Test de régression

ECONOMETRIE (*) Hélène Hamisultane I/ QU’EST CE QUE L’ECONOMETRIE ? II/ LE MODELE DE REGRESSION SIMPLE II.1/ Méthode d’estimation des Moindres Carrés Ordinaires (MCO) II.2/ Hypothèses et propriétés des estimateurs des MCO II.3/ Critère de jugement de la qualité de l’ajustement d’un modèle : R² III/ LE MODELE DE REGRESSION MULTIPLE III.1/ III.2/ III.3/ III.4/ Méthode d’estimation des Moindres Carrés Ordinaires (MCO) Hypothèses et propriétés des estimateurs des MCO Critère de jugement

This is done through a regression with a log-log equation where the dependent variable is Export and the affinity variables are estimated as dummy variables. The regression is divided into four time periods in order to more easily determine how the trade affinity variables have altered in influence on trade flows in Europe. The first time period represent an average of the time period 1974-1976, the second 1984-1986, the third 1994-1996 and the fourth 2004-2006. The regression results illustrate that

Mots clés : la structure du capital, la théorie de financement hiérarchique, la théorie de Trade off, la notation de crédit Abstract The aim of this study is to analyse the impact of credit rating on capital structure. We test, therefore, the effect of incorporation of credit rating factors into the static trade off model of capital structure, which predict that each firm adjusts gradually toward on optimal debt ratio, and into the pecking order model of capital structure

les résultats : 21 §2/ Un commentaire critique du test du modèle statique de Trade off contre le modèle de Pecking order de la structure du capital : 23 A/ Test du modèle de financement hiérarchique de la structure du capital : 24 B/ Les limites de l’étude de Shyam-Sunder et Myers : les problèmes de leurs conclusions 27 Section 3 : La théorie Pecking Order et la théorie statique de Trade off : Test des prédictions qualitatives alternatives 29 §1/

Régression linéaire – Aide mémoire Types de variables Variable dépendante : Y Variables explicatives : X1, X2, X3, …, Xp Modèle : Y = β 0 + β 1 X 1 + β 2 X 2 + β 3 X 3 + … + β p X p + ε Hypothèses - sur la forme du modèle : (H1) linéarité du modèle et choix des régresseurs (hypothèse de bonne spécification) - sur les erreurs : (H2) ε 1 , ε 2 , … , ε T ont une moyenne nulle, c’est-à-dire Ε(ε t ) = 0 ∀t = 1, … , T (H3) homoscédasticité : Var (ε t ) = σ 2 ∀t = 1,…, T (H4) non autocorrélation

l’investissement entre le pays d’origine et une moyenne des 8 pays étudiés, la part des résidents d’un pays dans l’émission totale de titres de dette, une tendance semestrielle et enfin des variables semestrielles fictives. Il ressort de ces 8 régressions que le coefficient R² ajusté varie de monnaie en monnaie. Par exemple, il tourne autour de 30% pour le dollar américain et le mark allemand, de 66% pour le dollar australien, alors qu’il n’est que de l’ordre de 11% pour la livre sterling. Pour la

tableau de fréquences. Les histogrammes vérifient les résultats du tableau précédent. 4- DIAGRAMME EN BATONS SELON LA SATISFACTION CLIENT RESULTAT EXERCICE 2 SOURCE DE DONNEES : CUSTUMER_DBASE.SAV A- Test t pour échantillon unique Tester au seuil de 5% si le salaire moyen de la population est supérieur à 50 M$. H0 = {revenue moyen de la population est 50M$} = { = =50M$} H1 = {revenue moyen de la population est différent de 50M$}={ =50M$} b- X :

Francesco Quatraro – 2010/2011 1 Le modèle de régression simple • La régression simple est le modèle le plus simple: une variable endogène est expliquée par une variable exogène Soit la fonction de production keynésienne: • – • • • • C=a0+a1Y C=consommation Y=revenu a1=propension marginale à consommer a0=consommation autonome ou incompressible Économétrie Francesco Quatraro – 2010/2011 2 Le modèle de régression simple • La variable consommation est appelée variable

résultats Copie des résultats dans Word Enregistrement 5 5 5 6 6 6 7 7 8 8 8 Quelques fonctions avec SPSS … et leurs résultats Fonctions descriptives Chi carré Test du t de Student Variables indépendantes Variables apparillées 9 9 10 13 13 15 ANOVA (plusieurs VD et 1 VI) ANOVA (1 VD et plusieurs VI) Corrélation Régression multiple 17 19 22 24 Conclusion 27 3 4 Codage des données Présentation des données Une ligne par sujet Une colonne par variable Tous les résultats

variable à expliquer (ou « cible », « réponse », « dépendante ») est qualitative   Prédiction : la variable à expliquer est quantitative     on parle aussi de classification (en anglais) ou de discrimination on parle aussi de régression ou d’apprentissage supervisé (réseaux de neurones) exemple : le prix d’un appartement (en fonction de sa superficie, de l’étage et du quartier) Scoring : classement appliqué à une problématique d’entreprise (variable à expliquer souvent binaire)