Université AbdelMalek

ESSAÂDI
Faculté des Sciences Juridiques,
Economiques et Sociales de
Tétouan

Licence Fondamentale Économie et Gestion

(Semestre 6)

Série des Travaux Dirigés N°2

Méthodes Économétriques

Pr. Moad El kharrim

Année Universitaire 2023-2024

1
 2 Modèle de Régression Linéaire Simple

Exercice 3

Soit un modèle linéaire simple : Yi = β0 + β1 Xi + εi i = 1, ..., n

on donne les informations suivantes :

n 
n 
n
Xi Yi = 184500 Yi2 = 26350 Xi2 = 1400000
i=1 i=1 i=1

Ȳ = 60 X̄ = 400 n=7

(1) Estimer les coefficients du modèle

(2) Evaluer la qualité de cet ajustement
(3) Tester la significativité globale du modèle
(4) Calculer l’intervalle de confiance de l’estimateur β1 .

Solution

n
Xi Yi − nX̄ Ȳ
184500 − 7 × 400 × 60
(1) β1 = i=1

= = 0, 0589
1400000 − 7 × (400)2
n
Xi2 − nX̄ 2
i=1
β0 = Ȳ − β1 X̄ = 60 − (0, 0589 × 400) = 36, 44
( n *2

Xi Yi − nX̄ Ȳ
(2) R2 = rx,y
2 =  i=1
 n  = 0, 8454

n 
Xi2 − nX̄ 2 Yi2 − nȲ 2
i=1 i=1

Il s’agit d’un très bon ajustement linéaire (84, 54% de la variabilité

de Y autour de sa moyenne est expliquée par la variabilité de X)

92
 2 Modèle de Régression Linéaire Simple

(3) Test de Fisher

Calcul de la statistique empirique de Fisher
SCE R2
ddlSCE M CE 0, 8454
F∗ = = = 1 = = 27, 341
SCR M CR 1−R 2 1 − 0, 8454
ddlSCR n−2 5

0,05
F ∗ > F1;n−2
α = F1;5 = 6, 61. Le modèle est globalement significatif
(4) Intervalle de confiance au niveau de confiance de 95% pour
le paramètre β1
on a ! "
ICβ1 = β1 ± tn−2 σ
α/2
β̂
1

Calcul de σβ̂
1
On connait à partir des propriétés de la régression linéaire simple
 2  2
∗ ∗ β1
que : F = t  =
β1 β̂
σ 1
 
 #
 β 2
1 (0, 0589)2
β̂ =
alors σ = = 0, 0112644
1 F∗ 27, 341
Enfin
! "
ICβ1 = β1 ± tn−2 σ
α/2
β̂ = [0, 0589 ± (2, 571 × 0, 0112644)]
1

= [0, 0299 ; 0, 0878]

Exercice 4

On considère les résultats suivants d’une étude économétrique réalisée

sur un échantillon de 20 individus.
Yi = 1, 651Xi − 26, 27 + ei
R2 = 0, 26
n = 20
 = 10, 50
σ

(1) A partir les résultats de l’estimation, on demande de retrouver les

statistiques suivantes :
(a) la somme des carrés des résidus SCR,

93
 2 Modèle de Régression Linéaire Simple

(b) la somme des carrés totaux SCT ,

(c) la somme des carrés expliqués SCE,
(d) la valeur de la statistique empirique de Fisher F ∗
 
(e) et l’écart type du coefficient β1 , σ
β̂
1

(2) Le coefficient de la variable X est-il significativement supérieur à

1?

Solution

(1)(a) Somme des carrés des résidus SCR

SCR
on a σ2 =
n−2
alors SCR = σ 2 (n − 2) = (10, 50)2 × 18 = 1984, 5
(b) Somme des carrés totaux SCT

SCE SCR
R2 = =1−
SCT SCT
SCR 1984, 5
SCT = = = 2681, 75
1 − R2 1 − 0, 26
(c) Somme des carrés expliqués SCE

SCE = SCT − SCR = 2681, 75 − 1984, 5 = 697, 25

(d) Statistique empirique de Fisher F ∗

SCE 697, 25
∗ ddlSCE 1
Méthode 1 : F = = = 6, 324
SCR 1984, 5
ddlSCR 18
R 2 0, 26
Méthode 2 : F ∗ = = = 6, 324
1−R 2 1 − 0, 26
18 18
(e) Calcul de σ β̂
1
On connait à partir des propriétés de la régression linéaire
 2  2
∗ ∗ β1
simple que : F = t  =
β1 β̂
σ 1
 
 #
 β 2
1 (1, 651)2
β̂ =
alors σ = = 0, 65652
1 F∗ 6, 324

94
 2 Modèle de Régression Linéaire Simple

(2) Il s’agit d’un Test Unilatéral de la pente β1 :

H0 ; β1 = 1
H1 ; β1 > 1

β1 − β1
Calcul de ratio empirique de Student t∗ (dans ce cas t∗ = =
β1 β1 β̂
σ 1
β1 − 1
)
β̂
σ 1

β1 − 1 0, 651
ainsi t∗ = = = 0, 9915
β1 β̂
σ 0, 65652
1

Enfin |t∗ | < tαn−2 = t0,05

18 = 1, 734 la pente β1 est non significati-
β1
vement supérieur à 1.

Exercice 5

Soit un modèle linéaire simple suivant : Yi = β0 +β1 Xi +εi i = 1, ..., n

Yi : salaire moyen horaire par jour (en Dh)
Xi :nombre d’années d’études
On donne par ailleurs les informations suivantes :

rX,Y = 0, 951916 σX = 3, 894440 σY = 2, 945636

Après estimation, sur base d’un échantillon de 13 observations, un étu-

diant présente les résultats incomplets ci-après :

Yi = 0, 030769 + ........Xi

(1) Compléter les pointillés

(2) Tester la significativité du rX,Y
(3) Calculer le coefficient de détermination R2 . Interpréter ces résul-
tats. Semblent-ils logiques ?
(4) Tester la significativité de la pente (β1 ) et la significativité d’en-
semble du modèle.

Solution

(1) Calcul du paramètre β1 :

95
 2 Modèle de Régression Linéaire Simple

β1 × σx rX,Y × σY
on a rX,Y = alors β1 =
σY σX
0, 951916 × 2, 945636
β1 = = 0, 72
3, 894440

(2) Test de la significativité du rX,Y

H0 ; rX,Y = 0
H1 ; rX,Y = 0

rX,Y 0, 951916
t∗rX,Y = # =# = 10, 30
2
1 − rX,Y 1 − (0, 951916)2
n−2 11
|t∗rX,Y | > tn−2 = t0,025
α/2
11 = 2, 201. Le coefficient de corrélation rX,Y
est significativement différent de zéro.
(3) Coefficient de détermination R2
R2 = rX,Y
2 = (0, 951916)2 = 0, 9061
Il s’agit d’un bon ajustement linéaire (90, 61% de la variabilité de
Y autour de sa moyenne est expliquée par la variabilité de X)
Il y a lien fort et positif entre le salaire moyen horaire par jour
et le nombre d’années d’études. En effet, ces résultats semblent
logiques pour cet échantillon car il est tout à fait normal que ceux
qui beaucoup étudié gagnent un peu plus que ceux qui ont étudié
un peu moins.
(4) Il s’agit d’un Test Bilatéral de la pente β1 :

H0 ; β1 = 0
H1 ; β1 = 0

β1
Calcul de ratio empirique de Student t∗ (dans ce cas t∗ = )
β1 β1 σβ̂
1
On connait à partir des propriétés de la régression linéaire simple
que :
 2
 2 β1 R2 2
rX,Y
∗ ∗
F = t = = =
β1 β̂
σ 1
1 − R2 2
1 − rX,Y
n−2 n−2

96
 2 Modèle de Régression Linéaire Simple

alors
 
 2 
 r  (0, 951916)2
∗ 
t = 
X,Y
=  = 10, 30
2 
β1 1 − rX,Y 1 − (0, 951916)2
n−2 11

Enfin |t∗ | > tn−2 = t0,025

α/2
11 = 2, 201
β1
la pente β1 est significativement différente de zéro.
Test de Fisher
Calcul de la statistique empirique de Fisher

R2 0, 9061
F∗ = = = 106, 145
1−R 2 1 − 0, 9061
n−2 11
0,05
F ∗ > F1;n−2
α = F1;11 = 4, 84. Le modèle est globalement significatif
Remarque :
On remarque d’après les question (3) et (5) que t∗ = t∗rX,Y ce
β1
qui confirme encore le fait que le test d’hyopthèse H0 ; β1 = 0 est
équivalent au test d’hypothèse H0 ; SCE = 0.

Exercice 6

Un producteur cherche à estimer la relation liant la production d’un

article Yi au taux d’un produit chimique Xi existant dans la matière
première en formalisant la relation suivante :

Yi = β0 + β1 Xi + εi i = 1, ..., n

A partir d’une étude statistique portant sur 85 tonnes de matière pre-

mière, un économètre lui fournit les résultats suivants :
Yi = 132, 80 − 1, 1Xi + ei
(4, 3) (10, 2)

(.) = Ratio empirique de Student

85 2
i=1 ei = 6234, 32
(1) Montrer que tester l’hypothèse H0 ; β1 = 0 revient à tester l’hypo-
thèse H0 ; rX,Y = 0, où rX,Y est le coefficient de corrélation linéaire
simple entre Yi et Xi , le calculer.

97
 2 Modèle de Régression Linéaire Simple

(2) Construire l’équation d’analyse de la variance et vérifier les résul-

tats obtenus dans la question (1) à partir du test de Fisher.
(3) Le coefficient β1 est-il significativement inférieur à (−1).

Solution

(1) on a
( n   *2

Yi − Ȳ Xi − X̄
2 i=1
rx,y = n  2   
n  2 

Xi − X̄ Yi − Ȳ
i=1 i=1
n 
  
Xi − X̄ Yi − Ȳ
et β1 = i=1 n 
 2 alors
Xi − X̄
i=1

n 
  
β1 Yi − Ȳ Xi − X̄
2 SCE
rx,y = i=1
n 
 2 = = R2
Yi − Ȳ SCT
i=1

car :
n 
   n 
 2
β1 Yi − Ȳ Xi − X̄ = β1 × β1 Xi − X̄
i=1 i=1
n 
 2
= β12 Xi − X̄
i=1

n 
 2 n 
 2
β1 Xi − β1 X̄ = Yi − β0 − Ȳ + β0
i=1 i=1
n 
 2
= Yi − Ȳ = SCE
i=1

et puisqu’on a une égalité entre R2 et rX,Y

2 dans un modèle de
régression linéaire simple, alors :
2
R2 rX,Y
F∗ = =  
(1 − R2 ) / (n − 2) 2
1 − rX,Y / (n − 2)

98
 2 Modèle de Régression Linéaire Simple

ainsi +
rX,Y (n − 2)
t∗ = ,  ∼ tn−2
β1
1− 2
rX,Y

Ceci permet de tester si la relation entre Yi et Xi est significative,

ou encore si le coefficient rX,Y est significativement différent de 0.

(2) On a t∗ = 10, 2 et SCR = 85 2
i=1 ei = 6234, 32
β1
SCE SCE
 2
ddlSCE
F =∗ ∗
= t = 1 = (10, 2)2 = 104, 04
SCR β1 6234, 32
ddlSCR 83
6234, 32 × (10, 2)2
alors SCE = = 7814, 682et SCT = SCE +
83
SCR = 7814, 682 + 6234, 32 = 14049
Test de Fisher
Calcul de la statistique empirique de Fisher
SCE R2
ddlSCE 7814, 682
F∗ = = 1 = = 104, 03
SCR 1 − R2 6234, 32
ddlSCR n−2 83
0,05
F ∗ > F1;n−2
α = F1;83 = 3, 92. Le modèle est globalement significatif
(3) Il s’agit d’un Test Unilatéral de la pente β1 :

H0 ; β1 = −1
H1 ; β1 < −1

β1 − β1
Calcul de ratio empirique de Student t∗ (dans ce cas t∗ = =
β1 β1 β̂
σ 1
β1 + 1
)
β̂
σ 1
calcul de σ β̂ :
1
d’après le ratio empirique bilatéral de Student donné dans l’exer-
β̂ , c’est-à-dire
cice on peut déduire la valeur de σ 1

) ) ) )
) β ) )  )
) β1 )
∗ ) 1
t  (bilatéral) = )
)
)⇒σ )
β̂ = ) ∗ ) = 1, 1 = 0, 107843
)σ ) 1 t (bilatéral) ) 10, 2
β1
β̂1 ) β )
1

99
 2 Modèle de Régression Linéaire Simple

β1 + 1 −0, 1
ainsi t∗ = = = −0, 9272739
β1 β̂
σ 0, 107843
1

Enfin |t∗ | < tαn−2 = t0,05

83 = 1, 664 la pente β1 est non significati-
β1
vement inférieur à (−1).

Exercice 7

Soit les résultats d’une estimation économétrique :

Yi = 1, 651Xi − 29, 27 + ei
(3, 60)
(.) = Ratio empirique de Student
n = 20
 = 10, 50
σ

(1) A partir des informations connues, on demande de retrouver les

statistiques suivantes : la somme des carrés des résidus (SCR), la
somme des carrés expliqués (SCE) et la somme des carrés totaux
(SCT ).
(2) Le coefficient de la variable X est-il significativement supérieur à
1?
(3) On considère rX,Y le coefficient de corrélation linéaire de X et Y .
Tester la significativité de rX,Y .

Solution

(1) Somme des carrés des résidus SCR

SCR
on a σ2 =
n−2
alors SCR = σ 2 (n − 2) = (10, 50)2 × 18 = 1984, 5
Somme des carrés expliqués SCE
on a
SCE SCE
 2
F ∗ = 1 = t∗ = 1 = (3, 60)2 = 12, 96
SCR β1 1984, 5
n−2 18
1984, 5 × 12, 96
SCE = = 1428, 84
18

100
 2 Modèle de Régression Linéaire Simple

Somme des carrés totaux SCT

SCT = SCE + SCR = 1428, 84 + 1984, 5 = 3413, 34

(2) Il s’agit d’un Test Unilatéral de la pente β1 :

H0 ; β1 = 1
H1 ; β1 > 1

β1 − β1
Calcul de ratio empirique de Student t∗ (dans ce cas t∗ = =
β1 β1 β̂
σ 1
β1 − 1
)
β̂
σ 1
β̂
Calcul de σ 1
on a
) ) ) )
) β ) )  )
) β )
∗ ) 1
t  (bilatéral) = )
)
β̂ = )) ∗
)⇒σ
1 ) = 1, 651 = 0, 4586
)σ ) 1 )
β1
β̂1 ) tβ (bilatéral) ) 3, 60
1

β1 − 1 0, 651
ainsi t∗ = = = 1, 41953
β1 β̂
σ 0, 4586
1

Enfin |t∗ | < tαn−2 = t0,05

18 = 1, 734 la pente β1 n’est pas significati-
β1
vement supérieur à 1.
(3) Calcul de rX,Y coefficient de corrélation linéaire de Xet Y :
on a

SCE 1428, 84 √
R2 = = = 0.4186 ⇒ rX,Y = R2 = 0.6470
SCT 3413, 34

Test de Student sur rX,Y

On a

H0 ; rX,Y = 0
H1 ; rX,Y = 0

|rX,Y |
ainsi t∗rX,Y = # = 3, 6. Enfin t∗rX,Y > tn−2 = t0,025
α/2
18 =
1− 2
rX,Y
n−2

101
 2 Modèle de Régression Linéaire Simple

2, 101, le coefficient de corrélation rX,Y est significativement diffé-

rent de 0.

Exercice 8

On considère les résultats suivants d’une étude économétrique réalisée

sur un échantillon de 35 individus.
Yi = 12, 27 + 0, 8Xi + ei
(2, 7)
(.) = Ratio empirique de Student
R2 = 0, 50
Cov (X, Y ) = 27
35

Xi = 210
i=1

Construire l’intervalle de confiance au niveau de confiance de 95% pour

le paramètre β0 .

Solution

L’intervalle de confiance pour l’estimateur β0 , on a

! "
ICβ0 = β0 ± tn−2 σ
α/2
β̂
0

β̂
Calcul de σ 0 ⎡ ⎤
⎢1 X̄ 2 ⎥
σ 2 ⎢
2 = σ ⎣ n 
+  2 ⎥
⎦
β̂
0 n Xi − X̄
i=1

2
σ
2 =
σ + X̄ 2 σ
2
β̂
0 n β̂ 1

Calcul 2
σ β̂1

) ) ) )
) β ) )  )
) β )
∗ ) 1
t  (bilatéral) = )
)
)⇒σ )
β̂ = ) ∗
1 ) = 0, 8 = 0, 296
)σ ) 1 )
β1
β̂1 ) tβ (bilatéral) ) 2, 7
1

 2 = 0, 08761
σ β̂ 1

102
 2 Modèle de Régression Linéaire Simple

Calcul X̄ 2 ⎛ ⎞2
n
Xi  2
⎜ ⎟ 210
X̄ 2 = ⎜ i=1
⎝ n
⎟ =
⎠ = 36
35

2
Calcul σ
On a
n 
  
Xi − X̄ Yi − Ȳ
Cov (X, Y ) Cov (X, Y )
β1 = i=1
n 
 2 = = n  2
σX2 1 
Xi − X̄ Xi − X̄
i=1 n i=1
n 
 2 n × Cov (X, Y ) 35 × 27
Xi − X̄ = = = 1181.25
i=1 β1 0, 8

 2 à partir de σ
on déduit la valeur de σ 2
β̂ 1

2
σ
2 = n 
σ  2 = 1181, 25 × 0, 08761 = 103.489
2 =⇒ σ
β̂1 
Xi − X̄
i=1

ainsi
2
σ 103.489
2 =
σ + X̄ 2 σ
2 = + 36 × 0, 08761 = 6, 1107
β̂
0 n β̂ 1 35
Enfin
! " ! + "
ICβ0 = β0 ± tn−2 σ
α/2
β̂ = 12, 27 ± 2, 021 × 6, 1107
0

= [7, 2741; 17, 2658]

Exercice 9

Le coefficient de corrélation linéaire entre deux variables X et Y est

rX,Y = 0, 6. Si les écarts type de X et Y sont respectivement 1, 50 et
2 ; et leurs moyennes, respectivement, 10 et 20. Trouvez les équations de
régression de Y en X et de X en Y .

Solution

Equation de régression de Y en X : (Yi = β0 + β1 Xi )

103
 2 Modèle de Régression Linéaire Simple

on a
Cov (X, Y ) rX,Y × σY 0, 6 × 2
β1 = 2 = = = 0, 8
σX σ X 1, 50
et β0 = Ȳ − β1 X̄ = 20 − 0, 8 × 10 = 12
Enfin Yi = 12 + 0, 8Xi  
 
Equation de régression de X en Y : Xi = β0 + β1 Yi
on a
 Cov (X, Y ) rX,Y × σX 0, 6 × 1, 50
β1 = = = = 0, 45
σY2 σY 2
et β0 = X̄ − β1 Ȳ = 10 − 0, 45 × 20 = 1
 

Enfin Xi = 1 + 0, 45Yi

Exercice 10

On considère les résultats suivants d’une étude économétrique réalisée

sur un échantillon de 27 individus.
Yi = 10, 5 + 1, 3Xi + ei
(5, 10)
(.) = Ratio empirique de Student
SCT = 227
n = 27
27

Yi = 880, 2
i=1

(1) Le coefficient β̂1 de la variable X est-il significativement supérieur

à 1?
(2) On prévoit les valeurs 16 et 27 respectivement pour les obsevations
X28 et X29 .
Déterminer les valeurs prévues ainsi que les intervalles de prévision
pour ces deux obsevations.

Solution

(1) Il s’agit d’un Test Unilatéral de la pente β1 :

H0 ; β1 = 1
H1 ; β1 > 1

β1 − β1
Calcul de ratio empirique de Student t∗ (dans ce cas t∗ = =
β1 β1 β̂
σ 1

104
 2 Modèle de Régression Linéaire Simple

β1 − 1
)
β̂
σ 1
β̂
Calcul de σ 1
on a
) ) ) )
) β ) )  )
) β )
∗ ) 1
t  (bilatéral) = )
)
)⇒σ )
β̂ = ) ∗
1 ) = 1, 3 = 0, 2549
)σ ) 1 )
β1
β̂1 ) tβ (bilatéral) ) 5, 10
1

β1 − 1 0, 3
ainsi t∗ = = = 1, 1769
β1 β̂
σ 0, 2549
1

Enfin |t∗ | < tαn−2 = t0,05

25 = 1, 708. La pente β1 est non significati-
β1
vement supérieur à 1.
(2) Prévision
Prévisions ponctuelles respectivement des obsevations X28 =
16 et X29 = 27

Y28 = β0 + β1 X28 = 10, 5 + (1, 3 × 16) = 31, 3

Y29 = β0 + β1 X29 = 10, 5 + (1, 3 × 27) = 45, 6

Intervalles de prédiction
⎡

  2 ⎤
 X28 − X̄
α/2 ⎢ 1 ⎥
Y28 = Y28 ± tn−2 σ
 ⎢
⎣1 + + n 
 2 ⎥
⎦
n Xi − X̄
i=1

 2
R2
on a F ∗ = t∗ = = (5, 10)2 = 26, 01
β1 1 − R2
n−2
26, 01
R2 = = 0, 5099
26, 01 + n − 2

2
Calcul de σ
SCE SCR
on a R2 = =1− =⇒ SCR = SCT 1 − R2
SCT SCT
SCR = 227 × (1 − 0, 5099) = 111, 25

SCR 111, 25
2 =
σ = = 4, 45
n−2 25

105
 2 Modèle de Régression Linéaire Simple
n 
 2
Calcul de Xi − X̄
i=1
2
On peut la déduire à partir de la formule de σ β̂ 1

n 
 2 2
σ 4, 45
Xi − X̄ = = = 68, 4889
2
σ (0, 2549)2
i=1 β̂1

Calcul de X̄
27

Yi
Ȳ − β0 i=1
X̄ = et Ȳ =
β1 27

(880, 2/27) − 10, 5

X̄ = = 17
1, 3
Enfin
$ %

+  1 (16 − 17)2
Y28 = 31, 3 ± 2, 060 4, 45 1+ +
27 68, 4889

Y28 = [26, 843; 35, 756]

Après application de la même formule pour l’observation X29 = 27,
on trouve
Y29 = [38, 732; 52, 467]

Exercice 11

Un chercheur s’intéresse à la relation liant le salaire et la durée de for-

mation. Pour ce faire, il dispose d’un échantillon de 35 hommes et 27
femmes ayant le même âge, dont il relève la rémunération annuelle (Yi ),
exprimée en milliers de dirhams, et le nombre d’années de formation
(Xi ). L’estimation a conduit aux résultats suivants :

P our les hommes P our les f emmes

Yi = 16, 20 + 1, 5Xi +ei Yi = 12, 50 + 1, 62Xi +ei

(8) (3, 8) (12) (3, 12)
(.) = Ratio empirique de Student (.) = Ratio empirique de Student
R2 = 0, 57 R2 = 0, 40

(1) L’estimateur β̂1 obtenu pour le cas des hommes est-il significati-

106
 2 Modèle de Régression Linéaire Simple

vement supérieur à 0, 5 ?

(2) L’estimateur β̂1 obtenu pour le cas des femmes est-il significative-
ment supérieur à 0, 5 ?
(3) Existe-t-il une différence significative de l’impact de la durée de
formation sur le salaire des hommes et des femmes ?

Solution

(1) Pour le cas des hommes

Il s’agit d’un Test Unilatéral de la pente β1 :

H0 ; β1 = 0, 5
H1 ; β1 > 0, 5

β1 − β1
Calcul de ratio empirique de Student t∗ (dans ce cas t∗ = =
β1 β1 β̂
σ 1
β1 − 0, 5
)
β̂
σ 1
Calcul de σ β̂
1
on a
) ) ) )
) β ) )  )
) β )
∗ ) 1
t  (bilatéral) = )
)
)⇒σ )
β̂ = ) ∗
1 ) = 1, 5 = 0, 39473
)σ ) 1 )
β1
β̂1 ) tβ (bilatéral) ) 3, 8
1

β1 − 0, 5 1
ainsi t∗ = = = 2, 533
β1 
σβ̂1 0, 39473
Enfin |t∗ | > tαn−2 = t0,05
33 = 1, 684. La pente β1 est significative-
β1
ment supérieur à 0, 5.
(2) Pour le cas des femmes

Il s’agit d’un Test Unilatéral de la pente β̂1 :

H0 ; β1 = 0, 5

H1 ; β1 > 0, 5
 
β̂ − β1
Calcul de ratio empirique de Student t∗ (dans ce cas t∗ = 1 =
β1 β1 σβ̂ 
1

β̂1 − 0, 5
)
β̂ 
σ
1

107
 2 Modèle de Régression Linéaire Simple

β̂ 
Calcul de σ
1
on a
) ) ) )
)  ) )  )
) β̂ ) ) β̂1 )
t∗ (bilatéral) = )) 1 )) ⇒ σ
β̂  = )) ∗ ) = 1, 62 = 0, 5192

σ t (bilatéral) ) 3, 12
β1 ) β̂1 )
 1 ) β )
1


β̂ − 0, 5 1, 12
ainsi t∗ = 1 = = 2, 1571
β1 β̂ 
σ 0, 5192
1

Enfin |t∗ | > tαn−2 = t0,05

25 = 1, 708. La pente β1 est significative-
β1
ment supérieur à 0, 5.
(3) Le problème dans cette question se ramène à un test bilatéral de
différence de moyennes de variables aléatoires normales indépen-
dantes et de variances inégales.

Soit d la différence entre les deux estimateurs β1 et β1 . Les hypo-
thèses pour ce test se présente comme suit :
 
H0 ; β1 = β1 ⇐⇒ H0 ; d = β1 − β1 = 0
 
H1 ; β1 = β1 ⇐⇒ H1 ; d = β1 − β1 = 0

On a  
  

d β̂1 − β̂1 − β1 − β1
= ∼ t0,025
n1 +n2 −4

σ σ  
d β −β 1 1

 2  et d = β̂1 + β̂1

2 = σ
Avec σ 2 + σ
d β̂1 β̂1
Sous l’hypothèse H0 , le ratio empirique de Student se présente
comme :

d (1, 5 − 1, 62)
t∗ = =- = −0, 183989

σ (0, 39473)2 + (0, 5192)2
d
d

Enfin |t∗| < tn1 +n2 −4 = t0,025

α/2
58 = 2, 000. La différence d est non
d
significativement différente de 0, c’est-à-dire il n y a pas une dif-
férence significative de l’impact de la durée de formation sur le
salaire des hommes et des femmes.
Remarque :
Dans la question (3) on a utilisé la propriété suivante :
var (X + Y ) = var (X) + var (Y ) + 2Cov (X, Y )

108
 2 Modèle de Régression Linéaire Simple
 

on a cov β̂1 , β̂1 = 0, car les deux régressions sont indépen-
dantes

Exercice 12

On considère un modèle de régression linéaire simple sans constante

Yi = β1 Xi + εi i = 1, ..., n avec εi ∼ N 0, σε2 .

(1) Dérivez l’estimateur MCO de β1 et trouvez sa variance.

(2) Quelles propriétés numériques des estimateurs des MCO décrites
dans le cas d’un modèle avec constante sont encore valables pour
ce modèle ?

Solution

(1) La minisation de la somme des carrés des résidus par rapport à

β1 :

n n 
 2
e2i = Yi − β1 Xi
i=1 i=1
 n 
 2
∂ e i n 
 
i=1
= −2 Yi − β1 Xi Xi = 0
∂ β1 i=1

n
Xi Yi
en simplifiant l’équation, on trouve β1 = i=1
n
Xi2
i=1
on remplaçant Yi = β1 Xi + εi dans la formule de β1 on trouve :

n
X i εi  
β1 = β1 + i=1
n avec E β1 = β1 puisque Xi est non stochas-
Xi2
i=1
tique et E (εi ) = 0.
ainsi
⎛
n ⎞2 
n
   2 X i εi σ2 Xi2
⎜ i=1 ⎟ σ2
var β1 = var β1 − β1 =E⎜
⎝  n
⎟ = 
⎠
i=1
 2 = 
n

n
Xi2 Xi2 Xi2
i=1 i=1 i=1

109
 2 Modèle de Régression Linéaire Simple

(2) A partir de la condition du premier ordre dans la question (1), on


n 
n
obtient ei Xi = 0,où ei = Yi − β1 Xi . Par conséquent, ei n’est
i=1 i=1

n
pas nécessairement nul. Toutefois Yi n’est pas nécessairement
i=1

n 
n 
n
égale à Yi . De plus, ei Yi = β1 ei Xi = 0, car Yi =
i=1 i=1 i=1

n
β1 Xi et ei Xi = 0. Par conséquent, seules deux des propriétés
i=1
numériques considérées sont valables pour cette régression sans
constante.

Exercice 13
   
En utilisant le fait que Yi − Ȳ = Yi − Ȳ + ei
n 
   n 
 2
Montrer que Yi − Ȳ Yi − Ȳ = Yi − Ȳ , et déduire par
i=1 i=1
conséquent que
( n   *2

Yi − Ȳ Yi − Ȳ
2  i=1 2
rY,Y = n 
 2   
n  2  = rX,Y
Yi − Ȳ Yi − Ȳ
i=1 i=1

Solution
     
En multipliant les deux termes de Yi − Ȳ = Yi − Ȳ +ei par Yi − Ȳ
en sommant on obtient :
n    n 
 2
Yi − Ȳ Yi − Ȳ = Yi − Ȳ
i=1 i=1
n 
 
car Yi − Ȳ ei = 0 d’après les propriétés de la régression linéaire
i=1
simple.
Ainsi
( n   *2

Yi − Ȳ Yi − Ȳ
2  i=1
rY,Y = n 
 2   
n  2 
Yi − Ȳ Yi − Ȳ
i=1 i=1

110
 2 Modèle de Régression Linéaire Simple
( n  2 *2
 
Yi − Ȳ
2  i=1
rY,Y = n 
 2   
n  2 
Yi − Ȳ  Yi − Ȳ
i=1 i=1
n 
 2
Yi − Ȳ
SCE
= i=1
n 
 2 = = R2 = rX,Y
2

Yi − Ȳ SCT
i=1

Exercice 14

Montrer que :
    X̄
cov β0 ; β1 = −X̄var β1 = −σ 2 
n  2
Xi − X̄
i=1

Cela signifie que le signe de la covariance est déterminé par le signe de X̄.
Si X̄ est positif, cette covariance sera négative. Cela signifie également
que si β0 est surestimé, β1 sera sous-estimé.

Solution

on a
    !  "
cov β0 ; β1 = cov Ȳ − β1 X̄; β1 = E −β1 X̄ + X̄β1 β1 − β1

 2   X̄
= −X̄E β1 − β1 = −X̄var β1 = −σ 2 
n  2
Xi − X̄
i=1

111
Annexes

337
A1. La Loi Normale Centrée Réduite
Exemple :
P (0 ≤ Z ≤ 1.96) = 0.4750
P (Z ≥ 1.96) = 0.5 − 0.4750 = 0.025

Z 0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09

0 0 0.004 0.008 0.012 0.016 0.0199 0.0239 0.0279 0.0319 0.0359

0.1 0.0398 0.0438 0.0478 0.0517 0.0557 0.0596 0.0636 0.0675 0.0714 0.0753
0.2 0.0793 0.0832 0.0871 0.091 0.0948 0.0987 0.1026 0.1064 0.1103 0.1141
0.3 0.1179 0.1217 0.1255 0.1293 0.1331 0.1368 0.1406 0.1443 0.148 0.1517
0.4 0.1554 0.1591 0.1628 0.1664 0.17 0.1736 0.1772 0.1808 0.1844 0.1879
0.5 0.1915 0.195 0.1985 0.2019 0.2054 0.2088 0.2123 0.2157 0.219 0.2224
0.6 0.2257 0.2291 0.2324 0.2357 0.2389 0.2422 0.2454 0.2486 0.2517 0.2549
0.7 0.258 0.2611 0.2642 0.2673 0.2704 0.2734 0.2764 0.2794 0.2823 0.2852
0.8 0.2881 0.291 0.2939 0.2967 0.2995 0.3023 0.3051 0.3078 0.3106 0.3133
0.9 0.3159 0.3186 0.3212 0.3238 0.3264 0.3289 0.3315 0.334 0.3365 0.3389
1 0.3413 0.3438 0.3461 0.3485 0.3508 0.3531 0.3554 0.3577 0.3599 0.3621
1.1 0.3643 0.3665 0.3686 0.3708 0.3729 0.3749 0.377 0.379 0.381 0.383
1.2 0.3849 0.3869 0.3888 0.3907 0.3925 0.3944 0.3962 0.398 0.3997 0.4015
1.3 0.4032 0.4049 0.4066 0.4082 0.4099 0.4115 0.4131 0.4147 0.4162 0.4177
1.4 0.4192 0.4207 0.4222 0.4236 0.4251 0.4265 0.4279 0.4292 0.4306 0.4319
1.5 0.4332 0.4345 0.4357 0.437 0.4382 0.4394 0.4406 0.4418 0.4429 0.4441
1.6 0.4452 0.4463 0.4474 0.4484 0.4495 0.4505 0.4515 0.4525 0.4535 0.4545
1.7 0.4454 0.4564 0.4573 0.4582 0.4591 0.4599 0.4608 0.4616 0.4625 0.4633
1.8 0.4641 0.4649 0.4656 0.4664 0.4671 0.4678 0.4686 0.4693 0.4699 0.4706
1.9 0.4713 0.4719 0.4726 0.4732 0.4738 0.4744 0.475 0.4756 0.4761 0.4767
2 0.4772 0.4778 0.4783 0.4788 0.4793 0.4798 0.4803 0.4808 0.4812 0.4817
2.1 0.4821 0.4826 0.483 0.4834 0.4838 0.4842 0.4846 0.485 0.4854 0.4857
2.2 0.4861 0.4864 0.4868 0.4871 0.4875 0.4878 0.4881 0.4884 0.4887 0.489
2.3 0.4893 0.4896 0.4898 0.4901 0.4904 0.4906 0.4909 0.4911 0.4913 0.4916
2.4 0.4918 0.492 0.4922 0.4925 0.4927 0.4929 0.4931 0.4932 0.4934 0.4936
2.5 0.4938 0.494 0.4941 0.4943 0.4945 0.4946 0.4948 0.4949 0.4951 0.4952
2.6 0.4953 0.4955 0.4956 0.4957 0.4959 0.496 0.4961 0.4962 0.4963 0.4964
2.7 0.4965 0.4966 0.4967 0.4968 0.4969 0.497 0.4971 0.4972 0.4973 0.4974
2.8 0.4974 0.4975 0.4976 0.4977 0.4977 0.4978 0.4979 0.4979 0.498 0.4981
2.9 0.4981 0.4982 0.4982 0.4983 0.4984 0.4984 0.4985 0.4985 0.4986 0.4986
3 0.4987 0.4987 0.4987 0.4988 0.4988 0.4989 0.4989 0.4989 0.499 0.499

338
A2. Table de la Loi de Fisher-Snedecor α = 5%

ddl1
1 2 3 4 5 10 15 20 25 30
ddl2
1 161.45 199.50 215.71 224.58 230.16 241.88 245.95 248.01 249.26 250.09
2 18.513 19.000 19.164 19.247 19.296 19.396 19.429 19.446 19.456 19.462
3 10.128 9.552 9.277 9.117 9.013 8.786 8.703 8.660 8.634 8.617
4 7.709 6.944 6.591 6.388 6.256 5.964 5.858 5.803 5.769 5.746
5 6.608 5.786 5.409 5.192 5.050 4.735 4.619 4.558 4.521 4.496
6 5.987 5.143 4.757 4.534 4.387 4.060 3.938 3.874 3.835 3.808
7 5.591 4.737 4.347 4.120 3.972 3.637 3.511 3.445 3.404 3.376
8 5.318 4.459 4.066 3.838 3.687 3.347 3.218 3.150 3.108 3.079
9 5.117 4.256 3.863 3.633 3.482 3.137 3.006 2.936 2.893 2.864
10 4.965 4.103 3.708 3.478 3.326 2.978 2.845 2.774 2.730 2.700
11 4.844 3.982 3.587 3.357 3.204 2.854 2.719 2.646 2.601 2.570
12 4.747 3.885 3.490 3.259 3.106 2.753 2.617 2.544 2.498 2.466
13 4.667 3.806 3.411 3.179 3.025 2.671 2.533 2.459 2.412 2.380
14 4.600 3.739 3.344 3.112 2.958 2.602 2.463 2.388 2.341 2.308
15 4.543 3.682 3.287 3.056 2.901 2.544 2.403 2.328 2.280 2.247
16 4.494 3.634 3.239 3.007 2.852 2.494 2.352 2.276 2.227 2.194
17 4.451 3.592 3.197 2.965 2.810 2.450 2.308 2.230 2.181 2.148
18 4.414 3.555 3.160 2.928 2.773 2.412 2.269 2.191 2.141 2.107
19 4.381 3.522 3.127 2.895 2.740 2.378 2.234 2.155 2.106 2.071
20 4.351 3.493 3.098 2.866 2.711 2.348 2.203 2.124 2.074 2.039
21 4.325 3.467 3.072 2.840 2.685 2.321 2.176 2.096 2.045 2.010
22 4.301 3.443 3.049 2.817 2.661 2.297 2.151 2.071 2.020 1.984
23 4.279 3.422 3.028 2.796 2.640 2.275 2.128 2.048 1.996 1.961
24 4.260 3.403 3.009 2.776 2.621 2.255 2.108 2.027 1.975 1.939
25 4.242 3.385 2.991 2.759 2.603 2.236 2.089 2.007 1.955 1.919
26 4.225 3.369 2.975 2.743 2.587 2.220 2.072 1.990 1.938 1.901
27 4.210 3.354 2.960 2.728 2.572 2.204 2.056 1.974 1.921 1.884
28 4.196 3.340 2.947 2.714 2.558 2.190 2.041 1.959 1.906 1.869
29 4.183 3.328 2.934 2.701 2.545 2.177 2.027 1.945 1.891 1.854
30 4.171 3.316 2.922 2.690 2.534 2.165 2.015 1.932 1.878 1.841
40 4.085 3.232 2.839 2.606 2.449 2.077 1.924 1.839 1.783 1.744
60 4.001 3.150 2.758 2.525 2.368 1.993 1.836 1.748 1.690 1.649
100 3.936 3.087 2.696 2.463 2.305 1.927 1.768 1.676 1.616 1.573

339
A2. Table de la Loi de Fisher-Snedecor α = 1% (suite)

ddl1
1 2 3 4 5 10 15 20 25 30
ddl2
1 4052.18 4999.5 5403.35 5624.58 5763.65 6055.85 6157.28 6208.73 6239.82 6260.65
2 98.503 99.000 99.166 99.249 99.299 99.399 99.433 99.449 99.459 99.466
3 34.116 30.817 29.457 28.710 28.237 27.229 26.872 26.690 26.579 26.505
4 21.198 18.000 16.694 15.977 15.522 14.546 14.198 14.020 13.911 13.838
5 16.258 13.274 12.060 11.392 10.967 10.051 9.722 9.553 9.449 9.379
6 13.745 10.925 9.780 9.148 8.746 7.874 7.559 7.396 7.296 7.229
7 12.246 9.547 8.451 7.847 7.460 6.620 6.314 6.155 6.058 5.992
8 11.259 8.649 7.591 7.006 6.632 5.814 5.515 5.359 5.263 5.198
9 10.561 8.022 6.992 6.422 6.057 5.257 4.962 4.808 4.713 4.649
10 10.044 7.559 6.552 5.994 5.636 4.849 4.558 4.405 4.311 4.247
11 9.646 7.206 6.217 5.668 5.316 4.539 4.251 4.099 4.005 3.941
12 9.330 6.927 5.953 5.412 5.064 4.296 4.010 3.858 3.765 3.701
13 9.074 6.701 5.739 5.205 4.862 4.100 3.815 3.665 3.571 3.507
14 8.862 6.515 5.564 5.035 4.695 3.939 3.656 3.505 3.412 3.348
15 8.683 6.359 5.417 4.893 4.556 3.805 3.522 3.372 3.278 3.214
16 8.531 6.226 5.292 4.773 4.437 3.691 3.409 3.259 3.165 3.101
17 8.400 6.112 5.185 4.669 4.336 3.593 3.312 3.162 3.068 3.003
18 8.285 6.013 5.092 4.579 4.248 3.508 3.227 3.077 2.983 2.919
19 8.185 5.926 5.010 4.500 4.171 3.434 3.153 3.003 2.909 2.844
20 8.096 5.849 4.938 4.431 4.103 3.368 3.088 2.938 2.843 2.778
21 8.017 5.780 4.874 4.369 4.042 3.310 3.030 2.880 2.785 2.720
22 7.945 5.719 4.817 4.313 3.988 3.258 2.978 2.827 2.733 2.667
23 7.881 5.664 4.765 4.264 3.939 3.211 2.931 2.781 2.686 2.620
24 7.823 5.614 4.718 4.218 3.895 3.168 2.889 2.738 2.643 2.577
25 7.770 5.568 4.675 4.177 3.855 3.129 2.850 2.699 2.604 2.538
26 7.721 5.526 4.637 4.140 3.818 3.094 2.815 2.664 2.569 2.503
27 7.677 5.488 4.601 4.106 3.785 3.062 2.783 2.632 2.536 2.470
28 7.636 5.453 4.568 4.074 3.754 3.032 2.753 2.602 2.506 2.440
29 7.598 5.420 4.538 4.045 3.725 3.005 2.726 2.574 2.478 2.412
30 7.562 5.390 4.510 4.018 3.699 2.979 2.700 2.549 2.453 2.386
40 7.314 5.179 4.313 3.828 3.514 2.801 2.522 2.369 2.271 2.203
60 7.077 4.977 4.126 3.649 3.339 2.632 2.352 2.198 2.098 2.028
100 6.895 4.824 3.984 3.513 3.206 2.503 2.223 2.067 1.965 1.893

340
A3. Table de La loi du Chi-Deux χ2α;n

n α =0.9 0.8 0.7 0.5 0.4 0.3 0.2 0.1 0.05 0.02 0.01

1 0.02 0.06 0.15 1.64 0.71 1.07 1.64 2.71 3.84 5.41 6.63
2 0.21 0.45 0.71 3.22 1.83 2.41 3.22 4.61 5.99 7.82 9.21
3 0.58 1.01 1.42 4.64 2.95 3.66 4.64 6.25 7.81 9.84 11.34
4 1.06 1.65 2.19 5.99 4.04 4.88 5.99 7.78 9.49 11.67 13.28
5 1.61 2.34 3.00 7.29 5.13 6.06 7.29 9.24 11.07 13.39 15.09
6 2.20 3.07 3.83 8.56 6.21 7.23 8.56 10.64 12.59 15.03 16.81
7 2.83 3.82 4.67 9.80 7.28 8.38 9.80 12.02 14.07 16.62 18.48
8 3.49 4.59 5.53 11.03 8.35 9.52 11.03 13.36 15.51 18.17 20.09
9 4.17 5.38 6.39 12.24 9.41 10.66 12.24 14.68 16.92 19.68 21.67
10 4.87 6.18 7.27 13.44 10.47 11.78 13.44 15.99 18.31 21.16 23.21
11 5.58 6.99 8.15 14.63 11.53 12.90 14.63 17.28 19.68 22.62 24.72
12 6.30 7.81 9.03 15.81 12.58 14.01 15.81 18.55 21.03 24.05 26.22
13 7.04 8.63 9.93 16.98 13.64 15.12 16.98 19.81 22.36 25.47 27.69
14 7.79 9.47 10.82 18.15 14.69 16.22 18.15 21.06 23.68 26.87 29.14
15 8.55 10.31 11.72 19.31 15.73 17.32 19.31 22.31 25.00 28.26 30.58
16 9.31 11.15 12.62 20.47 16.78 18.42 20.47 23.54 26.30 29.63 32.00
17 10.09 12.00 13.53 21.61 17.82 19.51 21.61 24.77 27.59 31.00 33.41
18 10.86 12.86 14.44 22.76 18.87 20.60 22.76 25.99 28.87 32.35 34.81
19 11.65 13.72 15.35 23.90 19.91 21.69 23.90 27.20 30.14 33.69 36.19
20 12.44 14.58 16.27 25.04 20.95 22.77 25.04 28.41 31.41 35.02 37.57
21 13.24 15.44 17.18 26.17 21.99 23.86 26.17 29.62 32.67 36.34 38.93
22 14.04 16.31 18.10 27.30 23.03 24.94 27.30 30.81 33.92 37.66 40.29
23 14.85 17.19 19.02 28.43 24.07 26.02 28.43 32.01 35.17 38.97 41.64
24 15.66 18.06 19.94 29.55 25.11 27.10 29.55 33.20 36.42 40.27 42.98
25 16.47 18.94 20.87 30.68 26.14 28.17 30.68 34.38 37.65 41.57 44.31
26 17.29 19.82 21.79 31.79 27.18 29.25 31.79 35.56 38.89 42.86 45.64
27 18.11 20.70 22.72 32.91 28.21 30.32 32.91 36.74 40.11 44.14 46.96
28 18.94 21.59 23.65 34.03 29.25 31.39 34.03 37.92 41.34 45.42 48.28
29 19.77 22.48 24.58 35.14 30.28 32.46 35.14 39.09 42.56 46.69 49.59
30 20.60 23.36 25.51 36.25 31.32 33.53 36.25 40.26 43.77 47.96 50.89

341
A4. Table de La loi de Student avec n degrés de liberté, Quan-
tiles d’ordre 1 − α

n 0.25 0.20 0.15 0.10 0.05 0.025 0.010 0.005 0.0025 0.0010 0.0005

1 1.00 1.38 1.96 3.08 6.31 12.71 31.82 63.66 127.32 318.31 636.62
2 0.816 1.061 2.282 1.886 2.920 4.303 6.965 9.925 14.089 22.327 31.599
3 0.765 0.978 1.924 1.638 2.353 3.182 4.541 5.841 7.453 10.215 12.924
4 0.741 0.941 1.778 1.533 2.132 2.776 3.747 4.604 5.598 7.173 8.610
5 0.727 0.920 1.699 1.476 2.015 2.571 3.365 4.032 4.773 5.893 6.869
6 0.718 0.906 1.650 1.440 1.943 2.447 3.143 3.707 4.317 5.208 5.959
7 0.711 0.896 1.617 1.415 1.895 2.365 2.998 3.499 4.029 4.785 5.408
8 0.706 0.889 1.592 1.397 1.860 2.306 2.896 3.355 3.833 4.501 5.041
9 0.703 0.883 1.574 1.383 1.833 2.262 2.821 3.250 3.690 4.297 4.781
10 0.700 0.879 1.559 1.372 1.812 2.228 2.764 3.169 3.581 4.144 4.587
11 0.697 0.876 1.548 1.363 1.796 2.201 2.718 3.106 3.497 4.025 4.437
12 0.695 0.873 1.538 1.356 1.782 2.179 2.681 3.055 3.428 3.930 4.318
13 0.694 0.870 1.530 1.350 1.771 2.160 2.650 3.012 3.372 3.852 4.221
14 0.692 0.868 1.523 1.345 1.761 2.145 2.624 2.977 3.326 3.787 4.140
15 0.691 0.866 1.517 1.341 1.753 2.131 2.602 2.947 3.286 3.733 4.073
16 0.690 0.865 1.512 1.337 1.746 2.120 2.583 2.921 3.252 3.686 4.015
17 0.689 0.863 1.508 1.333 1.740 2.110 2.567 2.898 3.222 3.646 3.965
18 0.688 0.862 1.504 1.330 1.734 2.101 2.552 2.878 3.197 3.610 3.922
19 0.688 0.861 1.500 1.328 1.729 2.093 2.539 2.861 3.174 3.579 3.883
20 0.687 0.860 1.497 1.325 1.725 2.086 2.528 2.845 3.153 3.552 3.850
21 0.686 0.859 1.494 1.323 1.721 2.080 2.518 2.831 3.135 3.527 3.819
22 0.686 0.858 1.492 1.321 1.717 2.074 2.508 2.819 3.119 3.505 3.792
23 0.685 0.858 1.489 1.319 1.714 2.069 2.500 2.807 3.104 3.485 3.768
24 0.685 0.857 1.487 1.318 1.711 2.064 2.492 2.797 3.091 3.467 3.745
25 0.684 0.856 1.485 1.316 1.708 2.060 2.485 2.787 3.078 3.450 3.725
26 0.684 0.856 1.483 1.315 1.706 2.056 2.479 2.779 3.067 3.435 3.707
27 0.684 0.855 1.482 1.314 1.703 2.052 2.473 2.771 3.057 3.421 3.690
28 0.683 0.855 1.480 1.313 1.701 2.048 2.467 2.763 3.047 3.408 3.674
29 0.683 0.854 1.479 1.311 1.699 2.045 2.462 2.756 3.038 3.396 3.659
30 0.683 0.854 1.477 1.310 1.697 2.042 2.457 2.750 3.030 3.385 3.646
35 0.682 0.852 1.472 1.306 1.690 2.030 2.438 2.724 2.996 3.340 3.591
40 0.681 0.851 1.468 1.303 1.684 2.021 2.423 2.704 2.971 3.307 3.551
50 0.679 0.849 1.462 1.299 1.676 2.009 2.403 2.678 2.937 3.261 3.496
60 0.679 0.848 1.458 1.296 1.671 2.000 2.390 2.660 2.915 3.232 3.460
100 0.677 0.845 1.451 1.290 1.660 1.984 2.364 2.626 2.871 3.174 3.390

342
 1 2 3 4 5 6 7 8 9 10
dL dU dL dU dL dU dL dU dL dU dL dU dL dU dL dU dL dU dL dU

6 0.61 1.4 —– —– —– —– —– —– —– —– —– —– —– —– —– —– —– —– —– —–
7 0.7 1.356 0.467 1.896 —– —– —– —– —– —– —– —– —– —– —– —– —– —– —– —–
8 0.763 1.332 0.559 1.777 0.367 2.287 —– —– —– —– —– —– —– —– —– —– —– —– —– —–
9 0.824 1.32 0.629 1.699 0.455 2.128 0.296 2.588 —– —– —– —– —– —– —– —– —– —– —– —–
10 0.879 1.32 0.697 1.641 0.525 2.016 0.376 2.414 0.243 2.822 —– —– —– —– —– —– —– —– —– —–
11 0.927 1.324 0.758 1.604 0.595 1.928 0.444 2.283 0.315 2.645 0.203 3.004 —– —– —– —– —– —– —– —–
12 0.971 1.331 0.812 1.579 0.658 1.864 0.512 2.177 0.38 2.506 0.268 2.832 0.171 3.149 —– —– —– —– —– —–
13 1.01 1.34 0.861 1.562 0.715 1.816 0.574 2.094 0.444 2.39 0.328 2.692 0.23 2.985 0.147 3.266 —– —– —– —–
14 1.045 1.35 0.905 1.551 0.767 1.779 0.632 2.03 0.505 2.296 0.389 2.572 0.286 2.848 0.2 3.111 0.127 3.36 —– —–
15 1.077 1.361 0.946 1.543 0.814 1.75 0.685 1.977 0.562 2.22 0.447 2.471 0.343 2.727 0.251 2.979 0.175 3.216 0.111 3.438

343
16 1.106 1.371 0.982 1.539 0.857 1.728 0.734 1.935 0.615 2.157 0.502 2.388 0.398 2.624 0.304 2.86 0.222 3.09 0.155 3.304
17 1.133 1.381 1.015 1.536 0.897 1.71 0.779 1.9 0.664 2.104 0.554 2.318 0.451 2.537 0.356 2.757 0.272 2.975 0.198 3.184
A5. Table de Durbin-Watson α = 5%

18 1.158 1.391 1.046 1.535 0.933 1.696 0.82 1.872 0.71 2.06 0.603 2.258 0.502 2.461 0.407 2.668 0.321 2.873 0.244 3.073
19 1.18 1.401 1.074 1.536 0.967 1.685 0.859 1.848 0.752 2.023 0.649 2.206 0.549 2.396 0.456 2.589 0.369 2.783 0.29 2.974
20 1.201 1.411 1.1 1.537 0.998 1.676 0.894 1.828 0.792 1.991 0.691 2.162 0.595 2.339 0.502 2.521 0.416 2.704 0.336 2.885
21 1.221 1.42 1.125 1.538 1.026 1.669 0.927 1.812 0.829 1.964 0.731 2.124 0.637 2.29 0.546 2.461 0.461 2.633 0.38 2.806
22 1.239 1.429 1.147 1.541 1.053 1.664 0.958 1.797 0.863 1.94 0.769 2.09 0.677 2.246 0.588 2.407 0.504 2.571 0.424 2.735
23 1.257 1.437 1.168 1.543 1.078 1.66 0.986 1.785 0.895 1.92 0.804 2.061 0.715 2.208 0.628 2.36 0.545 2.514 0.465 2.67
24 1.273 1.446 1.188 1.546 1.101 1.656 1.013 1.775 0.925 1.902 0.837 2.035 0.75 2.174 0.666 2.318 0.584 2.464 0.506 2.613
25 1.288 1.454 1.206 1.55 1.123 1.654 1.038 1.767 0.953 1.886 0.868 2.013 0.784 2.144 0.702 2.28 0.621 2.419 0.544 2.56
26 1.302 1.461 1.224 1.553 1.143 1.652 1.062 1.759 0.979 1.873 0.897 1.992 0.816 2.117 0.735 2.246 0.657 2.379 0.581 2.513
27 1.316 1.469 1.24 1.556 1.162 1.651 1.084 1.753 1.004 1.861 0.925 1.974 0.845 2.093 0.767 2.216 0.691 2.342 0.616 2.47
28 1.328 1.476 1.255 1.56 1.181 1.65 1.104 1.747 1.028 1.85 0.951 1.959 0.874 2.071 0.798 2.188 0.723 2.309 0.649 2.431
29 1.341 1.483 1.27 1.563 1.198 1.65 1.124 1.743 1.05 1.841 0.975 1.944 0.9 2.052 0.826 2.164 0.753 2.278 0.681 2.396
30 1.352 1.489 1.284 1.567 1.214 1.65 1.143 1.739 1.071 1.833 0.998 1.931 0.926 2.034 0.854 2.141 0.782 2.251 0.712 2.363
 1 2 3 4 5 6 7 8 9 10
dL dU dL dU dL dU dL dU dL dU dL dU dL dU dL dU dL dU dL dU

31 1.363 1.496 1.297 1.57 1.229 1.65 1.16 1.735 1.09 1.825 1.02 1.92 0.95 2.018 0.879 2.12 0.81 2.226 0.741 2.333
32 1.373 1.502 1.309 1.574 1.244 1.65 1.177 1.732 1.109 1.819 1.041 1.909 0.972 2.004 0.904 2.102 0.836 2.203 0.769 2.306
33 1.383 1.508 1.321 1.577 1.258 1.651 1.193 1.73 1.127 1.813 1.061 1.9 0.994 1.991 0.927 2.085 0.861 2.181 0.796 2.281
34 1.393 1.514 1.333 1.58 1.271 1.652 1.208 1.728 1.144 1.808 1.079 1.891 1.015 1.978 0.95 2.069 0.885 2.162 0.821 2.257
35 1.402 1.519 1.343 1.584 1.283 1.653 1.222 1.726 1.16 1.803 1.097 1.884 1.034 1.967 0.971 2.054 0.908 2.144 0.845 2.236
36 1.411 1.525 1.354 1.587 1.295 1.654 1.236 1.724 1.175 1.799 1.114 1.876 1.053 1.957 0.991 2.041 0.93 2.127 0.868 2.216
37 1.419 1.53 1.364 1.59 1.307 1.655 1.249 1.723 1.19 1.795 1.131 1.87 1.071 1.948 1.011 2.029 0.951 2.112 0.891 2.197
38 1.427 1.535 1.373 1.594 1.318 1.656 1.261 1.722 1.204 1.792 1.146 1.864 1.088 1.939 1.029 2.017 0.97 2.098 0.912 2.18
39 1.435 1.54 1.382 1.597 1.328 1.658 1.273 1.722 1.218 1.789 1.161 1.859 1.104 1.932 1.047 2.007 0.99 2.085 0.932 2.164
40 1.442 1.544 1.391 1.6 1.338 1.659 1.285 1.721 1.23 1.786 1.175 1.854 1.12 1.924 1.064 1.997 1.008 2.072 0.952 2.149

344
45 1.475 1.566 1.43 1.615 1.383 1.666 1.336 1.72 1.287 1.776 1.238 1.835 1.189 1.895 1.139 1.958 1.089 2.022 1.038 2.088
50 1.503 1.585 1.462 1.628 1.421 1.674 1.378 1.721 1.335 1.771 1.291 1.822 1.246 1.875 1.201 1.93 1.156 1.986 1.11 2.044
55 1.528 1.601 1.49 1.641 1.452 1.681 1.414 1.724 1.374 1.768 1.334 1.814 1.294 1.861 1.253 1.909 1.212 1.959 1.17 2.01
60 1.549 1.616 1.514 1.652 1.48 1.689 1.444 1.727 1.408 1.767 1.372 1.808 1.335 1.85 1.298 1.894 1.26 1.939 1.222 1.984
65 1.567 1.629 1.536 1.662 1.503 1.696 1.471 1.731 1.438 1.767 1.404 1.805 1.37 1.843 1.336 1.882 1.301 1.923 1.266 1.964
A5. Table de Durbin-Watson α = 5% (suite)

70 1.583 1.641 1.554 1.672 1.525 1.703 1.494 1.735 1.464 1.768 1.433 1.802 1.401 1.838 1.369 1.874 1.337 1.91 1.305 1.948
75 1.598 1.652 1.571 1.68 1.543 1.709 1.515 1.739 1.487 1.77 1.458 1.801 1.428 1.834 1.399 1.867 1.369 1.901 1.339 1.935
80 1.611 1.662 1.586 1.688 1.56 1.715 1.534 1.743 1.507 1.772 1.48 1.801 1.453 1.831 1.425 1.861 1.397 1.893 1.369 1.925
85 1.624 1.671 1.6 1.696 1.575 1.721 1.55 1.747 1.525 1.774 1.5 1.801 1.474 1.829 1.448 1.857 1.422 1.886 1.396 1.916
90 1.635 1.679 1.612 1.703 1.589 1.726 1.566 1.751 1.542 1.776 1.518 1.801 1.494 1.827 1.469 1.854 1.445 1.881 1.42 1.909
95 1.645 1.687 1.623 1.709 1.602 1.732 1.579 1.755 1.557 1.778 1.535 1.802 1.512 1.827 1.489 1.852 1.465 1.877 1.442 1.903
100 1.654 1.694 1.634 1.715 1.613 1.736 1.592 1.758 1.571 1.78 1.55 1.803 1.528 1.826 1.506 1.85 1.484 1.874 1.462 1.898
150 1.72 1.747 1.706 1.76 1.693 1.774 1.679 1.788 1.665 1.802 1.651 1.817 1.637 1.832 1.622 1.846 1.608 1.862 1.593 1.877
200 1.758 1.779 1.748 1.789 1.738 1.799 1.728 1.809 1.718 1.82 1.707 1.831 1.697 1.841 1.686 1.852 1.675 1.863 1.665 1.874
 1 2 3 4 5 6 7 8 9 10
dL dU dL dU dL dU dL dU dL dU dL dU dL dU dL dU dL dU dL dU

6 0.39 1.142 —– —– —– —– —– —– —– —– —– —– —– —– —– —– —– —– —– —–
7 0.435 1.036 0.294 1.676 —– —– —– —– —– —– —– —– —– —– —– —– —– —– —– —–
8 0.497 1.003 0.345 1.489 0.229 2.102 —– —– —– —– —– —– —– —– —– —– —– —– —– —–
9 0.554 0.998 0.408 1.389 0.279 1.875 0.183 2.433 —– —– —– —– —– —– —– —– —– —– —– —–
10 0.604 1.001 0.466 1.333 0.34 1.733 0.23 2.193 0.15 2.69 —– —– —– —– —– —– —– —– —– —–
11 0.653 1.01 0.519 1.297 0.396 1.64 0.286 2.03 0.193 2.453 0.124 2.892 —– —– —– —– —– —– —– —–
12 0.697 1.023 0.569 1.274 0.449 1.575 0.339 1.913 0.244 2.28 0.164 2.665 0.105 3.053 —– —– —– —– —– —–
13 0.738 1.038 0.616 1.261 0.499 1.526 0.391 1.826 0.294 2.15 0.211 2.49 0.14 2.838 0.09 3.182 —– —– —– —–
14 0.776 1.054 0.66 1.254 0.547 1.49 0.441 1.757 0.343 2.049 0.257 2.354 0.183 2.667 0.122 2.981 0.078 3.287 —– —–
15 0.811 1.07 0.7 1.252 0.591 1.465 0.487 1.705 0.39 1.967 0.303 2.244 0.226 2.53 0.161 2.817 0.107 3.101 0.068 3.374

345
16 0.844 1.086 0.738 1.253 0.633 1.447 0.532 1.664 0.437 1.901 0.349 2.153 0.269 2.416 0.2 2.681 0.142 2.944 0.094 3.201
17 0.873 1.102 0.773 1.255 0.672 1.432 0.574 1.631 0.481 1.847 0.393 2.078 0.313 2.319 0.241 2.566 0.179 2.811 0.127 3.053
A5. Table de Durbin-Watson α = 1%

18 0.902 1.118 0.805 1.259 0.708 1.422 0.614 1.604 0.522 1.803 0.435 2.015 0.355 2.238 0.282 2.467 0.216 2.697 0.16 2.925
19 0.928 1.133 0.835 1.264 0.742 1.416 0.65 1.583 0.561 1.767 0.476 1.963 0.396 2.169 0.322 2.381 0.255 2.597 0.196 2.813
20 0.952 1.147 0.862 1.27 0.774 1.41 0.684 1.567 0.598 1.736 0.515 1.918 0.436 2.11 0.362 2.308 0.294 2.51 0.232 2.174
21 0.975 1.161 0.889 1.276 0.803 1.408 0.718 1.554 0.634 1.712 0.552 1.881 0.474 2.059 0.4 2.244 0.331 2.434 0.268 2.625
22 0.997 1.174 0.915 1.284 0.832 1.407 0.748 1.543 0.666 1.691 0.587 1.849 0.51 2.015 0.437 2.188 0.368 2.367 0.304 2.548
23 1.017 1.186 0.938 1.29 0.858 1.407 0.777 1.535 0.699 1.674 0.62 1.821 0.545 1.977 0.473 2.14 0.404 2.308 0.34 2.479
24 1.037 1.199 0.959 1.298 0.881 1.407 0.805 1.527 0.728 1.659 0.652 1.797 0.578 1.944 0.507 2.097 0.439 2.255 0.375 2.417
25 1.055 1.21 0.981 1.305 0.906 1.408 0.832 1.521 0.756 1.645 0.682 1.776 0.61 1.915 0.54 2.059 0.473 2.209 0.409 2.362
26 1.072 1.222 1 1.311 0.928 1.41 0.855 1.517 0.782 1.635 0.711 1.759 0.64 1.889 0.572 2.026 0.505 2.168 0.441 2.313
27 1.088 1.232 1.019 1.318 0.948 1.413 0.878 1.514 0.808 1.625 0.738 1.743 0.669 1.867 0.602 1.997 0.536 2.131 0.473 2.269
28 1.104 1.244 1.036 1.325 0.969 1.414 0.901 1.512 0.832 1.618 0.764 1.729 0.696 1.847 0.63 1.97 0.566 2.098 0.504 2.229
29 1.119 1.254 1.053 1.332 0.988 1.418 0.921 1.511 0.855 1.611 0.788 1.718 0.723 1.83 0.658 1.947 0.595 2.068 0.533 2.193
30 1.134 1.264 1.07 1.339 1.006 1.421 0.941 1.51 0.877 1.606 0.812 1.707 0.748 1.814 0.684 1.925 0.622 2.041 0.562 2.16
 1 2 3 4 5 6 7 8 9 10
dL dU dL dU dL dU dL dU dL dU dL dU dL dU dL dU dL dU dL dU

31 1.147 1.274 1.085 1.345 1.022 1.425 0.96 1.509 0.897 1.601 0.834 1.698 0.772 1.8 0.71 1.906 0.649 2.017 0.589 2.131
32 1.16 1.283 1.1 1.351 1.039 1.428 0.978 1.509 0.917 1.597 0.856 1.69 0.794 1.788 0.734 1.889 0.674 1.995 0.615 2.104
33 1.171 1.291 1.114 1.358 1.055 1.432 0.995 1.51 0.935 1.594 0.876 1.683 0.816 1.776 0.757 1.874 0.698 1.975 0.641 2.08
34 1.184 1.298 1.128 1.364 1.07 1.436 1.012 1.511 0.954 1.591 0.896 1.677 0.837 1.766 0.779 1.86 0.722 1.957 0.665 2.057
35 1.195 1.307 1.141 1.37 1.085 1.439 1.028 1.512 0.971 1.589 0.914 1.671 0.857 1.757 0.8 1.847 0.744 1.94 0.689 2.037
36 1.205 1.315 1.153 1.376 1.098 1.442 1.043 1.513 0.987 1.587 0.932 1.666 0.877 1.749 0.821 1.836 0.766 1.925 0.711 2.018
37 1.217 1.322 1.164 1.383 1.112 1.446 1.058 1.514 1.004 1.585 0.95 1.662 0.895 1.742 0.841 1.825 0.787 1.911 0.733 2.001
38 1.227 1.33 1.176 1.388 1.124 1.449 1.072 1.515 1.019 1.584 0.966 1.658 0.913 1.735 0.86 1.816 0.807 1.899 0.754 1.985
39 1.237 1.337 1.187 1.392 1.137 1.452 1.085 1.517 1.033 1.583 0.982 1.655 0.93 1.729 0.878 1.807 0.826 1.887 0.774 1.97
40 1.246 1.344 1.197 1.398 1.149 1.456 1.098 1.518 1.047 1.583 0.997 1.652 0.946 1.724 0.895 1.799 0.844 1.876 0.749 1.956

346
45 1.288 1.376 1.245 1.424 1.201 1.474 1.156 1.528 1.111 1.583 1.065 1.643 1.019 1.704 0.974 1.768 0.927 1.834 0.881 1.902
50 1.324 1.403 1.285 1.445 1.245 1.491 1.206 1.537 1.164 1.587 1.123 1.639 1.081 1.692 1.039 1.748 0.997 1.805 0.955 1.864
55 1.356 1.428 1.32 1.466 1.284 1.505 1.246 1.548 1.209 1.592 1.172 1.638 1.134 1.685 1.095 1.734 1.057 1.785 1.018 1.837
60 1.382 1.449 1.351 1.484 1.317 1.52 1.283 1.559 1.248 1.598 1.214 1.639 1.179 1.682 1.144 1.726 1.108 1.771 1.072 1.817
65 1.407 1.467 1.377 1.5 1.346 1.534 1.314 1.568 1.283 1.604 1.251 1.642 1.218 1.68 1.186 1.72 1.153 1.761 1.12 1.802
A5. Table de Durbin-Watson α = 1% (suite)

70 1.429 1.485 1.4 1.514 1.372 1.546 1.343 1.577 1.313 1.611 1.283 1.645 1.253 1.68 1.223 1.716 1.192 1.754 1.162 1.792
75 1.448 1.501 1.422 1.529 1.395 1.557 1.368 1.586 1.34 1.617 1.313 1.649 1.284 1.682 1.256 1.714 1.227 1.748 1.199 1.783
80 1.465 1.514 1.44 1.541 1.416 1.568 1.39 1.595 1.364 1.624 1.338 1.653 1.312 1.683 1.285 1.714 1.259 1.745 1.232 1.777
85 1.481 1.529 1.458 1.553 1.434 1.577 1.411 1.603 1.386 1.63 1.362 1.657 1.337 1.685 1.312 1.714 1.287 1.743 1.262 1.773
90 1.496 1.541 1.474 1.563 1.452 1.587 1.429 1.611 1.406 1.636 1.383 1.661 1.36 1.687 1.336 1.714 1.312 1.741 1.288 1.769
95 1.51 1.552 1.489 1.573 1.468 1.596 1.446 1.618 1.425 1.641 1.403 1.666 1.381 1.69 1.358 1.715 1.336 1.741 1.313 1.767
100 1.522 1.562 1.502 1.582 1.482 1.604 1.461 1.625 1.441 1.647 1.421 1.67 1.4 1.693 1.378 1.717 1.357 1.741 1.335 1.765
150 1.611 1.637 1.598 1.651 1.584 1.665 1.571 1.679 1.557 1.693 1.543 1.708 1.53 1.722 1.515 1.737 1.501 1.752 1.486 1.767
200 1.664 1.684 1.653 1.693 1.643 1.704 1.633 1.715 1.623 1.725 1.613 1.735 1.603 1.746 1.592 1.757 1.582 1.768 1.571 1.779