.1581
-52.97761
urban |
95.69047
12.08005
7.92
0.000
71.99886
119.3821
south | -61.58681
11.53298
-5.34
0.000
-84.20549
-38.96813
_cons |
454.6921
55.89884
8.13
0.000
564.3219
345.0623
------------------------------------------------------------------------------

(a) Commentez le tableau obtenu avec la commande mean hwage, over(urban)

Le table nous donne le salaire horaire moyen pour les personnes vivants en ville
(622,30) et celles vivants la campagne (496,75). On constate que les personnes qui
vivent en ville ont un revenu bien plus elevs que ceux qui vivent la campagne.
Vous disposez de la rgression reg hwage educ age ethnic urban south.
(b) Que reprsente la constante ?
La constante reprsente le revenu horaire pour le groupe de rfrence savoir, ceux
qui sont blancs, qui vivent la campagne et dans le nord. Ce revenu moyen est de
454,69 cents.
(c) Que vous apprend le tableau sur le salaire dune personne noire vivant dans le
sud ?
Le tableau nous apprend que la diffrence de salaire pour ceux qui sont noirs et qui
2

habitent dans le sud est de south + ethnic = 83, 06 61, 58 = 144, 64.
3. On vous propose dtudier les dterminants davoir un salaire horaire suprieur 700
cents. Vous disposez des tableaux suivants :
. logit highwage educ age fatheduc motheduc ethnic urban south, nolog
Logistic regression

Number of obs
LR chi2(7)
Prob > chi2
Pseudo R2

Log likelihood = -953.42719

=
=
=
=

1900
313.50
0.0000
0.1412

-----------------------------------------------------------------------------highwage |
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------educ |
.1246213
.0256527
4.86
0.000
.074343
.1748995
age |
.2012003
.0184215
10.92
0.000
.1650949
.2373057
fatheduc |
.0101726
.021478
0.47
0.636
-.0319236
.0522687
motheduc |
.0694325
.0257211
2.70
0.007
.0190201
.1198449
ethnic | -.8283974
.2134957
-3.88
0.000
-1.246841
-.4099534
urban |
.8551816
.1462779
5.85
0.000
.5684822
1.141881
south | -.3091703
.1261468
-2.45
0.014
-.5564136
-.061927
_cons |
-9.74939
.6661931
-14.63
0.000
-11.0551
-8.443676
-----------------------------------------------------------------------------. logit highwage educ age fatheduc south, nolog
Logistic regression

Number of obs
LR chi2(4)
Prob > chi2
Pseudo R2

Log likelihood = -982.45933

=
=
=
=

1900
255.43
0.0000
0.1150

-----------------------------------------------------------------------------highwage |
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------educ |
.1512071
.0248181
6.09
0.000
.1025645
.1998496
age |
.200255
.0180981
11.06
0.000
.1647833
.2357267
fatheduc |
.0612833
.0178013
3.44
0.001
.0263933
.0961733
south | -.5051628
.1211115
-4.17
0.000
-.742537
-.2677886
_cons | -9.230539
.62938
-14.67
0.000
-10.4641
-7.996977
-------------------------------------------------------------------------------------------------------------------------------. prvalue, x(motheduc = 12) rest(mean)
logit: Predictions for highwage
Confidence intervals by delta method

Pr(y=1|x):
Pr(y=0|x):

x=

educ
14.166223

0.2879
0.7121
age
27.869681

95% Conf. Interval

[ 0.2635,
0.3123]
[ 0.6877,
0.7365]

fatheduc
11.210106

motheduc
12

ethnic
.05585106

urban
.76861702

south
.28191489

. prvalue, x(motheduc = 12 urban =1) rest(mean)

logit: Predictions for highwage
Confidence intervals by delta method

Pr(y=1|x):
Pr(y=0|x):

x=

educ
14.268166

0.3367
0.6633
age
27.942907

95% Conf. Interval

[ 0.3081,
0.3653]
[ 0.6347,
0.6919]

fatheduc
11.351211

motheduc
12

ethnic
.06401384

urban
1

south
.25778547

urban
.80769231

south
1

. prvalue, x(motheduc = 12 south = 1 ethnic = 1) rest(mean)

logit: Predictions for highwage
Confidence intervals by delta method

Pr(y=1|x):
Pr(y=0|x):

x=

educ
13.923077

0.1116
0.8884
age
27.115385

95% Conf. Interval

[ 0.0710,
0.1523]
[ 0.8477,
0.9290]

fatheduc
9.6538462

motheduc
12

ethnic
1

(a) Testez lhypothse nulle suivante : H0 : motheduc = ethnic = urban = 0

G2 (Mc | M ) = 2 ln L(M ) 2 ln L(Mc )
Si H0 est vrai, alors G2 2J
J tant le nombre de contraintes.
G2 (Mc | M ) = 2(953.42719)2(982.45933) = 1906, 84+1964, 9 = 58, 06
Il sagit dun chi2(3)5% = 7.81 et chi2(3)1% = 11.34.
On rejette lhypothse nulle 5% et mme 1%, puisque dans chaque cas, la valeur
calcule 58,06 est suprieure la valeur critique.
Par consquent, le modle complet est prfr car les trois variables sont globalement explicatives.
(b) Commentez les rsultats suivants :
prvalue, x(motheduc = 12) rest(mean)
prvalue, x(motheduc = 12 urban =1) rest(mean)
prvalue, x(motheduc = 12 south = 1 ethnic = 1) rest(mean)
Les tableaux indiquent quune personne dont la mre a un niveau dducation de 12
annes, aura une probabilit de 28,79