4.7.2.4.3.2. Test de l'ensemble des
paramètres (Fisher)
Ce test permet de voir la significativité de la
régression afin de voir si au moins une des variables agit de
façon significative sur la variable dépendante. En ce sens, la
valeur de F calculée est comparée à la valeur de F
tabulée.
Ce test permet de s'interroger sur la signification globale du
modèle i.e. si l'ensemble des variables explicatives a une influence sur
la variable expliquée. Il est égal au rapport de la variance
expliquée à la variance inexpliquée ; il obéit
à la loi de distribution de Fisher-Snedecor qu'on appelle distribution
de F avec k-1 et n-k degré de liberté.
n étant le nombre d'observations et k, le nombre de
paramètres estimés. Fk-1,n-k =  
Critère de décision : Si F
calculée > F tabulée, l'hypothèse nulle (H0)
est rejetée ; ceci veut dire que les paramètres ne sont pas
tous nuls et que R2 est significativement différent de 0.
4.7.2.4.3.3. Test de détection
d'hétéroscédasticité (White)
L'hétéroscédasticité des erreurs
signifie que les variances des erreurs ne sont plus constantes. Pour tester son
existence, on utilise le test de White qui sera réalisé en
utilisant le logiciel Evews. Ce test est fondé sur un test de Fisher
classique.
Critère de décision : si LM
> ÷2(n) à k-1 degré de liberté lu dans
la table au seuil de signification 0.05, on rejette H0. Ceci veut
dire qu'il existe au moins un coefficient non nul.
4.7.2.4.3.4. Test de normalité
des résidus (Shapiro-Wilk)
Le test de normalité des résidus a pour but de
vérifier que les estimateurs sont assez proches de la
réalité et qu'ils sont efficaces. Pour y parvenir, on utilise le
test de Shapiro-Wilk réalisé à l'aide du logiciel SPSS.
La statistique de Shapiro-Wilk (W) sera comparée
à une valeur théorique W1-á,n trouvée dans la table
de Wilk au seuil de signification de 5%.
Critère de décision :
On accepte l'hypothèse nulle selon laquelle la
distribution des résidus suit la loi normale
Si   , Avec n la taille de l'échantillon et á le seuil de
signification égal à 5%.
| 
