Chapitre I: Heteroscedasticit

I] Htroscdasticit
V (U ) = 2

net plus vrifi

2 i

E (u i ) =

i = 1 2 ....n

LHtroscdasticit se vrifie

12 0 0 2 E (UU ') = 0 2 0 2 0 0 n

. .
2 1 2 2

2 n

Souvent on utilise

= i
2 i 2

ou les i sont des pondrateurs qui change avec i On peut crire cette relation sous forme matricielle

E (UU ') = 2

(I1)

 1 = 0

Y = 1 + 2 X + u
ou Y = consommation et X = revenu

Les consquences de lhtroscdasticit sont : - les estimateurs des moindres carres restent sans biais mais non efficaces

= xi yi = + xi ui 2 2 xi xi

E( ) =
mais la variance est

 ) = E ( ) 2 = E xi ui V ( xi2
2 i 2 2 i i j i

xi E (u ) i< j = +2 ( x ) xi2 )( x 2 ) ( j
j

x x E (u u )

2 2 i

i j

V ( ) =

( x )

xi2 i2
2 2 i

(I2)

I2] La mthode des moindres carres gnralises ( G.L.S.) Elle est dite aussi mthode dAitken Soit le modle :

Y = X +U
E (UU ') =
2

(I3)

est une matrice dfinie positive dont elle peut scrire :

= PP'

(I4)

P P
P P =
Pr multipliant
1' 1

' 1

=I
(I5)
1

Y = X +U par P-1 on a :

y* = X* + U*
y* = P Y
1

X* = P X

U* = P U

E(U* U ) = I
' * 2

Ce qui satisfait aux hypothses des MCO(OLS) Lestimateur sans biais de 2 est Lestimateur dAitken (G.L.S.) est lestimateur des M.C.O. appliqu au modle (I5) :
' ' b = (X*X* ) 1 X* y* = (X ' 1X) 1 (X ' 1Y)

V(b) = (X X* ) = (X ' X)
2 ' * 2

Lestimateur sans biais de 2 est

2 =

1 1 (y* X*b)' (y* X*b) = (Y Xb)' 1 (Y Xb) nk nk 1 e ' 1e n-k

Lestimateur b donn par la G.L.S.(Aitken) est sans biais et de variance minimale

Exemple Supposant quon a le modle suivant

Y = X +U

avec
1/ n

1/ 1 2 2 E(UU ') = = 0
1/ 1 P= 0 1/ n

1 -1 P = 0

donc

P 1' P 1 1 = 2 I
1 1 1

b = (X ' X) (X ' Y)
V(b) = (X' X)
2 1 1

I2] la dtection de lHtroscdasticit 1. la dmarche graphique Soit les graphes suivants

* e
2

e
* * * * * * * * * * *

2 * * * * * * * *

* *

G1 * * * * * * * * * * G3 *

X e
2

G2 * * ** * * * * * G4 * *

2. La mthode analytique - Le test de Park Park suppose que

est fonction de Xi :
2 i

= f (x i )
2 i

De telle sorte que

= X
2 i 2

et on prenant le logarithme
log(i2 ) = log(2 ) + log(X i ) + vi

H0 : = 0 contre Sous H0
2 i 2 i 2 0 i

H1 : 0
2

= X = X =

Si H1 est accepte on accepte donc lHtroscdasticit. Puisque 2 est inconnu on utilise une variable Proxy e2. et on estime la relation suivante :

log(e ) = log( ) + log(X i ) + vi

2 i 2

log(2) = est la constante

- Le test de Goldfeld et Quandt (G Q) G Q teste H0 : i2 = '2 (Homoscdasticit) contre H1 :

2 i

'2

Ordonner les donnes dune manire croissante ou dcroissante Supprimer r observations du milieu Effectuer la 1re rgression sur les petites valeurs de taille n1= (n-r)/2 Effectuer la 2me rgression sur les grandes valeurs de taille n2 =(n-r)/2 Construire les statistiques

R =

e i2 (

e i2 (

) )

SSE 2 = SSE1

qui nest autre chose que

SSE 2 /(n 2 k) R= Fnn12kk SSE1 /(n1 k)

2 2 2 1

n2k n1 k

Cest un test de Fisher de degr de libert n2 k et n1 k ; il faut noter que ce test concerne les chantillons de grandes taille (n> 30) et souvent on supprime le 1/3.

I3] La solution On remdie au cas de lhtroscdacticit on utilise deux voies 1. Si i2 est connu on utilise les moindres carres gnralise 2. Si

2 i

est inconnu on ne peut pas utiliser la mthode G.L.S dune manire directe , 2 mais on essaie soit destimer i

a. Estimation de 2 par

Y = + X + u Est corrig en divisant par 2 i

Y = + X + u
* *
Y* = Y i X* = X i

u* =

u i

On dtermine donc les estimateurs par la mthode des moindres carres ordinaires

x * y* =Y* X* = x *2 Dans le cas gnral la matrice de correction -1 se prsente de la manire suivante:

1/ 1 1 = 0 1/ n

= (X ' 1X) 1 (X ' 1Y)

b. on commence par mettre de hypothses sur i2 qui corrigera le modle ; pour cela, on effectue plusieurs rgression. La correction seffectue selon deux faon La faon 1 consiste admettre lhypothse
i2 = 2 X i
Y = + X + u

puis on corrige le modle de la sorte

Yi Xi u i = + + = Y* = X* + + u * Xi Xi Xi Xi

La faon 2 consiste admettre la mme hypothse i2 = 2 X i puis on corrige le modle

Y = + X + u
Yi Xi ui = + + = Y* = X** + X* + u * Xi Xi Xi Xi
Y* = Y Xi X** = 1 Xi u* = u Xi

Exemple : Le tableau suivant donne des information sur la consommation prive , le PIB et la population en 1998
pays Arabie saoudite Egypte KOWEIT Jordanie Maroc Oman Syrie Ymen Consommation prive PIB 199,44 482,66 207,74 280,22 43,09 76,71 36,46 52,36 226,59 341,38 229,36 341,38 515,41 728,79 452,29 740,63 Population 19,5 62 2,03 5,77 27,78 27,78 15 16,5

La consommation et Le PIB en milliards la population en millions

IFS 2000

C = 1 + 2 PIB + 3 POP + u
C = -10.29 + 0.624 PIB + 0.62POP (-0.25) (7.75) (0.55) R2 =0.89

C PIB = + +v POP POP

C P Ib = 0 .2 7 + 0 .6 3 POP POP (-1 .4 4 ) (9 .8 9 ) R 2 = 0 .9 3 3

Le test de Park
Pib Log (e ) = + log( )+w POP
2

Pib Log ( e 2 ) = 1.974 + 0.934 Log PO P (-0.97) (9.89)

R 2 = 0.12

en testant H0 : = 0 contre H1 : 0 le t lu (5%) et degr de libert (8-2=6) = 2.447 ; on constate que le t calcul> au t lu H0 : = 0 est refuse ce qui atteste de lexistence de lhtroscdacticit

Pour enlever cet effet, on suppose la variance augmente quadratique ment avec laugmentation du revenu :

P IB = POP ' v C / POP ' + + = PIB / POP PIB / POP PIB / POP
2 i 2

On remarque que lHtroscdasticit est enleve puisquon accepte maintenant H0

C POP / 1 = 0.858 + 0.575 PIB / POP PIB / POP (1.53) (10.38)

R 2 = 0.282