Examen de Statistique et Econométrie Appliquées ... - HEC Lausanne

Ecole des HEC, Université de Lausanne EXAMEN DE STATISTIQUE ET ECONOMETRIE APPLIQUEES
SEMESTRE D'ETE 2002 Enseignants : J.-Ch. Lambelet et A. Fidalgo
Nom, prénom : ......................................................
Pour chacun des 10 sujets ou questions imprimés en gras ci-dessous, on vous
propose un certain nombre de commentaires ou de réponses. Chaque
commentaire ou réponse appelle une réaction de votre part indiquée par
Juste (J) ou Faux (F). S.v.p. utilisez le carré au début de chaque réponse
ou commentaire. Notez que tous les commentaires ou réponses proposés pour
un sujet ou une question quelconque peuvent être justes, tous peuvent être
faux ou certains justes et d'autres faux. Un carré laissé en blanc sera
considéré comme une réaction incorrecte. La note sera déterminée par le
pourcentage des réactions correctes, en tenant compte du fait que si vous
répondez au hasard vous avez une chance sur deux de tomber juste (une
notice explicative se trouve sur le site du cours). Le corrigé de cet
examen sera mis sur le site du cours dans les jours qui suivent.
Le présent document compte 4 pages. Il doit être rendu à la fin de
l'examen, lequel est d'une durée de 60 minutes. 1. Ensemble, nous avons estimé une fonction de consommation simple de type
keynésien (CONSt = a + b YDt + ?t) en utilisant les données non
désaisonnalisées telles qu'elles figurent dans les comptes nationaux
trimestriels de la Suisse pour la période 1980-2001.
a. (F La théorie économique nous dit que cette forme fonctionnelle de
l'équation est correcte dans toutes les situations économiques.
b. (F La qualité de l'ajustement telle que mesurée par le R2 se révèle
très faible.
c. (J La valeur calculée du Durbin-Watson est « bonne », en ce sens que
nous ne rejetons pas l'hypothèse nulle de l'absence de corrélation
sérielle.
d. (F La valeur de la PMC paraît plausible a priori. 2. Correction des variations saisonnières.
a. (J Toutes les méthodes de correction des variations saisonnières ont
en commun l'utilisation d'une moyenne mobile.
b. (F L'utilisation d'une moyenne mobile n'affecte en rien les
caractéristiques cycliques des séries ainsi corrigées.
c. (F Toutes les méthodes ont en commun le calcul de facteurs
saisonniers qui restent constants dans le temps.
d. (F Pour tenir compte des effets saisonniers dans une équation
quelconque, il faut toujours utiliser des séries corrigées de ces
effets au moyen de l'une des méthodes disponibles. 3. La présence de corrélation sérielle dans une équation estimée peut être
due à :
a. (F Une forte corrélation entre les variables explicatives.
b. (J L'absence d'une ou de plusieurs variables explicatives.
c. (F La fréquence des chocs ou perturbations est plus élevée que celle
de l'unité de temps des observations.
d. (J La « vraie équation » est non linéaire alors qu'on a utilisé une
spécification linéaire.
4. Vrai ou faux ?
a. (F Un grand échantillon comprend toujours beaucoup d'information.
b. (F Si la théorie économique nous dit qu'une équation ne doit pas
inclure de constante, il faut nécessairement supprimer cette dernière
dans l'équation estimée.
c. (F Une forte corrélation entre deux variables signifie qu'il y a un
lien de causalité entre elles.
d. (F Il n'y a pas de méthode pour tester la stabilité des paramètres
estimés.
5. Multicolinéarité.
a. (F La présence d'une forte colinéarité entre deux ou plusieurs
variables explicatives aura pour effet de biaiser les paramètres
estimés.
b. (F La matrice de corrélation entre les variables explicatives suffit
à détecter la présence de multicolinéarité.
c. (F Si l'on supprime une des variables explicatives colinéaires,
l'estimation des autres paramètres ne sera pas affectée.
d. (J Plus il y a de colinéarité entre les variables explicatives et
moins l'estimation des paramètres sera précise.
6. Schémas autorégressifs.
a. (F Un schéma autorégressif AR(n) doit toujours être utilisé en
présence de corrélation sérielle.
b. (F L'application d'un schéma autorégressif permet aussi de résoudre
un éventuel problème de multicolinéarité.
c. (J En cas de corrélation sérielle « pure », l'application d'un AR(n)
aura pour effet de corriger des t de Student surestimés en valeur
absolue.
d. (J Dans un contexte purement prévisionnel, l'application d'un AR(n)
est OK en présence de corrélation sérielle.
7. Une fonction de consommation « présentable » pour la Suisse.
a. (J Cette fonction explique le changement dans les dépenses réelles de
consommation des ménages suisses, mais non le niveau de ces dépenses.
b. (J Elle montre que le comportement des ménages dépend aussi de l'état
du marché du travail.
c. (J Elle passe pratiquement tous les tests économétriques que vous
connaissez.
d. (F Elle reste de type keynésien. 8. Econométrie appliquée : étude sur les réélections au Conseil fédéral.
a. (J Cette étude propose un modèle avec deux équations structurelles et
trois identités.
b. (F Vu que les données utilisées pour estimer le modèle sont
uniquement en coupe transversale (« cross-section »), il n'y a pas
lieu de se soucier de la présence éventuelle de corrélation sérielle.
c. (F Lorsque le modèle entier est simulé, les écarts entre scores
réalisés et scores simulés ne sont, selon toutes apparences, que du
« bruit blanc ».
d. (J Le modèle suggère que des non réélections pourraient se produire
avant trop longtemps.
9. Variables entachées d'erreur (« Error-in-data Problem »).
a. (F Si, dans une équation quelconque, la variable dépendante est
mesurée avec des erreurs importantes, il y a lieu d'utiliser une
autre méthode d'estimation que les MCO - les variables
instrumentales ou DMC, par exemple.
b. (F Des erreurs de mesure importantes affectant une ou plusieurs
variables explicatives auront en général pour effet de produire de
la corrélation sérielle.
c. (J Plus de telles erreurs sont importantes et plus la qualité de
l'ajustement, telle que mesurée par le R2, sera réduite.
d. (F En présence de variables explicatives entachées d'erreurs
importantes, la méthode des MCO produit des estimations non
convergentes, mais qui restent non biaisées.
10. Les simulations de Monte-Carlo.
a. (F Ont pour principe de base qu'on postule un « vrai » modèle, lequel
est utilisé pour produire des données « observées ». Puis, l'on
cherche à vérifier si ces dernières correspondent à la réalité
économique.
b. (F Sont une méthode qui se substitue entièrement aux démonstrations
de l'économétrie théorique.
c. (J Mettent en évidence le fait que la recherche économétrique
appliquée se fonde toujours sur des échantillons et qu'il peut
arriver que l'échantillon à disposition dans un contexte de recherche
donné soit « mauvais », c'est-à-dire qu'il conduise à des résultats
économétriques insatisfaisants (= non conformes à la réalité sous-
jacente).
d. (F Permettent certes de « sérier » les problèmes qui se posent en
économétrie appliquée lorsque l'une ou l'autre des hypothèses
fondamentales est violée, mais leur nature est telle qu'elles ne
peuvent servir à vérifier les conséquences de la violation simultanée
de deux ou plusieurs de ces hypothèses.