5.1.3.3. Anticipations théoriques sur les
signes des paramètres
On s'attend à ce que :
- B30, c'est-à-dire que le prix baisse quand les
quantités offertes augment et inversement ;
- B40, c'est-à-dire que le prix augmente quand les
coûts de transport augmentent ;
- á30, l'offre du bétail augmente quand le prix
augmente ;
- á40, l'offre de bétail augmente quand la
pluviométrie est mauvaise (Quand la pluviométrie est mauvaise,
par anticipation sur le manque d'eau en saison sèche , les producteurs
vendent leurs bétails) ;
- u30, le coût d'exportation baisse quand la
quantité transportée augmente ;
- (u1, á1, B1), mathématiquement ce sont les
valeurs respectives de (Ci, Qi, Pi) quand toutes les autres variables
explicatives sont nulles. Les conditions posées par ces
paramètres sont irréalisables ; de ce fait (u1, á1,
B1) n'ont pas de significations particulières ;
- Le signe de u4 dépend du moyen de transport ;
s'il est négatif, il est préférable d'utiliser le
train ;
- (B2, á2)0, c'est-à-dire que la crise joue
négativement sur le prix et les quantités offertes ;
- u20, la présence de la crise fait accroître les
coûts d'exportation.
Toutes ces interprétations sont faites sous
l'hypothèse cetéris paribus, c'est-à-dire que seule la
variable considérée varie, toutes les autres variables restant
constantes.
5.1.3.4. Interprétation statistique et
économétrique
Il s'agira de tester la signification individuelle des
paramètres estimés dans un premier temps, afin de pouvoir
apprécier si telle ou telle autre variable explicative a une influence
(paramètre associé significativement différent de
zéro) ou explique bel et bien la variable objectif. Ces
différents tests se feront à l'aide de la statistique de student
(n-k) degré de liberté (k
étant le nombre de paramètres estimés et
n le nombre d'années retenues).
Dans un second temps nous testerons la signification
d'ensemble de chaque équation du modèle par le biais de la
statistique de Fisher (k-1 ; n-k) degré de
liberté.
5.1.3.5. Effets marginaux partiels
Dans le cas où le test individuel des
paramètres montre que ces paramètres sont significativement
différents de zéro et que le test d'ensemble révèle
qu'au moins un des paramètres est différent de zéro, on
pourra affirmer que le modèle a un pouvoir explicatif des variables
endogènes. On peut alors considérer chaque paramètre
(associé à une variable explicative) estimé comme l'effet
marginal partiel de cette variable sur la variable endogène. Autrement
dit, quand la variable Xi varie d'une unité de X, toutes les autres
variables explicatives restant constantes, la variable expliquée Yi
varie de bi unités de Yi
| 
