Pilier de l’économétrie — définition ?
Données, modèle, estimation, inférence.
Estimation MLE — rôle ?
Trouver paramètres rendant les données probables.
Vraisemblance normale — paramètres ?
Moyenne μ et variance ε².
Modèle linéaire bivarié — formule ?
yi=β0+β1xi+ui.
Hypothèse de normalité — erreur ?
ui∼N(0,ε²).
Maximisation log-vraisemblance — but ?
Obtenir estimateurs MLE.
Estimateurs MLE vs OLS — dans normalité ?
Équivalents dans modèle linéaire normal.
Propriétés MLE — en grands échantillons ?
Efficace et consistant.
Limite MLE — en petits échantillons ?
Moins fiable, biais potentiel.
Test LR — rôle ?
Comparer vraisemblance modèle restreint et non.
Test Wald — principe ?
Distance normalisée entre estimateur et hypothèse.
Test Score — principe ?
Pente de la log-vraisemblance sous H0.
Intuition tests LR, Wald, Score — différence ?
Différents critères, même objectif.
Vraisemblance normale — construction ?
Produit des densités normales individuelles.
Normalité erreurs — condition ?
Indépendance de xi et ui.
Propriétés MLE — en grands échantillons ?
Asymptotiquement efficace et normal.
Testez vos connaissances avec un QCM de 8 questions sur Introduction à l'économétrie appliquée.
1. Quelle affirmation correspond au sujet « Fondements et piliers de l’économétrie appliquée » ?
2. Qu'est-ce que la fonction de vraisemblance pour une distribution normale ?
Révisez le cours complet dans la fiche de révision de Introduction à l'économétrie appliquée.
Voir la fiche →Importe ton cours et l'IA génère des flashcards en 30 secondes.
Générateur de flashcards