Skip to content

Instantly share code, notes, and snippets.

@pachevalier
Last active January 9, 2018 10:14
Show Gist options
  • Save pachevalier/8bcbb402e895c2d396ddf19db83cf291 to your computer and use it in GitHub Desktop.
Save pachevalier/8bcbb402e895c2d396ddf19db83cf291 to your computer and use it in GitHub Desktop.

Problème

y : la part de vote en faveur du candiat A au second tour x_1 : la part de vote en faveur du candidat A au premier tour x_2 : la part de vote en faveur du candidat B au premier tour x_3 : la part de vote en faveur du candidat C au premier tour

On sait que $\sum_k x_k = 1$

On a donc une relation de colinéarité entre les variables explicatives.

Dans ce cas, on retire une variable explicative.

Prenons x_3

On écrit le modèle :

$$ y = \beta_0 + \beta_1 x_1 + \beta_2 x_2 + u $$

Comment interpréter les coefficients ?

En fait le problème c'est de savoir quelle est la question qu'on se pose. Ce que Gary King appelle la quantité d'intérêt.

Q1 : Quel est l'effet sur y d'une augmentation de 1 point de la part de vote du candidat 1 au premier tour

-> Cette question n'a pas de sens en soi. Il faut préciser si cette augmentation se fait au détriment du candidat B, du candidat C ou des deux.

Q2 : Quel est l'effet sur y d'une augmentation de 1 point de la part de vote du candidat A au détriment du candidat B :

-> Ce sera très clairement \beta_1 - \beta_2

Q3 : Quel est l'effet sur y d'une augmentation de 1 point de la part de vote du candidat A au détriment du candidat C :

-> Ce sera : \beta_1

Q4 : Quel est l'effet sur y d'une augmentation de 1 point de la part de vote du candidat A au détriment des candidats B et C :

-> Ce sera : \beta_1 - 1/2 \beta_2

Sign up for free to join this conversation on GitHub. Already have an account? Sign in to comment