commit fbfcde34565ab7e01c0fd1bb93ea35801b55f941 Author: Adrien VALLETTE Date: Wed Oct 21 10:47:35 2026 +0200 Téléverser les fichiers vers "td4" diff --git a/td4/TD4_script.R b/td4/TD4_script.R new file mode 100644 index 0000000..180c00a --- /dev/null +++ b/td4/TD4_script.R @@ -0,0 +1,206 @@ +#----------------------------------------------------------# +#--- TD4 : regressions sur donnees reelles, biais de ------# +#--- variable omise, tests ------# +#----------------------------------------------------------# + +library(haven) # read_dta : lire les fichiers Stata (.dta) +library(estimatr) # lm_robust : regression + se robustes +library(car) # linearHypothesis : tests de Wald +library(lmtest) # coeftest : test sur un coefficient +library(ggplot2) # graphiques + +# Parametres ---- +dossier <- "td4/" # dossier des fichiers .dta (a adapter) +se_type <- "HC0" # se robuste du cours ; "stata" = HC1, + # chiffres du corrige commun + +#----------------------------------------------------------# +#--- Exercice 1 : le sommeil et le tennis -----------------# +#----------------------------------------------------------# + +tennis <- read_dta(file.path(dossier, "Tennis-Sleep.dta")) + +# ---------- Q1 : statistiques descriptives ---------------- + +# (la colonne Date est du texte : on la retire) +summary(tennis[, -1]) + +# P1 contre P2 : jeux gagnes, sommeil, alcool (moyennes) +data.frame(joueur = c("P1", "P2"), + jeux = c(mean(tennis$GamesP1), mean(tennis$GamesP2)), + sommeil = c(mean(tennis$SleepP1), mean(tennis$SleepP2)), + alcool = c(mean(tennis$AlcoholP1), + mean(tennis$AlcoholP2))) + +# ---------- Q2 : DifgamesP1P2 sur SleepP1 ----------------- + +reg1 <- lm_robust(DifgamesP1P2 ~ SleepP1, data = tennis, + se_type = se_type) +summary(reg1) + +# Memes tests avec la loi normale du cours +# (summary affiche des p-valeurs de Student : meme conclusion) +coeftest(reg1, df = Inf) + +# ---------- Q3 : signe du biais de variable omise --------- + +# Cours (chap. 1, prop. 4) : beta_court = beta_long + lambda * beta_G +# lambda = coef. de SleepP1 dans la regression de AlcoholP1 sur SleepP1 +lambda <- coef(lm(AlcoholP1 ~ SleepP1, data = tennis))["SleepP1"] +c(correlation = cor(tennis$SleepP1, tennis$AlcoholP1), + lambda = unname(lambda)) + +# ---------- Q4 : on ajoute AlcoholP1 ---------------------- + +reg2 <- lm_robust(DifgamesP1P2 ~ SleepP1 + AlcoholP1, + data = tennis, se_type = se_type) +summary(reg2) + +# La formule du cours est exacte sur l'echantillon +biais <- lambda * coef(reg2)["AlcoholP1"] +c(beta_court = unname(coef(reg1)["SleepP1"]), + beta_long = unname(coef(reg2)["SleepP1"]), + biais = unname(biais)) + +# ---------- Q5 : SleepP2 et AlcoholP2 --------------------- + +# Peu correlees avec SleepP1 et AlcoholP1 : pas de biais +round(cor(tennis[, c("SleepP1", "AlcoholP1", + "SleepP2", "AlcoholP2")]), 2) + +# ---------- Q6 : regression complete ---------------------- + +reg3 <- lm_robust(DifgamesP1P2 ~ SleepP1 + AlcoholP1 + + SleepP2 + AlcoholP2, + data = tennis, se_type = se_type) +summary(reg3) +coeftest(reg3, df = Inf) + +# Test de significativite globale : les 4 coefficients sont nuls +linearHypothesis(reg3, c("SleepP1 = 0", "AlcoholP1 = 0", + "SleepP2 = 0", "AlcoholP2 = 0"), + test = "Chisq") + +# Le coefficient de SleepP1 selon les variables incluses +modeles <- list("SleepP1 seul" = reg1, + "+ AlcoholP1" = reg2, + "+ SleepP2, AlcoholP2" = reg3) +coef_sleep <- data.frame( + modele = factor(names(modeles), levels = rev(names(modeles))), + coef = sapply(modeles, function(m) coef(m)["SleepP1"]), + se = sapply(modeles, function(m) m$std.error["SleepP1"])) + +ggplot(coef_sleep, aes(x = coef, y = modele)) + + geom_vline(xintercept = 0, linetype = "dashed") + + geom_pointrange(aes(xmin = coef - 1.96 * se, + xmax = coef + 1.96 * se)) + + labs(title = expression("Coefficient de " * SleepP1 * + " et intervalle de confiance a 95 %"), + x = "Effet d'une heure de sommeil de P1 (en jeux)", + y = NULL) + + theme_minimal() + +# ---------- Q7 : meme effet du sommeil pour les deux ------ + +# H0 : beta1 = - beta3, soit R beta0 = 0 avec R = (0, 1, 0, 1, 0) +R <- c(0, 1, 0, 1, 0) +b <- 0 +linearHypothesis(reg3, hypothesis.matrix = R, rhs = b, + test = "Chisq") + +# Autre methode : theta = beta1 + beta3 devient un coefficient +# y = b0 + theta x1 + b2 x2 + g (x1 - x3) + b4 x4, avec g = - beta3 +tennis$DifsleepP1P2 <- tennis$SleepP1 - tennis$SleepP2 +reg3_bis <- lm_robust(DifgamesP1P2 ~ SleepP1 + DifsleepP1P2 + + AlcoholP1 + AlcoholP2, + data = tennis, se_type = se_type) +summary(reg3_bis) + +# Le test de H0 : theta = 0 est le test de SleepP1 (loi normale) +coeftest(reg3_bis, df = Inf)["SleepP1", ] + +#----------------------------------------------------------# +#--- Exercice 2 : les prix des logements ------------------# +#----------------------------------------------------------# + +hprice <- read_dta(file.path(dossier, "hprice1.dta")) + +# ---------- Q0 : statistiques descriptives ---------------- + +# price et assess en milliers de $, sqrft et lotsize en pieds carres +summary(hprice[, c("price", "assess", "bdrms", "lotsize", "sqrft")]) + +# ---------- Q1-Q2 : l'evaluation est-elle rationnelle ? --- + +# price = b0 + b1 assess + u ; H0 : b0 = 0 et b1 = 1 +reg_prix <- lm_robust(price ~ assess, data = hprice, + se_type = se_type) +summary(reg_prix) + +# Test joint : R = I2, b = (0, 1)' +R <- diag(2) +b <- c(0, 1) +linearHypothesis(reg_prix, hypothesis.matrix = R, rhs = b, + test = "Chisq") + +# Tests simples (pour une egalite : Chisq = z^2) +linearHypothesis(reg_prix, "(Intercept) = 0", test = "Chisq") +linearHypothesis(reg_prix, "assess = 1", test = "Chisq") + +# Pourquoi la difference ? Les deux estimateurs sont tres correles +V <- vcov(reg_prix) +V[1, 2] / sqrt(V[1, 1] * V[2, 2]) + +# Ellipse de confiance a 95 % pour (b0, b1) et rectangle forme +# par les deux intervalles a 95 % pris separement +centre <- coef(reg_prix) +t <- seq(0, 2 * pi, length.out = 200) +cercle <- cbind(cos(t), sin(t)) * sqrt(qchisq(0.95, df = 2)) +ellipse <- as.data.frame(sweep(cercle %*% chol(V), 2, centre, "+")) +names(ellipse) <- c("b0", "b1") +se <- sqrt(diag(V)) + +ggplot(ellipse, aes(x = b0, y = b1)) + + annotate("rect", fill = "grey85", + xmin = centre[1] - 1.96 * se[1], + xmax = centre[1] + 1.96 * se[1], + ymin = centre[2] - 1.96 * se[2], + ymax = centre[2] + 1.96 * se[2]) + + geom_path(linewidth = 1) + + annotate("point", x = centre[1], y = centre[2], size = 2) + + annotate("point", x = 0, y = 1, size = 3, colour = "red") + + annotate("text", x = 0, y = 1.03, colour = "red", + label = "H0 : (0, 1)") + + labs(title = expression("Region de confiance a 95 % pour (" * + beta[0] * ", " * beta[1] * ")"), + x = expression(beta[0]), y = expression(beta[1])) + + theme_minimal() + +# Ecart moyen evaluation - prix : la droite estimee passe par +# (assess moyen ; price moyen), l'evaluation est trop elevee +lm_robust(I(assess - price) ~ 1, data = hprice, se_type = se_type) + +# ---------- Q3 : effet d'une chambre de 150 pieds carres -- + +reg_log <- lm_robust(lprice ~ sqrft + bdrms, data = hprice, + se_type = se_type) +summary(reg_log) + +# Effet = 150 * b_sqrft + b_bdrms (modele log-niveau) +effet <- sum(c(0, 150, 1) * coef(reg_log)) +c(effet_en_log = effet, effet_en_pct = 100 * (exp(effet) - 1)) + +# ---------- Q4 : regression qui donne directement l'effet - + +# theta = 150 b1 + b2 donc b2 = theta - 150 b1 : +# lprice = b0 + b1 (sqrft - 150 bdrms) + theta bdrms + u +hprice$sqrft150b <- hprice$sqrft - 150 * hprice$bdrms +reg_theta <- lm_robust(lprice ~ sqrft150b + bdrms, data = hprice, + se_type = se_type) +summary(reg_theta) + +# Intervalle de confiance a 95 % (loi normale du cours) +theta_hat <- coef(reg_theta)["bdrms"] +se_theta <- reg_theta$std.error["bdrms"] +c(borne_basse = unname(theta_hat - 1.96 * se_theta), + borne_haute = unname(theta_hat + 1.96 * se_theta)) diff --git a/td4/Tennis-Sleep.dta b/td4/Tennis-Sleep.dta new file mode 100644 index 0000000..5ba086f Binary files /dev/null and b/td4/Tennis-Sleep.dta differ diff --git a/td4/hprice1.dta b/td4/hprice1.dta new file mode 100644 index 0000000..ba47dec Binary files /dev/null and b/td4/hprice1.dta differ