Le document décrit un exercice d'économétrie portant sur la relation entre la productivité, l'emploi, le capital et les dépenses de R&D dans les bassins d'emploi allemands. Les étudiants doivent estimer deux modèles économétriques, interpréter les résultats, tester des hypothèses et comparer les effets d'une augmentation des dépenses de R&D.
0 évaluation0% ont trouvé ce document utile (0 vote)
218 vues4 pages
Le document décrit un exercice d'économétrie portant sur la relation entre la productivité, l'emploi, le capital et les dépenses de R&D dans les bassins d'emploi allemands. Les étudiants doivent estimer deux modèles économétriques, interpréter les résultats, tester des hypothèses et comparer les effets d'une augmentation des dépenses de R&D.
Le document décrit un exercice d'économétrie portant sur la relation entre la productivité, l'emploi, le capital et les dépenses de R&D dans les bassins d'emploi allemands. Les étudiants doivent estimer deux modèles économétriques, interpréter les résultats, tester des hypothèses et comparer les effets d'une augmentation des dépenses de R&D.
Le document décrit un exercice d'économétrie portant sur la relation entre la productivité, l'emploi, le capital et les dépenses de R&D dans les bassins d'emploi allemands. Les étudiants doivent estimer deux modèles économétriques, interpréter les résultats, tester des hypothèses et comparer les effets d'une augmentation des dépenses de R&D.
Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
Télécharger au format pdf ou txt
Vous êtes sur la page 1sur 4
Ecole Nationale Supérieure de Sta tique et d'Economie Appliquée
Sous-Direction de la Post-Gradua et de la Recherche Scientifique
t,L3.4'i€Ë*À'n Lis''3*s*.,4*â ! l:il:, -: ijil ,r:"tr J ;r dr : Concours d'accès à la tbrmation périeure en Doctorat 3è'n'cycle rL;J. "i'"dij r .";-)L Jé pour I'année un re20L9-24
20 Octob 2AL9
EPREUVE: ECONOMETRIE Durée : 2 heures
Exercice 01 : (06 points)
Un ôtablissement banctr,irc souhaite déterminer la probabilité 1: e'un client (z) soit solvablc (érénement: ',t/; : 1) ou non (ér'énerneni; complérnentaire: : : 0). Celle-ci dépencl de quelques caractéristiques individuelles (rc;) du clienl. Si elle estpérieule à un certain seuil q, 1'étarblissement consiclère qu'il peut iui prêter, sinon le prêt est risqué pour le lui accorcler Q(1) PLoposez â, pr:iori cles exemples rle variables explicatives rertinentes. Q(2) Fornurlez le rnoclèle de régression binomiale cor-r'esponclant à ce pr-oblème cliscutez ses hypothèses com- ptr,rtr.tivemerrt an moclèle de régression orclinaire.
Exercice AZ : $7 points)
On s'intéresse à la relation qui existerait entre ie poids (en es) et la taille (en centimètres) à partir d'un écharrtillon de I i3 individus.
Y : Poids en kilogramrnes , X : Taille en centimètres
Nous considèrerons la relatioit : Lnyi-aLnxi*b*ei
Les quantités suivantes ont été obtenues à partir de l'échantillon
\-. \-_ çr Lrnyt = 469,27; L(Lny)'z = 1952,54; = 583,4; iii. ltnxi sf L(hLx)z = 3o!2,32; I m*, Lnyt - 2423,64 /-t i t
1. Qualifier le fype de données ritilisées dans cet exercice ? et reco uer la matrice (XtX)?
2. Procéder à l'estimation de la relation par la méthode des moindres arrés ordinaires
3. calouler Ia scr, la sCE et la ,scfi de cette régression. En cléduire r,r estination povr o2?
4. Déterminer la matrice de variances-covariances des estimateurs .0;
5. calculer u' intervalle de confiance à95% pour ra valeur clu oaram
6. Déterminel les t-student des deux estimateurs.
7. Fournir un inte'valle de confiance pour b au seuil 5%0, puis an seuil 1%. Quel est I'irnpact I'abaissement clu niveau du risque de 1ère espèce sur I'amplitude de I'i tervalle de confiance ? Eco e Iïationale Supérieure de Statistique et d'Economie Apptiquée SousDirection de la Post*Graduation et de Ia Recherche Scientilique Co urs d'accès à la formation supérieure en Doctorat 3"'cycle pour l' année universitaire 2019-20
20 Octobre2019
Exercice 03: (07 points)
Uu ètre veut tester l'impac de la Recherche et Développerrent (R&D) sur la productivité en
Allernagn Pour cela ldispose cles données s 312 bassins d'emploi d'Allemagne pour l'année 2018. Le rnodè est estirné sous folme rithmique :
log(PRO )=æ+FIoc(L)+yl (1()+Elog(R)+u ..(1)
avec : Producti ité dr-r travail
Enrploi Stock de pital par travailleurs Dé de Recherche
nètre étr-rdie ensuite un èle étenclu oour tenir cornote de la non-linéarité de I'effet cle la
R&D (a le carré cle log(,R)) et f iriteraction entre capital et R&D (variable (log(R) x log(K)) :
log(PR0 )=a.+plog(L)+yl (,() + rp log(R) + a-r(log(R))2 + ô(log(R) log(i{)) + u ...(2)
Pour les résullots des imations : voir ANNEXE 01, Page 03 et Page 04)
1. Donnez un intervalle de con nce à 950% pour l'effet de la R&D dans [e premier modèle.
Interprétez économiquement la v ur de votre estimation de l'effet de la R&D sur la nroductivité.
2. Testez la signif,rcativité conjoin des deux variables supplémentaires du modèle étendu. Peut-on dire que le second rnoclèle arnélio les résultats du premier ? (N.B : F(2,306):3.888).
3. En 2018, le bassin d'ernploi de rlin était calactérisé oar les variables suivantes :
Y :4231 M€, L: 104 000 pe nes, I( : 4 664 M€ et R : l5M€ ; En utilisant les deux équations, Compalez l'effet sur la productivi de ce bassin d'empioi, d'une augmentation de la R&D de 1 M€.
Conrnrentez vos résultats,
Ecole Nationale Supérieure de Sta istique et d'Economie Appliquée :â lr"rnF,:à rl: -- Sous-Direction de la Post-Gradua n et cle la Recherche Scientifique ;.::;È'8.È+;#ffiFt* -: Concours d'accès à Ia formation l-&:r a.i-!a .:i 1..- ,.:."ir i périeure en Doctorat 3ên'' c1,s;s ,-9:.-: :*"i-r, .,,:-5) ,; pour I'année uni rsitaire Z0l9-20
20 Octob 2019
Equation
Method of estimati-on : Ord nary Least Squares
Denenr^lonl rr: ri ah | 61 LOG_YL Current sample: to 3I2 Number of obse ations: 3L2 Sum of squared residuals 2 .86940 Std, error of regression .096836 R- s qua red .674138 Adjusted R-squared .668814 Durbin-Watson r .'/ 028 6 Whrte het. test 1I.4152 Jarque-Bera test 120.11B F (zero slopes) 126.6rA
Est imated Standard
Variab-Le Coeff,i-cient Error t - st at i sti-c c 3.308110 0 .531721 6.L52 LOG_L -0.032249 0.014373 -2 .244 LOG_KL 0.18149? 0 . 124903 1.453 LOG_R -0 .01 69'13 a .062946 -L .223 LOG_R_2 0.005969 0.001841 3.242 LOG_R_LOG_K 0.007640 0.015790 0.484
Variance Covar.iance of estimated coef f i- cient s
LOG-L LOG*KL LOG-R-2
LOG R LOG K
C 0.289150 LOG_.L -0.003934 0.00020659 LOG KL -0.063304 0.A0041329 0.0156010 LOG-R -0.031882 0.00031711 0.0068404 0.0 39622 LCGR2 0.000049 -0.00000093 0.0000568 -0, 0 00247 0.00000034 LOG R LOG-K 0.007945 -0.00006123 -0.0019396 -0, 0 08932 -0.0000006? 0. 00024 93 Standard Errors are heteroskedastic-consistent Bco Nationale Supérieure de Statistique et d'Bconomie Appliquée Sous Direction de la Post-Gracluation et de la Recherche Scientifique .---'': ffi,FJS}€æ&=u" Co cours d'accès à la formation supérieure en Doctorat 3èn'" cycle . *-\ji Ç1, ar +,, ,ùr.fl rl .;;r ;"'!T' .. j 'L;;x pour l' année universitaire 2019-20
20 Octobre2019
Flmr: iion 1-
Met od of estimaLion : Ordinary Least Squares
Denencle.nf v,:-i ah I e : LOG__YLCurrent sample: to 3I2 Number of observations: 372
Srrm of scrrrarecl residuals
3.15423 Std. error of rêcrêqqi nn = f 0l 198 R- squa r ^- .641192 AdyusEe R_ squared : .63 303 Durbin-Wats L 684'7 0 Vûhrte test : 66.3073 Ja ue- Bera test : 101 QA F (zero slopes) : fB3 945
Est imat ed andard
Variable Coe f f icient Error t-statistic C 2. ss600 0.11394 22.433 LOG-L -0.02311 0. 01352 -r .109 LOG-KL 0.24096 a .02211 10.869 LOG*R 0,05680 0.00850 6. 680
