Évaluation continue 5

Exercice 11.1 :

Y étant une variable binaire, ses valeurs prédites sont donc les probabilités que Y = 1. Les probabilités doivent être entre 0 et 1 alors une valeur de 1,3 ne fait pas de sens.

Exercice 11.2 :

Les résultats dans la colonne (1) sont ceux du modèle de probabilité linéaire. Les coefficients d’un modèle de probabilité linaire démontrent les effets d’un changement de X sur la probabilité que Y = 1. Les résultats dans les colonnes (2) et (3) sont ceux du modèle logit probit. Ces coefficients sont difficiles à interpréter. En effet, pour calculer l’effet d’un changement de X sur la probabilité que Y = 1 dans un modèle logit probit il faut calculer la valeur z et la comparer dans la table de distribution normale. Il faut donc en premier calculer la probabilité prédite de la valeur initiale des répresseurs et en deuxième calculer la probabilité prédite de la nouvelle valeur des régresseurs et de faire la différence entre les deux pour calculer la probabilité de changement dans les régresseurs.

Exercice 11.3 :

Elle devrait utiliser un modèle logit probit. Ces modèles sont préférés aux modèles de probabilité linéaire puisqu’ils contraignent les valeurs prédites de la régression entre 0 et 1. En général les régressions logit probit donnent des résultats similaires et elle devrait utiliser la méthode la plus facile a utilisé.

Exercice 11.4 :

La méthode des moindres carrées ordinaires ne peut pas être utilisée puisque la fonction de régression n’est pas une fonction linéaire des facteurs de régression. L'estimateur du maximum de vraisemblance est efficace et peut gérer des fonctions de régression non-linéaire au niveau de ses paramètres.

...