v Stationnarité des données
utilisées et test de cointégration
-Test de racine unitaire : c'est le test de
DICKEY-FULLER Augmented (ADF) qui est utilisé pour vérifier la
stationnarité des séries à partir du logiciel EVIEWS 5.1.
L'intérêt de la condition de stationnarité est que l'effet
produit par un choc sur une série non stationnaire est transitoire. Et,
dans ce cas, il devient difficile de cerner l'effet d'une série sur les
variations d'une autre qui est non stationnaire. Ce qui conduit à des
régressions fallacieuses (« spurious regressions ») pour des
modèles comportant des séries non stationnaires.
-Test de cointégration : lorsque les
séries ne sont pas stationnaires, il y a présomption de
cointégration qu'on vérifie par le test de cointégration
de Johansen .Si les séries sont cointégrées, un
modèle de correction d'erreur est spécifié. Ce dernier
traduira la dynamique de court terme alors que le modèle initial sera
celui d'un équilibre de long terme.
-Test de RAMSEY : l'objet de ce test
est de voir si le modèle souffre de l'omission d'une ou plusieurs
variables pertinentes en introduisant une variable fictive. Ce test consiste
à vérifier la significativité du modèle à
travers l'effet de la variable fictive introduite. Si elle n'est pas
significative, alors la spécification du modèle est
complète ; c'est-à-dire que le modèle a pris en compte
toutes les variables pertinentes qui expliquent la variable dépendante.
Mais, si la variable fictive est significative, alors des variables
susceptibles d'influencer les variations de la variable dépendante
seront introduites.
-Tests de validation du modèle
:
L'estimation par les MCO se fonde sur des hypothèses
fondamentales.
Des tests de validation devront donc être
effectués avant d'interpréter les valeurs des coefficients. Il
s'agit de:
-La statistique R2 pour la qualité de la
régression.
-Le test de BREUSCH-GODFREY. Pour
vérifier si les erreurs sont autocorrélées ou non, nous
avons réalisé le test de Breusch-Godfrey. La statistique de
Breusch-Godfrey, donnée par BG = n.R2 suit un khi-deux à p
degré de liberté, avec :
p : nombre de retard des résidus
n : nombre d'observations
R2 : coefficient de détermination.
Réalisé et soutenu par.41NO`U3vlENO'l
ypolite ! OW~".TVR#N Jvf$ %éliicien Page 27
.Analyse de Cimpact des investissements publics dans Ce
secteur agricole sur Ça croissance
économique au
Bénin
L'hypothèse de non corrélation des erreurs est
acceptée si la probabilité est supérieure à 5% ou
si n.R2 < chi-deux lu ; l'auto corrélation est aussi
vérifiée par le corrélogramme des erreurs. Les erreurs ne
sont pas auto corrélées si elles sont dans le
corrélogramme
-Le test d'homoscédasticité de WHITE
permet de voir si la variance du terme d'erreur est une constante ou
non. Les erreurs sont homoscédastiques si la Probabilité de la
statistique de Fischer est supérieures à 5%
-Le test de FISCHER permet de voir si le
modèle est globalement significatif ou non. Le modèle est
significatif au seuil de 5% si la probabilité de la statistique de
Fischer est inférieure à 5%
-Le test de normalité de JARQUE-BERA
vérifie la normalité d'une distribution statistique. Il
y a normalité quand Jarque BERA est inférieur à 5,99
où quand sa probabilité est supérieure à 5%.
-Le test de stabilité de CUSUM et
CUSUM CARRÉ vérifient la stabilité du
modèle estimé. Il ya stabilité quand les courbes ne
sortent pas du corridor.
-Le test de Prévision (Theil) pour
apprécier le pouvoir prédictif du modèle. Le modèle
est utilisable à des fins de prévision si la statistique de Theil
est très proche de zéro.
Réalisé et soutenupar .T1NOWJvfENOW
3-(ypolite & 3-(OWNX.TNRIN Jvf. gélicien Page 28
.Tnalyse de l~impact des investissements
publics dans le secteur agricole sur la croissance
économique au
Bénin
