Multicolinéarité. Livre 5. Économétrie Expliquée et Appliquée

Mahmoud Mourad (Auteur)

voir tout

Descriptif détaillé

media/pim/TITELIVE/44_9782383952428_1_75.jpg

media/pim/TITELIVE/45_9782383952428_4_75.jpg

ajouter

Multicolinéarité. Livre 5. Économétrie Expliquée et Appliquée

Vendu et expédié par : Cultura

État : Neuf

DISPONIBLE SOUS 16 JOURS

Livraison en magasin dès le 00/00/00

stock en magasin

Retrouvez le produit près de chez vous.

*hors livres expédiés à domicile ou en point relais, hors remise et promotion au panier

description

descriptif du fournisseur

Ce Livre est consacré à la multicolinéarité quasi exacte qui permet une estimation du modèle de régression linéaire multiple RLM. En effet la présence de la multicolinéarité imparfaite fait accroître la variance des estimateurs des paramètres ce qui réduit les statistiques de Student en donnant une idée fausse sur l’importance des variables explicatives surtout celles qui manifestent une forte corrélation entre elles. Plusieurs techniques sont disponibles pour la détecter. La première qui revient à Klein consiste à estimer d’abord les coefficients de corrélation rij entre les différents couples des variables indépendantes puis nous les comparons avec le coefficient de détermination général R2. Les techniques les plus utilisées pour détecter la multicolinéarité reviennent au test préconisé par Farrar-Glauber, au calcul des facteurs d’inflation de la variance VIF ou son inverse le facteur de tolérance TOL, le calcul de l’effet de multicolinéarité de Theil, la méthode des valeurs propres qui permet d’obtenir l’indice de conditionnement et le ratio de la contribution d’une valeur propre li à la variance de l’estimateur bj. L’une des solutions du problème de la multicolinéarité est la régression de crête qui impose une pénalité sur les paramètres, une sorte de constante estimée d’une manière itérative selon l’algorithme HKB proposé par Hoerl, Kennard & Baldwin.
L’aspect d’application est envisagé avec 12 exercices couvrant l’ensemble des thèmes ainsi étudiés en particulier le remède envisagé pour réduire l’effet de la multicolinéarité.

Sommaire
5.1 Introduction
5.2 Conséquences de la multicolinéarité
5.2.1 Multicolinéarité parfaite
5.2.2 Multicolinéarité quasi exacte (near exact multicollinearity)
5.3 Méthodes de détection de la multicolinéarité
5.3.1 Corrélation linéaire entre les variables indépendantes
5.3.2 Méthode de Klein
5.3.3 Test de Farrar – Glauber
5.3.4 Facteur d'inflation de la variance
5.3.5 Méthode de régression auxiliaire
5.3.6 Méthode de Theil
5.3.7 Méthode des valeurs propres
5.4 Solutions aux problèmes de la multicolinéarité
5.4.1 Ajout d'information supplémentaire à l'échantillon
5.4.2 Utilisation des estimations précédentes
5.4.3 Régression de crête
5.4.4 Régression de crête généralisée
5.4.5 Existe-t-il d'autres techniques pour gérer la multicolinéarité ?
5.5 Conséquences de l'omission de la multicolinéarité et solutions proposées
5.6 Exercices
5.7 Data du 5e Livre
5.8 Références