Séance d'exercice 3

pour l'exercice 1.C, dans la solution donné sur Icampus, je vois pas d'où sort le terme 1/10.5833 pour le calcul des betas, vous avez une idée ?

quelqu'un a résolu l'exercice 4 de cette même séance ? je vois pas trop bien comment calculer l'inflation de la variance pour Beta 1 et beta 2, ni même comment expliquer les 2 autres questions ://

Delylah a écrit:pour l'exercice 1.C, dans la solution donné sur Icampus, je vois pas d'où sort le terme 1/10.5833 pour le calcul des betas, vous avez une idée ?

Je me pose exactement la même question. et en fait on ne peut pas résoudre cet exercice en calculant bêtement les X* et Y* puis X bar et Y bar puis faire

beta1 = (Somme X*Y* - nX barY bar) / (Somme X²* - nX² bar) ??

Ah oui au fait, donc à l'exam on est sencé savoir refaire des inverse de matrice 2X6 ??

c'est l'inverse d'une matrice (2,2)
et donc si par exemple matrice A = ( a b /et en dessous des deux/ c d ), t'as l'inverse:
A^-1 = 1/detA ( d -b /en dessous:/ -c a) (voir wikipedia, c dur d'ecrire une matrice en une ligne
et le déterminant c'est dans ce cas si: ad-bc.

le 10.5833 c'est donc le déterminant..

mais j'ai une autre quastion: pourquoi pour transformer le modèle en homo, on divise toutes les variables par racine de Xi? je comprends pas..

Petite question, vous avez quoi comme RC pour l'exercice 2?

Et qd on dit que c'est significatif, on le sait cmt? J'ai pas des reponses tres claires ds mes feuilles dc si qqn pouvait m'aider... merci

il l'a pas dit je crois, mais il a juste calculé la stat pour dire que c'était pas significatif, puis idem question D quand il dit que beta 2 devient significatif. J'ai pas écrit grand chose non plus, mais apparemment il l'a pas montré, on est juste sensés savoir le calculer...
et des idées pour la question 4 ?

Oui mais qd il dit pas significatif, il justifie en disant que ca n'appartient pas à la region critique (c'est ce que j'ai ecrit). Qqn l'a calculé cette region critique? pcq moi je l'ai calculée, ms ca coincide pas ac ce qu'il a dit..

la RC c'est presque toujours la même qu'on considère : <-;1,96]U[1,96;->
Ici comme H0: BetaX = 0 tu calcules simplement en divisant la valeur estimée de beta par son ecart-type

exemple pour la variable REV : (0,2-0)/0,15 = 1,33 ce n'est pas dans la RC donc NRH0, BETArev=0, donc c'est non significatif

Merci ! Ms pq le RC on le calcule ac une student et pas une chi carrée??

la théorie dit de le faire avec une student(n-2), page 20 du chapitre 1

L@U a écrit:la RC c'est presque toujours la même qu'on considère : <-;1,96]U[1,96;->
Ici comme H0: BetaX = 0 tu calcules simplement en divisant la valeur estimée de beta par son ecart-type

exemple pour la variable REV : (0,2-0)/0,15 = 1,33 ce n'est pas dans la RC donc NRH0, BETArev=0, donc c'est non significatif

Si ce n'est pas dans la RC on peut conclure qu'on ne peut PAS rejetter H0 (NRH0) mais on ne peut pas pour autant l'accepter.
Le test d'hypothèse sont fait pour rejeter les hypothèses de base mais ce n'est pas pour autant que ça les valide, gardez ça à l'esprit..

>> en résumé : On peut conclure au non rejet d'H0, mais cela ne veut pas dire que H0 est valide !

Personne n'as fait le 4 alors? Il pourrait bien s'amuser en nous le donnant

Il y a un truc qui m'échappe à l'exercice 2.b

La statistique de test T c'est bien : nR² = 340 x 0,6 = 204 non ?

Si on chercher la valeur de la Chi²(n=2 ; alpha 0,05) on trouve 3,84

Donc T appartient à la région critique n'est-ce pas? Donc RHO ??

J'ai noté complètement l'inverse moi, c'est une erreur de retranscription ou je me trompe totalement ?

J'aurai tendance à prendre le quantile de Chi carré 1- alpha et pas alpha mais aussi non ton raisonnement me semble bon...

Dans tous les cas, vu la valeur 204, à mon avis tu rejette d'office...

Reste juste à confirmer que l'on prend bien le quantile 1-alpha... Qqn ?

Yes, j'imagine qu'il faut prendre 95%.

En fait le truc c'est que si les résidus sont aussi bien expliqués par un modèle sur les variables explicatives (R^2=60%) c'est que d'office y'a une relation entre les résidus et les variables. Mais cette stat de test est un peu sortie de nulle part je trouve.
Genre en quoi un grand nombre d'observations augmente le rejet de l'homoscédasticité? Sans doute parce que si on trouve une relation résidus-variables, elle est plus sûre si on a bcp d'observations.

Quintus a écrit:

J'ai noté complètement l'inverse moi, c'est une erreur de retranscription ou je me trompe totalement ?

je confirme l'erreur de retranscription et le niveau 1-alpha

Excellent! oui pardon pour le 1-Alpha, d'ailleurs dans mon test chi² j'avais déja pris 0,95 mis oublié de le noter

L@U a écrit:

Quintus a écrit:

J'ai noté complètement l'inverse moi, c'est une erreur de retranscription ou je me trompe totalement ?

je confirme l'erreur de retranscription et le niveau 1-alpha

moi je prendrais plutôt le quantile alpha= 0.05 car quand on regarde les test de white fait dans les tp's oxmetrics, (exemple TP4 -exo 1.3), l'assistante met le quantile chicarré (5ddl) = 11.07, ce qui correspond à un niveau alpha=0.05

mnt, si l'énoncé de l'exercice Séance 3 était de tester avec niveau de confiance de 5 %, je doute quand même....


qu'en pensez-vous??

j'ai aussi relevé une incohérence dans cet exo...

j'ai checké la table, le prof prend Chi-Carré2;0,5 parce que Chi-Carré2;0,95 est égal à 0,1... mais j'aurais pris ce dernier quantile.

pour alpha de 5% donc Chi²(2;0,95) dans la table qui est sur icampus => 5,99 et c'est la valeur donnée par le prof au cours

Certaines tables calcule l'aire à gauche et d'autre celle de droite, tout dépend de votre table

je confirme ce que dit l'espagnol