Aide mémoire GRETL
ols x1 x2 x3 ... Estime par la méthode des moindres scalar b3chap = $coeff[3]
carrés ordinaires le modèle de régression constitué de
la variable expliquée x1 et des variables explicatives $stderr contient les écart-types estimés des coeffi-
x2 x3 .... cients du dernier modèle de régression estimé. $st-
Ex : si la variable expliquée se nomme y et la variable ex- derr[i] contient l’écart-type estimé du ième coeffi-
plicative x, l’estimation d’un modèle avec constante s’ob- cient. Syntaxe similaire à $coeff[].
tient par :
$sigma contient l’estimation de l’écart-type du terme
ols y const x
d’erreur du dernier modèle estimé.
puisque Le régresseur constant est automatiquement gé- $ess contient la somme des carrés des résidus du
néré lors de la lecture d’une base de données et qu’il se dernier modèle estimé.
nomme const.
$uhat contient les résidus du dernier modèle estimé.
scalar var1 = expr1 Sert à définir une nouvelle va-
riable scalaire var1 à partir d’une expression algé- $nobs contient le nombre d’observations utilisées
brique fonction d’autres variables scalaires existantes. pour la dernière estimation.
Les opérateurs standards (+,-,*,/) sont utilisables
ainsi que log(), sqrt(), abs(), exp(), sin(), ... $ncoeff contient le nombre de régresseurs du der-
Ex : soit trois variables x,y,z, la ligne qui suit : nier modèle estimé.
scalar w = x-z+sqrt(y) $rsq contient le coefficient de détermination du der-
nier modèle estimé.
affecte à la variable w la somme de x et de la racine car-
rés de y moins z. $vcv contient la matrice de variance-covariance des
estimateurs des coefficients du dernier modèle estimé.
genr var1 = expr1 similaire à l’instruction scalar
mais s’applique à des vecteurs colonnes qui repré- $df contient le nombre de degrés de liberté du der-
sentent des séries d’observations. Les opérations sont nier modèle estimé.
effectuées élément par élément. Ainsi : $aic contient la valeur du critère de Akaike dernier
genr w = x/y modèle estimé.
détermine une nouvelle série w dont les éléments pro- obs représente de manière générique l’indice d’une
viennent de la division élément par élément de x par observation de la base de données. Cette variable peut
y. être utilisée pour construire des variables indicatrices
qui dépendent de cet indice :
matrix var1 = expr1 similaire à l’instruction genr
genr d10 = (obs<=10)
mais s’applique à des vecteurs et matrices en res-
pectant les règles du calcul matriciel. Les opérations est une indicatrice des 10 premières observations de
usuelles (+-,*) sont disponibles. L’inversion s’obtient l’échantillon.
avec inv(). La transposition en faisant suivre la ma-
trice de l’apostrophe. critical(loi, param, proba) est une fonction qui dé-
termine pour une loi de probabilités particulière (loi=t
matrix beta=inv(x’x)*x’y (Student), n (Normale), c (Chi-deux), f (Fisher)) la va-
calcule l’estimateur des MCO. leur critique à droite de la distribution qui correspond
à la probabilité proba pour les paramètres param.
$yhat contient les valeurs ajustées de la variable ex-
pliquée du dernier modèle de régression estimé avec scalar a= critical(t,25,0.025)
la commande ols.
détermine pour une loi de Student à 25 degrés de li-
$coeff contient les estimations des coefficients du berté, la valeur a telle que la probabilité que la va-
dernier modèle de régression estimé avec la com- riable aléatoire correspondante prenne une valeur su-
mande ols. $coeff[i] contient l’estimation du ième co- périeure est égale à 0, 025.
efficient de la régression.
Ex : Pour sauvegarder le troisième coefficient et le réuti- print var1 var2 ... affiche le contenu des variables
liser par la suite : spécifiées.
