Econometrie TD 9
Master Econometrics: Test Your Knowledge!
Welcome to our comprehensive econometrics quiz designed to challenge your understanding of temporal regression models, their assumptions, and effect analysis. Whether you're brushing up on your knowledge or preparing for an exam, this quiz has something for everyone.
Test your skills with questions covering:
- Statistical modeling concepts
- Estimation methods
- Impulse response fun
ctions - Dynamic models analysis
1. Le modèle 𝑦𝑡 = 𝛽1 + 𝛽2𝑥𝑡 + 𝜀𝑡, 𝑡 = 1,2, ... , 𝑇 est un exemple
A) d’un modèle avec hétéroscédastcité conditionnelle autorégressive.
B) d’un modèle statique.
C) d’un modèle à retards échelonnés finis.
D) d’un modèle à retards échelonnés infinis.
2. Un modèle statique est postulé lorsque :
A) un changement de la variable explicative à l'instant 𝑡 est supposé avoir un effet sur la variable dépendante à la période 𝑡 + 1.
B) . Un changement de la variable explicative à l'instant 𝑡 est supposé avoir un effet sur la variable dépendante pour toutes les périodes successives.
C) un changement de la variable explicative à l'instant 𝑡 n'a aucun effet sur la variable dépendante.
D) un changement de la variable indépendante explicative à l'instant 𝑡 est supposé avoir un effet immédiat sur la variable dépendante.
A) d’un modèle statique.
B) d’un modèle à retards échelonnés finis d’ordre 1
C) d’un modèle à retards échelonnés finis d’ordre 4.
D) d’un modèle à retards échelonnés finis d’ordre 5.
5. Laquelle des affirmations suivantes est basée sur la régression des séries temporelles ?
A) Un processus de séries temporelles suit un modèle non linéaire dans les paramètres.
B) Dans un processus de séries temporelles, aucune variable explicative n'est une combinaison linéaire parfaite des autres.
C) Dans un processus de séries chronologiques, au moins une variable explicative est une constante dans le temps.
D) Pour chaque période, la valeur attendue de l'erreur 𝑢𝑡ut, étant donné les variables explicatives pour toutes les périodes, est positive.
A) la variation à court terme de 𝑦 étant donné une variation temporaire de 𝑠.
B) la variation à court terme de 𝑦 étant donné une variation permanente de 𝑠.
C) la variation à long terme de 𝑦 étant donné une variation permanente de 𝑠.
D) la variation à long terme de 𝑦 étant donné une variation temporaire de 𝑠.
7. Sous les hypothèses de convergence de l’estimateur des MCO de la régression par séries temporelles, lequel des énoncés suivants sera vrai pour le modèle suivant : 𝑦𝑡 = 𝛽1 + 𝛽2𝑑𝑡 + 𝜀𝑡 ?
A) 𝑑 peut avoir un effet retardé sur 𝑦.
B) 𝜀𝑡 peut être corrélé avec les valeurs passées et futures de 𝑑 .
C) les changements dans le terme d'erreur ne peuvent pas causer de changements futurs dans 𝑑.
D) les changements de 𝑑 ne peuvent pas provoquer de changements dans y au même moment.
8. Si une variable explicative est strictement exogène, cela implique que:
A) les changements dans les retards de cette variable n'affectent pas les valeurs futures de la variable dépendante.
B) cette variable ne peut pas réagir à ce qui est arrivé à la variable dépendante dans le passé.
C) cette variable est corrélée avec le terme d'erreur dans toutes les périodes futures.
D) la moyenne conditionnelle du terme d'erreur étant donné cette variable est nulle.
9. L’estimateur MCO du modèle : 𝑦𝑡 = 𝛼 + 𝛽𝑦𝑡−1 + 𝑢𝑡 𝑎𝑣𝑒𝑝 𝑢𝑡 = 𝜌𝑢𝑡−1 + 𝜀𝑡 est :
A) sans biais.
B) convergent.
C) non convergent.
D) de variance minimale.
15. Un choc permanent :
A) correspond à la variation de la variable pour une seule période.
B) correspond à la variation de la variable pour une toute les périodes.
C) correspond à la variation de la variable pour quelques périodes.
D) correspond à la variation de la variable pour aucune période.
16. L’effet sur la variable dépendante au temps 𝑡 d’une variation de la variable explicative à la période 𝑡 − 𝑠 :
A) est identique à l’effet sur la variable dépendante au temps 𝑡 − 𝑠 d’une variation de la variable explicative au temps 𝑡.
B) est identique à l’effet sur la variable dépendante au temps 𝑡 + 𝑠 d’une variation de la variable explicative au temps 𝑡 − 𝑠.
C) est identique à l’effet sur la variable dépendante au temps 𝑡 + 𝑠 d’une variation de la variable explicative au temps 𝑡.
D) est identique à l’effet sur la variable dépendante au temps 𝑡 d’une variation de la variable explicative au temps 𝑡.
17. Un effet instantané :
A) est l’effet de long terme d’un choc permanent.
B) est l’effet au temps 𝑡 d’un choc permanent débutant au temps 𝑡.
C) est l’effet au temps 𝑡 d’un choc temporaire à la période précédente 𝑡 − 1.
D) est l’effet au temps 𝑡 d’un choc temporaire à la période suivante 𝑡 + 1..
18. Soit un modèle avec des retards échelonnés infinis : 𝑦t = 𝛼 + ∑∞ 𝜃 𝑥 𝑖=0 𝑖 𝑡−𝑖 + 𝜀 , l’effet sur 𝑦 𝑡 𝑡+s d’un choc temporaire sur 𝑥𝑡 sera le coefficient :
A) ∑∞ 𝜃i.
B) 𝜃0.
C) 𝜃−𝑠.
D) 𝜃𝑠.
19. Soit un modèle avec des retards échelonnés infinis : 𝑦t = 𝛼 + ∑∞ 𝜃 𝑥 𝑖=0 𝑖 𝑡−𝑖 + 𝜀, l’effet de long-terme d’un choc permanent sur 𝑥 sera :
A) ∑∞ =𝜃i.
B) 𝜃0.
C) 1❄(1−∑∞ 𝜃).
D) 𝛼.
20. Soit un modèle autorégressif à retards échelonnés: 𝑦t =𝛼+∑𝑞 +∑𝑝 𝛽𝑥 𝑖=0 𝑖 𝑡−𝑖 +𝜀 , l’effet de long-terme d’un choc permanent sur 𝑥 sera :
A) ∑𝑝 𝛽𝑖.
B) ∑𝑝 𝛽𝑖 ❄∑𝑞 𝜃𝑖
C) ∑𝑝 𝛽𝑖❄(1−∑𝑞 𝜃𝑖).
D) (1−∑𝑞 𝜃𝑖)❄∑𝑝 𝛽𝑖.
21. Soit un modèle autorégressif à retards échelonnés: 𝑦𝑡 = 𝛼 + 𝛾1𝑦𝑡−1 + 𝛾2𝑦𝑡−2 + 𝛽1𝑥𝑡−1 + 𝜀𝑡, l’effet de long-terme d’un choc permanent sur 𝑥 sera :
A) 𝛽1❄(1 − 𝛾1 − 𝛾2).
B) 𝛽1❄(1+𝛾1+𝛾2)
C) 𝛽1❄(𝛾1+𝛾2).
D) 𝛽1(1−𝛾1−𝛾2).
22. Le retard médian est :
A) Le délai pour obtenir le retard de l’effet de long terme
B) Le délai pour obtenir la moitié de l’effet de long terme
C) Le délai pour obtenir la moyenne de l’effet de long terme
D) Le délai pour obtenir la médiane de l’effet de long terme
23. Le retard moyen est :
A) La moyenne des paramètres du modèle à retards échelonnés
B) L’effet moyen à long terme des retards échelonnés
C) Une mesure de l’ajustement à long terme
D) Une mesure de la vitesse de l’ajustement
24. Un problème souvent rencontré dans l’estimation d’un modèle à retards échelonnés finis est :
A) La multicolinéarité
B) L’endogénéité des régresseurs
C) La faible dépendance
D) L’erreur de mesuret
25. Dans un modèle à anticipations adaptatives, le modèle des anticipations est :
A) 𝑥*t=𝑥*t-1
B) 𝑥∗=𝑥 𝑡−1
C) 𝑥∗=𝝸(𝑥t|𝑥t-1 ,𝑥t-2 ,𝑥t-3 ,,...)
D) 𝑥t∗=𝜃𝑥t-1 +(1−𝜃)𝑥∗t-1
26. Dans un modèle à anticipations adaptatives, l’ajustement à l’équilibre de long terme sera d’autant plus rapide que le paramètre de révision des anticipations sera :
A) petit
B) grand
C) unitaire
D) proche de l’effet de long terme
27. Dans un modèle d’ajustement partiel, le retard moyen sera une fonction __________ du paramètre d’ajustement.
A) convexe
B) concave
C) croissante
D) décroissante
A) positivement de 𝜇 et positivement de |𝜈|.
B) négativement de 𝜇 et positivement de |𝜈|.
C) positivement de 𝜇 et négativement de |𝜈|.
D) négativement de 𝜇 négativement de |𝜈|.
96. On a un problème de convergence de l’estimateur MCO si :
A) les erreurs sont autocorrélées.
B) les erreurs sont indépendantes.
C) la variable dépendante est mesurée avec erreurs.
D) une variable explicative est mesurée avec erreurs.
A) une multicolinéarité.
B) un biais dans l’estimateur MCO.
C) une perte d’efficacité de l’estimateur MCO.
D) une autocorrélation dans les erreurs.
A) plus grand que sa vraie valeur.
B) plus petit que sa vraie valeur.
C) plus proche de zéro que sa vraie valeur.
D) plus proche de l’infini en valeur absolue que sa vraie valeur.
A) une variable corrélée avec l’erreur mais non corrélée avec la variable explicative.
B) une variable non corrélée avec l’erreur et non corrélée avec la variable explicative.
C) une variable corrélée avec l’erreur et corrélée avec la variable explicative.
D) une variable non corrélée avec l’erreur et corrélée avec la variable explicative.
101.La matrice des instruments a :
A) autant de colonnes que la matrice des régresseurs.
B) au moins autant de colonnes que la matrice des régresseurs.
C) moins de colonnes que la matrice des régresseurs.
D) Au plus autant de colonnes que la matrice des régresseurs.
102.Les hypothèses 𝝸(′𝜺) = 𝟎 sont appelées :
A) des conditions d’espérance.
B) des conditions de nullité.
C) des conditions d’identification.
D) des conditions d’orthogonalité.
103.Qui a développé la méthode des doubles moindres carrés ?
A) Henri Theil.
B) James Durbin.
C) Philip Wright.
D) Jerry Hausman.
104.L’estimateur des doubles moindres carrés est la solution du problème :
A) min 𝜺′(′)′𝜺.
B) min 𝜺′′𝜺.
C) min 𝜺′(𝑿′𝑿)−1′𝜺.
D) min 𝜺′(′)−1′𝜺.
105.Si les erreurs ont une matrice de variance-covariance de la forme 𝝸(′𝜺) = 𝟎, la matrice de variance-covariance de l’estimateur par variables instrumentales est :
A) (′𝑿)−1(′𝛀)(′𝑿)−1.
B) (′𝛀)−1.
C) [(𝑿′)(′)−1(𝑿′)]−𝟝.
D) [(𝑿′)(′𝛀)−1(𝑿′)]−𝟝
106.L’estimateur des doubles moindres carrés revient à :
A) régresser la variable dépendante sur les variables explicatives.
B) régresser la variable explicative endogène sur les variables exogènes.
C) régresser la variable dépendante sur les variables explicatives projetées sur les variables exogènes.
D) régresser la variable dépendante sur les variables explicatives exogènes.
107.Sous les hypothèses 𝑝𝑙𝑖𝑚(′𝜺⁄𝑝) = 0 et 𝑝𝑙𝑖𝑚(′𝑿⁄𝑝) = 𝑴𝑝𝑋 ≠ 0, l’estimateur des doubles moindres carrés est :
A) endogène
B) convergent.
C) sans biais.
D) non convergent.
A) l’hétéroscédasticité.
B) la convergence des estimateurs.
C) l’endogénéité des régresseurs.
D) La multicolinéarité des régresseurs.
109.Dans le test de Hausman, la matrice de variance-covariance de la différence des deux estimateurs s’écrit :
A) 𝑉(𝛽𝑀𝝶𝑂 − 𝛽𝑉𝝼) = 𝑉(𝛽𝑉𝝼) − 𝑉(𝛽𝑀𝝶𝑂).
B) 𝑉(𝛽𝑀𝝶𝑂 − 𝛽𝑉𝝼) = 𝑉(𝛽𝑀𝝶𝑂) − 𝑉(𝛽𝑉𝝼).
C) 𝑉(𝛽𝑀𝝶𝑂 − 𝛽𝑉𝝼) = 𝑉(𝛽𝑀𝝶𝑂) + 𝑉(𝛽𝑉𝝼).
D) 𝑉(𝛽𝑀𝝶𝑂 −𝛽𝑉𝝼)=𝑉(𝛽𝑀𝝶𝑂)+𝑉(𝛽𝑉𝝼)−2𝝶𝑜𝑣(𝛽𝑀𝝶𝑂 ,𝛽𝑉𝝼).
110.Un instrument faible :
A) entraîne une faible convergence de l’estimateur par variables instrumentales
B) rend l’estimateur par variables instrumentales moins efficace.
C) implique une faiblesse du biais de l’estimateur par variables instrumentales
D) affaiblit la corrélation entre la variable dépendante et la variable explicative endogène.
{"name":"Econometrie TD 9", "url":"https://www.quiz-maker.com/QPREVIEW","txt":"Welcome to our comprehensive econometrics quiz designed to challenge your understanding of temporal regression models, their assumptions, and effect analysis. Whether you're brushing up on your knowledge or preparing for an exam, this quiz has something for everyone.Test your skills with questions covering:Statistical modeling conceptsEstimation methodsImpulse response functionsDynamic models analysis","img":"https:/images/course4.png"}