Calcul de la statistique TR²
Utilisez ce calculateur premium pour obtenir rapidement la statistique TR², comparer le résultat à une valeur critique du khi-deux et interpréter un test LM d’hétéroscédasticité, d’autocorrélation ou de spécification.
Calculatrice interactive TR²
Rappel : dans de nombreux tests du multiplicateur de Lagrange, la statistique s’écrit TR², où T est le nombre d’observations et R² provient de la régression auxiliaire. Sous l’hypothèse nulle, TR² suit asymptotiquement une loi du khi-deux avec q degrés de liberté.
Guide expert du calcul de la statistique TR²
La statistique TR² occupe une place importante en économétrie appliquée, en particulier dans la famille des tests du multiplicateur de Lagrange, souvent abrégés tests LM. En pratique, on la rencontre dans les tests d’hétéroscédasticité de Breusch-Pagan, dans certaines versions du test de White, dans des tests d’autocorrélation de type Breusch-Godfrey et dans plusieurs procédures de diagnostic de spécification. Son intérêt est simple : elle permet de transformer l’information contenue dans une régression auxiliaire en une statistique de test facile à interpréter. Le principe est souvent résumé par une formule très compacte, TR², où T représente la taille de l’échantillon et R² le coefficient de détermination de la régression auxiliaire.
Derrière cette écriture concise se cache une logique statistique puissante. Après avoir estimé un modèle principal, l’analyste construit une régression auxiliaire destinée à détecter une structure particulière dans les résidus : variance non constante, dépendance sérielle, omission de variables explicatives pertinentes ou autre défaut de spécification. Le R² issu de cette régression auxiliaire mesure la part de variation expliquée dans le schéma testé. En multipliant ce R² par le nombre d’observations T, on obtient une statistique qui, sous l’hypothèse nulle, suit asymptotiquement une loi du khi-deux avec un nombre de degrés de liberté égal au nombre de restrictions testées.
Dans la pratique professionnelle, bien calculer TR² est essentiel, mais bien l’interpréter l’est encore plus. Une valeur élevée ne signifie pas automatiquement que le modèle est mauvais dans l’absolu. Elle indique plutôt que les données fournissent des éléments contre l’hypothèse nulle étudiée. Si, par exemple, l’hypothèse nulle affirme l’homoscédasticité, un TR² supérieur à la valeur critique du khi-deux conduit à rejeter cette hypothèse et à conclure qu’une hétéroscédasticité est plausible. Le diagnostic implique alors souvent l’utilisation d’écarts-types robustes, voire une re-spécification du modèle.
Formule de calcul de la statistique TR²
La formule de base est la suivante :
Cette relation n’est valide que si le R² utilisé provient bien de la régression auxiliaire adaptée au test considéré. Dans un test de Breusch-Pagan, on régressse en général les résidus au carré, ou une transformation équivalente, sur les variables explicatives du modèle initial. Dans un test de White, on enrichit souvent cette régression avec des carrés et des termes croisés. Dans un test de Breusch-Godfrey, on travaille avec des résidus retardés et les variables explicatives originales. La structure de la régression auxiliaire change donc selon le diagnostic recherché, mais le calcul final de la statistique TR² reste remarquablement stable.
Comment utiliser ce calculateur
- Saisissez la taille de l’échantillon T, c’est-à-dire le nombre d’observations valides utilisées dans votre estimation.
- Saisissez le R² de la régression auxiliaire. Vous pouvez l’entrer en format décimal, comme 0,12, ou en pourcentage, comme 12.
- Choisissez le nombre de degrés de liberté correspondant au nombre de restrictions ou de variables testées dans le cadre de votre test LM.
- Sélectionnez le niveau de signification souhaité, par exemple 5 %.
- Cliquez sur le bouton de calcul pour obtenir la statistique TR², la valeur critique du khi-deux et une interprétation automatique.
Le calculateur ci-dessus est conçu pour des usages courants de diagnostic économétrique. Il fournit une lecture rapide et opérationnelle de la significativité du test. Pour un rapport académique ou une note technique, vous pouvez reprendre directement la valeur de TR², préciser les degrés de liberté, indiquer le seuil de décision et formuler la conclusion du test.
Pourquoi la comparaison avec le khi-deux est fondamentale
Sous l’hypothèse nulle et pour un échantillon suffisamment grand, la statistique TR² suit approximativement une loi du khi-deux. Cela permet une règle de décision standard : si TR² est supérieure à la valeur critique de la loi du khi-deux au seuil retenu et pour le bon nombre de degrés de liberté, on rejette l’hypothèse nulle. Dans le cas contraire, on ne la rejette pas. Cette logique est analogue à de nombreux tests statistiques, mais elle est particulièrement pratique ici parce que le calcul final ne dépend que de T, de R² et du nombre de restrictions.
En économétrie appliquée, les praticiens apprécient la statistique TR² parce qu’elle est simple à obtenir et qu’elle s’intègre facilement aux logiciels d’estimation. De nombreux logiciels affichent directement la version LM ou des statistiques équivalentes, mais savoir reconstruire TR² reste utile pour vérifier une sortie, documenter un calcul ou enseigner la logique d’un test.
Tableau comparatif des valeurs critiques du khi-deux
Le tableau suivant présente des valeurs critiques fréquemment utilisées de la loi du khi-deux. Ces statistiques sont standard et servent de repères pratiques pour l’interprétation de la statistique TR².
| Degrés de liberté | Valeur critique à 10 % | Valeur critique à 5 % | Valeur critique à 1 % |
|---|---|---|---|
| 1 | 2.706 | 3.841 | 6.635 |
| 2 | 4.605 | 5.991 | 9.210 |
| 3 | 6.251 | 7.815 | 11.345 |
| 4 | 7.779 | 9.488 | 13.277 |
| 5 | 9.236 | 11.070 | 15.086 |
| 6 | 10.645 | 12.592 | 16.812 |
| 7 | 12.017 | 14.067 | 18.475 |
| 8 | 13.362 | 15.507 | 20.090 |
| 9 | 14.684 | 16.919 | 21.666 |
| 10 | 15.987 | 18.307 | 23.209 |
Exemples chiffrés de calcul et d’interprétation
Pour bien comprendre la mécanique, observons quelques cas concrets. Supposons un test LM fondé sur une régression auxiliaire avec R² = 0,12 et un échantillon de T = 120 observations. Le calcul donne TR² = 120 × 0,12 = 14,4. Si vous avez 2 degrés de liberté et un seuil de 5 %, la valeur critique est 5,991. Comme 14,4 est largement supérieur à 5,991, vous rejetez l’hypothèse nulle. Le diagnostic testé est donc statistiquement significatif.
À l’inverse, avec T = 80 et R² = 0,03, on obtient TR² = 2,4. Si le test comporte 2 degrés de liberté au seuil de 5 %, 2,4 reste inférieur à 5,991. On ne rejette donc pas l’hypothèse nulle. Cela ne prouve pas qu’elle est vraie de manière absolue, mais cela signifie qu’on ne dispose pas d’assez d’éléments empiriques pour l’écarter au seuil choisi.
| Cas | T | R² auxiliaire | TR² | ddl | Seuil | Valeur critique | Décision |
|---|---|---|---|---|---|---|---|
| A | 60 | 0.04 | 2.40 | 2 | 5 % | 5.991 | Ne pas rejeter H0 |
| B | 120 | 0.12 | 14.40 | 2 | 5 % | 5.991 | Rejeter H0 |
| C | 200 | 0.05 | 10.00 | 3 | 5 % | 7.815 | Rejeter H0 |
| D | 150 | 0.06 | 9.00 | 4 | 10 % | 7.779 | Rejeter H0 |
| E | 90 | 0.05 | 4.50 | 2 | 10 % | 4.605 | Ne pas rejeter H0 |
À quoi correspond exactement le R² utilisé ?
Une source fréquente d’erreur consiste à utiliser le R² du modèle principal au lieu du R² de la régression auxiliaire. Pour calculer TR² correctement, vous devez récupérer le coefficient de détermination de la régression spécifiquement construite pour le test LM. Le modèle principal sert à produire les résidus ou les composantes nécessaires, mais ce n’est pas son R² qui intervient dans la formule. Cette distinction est capitale, car elle conditionne la validité entière du test.
- Dans un test de Breusch-Pagan, le R² provient de la régression auxiliaire liée aux résidus au carré.
- Dans un test de White, le R² provient d’une régression auxiliaire enrichie incluant généralement carrés et interactions.
- Dans un test de Breusch-Godfrey, le R² provient d’une régression auxiliaire intégrant des résidus retardés.
- Dans d’autres tests LM, le même schéma s’applique : il faut toujours isoler la régression auxiliaire appropriée.
Interprétation économique et non seulement statistique
Un test significatif indique la présence probable d’un problème de structure dans le modèle. Toutefois, l’analyste ne doit pas s’arrêter à la significativité. Il convient d’évaluer la portée économique du diagnostic. Une hétéroscédasticité détectée n’affecte pas toujours la cohérence des estimateurs MCO, mais elle altère souvent la validité des écarts-types classiques. Une autocorrélation détectée dans des données temporelles peut signaler une dynamique omise ou une mauvaise spécification des retards. Un résultat significatif doit donc déboucher sur une action méthodologique : robustification de l’inférence, ajout de variables, transformation des séries, correction des erreurs standards ou choix d’une nouvelle famille de modèles.
Erreurs fréquentes à éviter
- Confondre le R² du modèle principal avec le R² de la régression auxiliaire.
- Utiliser une taille d’échantillon brute alors que certaines observations ont été perdues à cause de valeurs manquantes ou de retards.
- Choisir un nombre de degrés de liberté incorrect.
- Interpréter un non-rejet de l’hypothèse nulle comme une preuve définitive d’absence de problème.
- Oublier que l’approximation khi-deux est asymptotique et devient plus fiable quand l’échantillon est suffisamment grand.
Quand la statistique TR² est-elle la plus utile ?
La statistique TR² est particulièrement utile dans les situations où l’on souhaite un test simple, transparent et rapide à documenter. Dans les mémoires, articles et audits économétriques, elle permet de résumer efficacement le résultat d’un test LM. Elle est aussi précieuse dans l’enseignement, car elle montre clairement la passerelle entre qualité d’ajustement d’une régression auxiliaire et décision statistique formelle. Enfin, en environnement professionnel, elle constitue un excellent outil de contrôle qualité des sorties logicielles.
Ressources académiques et institutionnelles recommandées
Pour approfondir la logique des tests, la distribution du khi-deux et les diagnostics économétriques, vous pouvez consulter des sources fiables et reconnues :
- NIST Engineering Statistics Handbook (.gov)
- Penn State Online Statistics Program (.edu)
- Department of Statistics, University of California Berkeley (.edu)
Conclusion
Le calcul de la statistique TR² est simple en apparence, mais sa bonne utilisation exige de la rigueur. Il faut identifier correctement la régression auxiliaire, récupérer le bon R², utiliser la taille d’échantillon effective et comparer le résultat à une valeur critique du khi-deux adaptée au nombre de degrés de liberté. Une fois ces étapes respectées, TR² devient un instrument très efficace pour diagnostiquer les défauts de spécification d’un modèle économétrique.
En résumé, si vous connaissez T et le R² auxiliaire, vous pouvez obtenir immédiatement la statistique TR². Ensuite, la comparaison à la loi du khi-deux vous indique si l’hypothèse nulle doit être rejetée. Ce calculateur vous aide à faire ce travail en quelques secondes, tout en gardant une présentation claire, exploitable et adaptée à une utilisation académique ou professionnelle.