Mémoire d'économétrie: la Suède

2008/2009

Master 1 Monnaie - Banque - Finance - Assurance



Mémoire d'Econométrie

LA SUEDE

SOMMAIRE

INTRODUCTION....................................................................................3

Présentation de la Suède..........................................................................3

Présentation des variables composant le modèle économétrique...........................4

ANALYSE ECONOMETRIQUE...........................................................6

1. Choix des variables endogènes et exogènes : construction d'une base de données...6

2. Graphe des séries...............................................................................7

3. Test de Racine Unitaire....................................................................11

Le test de Dickey-Fuller.............................................................12

Le test de Dickey-Fuller Augmenté...............................................13

Le test de Durbin-Watson (auto-corrélation)....................................13

Le h de Durbin (auto-corrélation).................................................14

Le test de Ljung-Box (auto-corrélation)..........................................14

Le test de Engle-Granger (co-intégration).......................................30

4. Estimation du modèle.....................................................................33

La régression descendante.............................................................33

Le test de significativité de Student...................................................33

Les points aberrants.....................................................................37

5. Observation des propriétés des erreurs du modèle........................................39

Le test de normalité (Skewness, Kurtosis, Jarque-Bera).......................39-40

Le test d'auto-corrélation..............................................................40

Le test d'hétéroscédasticité (test de White)..........................................41

6. Observation des propriétés des coefficients du modèle.................................42

Le test de stabilité (Chow).............................................................42

Le test de co-linéarité (Belsley-Kuh et Welsh).....................................43

Conclusion.....................................................................................44

Entrées RATS................................................................................45

Sorties RATS.................................................................................50

INTRODUCTION

Presentation de la Suède

La Suède, « Royaume de Suède » pour les usages officiels, est un pays du nord de l' Europe qui fait partie de la Scandinavie. Sa capitale est Stockholm et ses 9 223 766 habitants sont appelés Suédois. La langue parlée est le suédois. Le finnois et le sami sont également parlés, principalement dans le nord du pays. Les variations régionales sont fréquentes. La Suède a une frontière avec la Norvège à l'ouest et une autre avec la Finlande au nord-est. Au sud, le Danemark, auquel le pays est relié par le pont de l'Öresund se situe à 4 km au large. Le nord de la Suède est occupé par la Laponie, appelée Sápmi par ses habitants, les Sames, qui furent les premiers habitants du nord de la Scandinavie. La Suède fait partie de l' Union européenne depuis 1995, mais pas de la zone euro. Avec ses 449 964 km², la Suède est le troisième pays le plus grand d'Europe de l'Ouest. La Suède possède de faibles densités de population, excepté dans les zones métropolitaines. Le taux d'urbanisation est de 84 % alors que les villes n'occupent que 1,3 % du territoire. La sauvegarde de l'environnement et le problème des énergies renouvelables sont généralement la priorité des politiciens, ainsi que d'une grande partie du peuple. La Suède est depuis longtemps un grand exportateur de fer, de cuivre et de bois. L'industrialisation, qui a commencé dans les années 1890, a permis à la Suède de se développer, et d'obtenir constamment de nos jours une bonne place dans les classements européens sur l'Indicateur de développement humain ( IDH). La Suède possède de grandes réserves d'eau potable, mais manque de ressources énergétiques fossiles comme le charbon ou le pétrole.

Au niveau économique, la Suède a été favorisée par la paix et la neutralité politique tout au long du XXe siècle, la population suédoise a atteint un niveau de vie enviable reposant sur les deux piliers de la haute-technologie et d'un État-providence puissant. Le pays dispose d'excellentes infrastructures de transport et de communication et d'une main d'oeuvre hautement qualifiée. Le bois, l' hydroélectricité et le fer constituent les ressources de base d'une économie orientée vers le commerce extérieur. La proportion de la population employée dans le secteur secondaire (l'industrie) était en 1960 de 43,9 % puis de 29,1 % en 1987 selon les chiffres du BIT. Suite à une crise du modèle suédois au cours des années 1990, la politique de rigueur budgétaire adoptée par le gouvernement a conduit à un excédent substantiel en 2001. Ce dernier fut réduit de moitié en 2002, en raison du ralentissement économique mondial. La banque centrale suédoise (la Riksbank) se fixe comme objectif la stabilité des prix avec une cible d'inflation à 2 %. En 2003, l'adoption de l' Euro fut rejetée dans un référendum où les opposants de l' Euro remportèrent une victoire convaincante [1]. La majorité des partis politiques fut officiellement en faveur de l'adoption. Le taux de croissance pour 2004 devrait s'élever à 3,5 %, confirmant une santé économique remarquable par rapport à la moyenne des pays de l' Union européenne. Le chômage atteint 6.2 % selon les statistiques officiels en 2008 mais serait plus proche des 15%. [2] Attention cependant, cette dernière statistique provient d'une étude qui inclue aussi les personnes pouvant travailler mais ne désirant pas forcément le faire ce qui gonfle les chiffres et va à l'encontre de la définition du chômage: "le chômage se définit comme l'état d'une personne sans emploi, apte au travail et désireuse de travailler". [3].

Parmi les entreprises suédoises, on peut citer Ericsson, Electrolux, H&M, IKEA, Saab, Scania, Tele2, Tetra Pak et Volvo.

Présentation des variables composant le modèle économétrique

Le modèle économétrique de la Suède à étudier s'articule autour de sept variables :

- Le taux d'intérêt à long terme (10 ans, par exemple), qui sera noté « TAUX_10_ANS »

- Le taux d'intérêt à court terme (3 mois, par exemple), qui sera noté « TAUX_3_MOIS »

- L'indice des prix à la consommation, qui sera noté « CPI »

- La production industrielle, qui sera notée « PRODUCTION_INDUSTRIELLE »

- Le déficit budgétaire, qui sera noté « DEFICIT »

- L'indice boursier MSCI du pays, qui sera noté « MSCI_SUEDE »

- Le taux d'intérêt à long terme US, qui sera noté « TAUX_LONG_US »

Le taux d'intérêt à long terme peut être définit comme étant le taux d'intérêt des obligations d'État ayant une échéance résiduelle d'environ 10 ans. Il ne s'agit pas des taux d'intérêt fixés lors de l'émission de ces emprunts, mais des taux d'intérêt correspondant aux cours auxquels ces obligations s'échangent sur les marchés de capitaux.

D'après la Banque de Suède, le taux d'intérêt court se définit comme étant le taux des bons du Trésor à prime d'émission à 3 mois (taux de rendement effectif des bons du Trésor à prime d'émission à 3 mois qui ont été introduits en juillet 1982).

D'après l'INSEE, l'indice des prix à la consommation peut être définit comme étant l'instrument de mesure de l'inflation. Il permet d'estimer, entre deux périodes données, la variation moyenne des prix des produits consommés par les ménages. C'est une mesure synthétique de l'évolution de prix des produits, à qualité constante.

D'après l'INSEE, l'indice de la production industrielle est un instrument statistique qui mesure les variations des quantités produites dans l' industrie. Si l'on se réfère à la classification traditionnelle des activités économiques en trois secteurs, l'indice de production industrielle se rapporte au secteur dit secondaire : usines, chantiers, mines et carrières. Les produits suivis sont situés à tous les niveaux des processus de fabrication. Ce sont des indices de Laspeyres (pondération constante) calculés par l'Insee à partir des enquêtes de branche, issues de services statistiques des ministères (Sessi, Scees, Observatoire de l'énergie), de syndicats ou d'organismes professionnels. Ces indices sont mensuels, corrigés des variations saisonnières et des jours ouvrables.

Par définition, le déficit budgétaire est la situation dans laquelle les recettes de l'État (hors remboursement d'emprunt) sont inférieures à ses dépenses (hors emprunt) au cours d'une année. C'est donc un solde négatif.

L'indice MSCI monde est Indice boursier regroupant environ 1.600 sociétés cotées dans 22 pays qui est calculé par Morgan Stanley Capital International. Le MSCI de la Suède est un indice boursier qui se base sur les meilleures entreprises suédoises (comme peut l'être le CAC 40 pour la France).

Le taux d'intérêt de long terme US a la même définition que le taux d'intérêt de long terme suédois à la différence que celui-ci se base sur les valeurs du marché américain.

Nous allons étudier un modèle économétrique via le logiciel RATS où nous prendrons le taux d'intérêt de long terme national comme variable endogène. Les autres variables (le taux d'intérêt de court terme national, l'indice des prix à la consommation, la production industrielle, le déficit budgétaire, l'indice boursier MSCI national et le taux d'intérêt de long terme US) seront prises comme les variables exogènes expliquant le modèle. Les variables possèdent des données mensuelles allant du 15 janvier 1990 au 15 septembre 2008 (soit 225 données par variable).

Ainsi, dans la suite de ce dossier, nous allons réaliser divers tests statistiques et économétriques afin de définir un modèle stable du taux long suédois.

ANALYSE ECONOMETRIQUE

TOUTES LES SORTIES RATS CONCERNANT L'ETUDE DU MODELE SE TROUVENT EN ANNEXE, AINSI, DANS CETTE PARTIE NE SE TROUVERA QUE LES RESULTATS A COMMENTER AFIN D'EXPLIQUER LE MODELE.

1. Choix des variables endogènes et exogènes : construction d'une base de données

Comme il est dit dans la consigne nous choisissons le taux long national comme variable endogène tandis que les six autres variables (le taux court national, l'indice des prix à la consommation, la production nationale, l'indice boursier MSCI national, le déficit budgétaire et le taux long américain) seront les variables exogènes au modèle.

Nous avons la possibilité de choisir les données, soit en brut, soit en log : c'est-à-dire soit dans leur forme initiale, soit sous forme logarithmique (afin de réduire quelque peu les variations et donc effacer les faibles variations en brut pour stabiliser les variables). Pour cela, nous allons effectuer une régression sur un modèle en brut et sur un modèle en log et nous comparerons les modèles à l'aide du critère de comparaison de BOX-COX qui est le s (standard error of estimate). On prendra le modèle dont le s est minimal. Il existe un autre critère de comparaison que nous pouvons utiliser qui est le R2 barre (le R2 est simplement un critère de qualité du modèle). Cependant, nous chercherons le modèle avec le R2 barre le plus élevé (on l'utilisera seulement si les s sont proches l'un de l'autre).

Mais attention cette comparaison entre un modèle linéaire et un modèle logarithmique n'est possible que sous certaines conditions :

nous devons avoir les mêmes variables explicatives dans les deux modèles

nos variables explicatives doivent être positives pour que ce test puisse s'appliquer

Ainsi, après avoir réalisé les régressions nous pouvons constater que le s du modèle linéaire est égale à 0.58485 tandis que le s du modèle logarithmique est égale à 0.43298. Nous devrions en conclure que le modèle logarithmique est le meilleur cependant, lorsque nous regardons les hypothèses sous-jacente à la comparaison des modèles, nous nous apercevons que le test n'est valable qu'à la condition que toutes les variables soient positives. Or, la série du déficit budgétaire présente bon nombre de données négatives. Nous devons conclure à l'invalidité du test et comme le modèle logarithmique ne peut contenir de variables négatives nous choisirons, par défaut, le modèle linéaire avec les données en brut. C'est un modèle linéaire car il est du type y = ax + .

Nous étudierons un modèle statique car nous ne pouvons pas utiliser un modèle autorégressif qui serait incohérent économiquement parlant, en effet nous ne pouvons pas expliquer une variation de 1% du taux long national par une variation de 1% d'une des variables de l'année précédente.

2. Graphe des séries



Nous pouvons constater que le taux d'intérêt à long terme de la Suède n'a eut de cesse de diminué entre janvier 1990 et septembre 2008, où il passe de 12,9% à 3,9%. Nous noterons qu'en 1994, le taux long (qui variait aux alentours de 7%) est remonté jusqu'à 12% environ avant de recommencer à décroître en 1996. Cette remontée peut être due à la crise du modèle suédois au cours des années 1990. A partir de 1998 jusqu'en 2008, le taux long se stabilise entre 4% et 6%.



Nous constatons que le taux d'intérêt à court terme est également en déclin entre janvier 1990 et septembre 2008 car le taux passe de 12,6741% à 4,4872%. La première moitié des années 1990 est très variable et peut s'expliquer par la crise qu'a connue la Suède durant ces années là. Puis, à partir de 1995 le taux court diminue jusqu'en 2005 ; date à laquelle le taux court de la Suède remonte pour atteindre 4,44872%.



Nous pouvons observer que la courbe d'indice des prix à la consommation de la Suède n'a eut de cesse de croître pour atteindre la valeur de 305,08 en septembre 2008 alors que l'indice n'était que de 199 en janvier 1990. On constate une augmentation supérieure à 50% en 18 ans.



A la vue de ce graphe, nous pouvons voir que la production industrielle était relativement stable entre 1990 et 1992 où le niveau de production industrielle oscille entre 60 et 70 (il était de 66,2 en janvier 1990) ; surement du au fait que la Suède était en crise à cette époque. Par la suite, le niveau de la production industrielle de la Suède ne cesse de s'accroître pour finalement parvenir à un niveau de 114,9 en septembre 2008.



En observant la courbe du déficit budgétaire entre 1990 et 2008 varie énormément et dans des proportions importantes. Le pic le plus élevé (c'est-à-dire le moment où le l'excédent fut le plus grand) se trouve en juin 2000 avec une valeur de 61483 (certainement le résultat de la politique de rigueur budgétaire), tandis que le pic le plus faible (c'est-à-dire le moment où le déficit de la Suède fut le plus élevé) se trouve en décembre 2007 avec une valeur de -84800 (explicable par le début de la crise des subprimes au niveau international).



Nous pouvons constater que l'indice boursier MSCI de la Suède a augmenté entre janvier 1990 (où l'indice est à 206,98 points) et septembre 2008 (où l'indice se cote à 821,38 points). L'indice est stable et faible durant la première moitié des années 1990 (certainement due à la crise qu'a connu la Suède à cette période). Ensuite, l'indice ne cesse de croître pour atteindre sa meilleure cotation à 1473,53 points en mars 2000 avant de connaître une lourde chute jusqu'en février 2003 (l'indice atteint la cote de 464 points). Puis l'indice MSCI remonte jusqu'en mai 2007 avant d'amorcer une nouvelle rechute (sans doute due à la crise des subprimes que nous vivons actuellement).



Le taux d'intérêt de long terme américain passe de 8,21% en janvier 1990 à 3,69% en septembre 2008. Le graphe nous montre une très forte volatilité du taux long américain avec de nombreux pics et de nombreux creux. Le plus grand pic est de 8,89% en septembre 1990 tandis que le plus grand creux est de 3,33% en juin 2003.

3. Test de Racine Unitaire

Il existe une cinquantaine de tests de racine unitaire, cependant nous ne retiendrons que les tests de Dickey-Fuller (DF) et de Dickey-Fuller Augmenté (ADF) pour détecter la présence d'une racine unitaire. Se sont des tests simples mais peu puissant (bien qu'ils soient les plus utilisés). Tout d'abord expliquons ce que sont les tests DF et ADF :

Le test de Dickey-Fuller propose d'estimer les trois modèles de base suivant :

[1] (1 - )Xt = t modèle sans tendance ni constante

[2] (1 - )(Xt - ) = t modèle sans tendance mais avec une constante

[3] (1 - )(Xt - - t) = t modèle avec une tendance et une constante

t ~ BB(0,² )

Si =1 alors la racine du polynôme rota (1-) est égale à 1. On dit alors que l'on est en présence d'une racine unitaire. Xt est un processus non stationnaire et cette non stationnarité est de nature stochastique.

(H0) =1

(Ha) <1

[1] (1 - )Xt = t

sous (H0) Xt = Xt-1 + t

sous (Ha) Xt = Xt-1 + t

[2] (1 - )(Xt - ) = t

sous (H0) Xt = Xt-1 + t

sous (Ha) Xt = Xt-1 + ? + t avec ? = (1-)

[3] (1 - )(Xt - - t) = t

sous (H0) Xt = Xt-1 + + t

sous (Ha) Xt = Xt-1 + + t + t avec = (1-) +

= (1-)

Dans un test de Dickey-Fuller il faut toujours s'assurer que t soit un bruit blanc. C'est un test de Student mais avec la tabulation de Dickey-Fuller. Il faut également s'assurer qu'il n'y a pas d'auto-corrélation des erreurs (les différents tests de l'auto-corrélation seront vus plus tard). Le test de Dickey-Fuller est un test séquentiel où l'on utilise les trois modèles pour connaître les contraintes. On commence par tester le modèle [3], puis le [2] et enfin le [1].

[3] Xt = Xt-1 + + t + t On teste si la tendance est significative

(H0) = 0 si on accepte (H0) la tendance n'est pas déterministe, on passe au modèle [2]

(Ha) ? 0 si on rejette (H0) la tendance est déterministe, on fait le test de racine unitaire sur cette équation avec pour hypothèse :

(H0) = 1 la tendance est déterministe mais stationnaire

(Ha) < 1 processus sans racine unitaire, non stationnaire en tendance déterministe

[2] Xt = Xt-1 + ? + t On teste si la constante est significative

(H0) ? = 0 si on accepte (H0) la constante n'est pas déterministe, on passe au modèle [1]

(Ha) ? ? 0 si on rejette (H0) la tendance est déterministe, on fait le test de racine unitaire sur cette équation avec pour hypothèse :

(H0) = 1 série avec une racine unitaire, Xt est intégré d'ordre 1 (non stationnarité stochastique)

(Ha) < 1 pas de racine unitaire, pas de tendance déterministe, Xt stationnaire (intégré d'ordre 0)

[1]Xt = Xt-1 + t On fait directement le test de racine unitaire

(H0) = 1 Xt ~ I(1) non stationnaire

(Ha) < 1 Xt ~ I(0) stationnaire

On fait le test de racine unitaire uniquement sur le bon modèle par sur les trois.

Règle de décision : Si la valeur calculée < à la valeur tabulée (table de Dickey-Fuller) alors on rejette l'hypothèse nulle (H0) de non stationnarité.

Si t n'est pas un bruit blanc on ne peut pas faire Dickey-Fuller, on va alors transformer le modèle pour blanchir le terme d'erreurs. Pour cela il existe deux solutions qui sont le Dickey-Fuller Augmenté (ADF) (solution paramétrique) et le Phillips-Perron (solution non paramétrique ; mais nous ne nous y intéresserons pas).

Le test ADF est comme le test DF sauf que l'on a rajouté des retards afin de corrigé de l'auto-corrélation. Par souci de parcimonie, on prendra le modèle avec le moins de retards possibles. Pour le test ADF, la règle de décision est : si le t calculé < au t tabulé alors on décide (H0) la tendance ou la constante n'est pas significative (pour les modèles [3] et [2]) et, pour le test de racine unitaire, si le t calculé > au t tabulé alors on accepte (H0) présence de racine unitaire et non stationnarité.

Pour analyser le modèle, nous avons utilisé le test ADF sur chacune des variables et nous allons commenter les résultats obtenus ci-dessous :

- Tout d'abord sur les variables prises en brut, en premier lieu nous effectuons une recherche pour connaître le nombre de retards à inclure dans la variable. Grâce aux critères de AIC (Critère d'Information de Akaike), BIC (Critère d'Information Bayesien), HQ (critère de Hannan-Quin) et MAIC nous allons pouvoir définir le nombre de retards à incorporer dans chaque variable en sélectionnant les retards nécessaire à la minimisation de la variable. Ces critères reposant sur des hypothèses différentes, les résultats peuvent être différents et par souci de parcimonie on choisira toujours le modèle comprenant le moins de retards. Nous effectuons alors le test ADF. Pour valider le test, nous devons d'abord nous assurer que la variable n'est pas auto-corrélée. Pour cela nous disposons de plusieurs moyens afin de la détecter : le test de Durbin-Watson (DW), le h de Durbin et le test de Ljung-Box.

Le test de Durbin-Watson (DW)

C'est un test d'ordre 1 avec comme hypothèses :

(H0) = 0 absence d'auto-corrélation

(Ha) ? 1 auto-corrélation d'ordre 1

(e_t - e_t-1)²

DW = -----------------

e_t²

Où et sont les résidus de l'estimation du modèle.

De part sa construction, cette statistique varie entre 0 et 4 et nous avons DW = 2 lorsque = 0 ( est le estimé). Afin de tester l'hypothèse H0, on va lire les valeurs dl et du dans la table de Durbin-Watson (pour n échantillons et k variables explicatives) pour obtenir le schéma suivant :



0 dl du 2 4-du 4-dl 4

Règle de décision :

- du < DW < 4-du, on accepte l'hypothèse H0 ( = 0)

- 0 < DW < dl, on rejette l'hypothèse H0 ( > 0)

- 4-dl < DW < 4, on rejette l'hypothèse H0 ( < 0)

- dl < DW < du ou 4-du < DW < 4-dl, nous sommes dans une zone d'incertitude, on ne peut pas conclure alors on retravaille le modèle pour trouver une solution ou on décide qu'il y a présence d'auto-corrélation.

On regarde la DW seulement quand nous n'avons pas de retards dans les variables, dans le as contraire il faut regarder le h de Durbin qui est :

(1 - DW/2)

h = ---------------------- ~ (0,1)

(1/T - i))

Règle de décision: si le h calculé 1,96, on accepte l'hypothèse (H0) absence d'auto-corrélation.

Test de Ljung-Box : C'est un test qui nous permet de détecter l'auto-corrélation avec les hypothèses suivantes

(H0) ñ1 = ñ2 = ... = ñq = 0 absence d'auto-corrélation

(Ha) _t = _1t-1 +_2t-2 + _3t-3 +........+ _qt-q + u_t auto-corrélation d'ordre supérieur à 1

_i²

Q' = T ( T+2 ) ------------- ~ ²_{l degré de liberté}

T - k

Avec l = min (T/2 ; 3

Règle de décision: si le Q' calculé Q' tabulé (dans la table de CHI²), on accepte l'hypothèse (H0) absence d'auto-corrélation.

Nous allons maintenant étudier chaque variable afin de voir si elles possèdent une racine unitaire. Pour cela, nous avons utilisé le test ADF dans RATS. Les résultats sont les suivants :

- Pour le TAUX_10_ANS, tout d'abord, nous essayons de déterminer le nombre de retards à incorporer dans la variable. Nous constatons alors que les critères de AIC, BIC et HQ nous disent d'inclure un retard dans la variable car c'est à ce nombre de retard que le critère minimise la série. Le critère de MAIC propose, quant à lui, d'incorporer cinq retards. Par souci de parcimonie nous choisirons toujours le modèle présentant le moins de retards possible. Nous procédons alors au test de Dickey-Fuller Augmenté avec un retard.

valeur de la statistique de Durbin h= -0.24747

Nous obtenons un h de Durbin 1,96 nous acceptons l'hypothèse (H0) absence d'auto-corrélation d'ordre 1.

statistique Q modifiée

statistique Q ( 29 - 1 )= 36.23670 niveau de significativité 0.1367

La valeur du Q' tabulée dans la table de CHI² à 5% et pour 28 degrés de liberté est de 41,337. Nous avons donc un Q' calculé au Q' tabulé, nous acceptons l'hypothèse (H0) absence d'auto-corrélation.

Ceci étant fait, nous pouvons procéder au test de racine unitaire. Premièrement le modèle [3] :

Variable	Coeff	Std Error	T-Stat	Signif
TENDANCE	-0.001216502	0.000607883	-2.00121	0.04660385

Nous avons un T-Stat de la tendance calculé de -2,00121. La valeur critique tabulée de la tendance dans la table de Dickey-Fuller à 5% pour 250 observations est de 2,79.

Donc, nous avons un T-Stat calculé la valeur critique tabulée, nous acceptons l'hypothèse nulle que la tendance n'est pas significative.

Nous passons au modèle [2] :

Variable	Coeff	Std Error	T-Stat	Signif
Constant	0.068764351	0.043483132	1.58140	0.11522252

Nous avons un T-Stat de la constante calculé de 1,58140. La valeur critique tabulée de la constante dans la table de Dickey-Fuller à 5% pour 250 observations est de 2,53. Donc, nous avons un T-Stat calculé la valeur critique tabulée, nous acceptons l'hypothèse nulle que la constante n'est pas significative.

Nous passons au modèle [1] où nous effectuerons directement le test de racine unitaire :

Variable	Coeff	Std Error	T-Stat	Signif
TAUX_10_ANS{1}	-0.006088013	0.002361328	-2.57822	0.01058064

Nous avons un T-Stat du TAUX_10_ANS calculé de -2,57822. La valeur critique tabulée dans la table de Dickey-Fuller à 5% pour 250 observations est de -1,95. Donc, nous avons un T-Stat calculé la valeur critique tabulée, nous rejetons l'hypothèse nulle pour dire qu'il y a absence de racine unitaire, ainsi la variable TAUX_10_ANS est stationnaire. De plus, le retard est significatif car la valeur absolue de son T-Stat est supérieure à 1,96 (T-Stat dTAUX_10_ANS{1} = 5.72239 ; voir les sorties RATS en annexe).

En conclusion, le TAUX_10_ANS est stationnaire dans le modèle [1].

- Pour le TAUX_3_MOIS, tout d'abord, nous essayons de déterminer le nombre de retards à incorporer dans la variable. Nous constatons alors que le critère de AIC nous dit de mettre douze retards, BIC nous dit d'en mettre un, HQ nous dit d'inclure neuf retards et le critère de MAIC propose, quant à lui, d'incorporer quatre retards. Par souci de parcimonie nous choisirons toujours le modèle présentant le moins de retards possible. Nous procédons alors au test de Dickey-Fuller Augmenté avec un retard.

valeur de la statistique de Durbin h= -0.06467

Nous obtenons un h de Durbin 1,96 nous acceptons l'hypothèse (H0) absence d'auto-corrélation d'ordre 1.

statistique Q modifiée

statistique Q( 29 - 1 )= 69.54982 niveau de significativité 0.0000

La valeur du Q' tabulée dans la table de CHI² à 5% et pour 28 degrés de liberté est de 41,337. Nous avons donc un Q' calculé au Q' tabulé, nous rejetons l'hypothèse (H0) absence d'auto-corrélation, il y a de l'auto-corrélation d'un ordre supérieur à 1.

Nous retiendrons que, d'après le h de Durbin, la variable TAUX_3_MOIS n'est pas auto-corrélée.

Ceci étant fait, nous pouvons procéder au test de racine unitaire. Premièrement le modèle [3] :

Variable	Coeff	Std Error	T-Stat	Signif
TENDANCE	-0.000422283	0.000887460	-0.47583	0.63466774

Nous avons un T-Stat de la tendance calculé de -0,47583. La valeur critique tabulée de la tendance dans la table de Dickey-Fuller à 5% pour 250 observations est de 2,79.

Donc, nous avons un T-Stat calculé la valeur critique tabulée, nous acceptons l'hypothèse nulle que la tendance n'est pas significative.

Nous passons au modèle [2] :

Variable	Coeff	Std Error	T-Stat	Signif
Constant	0.081039074	0.054470738	1.48775	0.13824760

Nous avons un T-Stat de la constante calculé de 1,48775. La valeur critique tabulée de la constante dans la table de Dickey-Fuller à 5% pour 250 observations est de 2,53. Donc, nous avons un T-Stat calculé la valeur critique tabulée, nous acceptons l'hypothèse nulle que la constante n'est pas significative.

Nous passons au modèle [1] où nous effectuerons directement le test de racine unitaire :

Variable	Coeff	Std Error	T-Stat	Signif
TAUX_3_MOIS{1}	-0.012004423	0.004314547	-2.78231	0.00586400

Nous avons un T-Stat du TAUX_3_MOIS calculé de -2,78231. La valeur critique tabulée dans la table de Dickey-Fuller à 5% pour 250 observations est de -1,95. Donc, nous avons un T-Stat calculé la valeur critique tabulée, nous rejetons l'hypothèse nulle pour dire qu'il y a absence de racine unitaire, ainsi la variable TAUX_3_MOIS est stationnaire. Cependant, le retard n'est pas significatif car la valeur absolue de son T-Stat est inférieure à 1,96 (T-Stat dTAUX_3_MOIS{1} = 0.61144579 ; voir les sorties RATS en annexe).

En conclusion, le TAUX_3_MOIS est stationnaire dans le modèle [1].

- Pour le CPI, tout d'abord, nous essayons de déterminer le nombre de retards à incorporer dans la variable. Nous constatons alors que le critère de AIC nous dit de mettre quinze retards, BIC nous dit d'en mettre treize, HQ nous dit d'inclure quinze retards et le critère de MAIC propose, quant à lui, d'incorporer douze retards. Par souci de parcimonie nous choisirons toujours le modèle présentant le moins de retards possible. Nous procédons alors au test de Dickey-Fuller Augmenté avec douze retards.

valeur de la statistique de Durbin h= -0.96180

Nous obtenons un h de Durbin 1,96 nous acceptons l'hypothèse (H0) absence d'auto-corrélation d'ordre 1.

statistique Q modifiée

statistique Q( 29 - 12 )= 44.03594 niveau de significativité 0.0003

La valeur du Q' tabulée dans la table de CHI² à 5% et pour 17 degrés de liberté est de 27,587. Nous avons donc un Q' calculé au Q' tabulé, nous rejetons l'hypothèse (H0) absence d'auto-corrélation, il y a de l'auto-corrélation d'un ordre supérieur à 1.

Nous retiendrons que, d'après le h de Durbin, la variable CPI n'est pas auto-corrélée.

Ceci étant fait, nous pouvons procéder au test de racine unitaire. Premièrement le modèle [3] :

Variable	Coeff	Std Error	T-Stat	Signif
TENDANCE	0.010754268	0.005197456	2.06914	0.03983810

Nous avons un T-Stat de la tendance calculé de 2,06914. La valeur critique tabulée de la tendance dans la table de Dickey-Fuller à 5% pour 250 observations est de 2,79.

Donc, nous avons un T-Stat calculé la valeur critique tabulée, nous acceptons l'hypothèse nulle que la tendance n'est pas significative.

Nous passons au modèle [2] :

Variable	Coeff	Std Error	T-Stat	Signif
Constant	-0.367065314	1.062287599	-0.34554	0.73005354

Nous avons un T-Stat de la constante calculé de -0,34554. La valeur critique tabulée de la constante dans la table de Dickey-Fuller à 5% pour 250 observations est de 2,53. Donc, nous avons un T-Stat calculé la valeur critique tabulée, nous acceptons l'hypothèse nulle que la constante n'est pas significative.

Nous passons au modèle [1] où nous effectuerons directement le test de racine unitaire :

Variable	Coeff	Std Error	T-Stat	Signif
CPI{1}	0.000791277	0.000366872	2.15682	0.03221873

Nous avons un T-Stat du CPI calculé de 2,15682. La valeur critique tabulée dans la table de Dickey-Fuller à 5% pour 250 observations est de -1,95. Donc, nous avons un T-Stat calculé la valeur critique tabulée, nous acceptons l'hypothèse nulle pour dire qu'il y a présence de racine unitaire, ainsi la variable CPI n'est pas stationnaire. Cependant, bon nombre de retard ne sont pas significatifs car la valeur absolue de leur T-Stat est inférieure à 1,96 (il s'agit des retards allant de 3 à 11, voir les sorties RATS en annexe).

En conclusion, le CPI n'est pas stationnaire car il y a une racine unitaire dans le modèle [1].

- Pour le DEFICIT, tout d'abord, nous essayons de déterminer le nombre de retards à incorporer dans la variable. Nous constatons alors que les critères de AIC, BIC, HQ et MAIC proposent d'incorporer onze retards. Nous procédons alors au test de Dickey-Fuller Augmenté avec onze retards.

valeur de la statistique de Durbin h= NA

La statistique h de Durbin est indisponible nous devrons donc regarder la statistique de Ljung-Box.

statistique Q modifiée

statistique Q( 29 - 11 )= 16.32986 niveau de significativité 0.5695

La valeur du Q' tabulée dans la table de CHI² à 5% et pour 18 degrés de liberté est de 28,869. Nous avons donc un Q' calculé au Q' tabulé, nous acceptons l'hypothèse (H0) absence d'auto-corrélation.

Ceci étant fait, nous pouvons procéder au test de racine unitaire. Premièrement le modèle [3] :

Variable	Coeff	Std Error	T-Stat	Signif
TENDANCE	50.609064	21.576127	2.34560	0.01998058

Nous avons un T-Stat de la tendance calculé de 2,34560. La valeur critique tabulée de la tendance dans la table de Dickey-Fuller à 5% pour 250 observations est de 2,79.

Donc, nous avons un T-Stat calculé la valeur critique tabulée, nous acceptons l'hypothèse nulle que la tendance n'est pas significative.

Nous passons au modèle [2] :

Variable	Coeff	Std Error	T-Stat	Signif
Constant	726.858298	1021.432449	0.71161	0.47753746

Nous avons un T-Stat de la constante calculé de 0,71161. La valeur critique tabulée de la constante dans la table de Dickey-Fuller à 5% pour 250 observations est de 2,53. Donc, nous avons un T-Stat calculé la valeur critique tabulée, nous acceptons l'hypothèse nulle que la constante n'est pas significative.

Nous passons au modèle [1] où nous effectuerons directement le test de racine unitaire :

Variable	Coeff	Std Error	T-Stat	Signif
DEFICIT{1}	-0.065801012	0.126060203	-0.52198	0.60225841

Nous avons un T-Stat du DEFICIT calculé de -0,52198. La valeur critique tabulée dans la table de Dickey-Fuller à 5% pour 250 observations est de -1,95. Donc, nous avons un T-Stat calculé la valeur critique tabulée, nous acceptons l'hypothèse nulle pour dire qu'il y a présence de racine unitaire, ainsi la variable DEFICIT n'est pas stationnaire. Cependant, tous les retards sont significatifs car la valeur absolue de leur T-Stat est supérieure à 1,96 (voir les sorties RATS en annexe).

En conclusion, le CPI n'est pas stationnaire car il y a une racine unitaire dans le modèle [1].

- Pour la PRODUCTION_INDUSTRIELLE, tout d'abord, nous essayons de déterminer le nombre de retards à incorporer dans la variable. Nous constatons alors que les critères de AIC et de HQ nous disent de mettre douze retards tandis que les critères de BIC et de MAIC nous disent d'en mettre deux. Par souci de parcimonie nous choisirons toujours le modèle présentant le moins de retards possible. Nous procédons alors au test de Dickey-Fuller Augmenté avec deux retards.

valeur de la statistique de Durbin h= 1.22134

Nous obtenons un h de Durbin 1,96 nous acceptons l'hypothèse (H0) absence d'auto-corrélation d'ordre 1.

statistique Q modifiée

statistique Q( 29 - 2 )= 69.61881 niveau de significativité 0.0000

La valeur du Q' tabulée dans la table de CHI² à 5% et pour 27 degrés de liberté est de 40,113. Nous avons donc un Q' calculé au Q' tabulé, nous rejetons l'hypothèse (H0) absence d'auto-corrélation, il y a de l'auto-corrélation d'un ordre supérieur à 1.

Nous retiendrons que, d'après le h de Durbin, la variable PRODUCTION_INDUSTRIELLE n'est pas auto-corrélée.

Ceci étant fait, nous pouvons procéder au test de racine unitaire. Premièrement le modèle [3] :

Variable	Coeff	Std Error	T-Stat	Signif
TENDANCE	0.015183630	0.008141068	1.86507	0.06352200

Nous avons un T-Stat de la tendance calculé de 1,86507. La valeur critique tabulée de la tendance dans la table de Dickey-Fuller à 5% pour 250 observations est de 2,79.

Donc, nous avons un T-Stat calculé la valeur critique tabulée, nous acceptons l'hypothèse nulle que la tendance n'est pas significative.

Nous passons au modèle [2] :

Variable	Coeff	Std Error	T-Stat	Signif
Constant	0.530458015	0.473211454	1.12097	0.26353200

Nous avons un T-Stat de la constante calculé de 1,12097. La valeur critique tabulée de la constante dans la table de Dickey-Fuller à 5% pour 250 observations est de 2,53. Donc, nous avons un T-Stat calculé la valeur critique tabulée, nous acceptons l'hypothèse nulle que la constante n'est pas significative.

Nous passons au modèle [1] où nous effectuerons directement le test de racine unitaire :

Variable	Coeff	Std Error	T-Stat	Signif
PRODUCTION_INDUS{1}	0.003994852	0.001001990	3.98692	0.00009122

Nous avons un T-Stat du PRODUCTION_INDUSTRIELLE calculé de 3,98692. La valeur critique tabulée dans la table de Dickey-Fuller à 5% pour 250 observations est de -1,95. Donc, nous avons un T-Stat calculé la valeur critique tabulée, nous acceptons l'hypothèse nulle pour dire qu'il y a présence de racine unitaire, ainsi la variable PRODUCTION_INDUTRIELLE n'est pas stationnaire. Cependant, tous les retards sont significatifs car la valeur absolue de leur T-Stat est supérieure à 1,96 (voir les sorties RATS en annexe).

En conclusion, la PRODUCTION_INDUSTRIELLE n'est pas stationnaire car il y a une racine unitaire dans le modèle [1].

- Pour le MSCI_SUEDE, tout d'abord, nous essayons de déterminer le nombre de retards à incorporer dans la variable. Nous constatons alors que les critères de AIC et de HQ nous disent de mettre un retard tandis que les critères de BIC et de MAIC nous disent de ne pas en inclure. Par souci de parcimonie nous choisirons toujours le modèle présentant le moins de retards possible. Nous procédons alors au test de Dickey-Fuller Augmenté avec zéro retard.

Durbin-Watson Statistic 1.684602

Comme il n'y a pas de retards dans la variable, nous n'avons pas accès au h de Durbin, cependant le Durbin-Watson se situe dans la zone d'incertitude (car il est éloigné de 2) : nous devons en conclure qu'il y a de l'auto-corrélation d'ordre 1 dans le MSCI_SUEDE.

statistique Q( 29 ) 54.66247 niveau de significativité 0.0027

La valeur du Q tabulée dans la table de CHI² à 5% et pour 29 degrés de liberté est de 42,557. Nous avons donc un Q calculé au Q tabulé, nous rejetons l'hypothèse (H0) absence d'auto-corrélation, il a de l'auto-corrélation d'un ordre supérieur à 1.

Ceci étant fait, nous pouvons procéder au test de racine unitaire. Premièrement le modèle [3] :

Variable	Coeff	Std Error	T-Stat	Signif
TENDANCE	0.060147001	0.078387376	0.76730	0.44371935

Nous avons un T-Stat de la tendance calculé de 0,76730. La valeur critique tabulée de la tendance dans la table de Dickey-Fuller à 5% pour 250 observations est de 2,79.

Donc, nous avons un T-Stat calculé la valeur critique tabulée, nous acceptons l'hypothèse nulle que la tendance n'est pas significative.

Nous passons au modèle [2] :

Variable	Coeff	Std Error	T-Stat	Signif
Constant	9.353483823	6.090935829	1.53564	0.12605069

Nous avons un T-Stat de la constante calculé de 1,53564. La valeur critique tabulée de la constante dans la table de Dickey-Fuller à 5% pour 250 observations est de 2,53. Donc, nous avons un T-Stat calculé la valeur critique tabulée, nous acceptons l'hypothèse nulle que la constante n'est pas significative.

Nous passons au modèle [1] où nous effectuerons directement le test de racine unitaire :

Variable	Coeff	Std Error	T-Stat	Signif
MSCI_SUEDE{1}	0.0008309936	0.0041999142	0.19786	0.84333511

Nous avons un T-Stat du MSCI_SUEDE calculé de 0,19786. La valeur critique tabulée dans la table de Dickey-Fuller à 5% pour 250 observations est de -1,95. Donc, nous avons un T-Stat calculé la valeur critique tabulée, nous acceptons l'hypothèse nulle pour dire qu'il y a présence de racine unitaire, ainsi la variable MSCI_SUEDE n'est pas stationnaire.

En conclusion, la MSCI_SUEDE n'est pas stationnaire car il y a une racine unitaire dans le modèle [1].

- Pour le TAUX_LONG_US, tout d'abord, nous essayons de déterminer le nombre de retards à incorporer dans la variable. Nous constatons alors que le critère de AIC nous dit de mettre deux retards, les critères de BIC et HQ nous disent de mettre un retard alors que le critère de MAIC nous dit de ne pas en inclure. Par souci de parcimonie nous choisirons toujours le modèle présentant le moins de retards possible. Nous procédons alors au test de Dickey-Fuller Augmenté avec zéro retard.

Durbin-Watson Statistic 1.407650

Comme il n'y a pas de retards dans la variable, nous n'avons pas accès au h de Durbin, cependant le Durbin-Watson se situe dans la zone d'incertitude (car il est éloigné de 2) : nous devons en conclure qu'il y a de l'auto-corrélation d'ordre 1 dans le TAUX_LONG_US.

statistique Q( 29 ) 74.32314 niveau de significativité 0.0000

La valeur du Q tabulée dans la table de CHI² à 5% et pour 29 degrés de liberté est de 42,557. Nous avons donc un Q calculé au Q tabulé, nous rejetons l'hypothèse (H0) absence d'auto-corrélation, il y a de l'auto-corrélation d'un ordre supérieur à 1.

Ceci étant fait, nous pouvons procéder au test de racine unitaire. Premièrement le modèle [3] :

Variable	Coeff	Std Error	T-Stat	Signif
TENDANCE	-0.001065279	0.000478859	-2.22462	0.02711802

Nous avons un T-Stat de la tendance calculé de -2,22462. La valeur critique tabulée de la tendance dans la table de Dickey-Fuller à 5% pour 250 observations est de 2,79.

Donc, nous avons un T-Stat calculé la valeur critique tabulée, nous acceptons l'hypothèse nulle que la tendance n'est pas significative.

Nous passons au modèle [2] :

Variable	Coeff	Std Error	T-Stat	Signif
Constant	0.071772820	0.064432141	1.11393	0.26651428

Nous avons un T-Stat de la constante calculé de 1,11393. La valeur critique tabulée de la constante dans la table de Dickey-Fuller à 5% pour 250 observations est de 2,53. Donc, nous avons un T-Stat calculé la valeur critique tabulée, nous acceptons l'hypothèse nulle que la constante n'est pas significative.

Nous passons au modèle [1] où nous effectuerons directement le test de racine unitaire :

Variable	Coeff	Std Error	T-Stat	Signif
TAUX_LONG_US{1}	-0.004186660	0.002517458	-1.66305	0.09770704

Nous avons un T-Stat du TAUX_LONG_US calculé de -1,66305. La valeur critique tabulée dans la table de Dickey-Fuller à 5% pour 250 observations est de -1,95. Donc, nous avons un T-Stat calculé la valeur critique tabulée, nous acceptons l'hypothèse nulle pour dire qu'il y a présence de racine unitaire, ainsi la variable TAUX_LONG_US n'est pas stationnaire.

En conclusion, le TAUX_LONG_US n'est pas stationnaire car il y a une racine unitaire dans le modèle [1].

Au vu de ces résultats, nous constatons que seul les variables TAUX_10_ANS et TAUX_3_MOIS sont stationnaires. Toutes les autres variables possèdent une racine unitaire dans le modèle [1].

Nous allons alors recommencer le test de ADF avec les variables prises en différence première. Nous écrirons un « D » devant le nom de chaque variable pour signifier qu'il s'agit d'une différence première. Observons les résultats obtenus uniquement sur les variables non stationnaires en brut :

- Pour le DCPI, tout d'abord, nous essayons de déterminer le nombre de retards à incorporer dans la variable. Nous constatons alors que les critères de AIC et HQ nous disent d'inclure quatorze retards dans la variable car c'est à ce nombre de retard que le critère minimise la série. Le critère de BIC propose, quant à lui, d'incorporer douze retards alors que le critère de MAIC nous dit d'en mettre onze. Par souci de parcimonie nous choisirons toujours le modèle présentant le moins de retards possible. Nous procédons alors au test de Dickey-Fuller Augmenté avec onze retards.

valeur de la statistique de Durbin h= NA

La statistique h de Durbin est indisponible nous devrons donc regarder la statistique de Ljung-Box.

statistique Q modifiée

statistique Q( 29 - 11 )= 42.82841 niveau de significativité 0.0008

La valeur du Q tabulée dans la table de CHI² à 5% et pour 18 degrés de liberté est de 28,869. Nous avons donc un Q calculé au Q tabulé, nous rejetons l'hypothèse (H0) absence d'auto-corrélation, il y a de l'auto-corrélation d'un ordre supérieur à 1.

Ceci étant fait, nous pouvons procéder au test de racine unitaire. Premièrement le modèle [3] :

Variable	Coeff	Std Error	T-Stat	Signif
TENDANCE	0.001187914	0.001188867	0.99920	0.31891797

Nous avons un T-Stat de la tendance calculé de 0,99920. La valeur critique tabulée de la tendance dans la table de Dickey-Fuller à 5% pour 250 observations est de 2,79.

Donc, nous avons un T-Stat calculé la valeur critique tabulée, nous acceptons l'hypothèse nulle que la tendance n'est pas significative.

Nous passons au modèle [2] :

Variable	Coeff	Std Error	T-Stat	Signif
Constant	0.209665967	0.099178438	2.11403	0.03575820

Nous avons un T-Stat de la constante calculé de 2,11403. La valeur critique tabulée de la constante dans la table de Dickey-Fuller à 5% pour 250 observations est de 2,53. Donc, nous avons un T-Stat calculé la valeur critique tabulée, nous acceptons l'hypothèse nulle que la constante n'est pas significative.

Nous passons au modèle [1] où nous effectuerons directement le test de racine unitaire :

Variable	Coeff	Std Error	T-Stat	Signif
DCPI{1}	-0.291896054	0.117876983	-2.47628	0.01410638

Nous avons un T-Stat du DCPI calculé de -2,47628. La valeur critique tabulée dans la table de Dickey-Fuller à 5% pour 250 observations est de -1,95. Donc, nous avons un T-Stat calculé la valeur critique tabulée, nous rejetons l'hypothèse nulle pour dire qu'il y a absence de racine unitaire, ainsi la variable DCPI est stationnaire. De plus, tous les retards sont significatifs (voir les sorties RATS en annexe).

En conclusion, le DCPI est stationnaire dans le modèle [1].

- Pour le DDEFICIT, tout d'abord, nous essayons de déterminer le nombre de retards à incorporer dans la variable. Nous constatons alors que les critères de AIC, BIC et HQ nous disent d'inclure dix retards dans la variable car c'est à ce nombre de retard que le critère minimise la série. Le critère de MAIC nous dit d'en mettre zéro. Par souci de parcimonie nous choisirons toujours le modèle présentant le moins de retards possible. Cependant, les tests effectués avec zéro retard se sont montrés décevant, exceptionnellement nous traiterons cette donnée avec dix retards. Nous procédons alors au test de Dickey-Fuller Augmenté avec dix retards.

valeur de la statistique de Durbin h= NA

La statistique h de Durbin est indisponible nous devrons donc regarder la statistique de Ljung-Box.

statistique Q modifiée

statistique Q( 29 - 10 )= 15.84692 niveau de significativité 0.6675

La valeur du Q' tabulée dans la table de CHI² à 5% et pour 19 degrés de liberté est de 30,144. Nous avons donc un Q' calculé au Q' tabulé, nous acceptons l'hypothèse (H0) absence d'auto-corrélation.

Ceci étant fait, nous pouvons procéder au test de racine unitaire. Premièrement le modèle [3] :

Variable	Coeff	Std Error	T-Stat	Signif
TENDANCE	24.093926	15.997443	1.50611	0.13361641

Nous avons un T-Stat de la tendance calculé de 1,50611. La valeur critique tabulée de la tendance dans la table de Dickey-Fuller à 5% pour 250 observations est de 2,79.

Donc, nous avons un T-Stat calculé la valeur critique tabulée, nous acceptons l'hypothèse nulle que la tendance n'est pas significative.

Nous passons au modèle [2] :

Variable	Coeff	Std Error	T-Stat	Signif
Constant	811.9186845	982.5990505	0.82630	0.40961536

Nous avons un T-Stat de la constante calculé de 0,82630. La valeur critique tabulée de la constante dans la table de Dickey-Fuller à 5% pour 250 observations est de 2,53. Donc, nous avons un T-Stat calculé la valeur critique tabulée, nous acceptons l'hypothèse nulle que la constante n'est pas significative.

Nous passons au modèle [1] où nous effectuerons directement le test de racine unitaire :

Variable	Coeff	Std Error	T-Stat	Signif
DDEFICIT{1}	-10.17284377	0.68927134	-14.75884	0.00000000

Nous avons un T-Stat du DDEFICIT calculé de -14,75884. La valeur critique tabulée dans la table de Dickey-Fuller à 5% pour 250 observations est de -1,95. Donc, nous avons un T-Stat calculé la valeur critique tabulée, nous rejetons l'hypothèse nulle pour dire qu'il y a absence de racine unitaire, ainsi la variable DDEFICIT est stationnaire. De plus, tous les retards sont significatifs (voir les sorties RATS en annexe).

En conclusion, le DDEFICIT est stationnaire dans le modèle [1].

- Pour la DPRODUCTION_INDUSTRIELLE, tout d'abord, nous essayons de déterminer le nombre de retards à incorporer dans la variable. Nous constatons alors que les critères de AIC et de HQ nous disent de mettre onze retards tandis que les critères de BIC nous dit d'en inclure un et que le critère de MAIC nous dit d'en mettre dix. Par souci de parcimonie nous choisirons toujours le modèle présentant le moins de retards possible. Nous procédons alors au test de Dickey-Fuller Augmenté avec un retard.

valeur de la statistique de Durbin h= 0.22464

Nous obtenons un h de Durbin 1,96 nous acceptons l'hypothèse (H0) absence d'auto-corrélation d'ordre 1.

statistique Q modifiée

statistique Q( 29 - 1 )= 68.83192 niveau de significativité 0.0000

La valeur du Q' tabulée dans la table de CHI² à 5% et pour 28 degrés de liberté est de 42,557. Nous avons donc un Q' calculé au Q' tabulé, nous rejetons l'hypothèse (H0) absence d'auto-corrélation, il y a de l'auto-corrélation d'un ordre supérieur à 1.

Nous retiendrons que, d'après le h de Durbin, la variable DPRODUCTION_INDUSTRIELLE n'est pas auto-corrélée.

Ceci étant fait, nous pouvons procéder au test de racine unitaire. Premièrement le modèle [3] :

Variable	Coeff	Std Error	T-Stat	Signif
TENDANCE	0.000012827	0.001403989	0.00914	0.99271901

Nous avons un T-Stat de la tendance calculé de 0,00914. La valeur critique tabulée de la tendance dans la table de Dickey-Fuller à 5% pour 250 observations est de 2,79.

Donc, nous avons un T-Stat calculé la valeur critique tabulée, nous acceptons l'hypothèse nulle que la tendance n'est pas significative.

Nous passons au modèle [2] :

Variable	Coeff	Std Error	T-Stat	Signif
Constant	0.385029198	0.092992834	4.14042	0.00004948

Nous avons un T-Stat de la constante calculé de 4,14042. La valeur critique tabulée de la constante dans la table de Dickey-Fuller à 5% pour 250 observations est de 2,53. Donc, nous avons un T-Stat calculé la valeur critique tabulée, nous rejetons l'hypothèse nulle pour dire que la constante est significative.

Nous procédons alors au test de racine unitaire sur le modèle [2] :

Variable	Coeff	Std Error	T-Stat	Signif
DPRODUCTION_INDU{1}	-1.728457237	0.104261265	-16.57813	0.00000000

Nous avons un T-Stat du DPRODUCTION_INDUSTRIELLE calculé de -16,57813. La valeur critique tabulée dans la table de Dickey-Fuller à 5% pour 250 observations est de -1,95. Donc, nous avons un T-Stat calculé la valeur critique tabulée, nous rejetons l'hypothèse nulle pour dire qu'il y a absence de racine unitaire, ainsi la variable DPRODUCTION_INDUSTRIELLE est stationnaire et contient une constante. De plus, tous les retards sont significatifs (voir les sorties RATS en annexe).

En conclusion, le DPRODUCTION_INDUSTRIELLE est stationnaire dans le modèle [2].

- Pour le DMSCI_SUEDE, tout d'abord, nous essayons de déterminer le nombre de retards à incorporer dans la variable. Nous constatons alors que les critères de AIC, de BIC et de HQ nous disent de mettre zéro retard tandis que le critère de MAIC nous dit d'en mettre neuf. Par souci de parcimonie nous choisirons toujours le modèle présentant le moins de retards possible. Nous procédons alors au test de Dickey-Fuller Augmenté avec zéro retard.

Durbin-Watson Statistic 2.025438

Nous avons un Durbin-Watson très proche de 2, nous pouvons donc en conclure (H0) absence d'auto-corrélation.

statistique Q( 29 ) 45.39188 niveau de significativité 0.0269

La valeur du Q tabulée dans la table de CHI² à 5% et pour 29 degrés de liberté est de 42,557. Nous avons donc un Q calculé au Q tabulé, nous rejetons l'hypothèse (H0) absence d'auto-corrélation, il y a de l'auto-corrélation d'un ordre supérieur à 1.

Nous retiendrons que, d'après le h de Durbin, la variable DMSCI_SUEDE n'est pas auto-corrélée.

Ceci étant fait, nous pouvons procéder au test de racine unitaire. Premièrement le modèle [3] :

Variable	Coeff	Std Error	T-Stat	Signif
TENDANCE	-0.024690412	0.046124880	-0.53529	0.59298665

Nous avons un T-Stat de la tendance calculé de -0,53529. La valeur critique tabulée de la tendance dans la table de Dickey-Fuller à 5% pour 250 observations est de 2,79.

Donc, nous avons un T-Stat calculé la valeur critique tabulée, nous acceptons l'hypothèse nulle que la tendance n'est pas significative.

Nous passons au modèle [2] :

Variable	Coeff	Std Error	T-Stat	Signif
Constant	2.375833336	2.969613209	0.80005	0.42454208

Nous avons un T-Stat de la constante calculé de 0,80005. La valeur critique tabulée de la constante dans la table de Dickey-Fuller à 5% pour 250 observations est de 2,53. Donc, nous avons un T-Stat calculé la valeur critique tabulée, nous acceptons l'hypothèse nulle que la constante n'est pas significative.

Nous passons au modèle [1] où nous effectuerons directement le test de racine unitaire :

Variable	Coeff	Std Error	T-Stat	Signif
DMSCI_SUEDE{1}	-0.849120265	0.066468441	-12.77479	0.00000000

Nous avons un T-Stat du DMSCI_SUEDE calculé de -12,77479. La valeur critique tabulée dans la table de Dickey-Fuller à 5% pour 250 observations est de -1,95. Donc, nous avons un T-Stat calculé la valeur critique tabulée, nous rejetons l'hypothèse nulle pour dire qu'il y a absence de racine unitaire, ainsi la variable DMSCI_SUEDE est stationnaire.

En conclusion, le DDEFICIT est stationnaire dans le modèle [1].

- Pour le DTAUX_LONG_US, tout d'abord, nous essayons de déterminer le nombre de retards à incorporer dans la variable. Nous constatons alors que le critère de AICnous dit de mettre un retard dans la variable tandis que les critères de BIC, HQ et MAIC nous disent de mettre zéro retard. Par souci de parcimonie nous choisirons toujours le modèle présentant le moins de retards possible. Nous procédons alors au test de Dickey-Fuller Augmenté avec zéro retard.

Durbin-Watson Statistic 1.933667

Nous avons un Durbin-Watson très proche de 2, nous pouvons donc en conclure (H0) absence d'auto-corrélation.

statistique Q( 29 ) 47.20543 niveau de significativité 0.0177

La valeur du Q tabulée dans la table de CHI² à 5% et pour 29 degrés de liberté est de 42,557. Nous avons donc un Q calculé au Q tabulé, nous rejetons l'hypothèse (H0) absence d'auto-corrélation, il y a de l'auto-corrélation d'un ordre supérieur à 1.

Nous retiendrons que, d'après le h de Durbin, la variable DMSCI_SUEDE n'est pas auto-corrélée.

Ceci étant fait, nous pouvons procéder au test de racine unitaire. Premièrement le modèle [3] :

Variable	Coeff	Std Error	T-Stat	Signif
TENDANCE	0.000069775	0.000222975	0.31293	0.75463101

Nous avons un T-Stat de la tendance calculé de 0,31293. La valeur critique tabulée de la tendance dans la table de Dickey-Fuller à 5% pour 250 observations est de 2,79.

Donc, nous avons un T-Stat calculé la valeur critique tabulée, nous acceptons l'hypothèse nulle que la tendance n'est pas significative.

Nous passons au modèle [2] :

Variable	Coeff	Std Error	T-Stat	Signif
Constant	-0.016174549	0.014375248	-1.12517	0.26173893

Nous avons un T-Stat de la constante calculé de -1,12517. La valeur critique tabulée de la constante dans la table de Dickey-Fuller à 5% pour 250 observations est de 2,53. Donc, nous avons un T-Stat calculé la valeur critique tabulée, nous acceptons l'hypothèse nulle que la constante n'est pas significative.

Nous passons au modèle [1] où nous effectuerons directement le test de racine unitaire :

Variable	Coeff	Std Error	T-Stat	Signif
DTAUX_LONG_US{1}	-0.722128669	0.064385129	-11.21577	0.00000000

Nous avons un T-Stat du DTAUX_LONG_US calculé de -11,21577. La valeur critique tabulée dans la table de Dickey-Fuller à 5% pour 250 observations est de -1,95. Donc, nous avons un T-Stat calculé la valeur critique tabulée, nous rejetons l'hypothèse nulle pour dire qu'il y a absence de racine unitaire, ainsi la variable DTAUX_LONG_US est stationnaire.

En conclusion, le DTAUX_LONG_US est stationnaire dans le modèle [1].

En conclusion, nous constatons que toutes nos variables prises en différence première sont stationnaires dans le modèle [1] excepté la DPRODUCTION_INDUSTRIELLE qui est stationnaire dans le modèle [2] car elle possède une constante significative.

Nous allons, dès à présent, tester la présence de co-intégration dans le modèle. Pour cela nous allons utiliser le test de Engle-Granger.

Le test de Engle-Granger :

Soit Yt = á₁ + á₂Xt + åt

Il se peut que cette régression soit fallacieuse c'est-à-dire, qu'elle n'ait aucun sens statistique. Nous comptons deux situations où cette régression pourrait être fallacieuse :

- Si Yt la variable endogène est stationnaire c'est-à-dire qu'elle ne possède pas de racine unitaire.

- Si Yt a une racine unitaire et pas Xt. Mais si Xt en possède une, les deux séries auront une tendance. Si cette tendance est stochastique d'ordre différent, cela signifie que la régression est fallacieuse. Si les deux séries ont la même tendance, on dira que les deux séries sont co-intégrées.

Ceci peut nous amener à interpréter de manière erronée les résultats que l'on obtient.

Donc pour que deux séries soient co-intégrées, il faut que celles-ci soient affectée par le même ordre d'intégration d (Yt ~ I(d) et Xt ~ I(d)) et que le fait d'effectuer une combinaison linéaire de ces séries nous ramène à une série d'ordre d'intégration inférieur :

Si Yt ~ I(d) et Xt ~ I(d), alors en effectuant une combinaison linéaire telle que á₁Yt+ á₂Xt ~ I(d-b) avec b>0.

Selon une approche plus économique, nous pouvons dire que deux séries sont co-intégrées si elles présentent une relation de long terme qui est une relation d'équilibre. Le problème en économétrie est d'intégrer les déséquilibres de court terme avec l'équilibre de long terme.

La théorie de la co-intégration a été développée par Granger en 1981 puis élaborée par Engle et Granger en 1987. C'est d'ailleurs leur test que nous allons utiliser pour tester la co-intégration entre deux séries. Il se fait en deux étapes :

- On estime la relation de co-intégration puis on récupère le résidu de cette relation de co-intégration.

- Ensuite, on réalise un test de racine unitaire sur ce résidu :

(H0) ñ=1 Présence d'une racine unitaire. Nous avons une non stationnarité du résidu, les séries ne sont donc pas co-intégrées, il faut alors estimer le modèle en différence première.

(Ha) ñ?1 Il y a stationnarité de co-intégration et donc les séries sont co-intégrées et la relation décrit une dynamique de long terme, il faut alors faire une estimation du modèle à correction d'erreurs.

La seule différence par rapport au test de Dickey-Fuller est que l'on ne regarde pas les tables de Dickey-Fuller mais celle de Engle et Yoo.

La règle de décision est la suivante, si le t calculé t tabulé dans la table de Engle-Yoo alors on accepte (H0) absence de co-intégration dans le modèle.

Observons maintenant les résultats obtenus vie le logiciel RATS sur le modèle avec les variables explicatives prises en brut :

Tout d'abord nous devons calculer les résidus des la série. En effectuant une régression linéaire du modèle avec les résidus nous observons que deux variables ne sont pas significatives : il s'agit du DEFICIT et de la PRODUCTION_INDUSTRIELLE qui ont respectivement un T-Stat calculé de -1.36467 et 1.73047 (la valeur absolue est inférieure à 1,96). Nous avons un s = 0.5848516116 et un R² = 0.960184, le modèle semble bon.

Observons maintenant le graphe des résidus :



La courbe en bleue est celle des résidus et nous indique, de part son aspect, qu'il n'y a ni tendance, ni constante et qu'elle varie autour de zéro (nous pouvons donc comparer les résidus à un bruit blanc). Nous remarquons cependant une forte volatilité des résidus dans la première moitié des années 1990 qui peut être expliqué par la crise du modèle social Suédois qui est apparu à cette époque.

Observons ce que dit le test de Engle-Granger :

Comme ce test s'apparente à un test de Dickey-Fuller nous devons d'abord d »finir le nombre de retards. Les critères de AIC et de HQ nous disent de mettre un retards alors que les critères de BIC et de MAIC nous disent d'en mettre zéro. Nous ferons donc le test de racine unitaire avec zéro retard car le souci de parcimonie nous impose d'inclure le moins de retard possible dans le modèle.

Nous regardons directement le modèle [1] afin de réaliser le test de racine unitaire :

Variable	Coeff	Std Error	T-Stat		Signif	RESIDUS1{1}
-0.123273610	0.030746857	-4.00931	0.00008307

Nous avons un T-Stat des RESIDUS calculé de -4,00931. La valeur critique tabulée dans la table de Engle-Yoo à 5% pour 200 observations et zéro retard est de -4,48. Donc, nous avons un T-Stat calculé la valeur critique tabulée, nous acceptons l'hypothèse nulle pour dire qu'il y a absence de co-intégration, ainsi le modèle sera dès lors estimer en différence première (nous garderons la notation utilisée auparavant qui consiste à placer un « D » devant le nom de la variable).

4. Estimation du modèle

La régression pas à pas descendante :

Cette technique consiste à enlever une par une les variables non significatives afin de mieux spécifier le modèle. Après chaque retrait de variable non explicative nous effectuerons une régression linéaire sur le logiciel RATS afin d'étudier la nouvelle significativité des variables qui composent le modèle. Nous utiliserons également les critères de comparaison de modèle que sont le s, le critère de akaike et le ². Nous pourrons également commenter le R² qui est un critère de qualité du modèle. La régression pas à pas descendante s'oppose à la régression pas à pas ascendante qui n'est autre que le processus inverse : nous ajoutons les variables une à une afin de tester leur significativité et le modèle. Bien évidemment, nous devons suivre l'hypothèse imposée par le test de co-intégration de Engle-Granger et prendre le modèle en différence première.

La significativité des variables est calculée grâce au test de significativité de Student :

Le test de Student est un test d'égalité d'un coefficient à une valeur donnée. Ce test nous permet de savoir si une variable doit rester ou non dans le modèle

(H0) a_i = 0 La variable n'est pas significative au modèle, nous pouvons l'enlever

(Ha) a_i 0 La variable est significative au modèle, nous pouvons la conserver

_i - a_i

T = ------------- ~ T_{T - K}

s_ii

Règle de decision:

Si le T calculé T tabulé alors nous acceptons l'hypothèse nulle que la variable n'est pas significative au modèle. Par convention nous prendrons un T tabulé pour = 5% avec un degré de liberté infini. Ainsi le T tabulé s'élève à 1,96 ; donc si le T-Stat calculé par le logiciel RATS < à 1 ,96 alors nous déciderons (H0).

Observons ce que nous avons obtenu dans l'analyse :

Tout d'abord regardons le modèle initial,

Centered R**2 0.355859

R Bar **2 0.338049

Durbin-Watson Statistic 1.524607

s du modèle 0.22870

Nous observons un R² et un ² relativement faibles, ceci peut s'expliquer du fait que nous étudions un modèle en différence première. Le Durbin-Watson étant éloigné de 2 nous pouvons supposer qu'il y a de l'auto-corrélation dans le modèle. Enfin le s est relativement faible ce qui peut nous faire penser que le modèle n'est pas trop mauvais mais il peut être amélioré.

Etudions la significativité des variables,

Variable		T-Stat	Constant
-1.62850		DTAUX_3_MOIS
7.15520		DCPI
1.54236		DDEFICIT
-0.59095		DPRODUCTION_INDUSTRIELLE
0.22550		DMSCI_SUEDE
-1.89758		DTAUX_LONG_US
8.39100

Nous ne regarderons pas le T-Stat de la constante.

Sur le modèle complet en différence première nous constatons que le DTAUX_3_MOIS et le TAUX_LONG_US sont significatif du modèle tandis que le DCPI, le DDEFICIT, la PRODUCTION_INDUSTRIELLE et le DMSCI_SUEDE ne sont pas significatifs.

Nous décidons d'évincer la PRODUCTION_INDUSTRIELLE car elle est la variable la moins significative et de retravailler le modèle.

Ainsi nous obtenons,

Centered R**2 0.355708

R Bar **2 0.340931

Durbin-Watson Statistic 1.523645

s du modele 0.22820

Nous observons que le R² et le ² se sont faiblement améliorés, le modèle est très légèrement meilleur. Le Durbin-Watson étant éloigné de 2 nous pouvons supposer qu'il y a de l'auto-corrélation dans le modèle. Enfin le s est plus faible que précédemment ce qui peut nous faire penser que le modèle est meilleur.

Etudions la significativité des variables,

Variable		T-Stat	Constant
-1.61687		DTAUX_3_MOIS
7.17727		DCPI
1.53361		DDEFICIT
-0.61973		DMSCI_SUEDE
-1.89128		DTAUX_LONG_US
8.42143

Nous ne regarderons pas le T-Stat de la constante.

Sur ce modèle en différence première nous constatons que le DTAUX_3_MOIS et le TAUX_LONG_US sont significatif du modèle tandis que le DCPI, le DDEFICIT et le DMSCI_SUEDE ne sont pas significatifs.

Nous décidons d'évincer le DDEFICIT car elle est la variable la moins significative et de retravailler le modèle.

Ainsi nous obtenons,

Centered R**2 0.354573

R Bar **2 0.342784

Durbin-Watson Statistic 1.527258

s du modele 0.22788

Nous observons que le R² est moins bon mais que le ² s'est faiblement améliorés, le modèle est très légèrement meilleur. Le Durbin-Watson étant éloigné de 2 nous pouvons supposer qu'il y a de l'auto-corrélation dans le modèle. Enfin le s est plus faible que précédemment ce qui peut nous faire penser que le modèle est meilleur.

Etudions la significativité des variables,

Variable		T-Stat	Constant
-1.63696		DTAUX_3_MOIS
7.16570		DCPI
1.56918		DMSCI_SUEDE
-1.87712		DTAUX_LONG_US
8.47144

Nous ne regarderons pas le T-Stat de la constante.

Sur ce modèle en différence première nous constatons que le DTAUX_3_MOIS et le TAUX_LONG_US sont significatif du modèle tandis que le DCPI et le DMSCI_SUEDE ne sont pas significatifs.

Nous décidons d'évincer le DCPI car elle est la variable la moins significative et de retravailler le modèle.

Ainsi nous obtenons,

Centered R**2 0.347316

R Bar **2 0.338416

Durbin-Watson Statistic 1.523152

s du modele 0.22864

Nous observons que le R² et le ² sont moins bon, le modèle est donc moins bon. Le Durbin-Watson étant éloigné de 2 nous pouvons supposer qu'il y a de l'auto-corrélation dans le modèle. Enfin le s est plus fort que précédemment ce qui peut nous faire penser que le modèle est moins bon.

Etudions la significativité des variables,

Variable		T-Stat	Constant
-1.15234		DTAUX_3_MOIS
7.02703		DMSCI_SUEDE
-2.06328		DTAUX_LONG_US
8.44460

Nous ne regarderons pas le T-Stat de la constante.

Sur ce modèle en différence première nous constatons que toutes les variables sont significatives. Seulement, le modèle est moins nous choisirons donc un modèle où l'on exclut la DPRODUCTION_INDUSTRIELLE et le DDEFICIT, car il vaut mieux avoir un modèle avec trop de variables explicatives que pas assez.

Pour confirmer, nous avons utilisé un test de sélection automatique du meilleur modèle dans RATS. Celui-ci nous confirme notre idée en se référant aux critères de s et de akaike (voir les sorties RATS en annexe).

Nous avons vus des modèles avec des faibles R² et ². Ceci peut s'expliquer par le fait que nous avons prit le modèle en différence première mais pas seulement : cela peut être du à une instabilité des coefficients, un oubli de variable explicative ou la présence de points aberrants. C'est cette dernière idée que nous allons exploitée.

Les points aberrants :

Regardons le graphe des points aberrants,



Nous constatons que la quasi-majorité des points aberrants se trouvent dans la première moitié des années 1990. La Suède ayant connu une crise de son modèle social à cette époque, nous pouvons comprendre ces aberrations.

Corrigeons-les : via RATS, nous définissons les dates des points aberrants et nous les remplaçons par un dummy (notée du). Nous constatons onze dates observées qui sont :

Liste des points non compris entre -1.96 et +1.96 avec les résidus divisés par s

1992:08 -1.96000 2.57705 1.96000

1992:09 -1.96000 4.22295 1.96000

1992:10 -1.96000 -3.90151 1.96000

1993:01 -1.96000 2.55136 1.96000

1994:04 -1.96000 2.12227 1.96000

1994:06 -1.96000 5.06147 1.96000

1994:07 -1.96000 3.22933 1.96000

1994:08 -1.96000 2.25449 1.96000

1994:10 -1.96000 -2.17597 1.96000

1996:02 -1.96000 2.68366 1.96000

1999:07 -1.96000 2.12541 1.96000

Ainsi nous auront onze dummies qui seront incorporés comme étant des variables exogènes dans le modèle.

En effectuant une régression linéaire sur le modèle avec dummies nous pouvons voir que toutes les dummies sont significatives et donc explicatives du modèle.

Regardons le graphe du modèle corrigé,



Nous constatons qu'il reste encore quelques points aberrants mais ceux-ci n'étant pas significatifs nous ne les inclurons pas dans le modèle.

D'ailleurs, en regardant les critères de comparaison du modèle nous nous rendons compte que le modèle corrigé des points aberrant est meilleur que l'ancien.

Centered R**2 0.695369

R Bar **2 0.673401

s du modèle corrigé 0.16064

Nous voyons que le R²et le ² sont bien meilleurs que précédemment et nous avons un s bien plus petit. En somme, ce modèle corrigé est meilleur.

5. Observation des propriétés des erreurs du modèle

Pour calculer des intervalles de confiance prévisionnels et aussi pour effectuer les tests de Student sur les paramètres, il convient de vérifier la normalité des erreurs. Le test de Jarque et Bera (1984), fondé sur la notion de Skewness (asymétrie, caractérise le fait que la loi normale est une loi symétrique) et de Kurtosis (aplatissement, nous indique le degré d'aplatissement des queues de distribution), permet de vérifier la normalité d'une distribution statistique.Tapez une équation ici.

Le test de normalité :

- Les test du Skewness et du Kurtosis

Soit _k = ? ()^k le moment centré d'ordre k.

₃

Le coefficient de Skewness (₁^1/2) est : ₁^1/2 = -----------

₂^3/2

₄

Le coefficient de Kurtosis (²) est : ₂ = --------

₂²

Si la distribution est normale et le nombre d'observations grand ( plus grand que 30) alors :

₃

₁^1/2 = ----------- ~ (0 ;)

₂^3/2

₄

₂ = ------------- ~ (3 ;)

₂²

On construit alors les statistiques :

₁^1/2 - 0 ₂ - 3

₁ = ----------------- et ₂ = ----------------- que l'on compare à 1,96 (valeur de



la loi normale au seuil = 5%). Si les hypothèses (H0) ₁ = 0 (symétrie) et ₂ = 0 (aplatissement normal) sont vérifiés, alors ₁ 1,96 et ₂ = 1,96 ; dans le cas contraire l'hypothèse de normalité est rejetée.

- Le test de Jarque et Bera :

Il s'agit d'un test qui synthétise les résultats précédents ; si ₁^1/2 et ₂ obéissent à des

lois normales alors la quantité s = ₁^1/2 + (₂ - 3)² suit un ² à deux degrés de liberté. Donc si s ²(2), nous rejetons l'hypothèse (H0) de normalité des résidus au seuil .

Observons les résultats obtenus dans RATS :

Skewness -0.126742 Signif Level (Sk=0) 0.441764

Kurtosis (excess) 0.616728 Signif Level (Ku=0) 0.063624

Jarque-Bera 4.149665 Signif Level (JB=0) 0.125577

La Skewness et la Kurtosis suivent bien une loi normale car ₁ et ₂ sont inférieurs à 1,96.

La valeur tabulée dans la table de CHI² à deux degrés de liberté et au seuil = 5% est de 5,991 > 4.149665, nous acceptons donc l'hypothèse (H0) de normalité des résidus.

Le test d'auto-corrélation : Il s'agit des tests de Durbin-Watson, du h de Durbin et de Ljung-Box qui ont été expliqués auparavant.

Nous allons étudier directement les résultats.

Durbin-Watson Statistic 1.665146

Nous observons un Durbin-Watson éloigné de 2, nous pouvons supposer la présence d'auto-corrélation dans le modèle.

Q(4-0) = 10.0546. Significance Level 0.03951826

La valeur tabulée dans la table de CHI² pour 4 degrés de liberté et au seuil = 5% est de 9,488. Nous avons donc un Q calculé > Q tabulé nous rejetons l'hypothèse (H0) absence d'auto-corrélation, il y a de l'auto-corrélation d'un ordre supérieur à 1.

Q(28-0)= 44.4877. Significance Level 0.02484545

La valeur tabulée dans la table de CHI² pour 28 degrés de liberté et au seuil = 5% est de 41,337. Nous avons donc un Q calculé > Q tabulé nous rejetons l'hypothèse (H0) absence d'auto-corrélation, il y a de l'auto-corrélation d'un ordre supérieur à 1.

Nous avons demandé au logiciel RATS de calculer les Q de Ljung-Box avec un découpage des degrés de liberté allant de quatre par quatre. Sur les sept sous périodes observées seules ces deux là présentent de l'auto-corrélation.

Il existe plusieurs méthodes pour retirer l'auto-corrélation (Cochrane-Orcutt et Hidreth Lu). Nous n'utiliserons que la méthode de Cochrane-Orcutt. Avant de l'utiliser, nous allons faire sa description théorique.

On part d'un modèle initial :

Yt = a + b.Xt + _t

_{On transforme} le modèle initial :

Yt - .Yt-1 = a.(1 - ) + b.(Xt - .Xt-1) + ut avec ut = _{t - t-1}

On reprend cette équation. On sait que ñ appartient à l'intervalle [0 ; 1]. On va définir un pas pour ñ (0,1 ; 0,2 ; ... ; 1) et on estime le modèle pour chaque pas. On retiendra le modèle pour lequel la valeur de ñ minimise le « s » c'est-à-dire qui minimise la somme des carrés des résidus.

Observons le résultat obtenu,

6. RHO 0.280994577 0.066862456 4.20258 0.00003850

Donc = 0.280994577 est la valeur qui permet de retirer l'autocorrélation.

Le test d'hétéroscédasticité :

Le test de White (1980)

C'est le test le plus général car nous y introduisons toutes les formes d'hétéroscédasticité possibles. Il est fondé sur une relation significative entre le carré du résidu et une ou plusieurs variables explicatives en niveau et au carré au sein d'une même équation de régression :

e_t² = a₁ x_1t + b₁ x_1t² + a₂ x_2t + b₂ x_2t² +...+ a_k x_kt + b_k x_kt² + a₀ + _t

Soit n le nombre d'observations disponibles pour estimer les paramètres du modèle et R² le coefficient de détermination. Si l'un de ces coefficients de régression est significativement différent de 0, alors nous acceptons l'hypothèse d'hétéroscédasticité. Nous pouvons procéder à ce test par un test de Fisher classique de nullité de coefficients ou recourir à la statistique LM qui est distribuée comme un ² à p = 2k degrés de liberté.

(H0) a₁ = b₁ = a₂ = b₂ =....= a_k = b_k = 0 homoscédasticité

(Ha) au moins une contrainte non vérifiée hétéroscédasticité

Règle de décision :

Pour le test de Fisher

Si le F calculé > F tabulé, on rejette (H0) pour dire qu'il y a hétéroscédasticité

Pour le test LM

Si LM calculé > LM tabulé, on rejette (H0) pour dire qu'il y a hétéroscédasticité

Observons les résultats obtenus,

Regression F(14,208) 1.4708

Le F tabulé dans la table de Fisher pour ₁ = 12 et ₂ = 8 et au seuil = 5% est de 1,75. Nous avons donc un F calculé < au F tabulé, nous acceptons l'hypothèse nulle d'homoscédasticité

Chi-Squared(14)= 20.087209 with Significance Level 0.12741580

Le LM tabulé dans la table de CHI² pour quatorze degrés de liberté et au seuil = 5% est de 23,685. Nous avons donc un LM calculé < au LM tabulé, nous acceptons donc l'hypothèse nulle d'homoscédasticité.

Nous pouvons conclure que notre modèle possède des erreurs homoscédastiques.

6. Observation des propriétés des coefficients du modèle

Le test de stabilité :

Le test de Chow : Ce test nécessite l'homoscédasticité des résidus du modèle. Ce que nous avons prouvé précédemment. C'est un test dans lequel nous définissons une date de rupture qui permettra de découpé le modèle en deux sous échantillons ( qui ne sont pas nécessairement de taille égale).

(H0) y_t = a_t + b + _t (SCR₀ / ²) ~ ²_{T - k} Relation stable

(Ha) y_t = a_11t + b₁ + _t SCR₁

} SCR_a = SCR₁ + SCR₂ avec (SCR_a / ²) ~ ²_{T - 2k}

y_t = a_22t + b₂ + _t SCR₂ Relation instable

Observons ce que nous dit le test de Chow quand nous l'appliquons à notre modèle :

LE MODELE EST INSTABLE, le logiciel RATS nous dit que notre modèle est instable. Cela est certainement du à l'auto-corrélation présente dans le modèle.

Le plus grand Fisher f = 5.976 pour un niveau de significativité ns = 0.000035. Le point correspondant à ce plus grand Fisher est 1993:06.

Regardons ce que nous dit le test de Chow losque nous enlevons les dummies :

LE MODELE EST INSTABLE, le logiciel RATS nous dit que notre modèle est instable.

Le plus grand Fisher f = 8.235 pour un niveau de significativité ns = 0.000000. Le point correspondant à ce plus grand Fisher est 1994:07.

Mieux vaut garder les dummies car elles minimisent le plus grand f de Fisher.

Le point de rupture dans le modèle avec dummies se trouve au sixième mois de l'année 1993. Testons la stabilité des coefficients :

F(5,203) tabulé 2,21 < F(7,103) calculé = 5, 976 nous acceptons (Ha) donc il y a instabilité des coefficients.

Le test de co-linéarité :

(Belsley-Kuh et Welsh) :

Pour détecter la présence de colinéarité, on va effectuer le test de Belsley-Kuh-Welsch (BKW).

Dans un premier temps, ils proposent de travailler avec le conditionnement de x :

Cond(x)=valeur singulière la plus grande / valeur singulière la plus petite=dmax/dmin

Si dmin?0 alors cond (x)?+8 et donc on aura un problème de colinéarité. Le problème est que l'on ne connaît pas le nombre de relations de colinéarité et leur intensité.

BKW ont donc proposé de calculer des indices de conditionnement :

Ind1=d1/d1=1

Ind2=d1/d2

·

·

·

Indk=d1/dk=cond(x)

Ensuite par simulation de Monte Carlo, ils montrent que:

- si Indi<15 : pas de colinéarité

- si 15<Indi<30 : faible colinéarité

- si 30<Indi<100 : forte colinéarité

- si indi>100 : très forte colinéarité

Observons maintenant nos résultats :

INDICES DE CONDITIONNEMENT

1.00000

1.09385

1.23459

1.27217

1.53145

Nous pouvons constater que tous les indices sont plus petit que 15 ce qui signifie que le modèle ne souffre pas de la colinéarité.

CONCLUSION

En conclusion nous obtenons un modèle instable. Nous pouvons l'expliquer par la présence d'auto-corrélation dans le modèle. Nous pouvons dire que notre modèle n'est pas efficace malgré le fait qu'il soit homoscédastique et non colinéaire. Le faible R² du modèle pouvait nous laisser penser à une telle conclusion, tout comme la présence d'auto-corrélation dans le modèle. Les moindres carrés généralisés ne peuvent donc pas être appliqué à un tel modèle et donc aucune conclusion ne peut être tirée dessus.

Le mieux serait d'essayer de faire un modèle VAR pour essayer de corriger le modèle mais ce test n'ayant jamais été vu en cours nous ne pouvons pas l'appliquer.

ENTREE RATS

*********************************DONNEES****************************

**********************************************************************

cal 1990 1 12

all 2008:9

open data i:suede.xls

data(for=xls, org=col) / CPI TAUX_3_MOIS TAUX_10_ANS DEFICIT PRODUCTION_INDUSTRIELLE MSCI_SUEDE TAUX_LONG_US

table

print(picture='*.##')

********************************************************************

****************************BRUTE OU LOG**************************

********************************************************************

*/modele lineaire*/

lin TAUX_10_ANS / res

# CONSTANT TAUX_3_MOIS CPI DEFICIT PRODUCTION_INDUSTRIELLE MSCI_SUEDE TAUX_LONG_US

com s1 = sqrt(%seesq)

*/modele en LOG*/

set LTAUX_10_ANS = LOG(TAUX_10_ANS)

set LTAUX_3_MOIS = LOG(TAUX_3_MOIS)

set LCPI = LOG(CPI)

set LDEFICIT = LOG(DEFICIT)

set LPRODUCTION_INDUSTRIELLE = LOG(PRODUCTION_INDUSTRIELLE)

set LMSCI_SUEDE = LOG(MSCI_SUEDE)

set LTAUX_LONG_US = LOG(TAUX_LONG_US)

lin LTAUX_10_ANS / RES

# CONSTANT LTAUX_3_MOIS LCPI LDEFICIT LPRODUCTION_INDUSTRIELLE LMSCI_SUEDE LTAUX_LONG_US

com s2 = sqrt(%seesq)*exp(%mean)

dis ' s du modele lineaire = ' s1

dis ' s du modele en LOG = ' s2

*********************************************************************************************************GRAPHES*****************************************************************************************************************

spgraph(header="Représentation graphique des séries étudiées de la Suède",vfields=4,hfields=2)

graph(header="Taux d'intérêt à long terme national (10 ans)",key=lol) 1

# TAUX_10_ANS 1990:1 2008:9

graph(header="Taux d'intérêt à court terme national (3 mois)",key=upr) 1

# TAUX_3_MOIS 1990:1 2008:9

graph(header="Indice des prix à la consommation",key=lor) 1

# CPI 1990:1 2008:9

graph(header="Déficit budgetaire",key=lol) 1

# deficit 1990:1 2008:9

graph(header="Production Industrielle",key=lor) 1

# production_industrielle 1990:1 2008:9

graph(header="Indice boursier MSCI de la Suède",key=lor) 1

# MSCI_Suede 1990:1 2008:9

graph(header="Taux d'intérêt à long terme US",key=lol) 1

# TAUX_LONG_US 1990:1 2008:9

spgraph(done)

****************************************************************************

**********************TEST DE DICKEY-FULLER AUGMENTÉ******************

****************************************************************************

source adfautoselect.src

@ADFAutoSelect(MAXLAG=12,PRINT) TAUX_10_ANS 1990:1 2008:9

source dfunit5.src

@dfunit5(LAGS=1) TAUX_10_ANS 1990:1 2008:9

source adfautoselect.src

@ADFAutoSelect(MAXLAG=12,PRINT) TAUX_3_MOIS 1990:1 2008:9

source dfunit5.src

@dfunit5(LAGS=1) TAUX_3_MOIS 1990:1 2008:9

source adfautoselect.src

@ADFAutoSelect(MAXLAG=15,PRINT) CPI 1990:1 2008:9

source dfunit5.src

@dfunit5(LAGS=12) CPI 1990:1 2008:9

source adfautoselect.src

@ADFAutoSelect(MAXLAG=15,PRINT) DEFICIT 1990:1 2008:9

source dfunit5.src

@dfunit5(LAGS=11) DEFICIT 1990:1 2008:9

source adfautoselect.src

@ADFAutoSelect(MAXLAG=12,PRINT) PRODUCTION_INDUSTRIELLE 1990:1 2008:9

source dfunit5.src

@dfunit5(LAGS=2) PRODUCTION_INDUSTRIELLE 1990:1 2008:9

source adfautoselect.src

@ADFAutoSelect(MAXLAG=12,PRINT) MSCI_SUEDE 1990:1 2008:9

source dfunit5.src

@dfunit5(LAGS=0) MSCI_SUEDE 1990:1 2008:9

source adfautoselect.src

@ADFAutoSelect(MAXLAG=12,PRINT) TAUX_LONG_US 1990:1 2008:9

source dfunit5.src

@dfunit5(LAGS=0) TAUX_LONG_US 1990:1 2008:9

***************************************************************************

*****************************DIFFERENCE PREMIERE************************

difference TAUX_10_ANS / DTAUX_10_ANS

difference TAUX_3_MOIS / DTAUX_3_MOIS

difference CPI / DCPI

difference DEFICIT / DDEFICIT

difference PRODUCTION_INDUSTRIELLE / DPRODUCTION_INDUSTRIELLE

difference MSCI_SUEDE / DMSCI_SUEDE

difference TAUX_LONG_US / DTAUX_LONG_US

****************************************************************************

***************************ADF DIFFERENCE PREMIERE**********************

****************************************************************************

source adfautoselect.src

@ADFAutoSelect(MAXLAG=12,PRINT) DTAUX_10_ANS 1990:1 2008:9

source dfunit5.src

@dfunit5(LAGS=0) DTAUX_10_ANS 1990:1 2008:9

source adfautoselect.src

@ADFAutoSelect(MAXLAG=12,PRINT) DTAUX_3_MOIS 1990:1 2008:9

source dfunit5.src

@dfunit5(LAGS=0) DTAUX_3_MOIS 1990:1 2008:9

source adfautoselect.src

@ADFAutoSelect(MAXLAG=20,PRINT) DCPI 1990:1 2008:9

source dfunit5.src

@dfunit5(LAGS=11) DCPI 1990:1 2008:9

source adfautoselect.src

@ADFAutoSelect(MAXLAG=12,PRINT) DDEFICIT 1990:1 2008:9

source dfunit5.src

@dfunit5(LAGS=10) DDEFICIT 1990:1 2008:9

source adfautoselect.src

@ADFAutoSelect(MAXLAG=20,PRINT) DPRODUCTION_INDUSTRIELLE 1990:1 2008:9

source dfunit5.src

@dfunit5(LAGS=1) DPRODUCTION_INDUSTRIELLE 1990:1 2008:9

source adfautoselect.src

@ADFAutoSelect(MAXLAG=12,PRINT) DMSCI_SUEDE 1990:1 2008:9

source dfunit5.src

@dfunit5(LAGS=0) DMSCI_SUEDE 1990:1 2008:9

source adfautoselect.src

@ADFAutoSelect(MAXLAG=12,PRINT) DTAUX_LONG_US 1990:1 2008:9

source dfunit5.src

@dfunit5(LAGS=0) DTAUX_LONG_US 1990:1 2008:9

****************************************************************************

**********************Étude de la cointégration de Engle-Granger*******************

****************************************************************************

smpl 1990:1 2008:9

lin TAUX_10_ANS / RESIDUS

# CONSTANT TAUX_3_MOIS CPI DEFICIT PRODUCTION_INDUSTRIELLE MSCI_SUEDE TAUX_LONG_US

********************************************************

graph(header="Graphe des Résidus",key=upr) 2

# TAUX_10_ANS 1990:01 2008:9

# RESIDUS 1990:01 2008:9

********************************************************

source adfautoselect.src

@ADFAutoSelect(MAXLAG=12,PRINT) RESIDUS 1990:1 2008:9

set RESIDUS1 = RESIDUS+%beta(2)

source dfunit5.src

@dfunit5(lags = 0) RESIDUS1 1990:1 2008:9

***************************************************************************

**************************CHOIX DES VARIABLES***************************

***************************************************************************

**************************REGRESSION DESCENDANTE**********************

****************************************************************************

lin DTAUX_10_ANS / res

# CONSTANT DTAUX_3_MOIS DCPI DDEFICIT DPRODUCTION_INDUSTRIELLE DMSCI_SUEDE DTAUX_LONG_US

com s = sqrt(%seesq)

dis ' s du modele = ' s

*********************sans DPRODUCTION_INDUSTRIELLE*****************

lin DTAUX_10_ANS / res

# CONSTANT DTAUX_3_MOIS DCPI DDEFICIT DMSCI_SUEDE DTAUX_LONG_US

com s = sqrt(%seesq)

dis ' s du modele = ' s

************sans DPRODUCTION_INDUSTRIELLE et DDEFICIT*****************

lin DTAUX_10_ANS / res

# CONSTANT DTAUX_3_MOIS DCPI DMSCI_SUEDE DTAUX_LONG_US

com s = sqrt(%seesq)

dis ' s du modele = ' s

*********sans DCPI DPRODUCTION_INDUSTRIELLE et DDEFICIT****************

lin DTAUX_10_ANS / res

# CONSTANT DTAUX_3_MOIS DMSCI_SUEDE DTAUX_LONG_US

com s = sqrt(%seesq)

dis ' s du modele = ' s

****************************************************************************

********CHOIX AUTOMATIQUE DU MEILLEUR MODELE (CONFIRMATION)******

****************************************************************************

source(noecho) select3.src

@select3 DTAUX_10_ANS 1990:1 2008:9

# CONSTANT DCPI DTAUX_3_MOIS DPRODUCTION_INDUSTRIELLE DMSCI_SUEDE DTAUX_LONG_US DDEFICIT

dis '*******************MODELE EN ECART****************************'

********************Recherche des points aberrants dans les résidus*************

dis '*/points aberrants/*'

source(noecho) points_ab.src

@points_ab DTAUX_10_ANS 1990:1 2008:9

#CONSTANT DCPI DTAUX_3_MOIS DMSCI_SUEDE DTAUX_LONG_US

*******************************************************************

*/correction des points aberrants*/

set du1 = T ==1992:08

set du2 = T ==1992:09

set du3 = T ==1992:10

set du4 = T ==1993:01

set du5 = T ==1994:04

set du6 = T ==1994:06

set du7 = T ==1994:07

set du8 = T ==1994:08

set du9 = T ==1994:10

set du10 = T ==1996:02

set du11 = T ==1999:07

lin DTAUX_10_ANS / res1

# CONSTANT DCPI DTAUX_3_MOIS DMSCI_SUEDE DTAUX_LONG_US du1 du2 du3 du4 du5 du6 du7 du8 du9 du10 du11

corr(qstat,noprint) res1

dis ' statistique Q(' fix(%min(%nobs/4.,2.*sqrt(%nobs))) ')' @22 ###.##### %cdstat @35 'niveau de significativité' ###.#### %signif

com s = sqrt(%seesq)

dis ' s du modele corrigé = ' s

******************vérfication s'il y a encore des points aberrants*********************

*/verification/*

source(noecho) points_ab.src

@points_ab DTAUX_10_ANS 1990:1 2008:09

#constant DCPI DTAUX_3_MOIS DMSCI_SUEDE DTAUX_LONG_US du1 du2 du3 du4 du5 du6 du7 du8 du9 du10 du11

*print / du1 du2 du3 du4 du5 du6 du7 du8 du9 du10 du11

****************************************************************************

****************************Test de normarlite*********************************

****************************************************************************

dis ' test normalite en ecart'

sta res1 1990:1 2008:9

dis 'les erreurs suivent une loi normale'

****************************************************************************

***************************Test d'autocorrelation*******************************

****************************************************************************

smpl 1990:1 2008:9

lin DTAUX_10_ANS / res1

# CONSTANT DCPI DTAUX_3_MOIS DMSCI_Suede DTAUX_LONG_US DU1 DU2 DU3 DU4 DU5 DU5 DU6 DU7 DU8 DU9 DU10 DU11

corr(qstat,span=4) res1 2008:9-%nobs+1 2008:9

****************************************************************************

**********************correction autocorrelation*********************************

****************************************************************************

ar1(method = corc) DTAUX_10_ANS

# CONSTANT DCPI DTAUX_3_MOIS DMSCI_SUEDE DTAUX_LONG_US

****************************************************************************

**************************Test d'heteroscedasticite******************************

****************************************************************************

***** test de white *****

source(noecho) white.src

@white res1 1990:01 2008:9

# DCPI DTAUX_3_MOIS DMSCI_Suede DTAUX_LONG_US

****************************************************************************

***********************test de stabilite (test de chow AVEC DUMMIES)*************

****************************************************************************

source(noecho) chow.src

@chow DTAUX_10_ANS 1990:01 2008:9

# CONSTANT DCPI DTAUX_3_MOIS DMSCI_SUEDE DTAUX_LONG_US du1 du2 du3 du4 du5 du6 du7 du8 du9 du10 du11

****************************************************************************

**********************test de stabilite (test de chow SANS DUMMIES)**************

****************************************************************************

source(noecho) chow.src

@chow DTAUX_10_ANS 1990:01 2008:9

# CONSTANT DCPI DTAUX_3_MOIS DMSCI_SUEDE DTAUX_LONG_US

****************************************************************************

*/Verification de l'hypothese*/

com start = 1990:01

com end = 2008:9

smpl start end

lin DTAUX_10_ANS / res1

# CONSTANT DCPI DTAUX_3_MOIS DMSCI_SUEDE DTAUX_LONG_US

corr(qstat,noprint) res1

dis ' statistique Q(' fix(%min(%nobs/4.,2.*sqrt(%nobs))) ')' @22 ###.##### %cdstat @35 'niveau de significativité' ###.#### %signif

****************************************************************************

*****************************Étude de la colinéarité*****************************

****************************************************************************

source(noecho) bkw.src

@bkw DTAUX_10_ANS 1990:1 2008:9

# CONSTANT DCPI DTAUX_3_MOIS DMSCI_Suede DTAUX_LONG_US

SORTIES RATS

Series Obs Mean Std Error Minimum Maximum

CPI 225 260.276622 22.175984 199.000000 305.080000

TAUX_3_MOIS 225 5.731105 3.601416 1.473600 14.935500

TAUX_10_ANS 225 6.739778 2.891478 2.980000 13.780000

DEFICIT 225 -1267.937778 18605.834160 -84800.000000 61483.000000

PRODUCTION_INDUS 225 91.418667 17.870731 62.800000 120.700000

MSCI_SUEDE 225 620.549867 346.750432 134.140000 1473.530000

TAUX_LONG_US 225 5.714889 1.357450 3.330000 8.890000

ENTRY CPI TAUX_3_MOIS TAUX_10_ANS DEFICIT PRODUCTION_INDUS MSCI_SUEDE TAUX_LONG_US

1990:01 199.00 12.67 12.90 4535.00 66.20 206.98 8.21

1990:02 199.90 14.93 13.74 -4570.00 66.60 194.91 8.47

1990:03 205.40 14.73 13.78 -4836.00 67.10 190.60 8.59

1990:04 205.20 13.79 13.67 8051.00 66.50 192.95 8.79

1990:05 206.40 13.02 13.31 847.00 66.80 213.06 8.76

1990:06 206.20 12.61 12.92 5526.00 66.90 222.91 8.48

1990:07 208.20 12.63 12.84 -3807.00 64.60 226.63 8.47

1990:08 209.60 13.04 13.29 13171.00 66.40 195.29 8.75

1990:09 212.00 13.12 13.38 -14262.00 66.30 158.00 8.89

1990:10 213.40 14.72 13.28 -1723.00 66.50 161.09 8.72

1990:11 214.10 14.94 12.83 -4201.00 66.50 139.27 8.39

1990:12 213.90 14.41 12.33 -12708.00 67.30 148.74 8.08

1991:01 218.90 13.42 11.88 -6128.00 66.60 157.30 8.09

1991:02 225.00 12.10 11.18 -2949.00 66.40 186.96 7.85

1991:03 225.80 12.15 11.36 -16202.00 65.80 193.22 8.11

1991:04 227.10 12.32 11.37 5290.00 65.90 186.37 8.04

1991:05 227.30 11.81 10.82 -6230.00 65.50 197.33 8.07

1991:06 227.00 10.66 10.63 -4754.00 65.00 203.44 8.28

1991:07 227.10 10.62 10.64 1156.00 64.80 199.90 8.27

1991:08 226.70 10.75 10.65 7764.00 64.00 198.60 7.90

1991:09 229.20 10.32 10.21 -21390.00 64.70 187.40 7.65

1991:10 230.10 10.80 10.03 -3595.00 65.00 182.42 7.53

1991:11 231.10 11.11 9.87 -13390.00 65.70 168.54 7.42

1991:12 230.80 13.70 10.03 -20701.00 64.10 165.74 7.09

1992:01 230.20 12.54 9.54 -14177.00 66.10 179.58 7.03

1992:02 230.30 12.28 9.45 13074.00 65.40 172.93 7.34

1992:03 231.30 11.75 9.42 -16687.00 64.50 183.16 7.54

1992:04 231.90 11.90 9.55 10219.00 65.60 180.20 7.48

1992:05 232.00 11.71 9.54 -19573.00 65.20 181.71 7.39

1992:06 231.50 11.64 9.65 -3462.00 64.70 170.41 7.26

1992:07 231.20 11.97 9.86 -13183.00 66.80 156.08 6.84

1992:08 231.30 13.32 10.60 -1912.00 66.90 147.70 6.59

1992:09 234.60 12.11 11.22 -29688.00 64.90 134.14 6.42

1992:10 235.10 14.50 10.98 -6679.00 64.40 139.86 6.59

1992:11 234.00 12.56 10.63 -30208.00 63.20 174.18 6.87

1992:12 234.90 10.63 9.79 -30116.00 63.60 180.67 6.77

1993:01 241.00 9.81 10.17 -47077.00 63.20 174.05 6.60

1993:02 241.60 9.37 9.83 16063.00 62.80 194.00 6.26

1993:03 242.70 9.76 9.40 -29487.00 64.00 191.87 5.98

1993:04 243.70 9.53 9.44 3790.00 63.40 195.23 5.97

1993:05 243.10 8.79 9.12 -17786.00 64.40 213.62 6.04

1993:06 242.30 8.37 8.71 -1678.00 64.70 206.73 5.96

1993:07 241.90 8.26 8.27 -2458.00 65.60 227.85 5.81

1993:08 242.30 7.64 7.66 -14480.00 65.90 247.54 5.68

1993:09 244.50 7.58 7.82 -42001.00 66.30 252.25 5.36

1993:10 245.20 7.50 7.59 -6561.00 66.50 274.02 5.33

1993:11 245.30 7.27 7.52 -18944.00 66.90 255.25 5.72

1993:12 244.30 6.94 7.30 -47459.00 68.40 271.10 5.77

1994:01 245.10 7.01 7.05 -22547.00 68.60 299.42 5.75

1994:02 245.90 7.03 7.15 7622.00 69.90 292.82 5.97

1994:03 246.80 7.08 7.87 -5430.00 71.20 275.15 6.48

1994:04 247.80 7.12 8.64 5951.00 71.30 283.55 6.97

1994:05 248.30 7.03 8.91 8526.00 72.10 292.22 7.18

1994:06 248.40 7.02 10.01 -37306.00 73.80 258.17 7.10

1994:07 248.40 7.35 10.90 -10705.00 71.50 282.80 7.30

1994:08 248.50 7.72 11.44 11644.00 73.40 283.27 7.24

1994:09 250.70 7.74 11.43 -39637.00 77.10 276.88 7.46

1994:10 251.00 7.98 11.13 1977.00 77.50 284.80 7.74

1994:11 250.80 8.14 11.12 -24994.00 78.60 290.65 7.96

1994:12 250.40 8.00 10.86 -18287.00 79.60 286.00 7.81

1995:01 251.30 8.05 11.03 -37734.00 80.20 290.20 7.78

1995:02 252.30 7.93 10.74 20328.00 81.00 289.17 7.47

1995:03 253.30 8.70 11.20 -25161.00 81.80 283.13 7.20

1995:04 255.00 8.81 11.44 -3515.00 82.10 301.75 7.06

1995:05 255.30 8.80 10.77 -17172.00 81.80 310.42 6.63

1995:06 255.10 9.19 10.61 -7683.00 82.20 320.35 6.17

1995:07 254.80 9.29 10.58 -10025.00 82.10 343.13 6.28

1995:08 254.50 9.18 10.25 -14337.00 82.40 344.72 6.49

1995:09 256.20 8.95 9.66 -18148.00 82.10 356.95 6.20

1995:10 256.90 8.89 9.33 -4463.00 83.20 331.45 6.04

1995:11 256.80 8.87 9.02 -15041.00 82.50 345.92 5.93

1995:12 256.00 8.64 8.63 -20231.00 80.90 338.92 5.71

1996:01 255.60 8.22 8.25 -26959.00 82.00 332.39 5.65

1996:02 255.80 7.69 8.78 25811.00 82.30 371.35 5.81

1996:03 257.00 7.11 8.79 1209.00 81.10 379.70 6.27

1996:04 257.60 6.28 8.36 -4412.00 81.50 379.32 6.51

1996:05 257.30 6.22 8.46 -5636.00 83.50 389.74 6.74

1996:06 256.30 5.82 8.37 1484.00 83.30 380.41 6.91

1996:07 255.70 5.46 8.29 -10696.00 84.00 358.75 6.87

1996:08 254.50 5.20 8.13 -2600.00 84.70 390.85 6.64

1996:09 256.00 4.83 7.82 803.00 82.50 403.95 6.83

1996:10 255.90 4.64 7.22 -3959.00 82.40 425.08 6.53

1996:11 255.30 4.46 7.29 -9264.00 84.00 439.84 6.20

1996:12 254.90 3.91 6.88 -23805.00 86.00 463.58 6.30

1997:01 254.60 3.79 6.77 -3318.00 86.30 494.10 6.58

1997:02 254.20 3.96 6.71 25319.00 85.50 525.20 6.42

1997:03 255.20 4.16 7.13 -1122.00 85.30 546.02 6.69

1997:04 257.00 4.06 7.27 -2065.00 87.20 512.40 6.89

1997:05 257.00 4.12 7.04 6613.00 86.80 566.37 6.71

1997:06 257.40 4.08 6.83 -7058.00 86.20 606.47 6.49

1997:07 257.30 4.09 6.47 -9162.00 88.50 652.32 6.22

1997:08 257.40 4.20 6.56 4954.00 87.90 619.01 6.30

1997:09 259.80 4.13 6.41 6859.00 88.80 652.45 6.21

1997:10 259.60 4.26 6.25 -7886.00 89.30 576.97 6.03

1997:11 259.20 4.33 6.33 -8514.00 89.30 603.20 5.88

1997:12 259.10 4.45 6.06 -10848.00 91.50 567.25 5.81

1998:01 256.90 4.44 5.69 3963.00 90.00 621.58 5.54

1998:02 256.60 4.36 5.56 28271.00 89.70 683.34 5.57

1998:03 257.00 4.51 5.38 -3953.00 90.30 733.43 5.65

1998:04 257.70 4.50 5.24 1560.00 91.30 718.76 5.64

1998:05 258.10 4.52 5.23 4981.00 89.50 767.63 5.65

1998:06 257.60 4.23 5.00 -9291.00 91.90 773.91 5.50

1998:07 257.00 4.14 4.91 1586.00 92.40 776.50 5.46

1998:08 255.70 4.23 4.83 -5403.00 93.50 672.40 5.34

1998:09 256.80 4.22 4.82 1883.00 92.10 595.37 4.81

1998:10 257.30 4.20 4.75 -6489.00 92.30 619.83 4.53

1998:11 256.70 3.82 4.59 8069.00 92.50 722.34 4.83

1998:12 256.20 3.45 4.25 -15515.00 91.80 701.88 4.65

1999:01 256.20 3.27 4.02 -1168.00 90.80 700.17 4.72

1999:02 256.30 3.14 4.18 11203.00 92.80 732.73 5.00

1999:03 257.30 3.13 4.44 13483.00 93.80 731.88 5.23

1999:04 257.90 2.87 4.24 14428.00 91.90 788.96 5.18

1999:05 258.30 2.92 4.50 -4012.00 92.90 774.46 5.54

1999:06 258.70 2.97 4.87 9459.00 93.60 830.57 5.90

1999:07 257.60 3.01 5.26 5925.00 93.50 816.56 5.79

1999:08 257.60 3.00 5.49 -599.00 91.90 865.95 5.94

1999:09 259.40 3.05 5.69 16089.00 95.60 845.73 5.92

1999:10 259.70 3.23 5.92 1421.00 95.40 890.81 6.11

1999:11 259.00 3.38 5.56 4244.00 96.00 1041.31 6.03

1999:12 259.60 3.41 5.59 9485.00 94.90 1154.56 6.28

2000:01 257.50 3.57 5.95 206.00 94.10 1214.75 6.66

2000:02 258.70 3.90 5.90 28789.00 96.90 1427.61 6.52

2000:03 259.90 4.06 5.51 11832.00 97.40 1473.53 6.26

2000:04 260.00 3.99 5.42 6145.00 100.00 1403.81 5.99

2000:05 261.30 3.96 5.34 8893.00 100.40 1315.76 6.44

2000:06 261.20 3.94 5.13 61483.00 100.80 1305.73 6.10

2000:07 260.00 4.03 5.31 14453.00 100.30 1301.19 6.05

2000:08 260.20 4.00 5.31 -3577.00 100.20 1321.90 5.83

2000:09 262.00 3.94 5.26 15081.00 100.70 1243.76 5.80

2000:10 262.60 3.99 5.23 -6651.00 101.80 1158.84 5.74

2000:11 262.70 4.00 5.13 -30974.00 103.10 1126.00 5.72

2000:12 262.50 4.07 4.92 -3748.00 100.20 1059.60 5.24

2001:01 261.70 4.07 4.89 -19294.00 102.60 1073.34 5.16

2001:02 262.60 4.10 4.86 45291.00 100.30 979.82 5.10

2001:03 264.60 4.06 4.75 4258.00 100.10 906.51 4.89

2001:04 266.90 3.94 4.93 -17878.00 97.20 910.58 5.14

2001:05 268.70 4.01 5.27 10398.00 99.30 956.06 5.39

2001:06 268.30 4.17 5.38 9375.00 98.10 849.83 5.28

2001:07 266.90 4.31 5.42 5361.00 99.00 837.10 5.24

2001:08 267.60 4.28 5.15 -5852.00 99.60 836.98 4.97

2001:09 269.90 4.01 5.26 34255.00 98.10 684.92 4.73

2001:10 269.10 3.70 5.17 3696.00 98.50 777.14 4.57

2001:11 269.20 3.70 4.96 1891.00 98.30 841.51 4.65

2001:12 269.50 3.71 5.24 -32778.00 99.70 839.23 5.09

2002:01 268.80 3.74 5.27 4557.00 99.10 789.55 5.04

2002:02 269.40 3.87 5.36 19339.00 101.30 785.91 4.91

2002:03 271.80 4.09 5.63 -1749.00 101.20 792.53 5.28

2002:04 272.90 4.25 5.69 2442.00 100.20 717.83 5.21

2002:05 273.60 4.29 5.69 3518.00 100.20 689.24 5.16

2002:06 273.20 4.28 5.52 21464.00 99.20 594.96 4.93

2002:07 272.30 4.26 5.37 3891.00 100.50 484.34 4.65

2002:08 272.40 4.19 5.13 -11896.00 100.00 539.06 4.26

2002:09 274.50 4.17 4.97 -1216.00 100.30 474.69 3.87

2002:10 275.40 4.07 5.07 -1096.00 100.70 495.53 3.94

2002:11 274.70 3.91 5.05 201.00 101.10 578.25 4.05

2002:12 275.10 3.67 4.89 -37945.00 102.20 494.37 4.03

2003:01 276.00 3.65 4.70 -32006.00 102.90 475.65 4.05

2003:02 278.40 3.61 4.47 25364.00 100.40 464.00 3.90

2003:03 279.80 3.40 4.57 -9083.00 101.10 478.90 3.81

2003:04 278.80 3.42 4.72 -1280.00 103.90 497.92 3.96

2003:05 278.50 3.18 4.37 11534.00 102.20 502.35 3.57

2003:06 277.70 2.81 4.20 1091.00 102.60 536.54 3.33

2003:07 276.80 2.68 4.51 385.00 104.70 552.78 3.98

2003:08 276.70 2.71 4.70 -12409.00 103.90 588.06 4.45

2003:09 278.70 2.71 4.73 -637.00 104.10 581.65 4.27

2003:10 278.90 2.73 4.85 -5256.00 103.60 613.35 4.29

2003:11 278.30 2.72 4.98 -258.00 103.30 617.02 4.30

2003:12 278.60 2.69 4.86 -23795.00 105.50 628.11 4.27

2004:01 278.00 2.60 4.65 -33028.00 106.00 675.18 4.15

2004:02 277.30 2.46 4.55 9292.00 105.90 698.18 4.08

2004:03 279.40 2.27 4.31 -635.00 104.80 679.57 3.83

2004:04 279.40 2.02 4.55 7835.00 107.80 714.29 4.35

2004:05 280.10 2.00 4.68 13895.00 107.50 671.79 4.72

2004:06 278.90 1.98 4.72 3004.00 107.00 697.54 4.73

2004:07 278.50 1.99 4.57 -302.00 104.00 671.95 4.50

2004:08 278.20 2.02 4.42 -15697.00 109.10 690.92 4.28

2004:09 280.20 2.00 4.37 -7648.00 108.20 693.55 4.13

2004:10 281.00 1.99 4.24 -4061.00 107.30 701.36 4.10

2004:11 279.40 1.99 4.13 529.00 108.10 743.52 4.19

2004:12 279.40 1.99 3.90 -25887.00 105.00 741.89 4.23

2005:01 277.90 2.00 3.84 -23616.00 105.80 741.92 4.22

2005:02 279.20 1.97 3.76 15430.00 109.30 769.89 4.17

2005:03 279.80 1.97 3.86 19625.00 110.00 770.48 4.50

2005:04 280.20 1.99 3.58 12923.00 107.00 757.05 4.34

2005:05 280.30 1.90 3.34 11467.00 107.60 790.72 4.14

2005:06 280.40 1.65 3.11 2439.00 110.30 809.91 4.00

2005:07 279.40 1.48 3.06 10921.00 112.20 861.49 4.18

2005:08 279.90 1.48 3.14 -8419.00 106.50 833.86 4.26

2005:09 281.90 1.47 2.98 -9397.00 109.50 882.77 4.20

2005:10 282.40 1.49 3.17 -4014.00 111.60 862.86 4.46

2005:11 281.70 1.51 3.38 7203.00 109.50 919.65 4.54

2005:12 281.80 1.69 3.37 -18632.00 109.10 964.64 4.47

2006:01 279.59 1.83 3.32 -17408.00 113.00 959.35 4.42

2006:02 280.90 1.93 3.42 29700.00 110.70 1015.71 4.57

2006:03 282.89 1.96 3.55 9000.00 111.10 1056.92 4.72

2006:04 284.32 2.05 3.84 17400.00 113.60 1050.03 4.99

2006:05 284.76 2.11 3.89 27000.00 115.00 972.79 5.11

2006:06 284.68 2.21 3.93 -1069.00 113.50 915.98 5.11

2006:07 284.19 2.28 3.96 1900.00 113.00 951.98 5.09

2006:08 284.38 2.43 3.84 -4900.00 115.70 972.59 4.88

2006:09 286.04 2.54 3.70 -2800.00 117.40 1040.65 4.72

2006:10 286.07 2.74 3.73 -3800.00 116.50 1088.30 4.73

2006:11 286.43 2.90 3.62 5500.00 116.50 1058.07 4.60

2006:12 286.43 3.00 3.65 -42300.00 119.80 1150.25 4.56

2007:01 285.01 3.21 3.90 9300.00 116.70 1177.35 4.76

2007:02 286.45 3.29 3.93 34600.00 118.40 1183.07 4.72

2007:03 288.33 3.26 3.79 7100.00 119.50 1214.63 4.56

2007:04 289.79 3.34 4.04 29920.00 118.10 1264.61 4.69

2007:05 289.48 3.40 4.15 50362.00 119.10 1269.04 4.75

2007:06 289.95 3.45 4.44 -4600.00 119.50 1241.22 5.10

2007:07 289.49 3.53 4.45 12400.00 118.90 1215.46 5.00

2007:08 289.41 3.58 4.25 9600.00 119.80 1200.75 4.67

2007:09 292.30 3.62 4.22 19400.00 119.90 1217.24 4.52

2007:10 293.85 3.81 4.31 1200.00 118.60 1173.31 4.53

2007:11 295.75 4.02 4.22 1860.00 120.70 1058.63 4.15

2007:12 296.32 4.12 4.31 -84800.00 120.40 1073.66 4.10

2008:01 294.09 4.11 4.08 25000.00 120.20 961.69 3.74

2008:02 295.28 4.21 4.02 56200.00 119.20 986.30 3.74

2008:03 298.08 4.24 3.92 10200.00 118.50 952.99 3.51

2008:04 299.67 4.14 4.06 23300.00 118.10 998.83 3.68

2008:05 300.99 4.11 4.18 13522.00 117.10 993.00 3.88

2008:06 302.45 4.17 4.43 13824.00 117.60 862.65 4.10

2008:07 302.11 4.34 4.37 51502.00 119.10 858.29 4.01

2008:08 301.98 4.40 4.11 100.00 117.30 862.93 3.89

2008:09 305.08 4.49 3.90 54035.00 114.90 821.38 3.69

Linear Regression - Estimation by Least Squares

Dependent Variable TAUX_10_ANS

Monthly Data From 1990:01 To 2008:09

Usable Observations 225 Degrees of Freedom 218

Centered R**2 0.960184 R Bar **2 0.959088

Uncentered R**2 0.993834 T x R**2 223.613

Mean of Dependent Variable 6.7397777778

Std Error of Dependent Variable 2.8914775394

Standard Error of Estimate 0.5848516116

Sum of Squared Residuals 74.567206864

Regression F(6,218) 876.1922

Significance Level of F 0.00000000

Log Likelihood -195.01622

Durbin-Watson Statistic 0.238221

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. Constant -6.653606464 1.580955568 -4.20860 0.00003756

2. TAUX_3_MOIS 0.361912318 0.024325796 14.87772 0.00000000

3. CPI 0.017997736 0.006326675 2.84474 0.00486809

4. DEFICIT -0.000003113 0.000002281 -1.36467 0.17376470

5. PRODUCTION_INDUS 0.014824249 0.008566591 1.73047 0.08496104

6. MSCI_SUEDE -0.002421413 0.000254604 -9.51049 0.00000000

7. TAUX_LONG_US 1.186074485 0.068102117 17.41612 0.00000000

Linear Regression - Estimation by Least Squares

Dependent Variable LTAUX_10_ANS

Monthly Data From 1990:01 To 2008:09

Usable Observations 106 Degrees of Freedom 99

Total Observations 225 Skipped/Missing 119

Centered R**2 0.956662 R Bar **2 0.954035

Uncentered R**2 0.998063 T x R**2 105.795

Mean of Dependent Variable 1.6991656832

Std Error of Dependent Variable 0.3692421999

Standard Error of Estimate 0.0791635284

Sum of Squared Residuals 0.6204195582

Regression F(6,99) 364.2241

Significance Level of F 0.00000000

Log Likelihood 122.05483

Durbin-Watson Statistic 0.524207

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. Constant 0.341426516 1.312753259 0.26008 0.79533889

2. LTAUX_3_MOIS 0.265689388 0.026881877 9.88359 0.00000000

3. LCPI 0.127110479 0.267243222 0.47564 0.63538161

4. LDEFICIT -0.010941434 0.006245397 -1.75192 0.08288417

5. LPRODUCTION_INDU 0.092177250 0.184784604 0.49884 0.61900138

6. LMSCI_SUEDE -0.203444846 0.036010874 -5.64954 0.00000015

7. LTAUX_LONG_US 0.763112431 0.082162844 9.28780 0.00000000

s du modele lineaire = 0.58485

s du modele en LOG = 0.43298



Information Criteria for ADF Lag Lengths, Series TAUX_10_ANS

Lags AIC BIC HQ MAIC

0 -2.542 -2.512 -2.530 -2.372

1 -2.726* -2.680* -2.707* -2.439

2 -2.713 -2.652 -2.688 -2.447

3 -2.706 -2.629 -2.675 -2.430

4 -2.698 -2.605 -2.660 -2.463

5 -2.686 -2.578 -2.642 -2.476*

6 -2.676 -2.552 -2.626 -2.449

7 -2.699 -2.559 -2.643 -2.344

8 -2.685 -2.529 -2.622 -2.314

9 -2.673 -2.500 -2.603 -2.304

10 -2.678 -2.490 -2.602 -2.395

11 -2.668 -2.463 -2.585 -2.421

12 -2.668 -2.446 -2.578 -2.446

TEST UTILISANT LA PROCEDURE DFUNIT5.SRC

***************************************************

ETUDE DE L INTEGRATION DE LA SERIE TAUX_10_ANS

***************************************************

********* avec trend et constante

Linear Regression - Estimation by Least Squares

Dependent Variable dTAUX_10_ANS

Monthly Data From 1990:03 To 2008:09

Usable Observations 223 Degrees of Freedom 219

Centered R**2 0.170889 R Bar **2 0.159531

Uncentered R**2 0.191726 T x R**2 42.755

Mean of Dependent Variable -0.044125561

Std Error of Dependent Variable 0.275437445

Standard Error of Estimate 0.252513031

Sum of Squared Residuals 13.964059907

Regression F(3,219) 15.0461

Significance Level of F 0.00000001

Log Likelihood -7.49193

Durbin-Watson Statistic 2.013781

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. TAUX_10_ANS{1} -0.039282117 0.013616926 -2.88480 0.00430782

2. Constant 0.373229679 0.158151933 2.35994 0.01915640

3. TENDANCE -0.001216502 0.000607883 -2.00121 0.04660385

4. dTAUX_10_ANS{1} 0.368018142 0.060902037 6.04279 0.00000001

valeur de la statistique de Durbin h= -0.24747

statistique Q( 29 )= 36.23670 niveau de significativité 0.1668

statistique Q modifiée

statistique Q( 29 - 1 )= 36.23670 niveau de significativité 0.1367

calcul de phi3 avec H0 (a,0,1) : 5.10791

*****modele sans le trend avec la constante

Linear Regression - Estimation by Least Squares

Dependent Variable dTAUX_10_ANS

Monthly Data From 1990:03 To 2008:09

Usable Observations 223 Degrees of Freedom 220

Centered R**2 0.155727 R Bar **2 0.148052

Uncentered R**2 0.176945 T x R**2 39.459

Mean of Dependent Variable -0.044125561

Std Error of Dependent Variable 0.275437445

Standard Error of Estimate 0.254231644

Sum of Squared Residuals 14.219420374

Regression F(2,220) 20.2896

Significance Level of F 0.00000001

Log Likelihood -9.51251

Durbin-Watson Statistic 1.989878

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. TAUX_10_ANS{1} -0.014734293 0.005952439 -2.47534 0.01406609

2. Constant 0.068764351 0.043483132 1.58140 0.11522252

3. dTAUX_10_ANS{1} 0.350189795 0.060656967 5.77328 0.00000003

calcul de phi1 avec H0 (0,0,1) : 4.59659

******** sans trend ni constante

Linear Regression - Estimation by Least Squares

Dependent Variable dTAUX_10_ANS

Monthly Data From 1990:03 To 2008:09

Usable Observations 223 Degrees of Freedom 221

Centered R**2 0.146130 R Bar **2 0.142266

Uncentered R**2 0.167589 T x R**2 37.372

Mean of Dependent Variable -0.044125561

Std Error of Dependent Variable 0.275437445

Standard Error of Estimate 0.255093441

Sum of Squared Residuals 14.381058676

Log Likelihood -10.77283

Durbin-Watson Statistic 1.980581

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. TAUX_10_ANS{1} -0.006088013 0.002361328 -2.57822 0.01058064

2. dTAUX_10_ANS{1} 0.348205177 0.060849554 5.72239 0.00000003

Information Criteria for ADF Lag Lengths, Series TAUX_3_MOIS

Lags AIC BIC HQ MAIC

0 -1.544 -1.513 -1.531 -1.471

1 -1.666 -1.621* -1.648 -1.492

2 -1.659 -1.597 -1.634 -1.484

3 -1.679 -1.602 -1.648 -1.556

4 -1.671 -1.579 -1.634 -1.562*

5 -1.658 -1.550 -1.615 -1.549

6 -1.645 -1.521 -1.595 -1.530

7 -1.641 -1.501 -1.585 -1.496

8 -1.715 -1.559 -1.652 -1.542

9 -1.745 -1.572 -1.675* -1.480

10 -1.741 -1.552 -1.665 -1.411

11 -1.740 -1.534 -1.657 -1.459

12 -1.748* -1.526 -1.659 -1.513

TEST UTILISANT LA PROCEDURE DFUNIT5.SRC

***************************************************

ETUDE DE L INTEGRATION DE LA SERIE TAUX_3_MOIS

***************************************************

********* avec trend et constante

Linear Regression - Estimation by Least Squares

Dependent Variable dTAUX_3_MOIS

Monthly Data From 1990:03 To 2008:09

Usable Observations 223 Degrees of Freedom 219

Centered R**2 0.035493 R Bar **2 0.022281

Uncentered R**2 0.046475 T x R**2 10.364

Mean of Dependent Variable -0.046839910

Std Error of Dependent Variable 0.437431998

Standard Error of Estimate 0.432531435

Sum of Squared Residuals 40.971273929

Regression F(3,219) 2.6863

Significance Level of F 0.04743311

Log Likelihood -127.50878

Durbin-Watson Statistic 2.002672

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. TAUX_3_MOIS{1} -0.028688093 0.015893913 -1.80497 0.07245237

2. Constant 0.166523389 0.187756120 0.88691 0.37609854

3. TENDANCE -0.000422283 0.000887460 -0.47583 0.63466774

4. dTAUX_3_MOIS{1} 0.041556306 0.063699461 0.65238 0.51483971

valeur de la statistique de Durbin h= -0.06467

statistique Q( 29 )= 69.54982 niveau de significativité 0.0000

statistique Q modifiée

statistique Q( 29 - 1 )= 69.54982 niveau de significativité 0.0000

calcul de phi3 avec H0 (a,0,1) : 3.86732

*****modele sans le trend avec la constante

Linear Regression - Estimation by Least Squares

Dependent Variable dTAUX_3_MOIS

Monthly Data From 1990:03 To 2008:09

Usable Observations 223 Degrees of Freedom 220

Centered R**2 0.034496 R Bar **2 0.025718

Uncentered R**2 0.045489 T x R**2 10.144

Mean of Dependent Variable -0.046839910

Std Error of Dependent Variable 0.437431998

Standard Error of Estimate 0.431770313

Sum of Squared Residuals 41.013632790

Regression F(2,220) 3.9301

Significance Level of F 0.02103577

Log Likelihood -127.62399

Durbin-Watson Statistic 2.001382

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. TAUX_3_MOIS{1} -0.022179475 0.008080121 -2.74494 0.00655223

2. Constant 0.081039074 0.054470738 1.48775 0.13824760

3. dTAUX_3_MOIS{1} 0.035926701 0.062480973 0.57500 0.56587733

calcul de phi1 avec H0 (0,0,1) : 4.99859

******** sans trend ni constante

Linear Regression - Estimation by Least Squares

Dependent Variable dTAUX_3_MOIS

Monthly Data From 1990:03 To 2008:09

Usable Observations 223 Degrees of Freedom 221

Centered R**2 0.024782 R Bar **2 0.020369

Uncentered R**2 0.035886 T x R**2 8.003

Mean of Dependent Variable -0.046839910

Std Error of Dependent Variable 0.437431998

Standard Error of Estimate 0.432954020

Sum of Squared Residuals 41.426269613

Log Likelihood -128.74019

Durbin-Watson Statistic 1.992870

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. TAUX_3_MOIS{1} -0.012004423 0.004314547 -2.78231 0.00586400

2. dTAUX_3_MOIS{1} 0.031842595 0.062591766 0.50873 0.61144579

Information Criteria for ADF Lag Lengths, Series CPI

Lags AIC BIC HQ MAIC

0 0.435 0.465 0.447 8.553

1 0.418 0.463 0.436 6.734

2 0.330 0.391 0.355 4.893

3 0.320 0.397 0.351 7.528

4 0.322 0.415 0.360 7.266

5 0.313 0.421 0.357 6.237

6 0.215 0.339 0.265 1.868

7 0.218 0.358 0.275 1.366

8 0.229 0.385 0.292 1.355

9 0.241 0.413 0.311 1.600

10 0.251 0.440 0.328 1.754

11 0.258 0.463 0.341 1.467

12 0.059 0.281 0.149 0.721*

13 -0.035 0.204* 0.062 2.319

14 -0.032 0.223 0.071 1.365

15 -0.050* 0.222 0.060* 1.731

TEST UTILISANT LA PROCEDURE DFUNIT5.SRC

***************************************************

ETUDE DE L INTEGRATION DE LA SERIE CPI

***************************************************

********* avec trend et constante

Linear Regression - Estimation by Least Squares

Dependent Variable dCPI

Monthly Data From 1991:02 To 2008:09

Usable Observations 212 Degrees of Freedom 197

Centered R**2 0.342998 R Bar **2 0.296307

Uncentered R**2 0.413036 T x R**2 87.564

Mean of Dependent Variable 0.4065094340

Std Error of Dependent Variable 1.1796027466

Standard Error of Estimate 0.9895260611

Sum of Squared Residuals 192.89487964

Regression F(14,197) 7.3462

Significance Level of F 0.00000000

Log Likelihood -290.80423

Durbin-Watson Statistic 2.049369

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. CPI{1} -0.032426297 0.017156388 -1.89004 0.06022066

2. Constant 7.433152605 3.914249183 1.89900 0.05902608

3. TENDANCE 0.010754268 0.005197456 2.06914 0.03983810

4. dCPI{1} 0.172187102 0.063704770 2.70289 0.00747431

5. dCPI{2} -0.160341736 0.064729103 -2.47712 0.01408690

6. dCPI{3} 0.046186345 0.065376015 0.70647 0.48072918

7. dCPI{4} -0.083206843 0.065584401 -1.26870 0.20604561

8. dCPI{5} 0.072265777 0.065671451 1.10041 0.27249463

9. dCPI{6} 0.127029214 0.065677414 1.93414 0.05452877

10. dCPI{7} 0.111761023 0.065257293 1.71262 0.08835566

11. dCPI{8} -0.066372627 0.065583604 -1.01203 0.31276470

12. dCPI{9} 0.039110703 0.065616402 0.59605 0.55182558

13. dCPI{10} -0.114495129 0.064993761 -1.76163 0.07968256

14. dCPI{11} 0.061092617 0.062484246 0.97773 0.32940783

15. dCPI{12} 0.292979890 0.062002093 4.72532 0.00000436

valeur de la statistique de Durbin h= -0.96180

statistique Q( 29 )= 44.03594 niveau de significativité 0.0364

statistique Q modifiée

statistique Q( 29 - 12 )= 44.03594 niveau de significativité 0.0003

calcul de phi3 avec H0 (a,0,1) : 2.29181

*****modele sans le trend avec la constante

Linear Regression - Estimation by Least Squares

Dependent Variable dCPI

Monthly Data From 1991:02 To 2008:09

Usable Observations 212 Degrees of Freedom 198

Centered R**2 0.328720 R Bar **2 0.284646

Uncentered R**2 0.400280 T x R**2 84.859

Mean of Dependent Variable 0.4065094340

Std Error of Dependent Variable 1.1796027466

Standard Error of Estimate 0.9976917990

Sum of Squared Residuals 197.08700732

Regression F(13,198) 7.4584

Significance Level of F 0.00000000

Log Likelihood -293.08322

Durbin-Watson Statistic 2.075345

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. CPI{1} 0.002143748 0.003931285 0.54530 0.58615770

2. Constant -0.367065314 1.062287599 -0.34554 0.73005354

3. dCPI{1} 0.169243237 0.064214452 2.63559 0.00906429

4. dCPI{2} -0.170173726 0.065087171 -2.61455 0.00962174

5. dCPI{3} 0.043260726 0.065900091 0.65646 0.51229087

6. dCPI{4} -0.085607951 0.066115262 -1.29483 0.19688714

7. dCPI{5} 0.074380823 0.066205361 1.12349 0.26259131

8. dCPI{6} 0.126308426 0.066218464 1.90745 0.05790961

9. dCPI{7} 0.111013824 0.065794800 1.68727 0.09312547

10. dCPI{8} -0.070942573 0.066087304 -1.07347 0.28436793

11. dCPI{9} 0.037411897 0.066152701 0.56554 0.57234786

12. dCPI{10} -0.120085921 0.065473448 -1.83412 0.06813763

13. dCPI{11} 0.068156160 0.062905783 1.08346 0.27992007

14. dCPI{12} 0.295899021 0.062497560 4.73457 0.00000418

calcul de phi1 avec H0 (0,0,1) : 2.37535

******** sans trend ni constante

Linear Regression - Estimation by Least Squares

Dependent Variable dCPI

Monthly Data From 1991:02 To 2008:09

Usable Observations 212 Degrees of Freedom 199

Centered R**2 0.328315 R Bar **2 0.287811

Uncentered R**2 0.399918 T x R**2 84.783

Mean of Dependent Variable 0.4065094340

Std Error of Dependent Variable 1.1796027466

Standard Error of Estimate 0.9954818945

Sum of Squared Residuals 197.20585625

Log Likelihood -293.14713

Durbin-Watson Statistic 2.070030

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. CPI{1} 0.000791277 0.000366872 2.15682 0.03221873

2. dCPI{1} 0.168562957 0.064042096 2.63206 0.00915229

3. dCPI{2} -0.170630484 0.064929608 -2.62793 0.00926042

4. dCPI{3} 0.042546598 0.065721779 0.64737 0.51813575

5. dCPI{4} -0.086534489 0.065914540 -1.31283 0.19075268

6. dCPI{5} 0.073145189 0.065962286 1.10889 0.26881420

7. dCPI{6} 0.124847963 0.065937063 1.89344 0.05975017

8. dCPI{7} 0.108283350 0.065173878 1.66145 0.09819701

9. dCPI{8} -0.073898664 0.065386098 -1.13019 0.25975686

10. dCPI{9} 0.034692704 0.065537486 0.52936 0.59714808

11. dCPI{10} -0.122482910 0.064960722 -1.88549 0.06082050

12. dCPI{11} 0.064931885 0.062072082 1.04607 0.29679660

13. dCPI{12} 0.292505269 0.061584293 4.74967 0.00000389

Information Criteria for ADF Lag Lengths, Series DEFICIT

Lags AIC BIC HQ MAIC

0 19.659 19.690 19.672 21.065

1 19.661 19.707 19.679 20.781

2 19.653 19.714 19.678 20.458

3 19.652 19.729 19.683 20.268

4 19.666 19.758 19.703 20.302

5 19.670 19.778 19.714 20.170

6 19.673 19.797 19.723 20.318

7 19.658 19.798 19.715 20.053

8 19.662 19.818 19.725 19.954

9 19.676 19.849 19.746 19.964

10 19.662 19.851 19.738 19.834

11 19.203* 19.408* 19.286* 19.190*

12 19.214 19.436 19.304 19.199

13 19.227 19.465 19.323 19.214

14 19.239 19.494 19.342 19.226

15 19.250 19.522 19.360 19.242

TEST UTILISANT LA PROCEDURE DFUNIT5.SRC

***************************************************

ETUDE DE L INTEGRATION DE LA SERIE DEFICIT

***************************************************

********* avec trend et constante

Linear Regression - Estimation by Least Squares

Dependent Variable dDEFICIT

Monthly Data From 1991:01 To 2008:09

Usable Observations 213 Degrees of Freedom 199

Centered R**2 0.688280 R Bar **2 0.667916

Uncentered R**2 0.688330 T x R**2 146.614

Mean of Dependent Variable 313.347418

Std Error of Dependent Variable 24638.300796

Standard Error of Estimate 14198.242610

Sum of Squared Residuals 40116428547

Regression F(13,199) 33.7995

Significance Level of F 0.00000000

Log Likelihood -2331.45931

Durbin-Watson Statistic 2.014634

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. DEFICIT{1} -0.319399 0.175610 -1.81879 0.07044633

2. Constant -5857.583003 2983.352622 -1.96342 0.05099008

3. TENDANCE 50.609064 21.576127 2.34560 0.01998058

4. dDEFICIT{1} -0.693973 0.170907 -4.06052 0.00007037

5. dDEFICIT{2} -0.676218 0.163698 -4.13087 0.00005319

6. dDEFICIT{3} -0.686915 0.157265 -4.36788 0.00002017

7. dDEFICIT{4} -0.640868 0.147643 -4.34064 0.00002260

8. dDEFICIT{5} -0.644131 0.136123 -4.73198 0.00000421

9. dDEFICIT{6} -0.616464 0.127652 -4.82926 0.00000273

10. dDEFICIT{7} -0.706987 0.116596 -6.06355 0.00000001

11. dDEFICIT{8} -0.695660 0.111427 -6.24319 0.00000000

12. dDEFICIT{9} -0.701659 0.102373 -6.85392 0.00000000

13. dDEFICIT{10} -0.776299 0.085957 -9.03126 0.00000000

14. dDEFICIT{11} -0.687134 0.064237 -10.69679 0.00000000

valeur de la statistique de Durbin h= NA

dans le modèle residusaic en fonction de residusaic{1} et des variables explicatives du modèle

on regarde le t de student de residusaic{1} t= -0.55237

statistique Q( 29 )= 16.32986 niveau de significativité 0.9716

statistique Q modifiée

statistique Q( 29 - 11 )= 16.32986 niveau de significativité 0.5695

calcul de phi3 avec H0 (a,0,1) : 2.80128

*****modele sans le trend avec la constante

Linear Regression - Estimation by Least Squares

Dependent Variable dDEFICIT

Monthly Data From 1991:01 To 2008:09

Usable Observations 213 Degrees of Freedom 200

Centered R**2 0.679662 R Bar **2 0.660441

Uncentered R**2 0.679714 T x R**2 144.779

Mean of Dependent Variable 313.347418

Std Error of Dependent Variable 24638.300796

Standard Error of Estimate 14357.149667

Sum of Squared Residuals 41225549313

Regression F(12,200) 35.3616

Significance Level of F 0.00000000

Log Likelihood -2334.36380

Durbin-Watson Statistic 2.014462

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. DEFICIT{1} -0.041080 0.130909 -0.31381 0.75399484

2. Constant 726.858298 1021.432449 0.71161 0.47753746

3. dDEFICIT{1} -0.944739 0.134833 -7.00672 0.00000000

4. dDEFICIT{2} -0.899839 0.134561 -6.68720 0.00000000

5. dDEFICIT{3} -0.884755 0.134219 -6.59186 0.00000000

6. dDEFICIT{4} -0.812186 0.129748 -6.25970 0.00000000

7. dDEFICIT{5} -0.792341 0.121919 -6.49893 0.00000000

8. dDEFICIT{6} -0.741720 0.117243 -6.32633 0.00000000

9. dDEFICIT{7} -0.811673 0.108922 -7.45187 0.00000000

10. dDEFICIT{8} -0.778273 0.106898 -7.28055 0.00000000

11. dDEFICIT{9} -0.764050 0.099964 -7.64326 0.00000000

12. dDEFICIT{10} -0.818040 0.085036 -9.61995 0.00000000

13. dDEFICIT{11} -0.705951 0.064448 -10.95385 0.00000000

calcul de phi1 avec H0 (0,0,1) : 0.38909

******** sans trend ni constante

Linear Regression - Estimation by Least Squares

Dependent Variable dDEFICIT

Monthly Data From 1991:01 To 2008:09

Usable Observations 213 Degrees of Freedom 201

Centered R**2 0.678850 R Bar **2 0.661275

Uncentered R**2 0.678903 T x R**2 144.606

Mean of Dependent Variable 313.347418

Std Error of Dependent Variable 24638.300796

Standard Error of Estimate 14339.509689

Sum of Squared Residuals 41329929161

Log Likelihood -2334.63311

Durbin-Watson Statistic 2.008139

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. DEFICIT{1} -0.065801012 0.126060203 -0.52198 0.60225841

2. dDEFICIT{1} -0.920743473 0.130388357 -7.06155 0.00000000

3. dDEFICIT{2} -0.876871556 0.130472694 -6.72073 0.00000000

4. dDEFICIT{3} -0.863268389 0.130618160 -6.60910 0.00000000

5. dDEFICIT{4} -0.792796366 0.126699343 -6.25730 0.00000000

6. dDEFICIT{5} -0.774845065 0.119267047 -6.49672 0.00000000

7. dDEFICIT{6} -0.726318540 0.115086846 -6.31105 0.00000000

8. dDEFICIT{7} -0.798462506 0.107196438 -7.44859 0.00000000

9. dDEFICIT{8} -0.767941588 0.105776894 -7.26001 0.00000000

10. dDEFICIT{9} -0.757151619 0.099370512 -7.61948 0.00000000

11. dDEFICIT{10} -0.813312442 0.084671680 -9.60548 0.00000000

12. dDEFICIT{11} -0.703673101 0.064289115 -10.94545 0.00000000

Information Criteria for ADF Lag Lengths, Series PRODUCTION_INDUS

Lags AIC BIC HQ MAIC

0 0.778 0.808 0.790 0.884

1 0.706 0.752 0.725 0.760

2 0.603 0.665* 0.628 0.610*

3 0.615 0.692 0.646 0.627

4 0.597 0.690 0.634 0.634

5 0.610 0.719 0.654 0.656

6 0.599 0.723 0.649 0.728

7 0.598 0.738 0.654 0.756

8 0.603 0.759 0.666 0.831

9 0.603 0.776 0.673 0.903

10 0.611 0.800 0.687 0.841

11 0.579 0.784 0.662 0.972

12 0.505* 0.727 0.595* 0.685

TEST UTILISANT LA PROCEDURE DFUNIT5.SRC

***************************************************

ETUDE DE L INTEGRATION DE LA SERIE PRODUCTION_INDUS

***************************************************

********* avec trend et constante

Linear Regression - Estimation by Least Squares

Dependent Variable dPRODUCTION_INDU

Monthly Data From 1990:04 To 2008:09

Usable Observations 222 Degrees of Freedom 217

Centered R**2 0.197082 R Bar **2 0.182281

Uncentered R**2 0.213941 T x R**2 47.495

Mean of Dependent Variable 0.2153153153

Std Error of Dependent Variable 1.4735494868

Standard Error of Estimate 1.3324984473

Sum of Squared Residuals 385.29480829

Regression F(4,217) 13.3160

Significance Level of F 0.00000000

Log Likelihood -376.20214

Durbin-Watson Statistic 1.979995

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. PRODUCTION_INDUS{1} -0.055787886 0.029494035 -1.89150 0.05988985

2. Constant 3.740936707 1.784529266 2.09632 0.03721299

3. TENDANCE 0.015183630 0.008141068 1.86507 0.06352200

4. dPRODUCTION_INDU{1} -0.357191470 0.066614047 -5.36210 0.00000021

5. dPRODUCTION_INDU{2} -0.318289509 0.065384321 -4.86798 0.00000217

valeur de la statistique de Durbin h= 1.22134

statistique Q( 29 )= 69.61881 niveau de significativité 0.0000

statistique Q modifiée

statistique Q( 29 - 2 )= 69.61881 niveau de significativité 0.0000

calcul de phi3 avec H0 (a,0,1) : 1.78892

*****modele sans le trend avec la constante

Linear Regression - Estimation by Least Squares

Dependent Variable dPRODUCTION_INDU

Monthly Data From 1990:04 To 2008:09

Usable Observations 222 Degrees of Freedom 218

Centered R**2 0.184211 R Bar **2 0.172984

Uncentered R**2 0.201340 T x R**2 44.698

Mean of Dependent Variable 0.2153153153

Std Error of Dependent Variable 1.4735494868

Standard Error of Estimate 1.3400517171

Sum of Squared Residuals 391.47101580

Regression F(3,218) 16.4086

Significance Level of F 0.00000000

Log Likelihood -377.96734

Durbin-Watson Statistic 1.992366

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. PRODUCTION_INDUS{1} -0.001594050 0.005085326 -0.31346 0.75423029

2. Constant 0.530458015 0.473211454 1.12097 0.26353200

3. dPRODUCTION_INDU{1} -0.389245881 0.064723556 -6.01398 0.00000001

4. dPRODUCTION_INDU{2} -0.337115635 0.064966645 -5.18906 0.00000048

calcul de phi1 avec H0 (0,0,1) : 8.58537

******** sans trend ni constante

Linear Regression - Estimation by Least Squares

Dependent Variable dPRODUCTION_INDU

Monthly Data From 1990:04 To 2008:09

Usable Observations 222 Degrees of Freedom 219

Centered R**2 0.179509 R Bar **2 0.172016

Uncentered R**2 0.196737 T x R**2 43.676

Mean of Dependent Variable 0.2153153153

Std Error of Dependent Variable 1.4735494868

Standard Error of Estimate 1.3408365007

Sum of Squared Residuals 393.72751226

Log Likelihood -378.60532

Durbin-Watson Statistic 1.989685

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. PRODUCTION_INDUS{1} 0.003994852 0.001001990 3.98692 0.00009122

2. dPRODUCTION_INDU{1} -0.390361356 0.064753806 -6.02839 0.00000001

3. dPRODUCTION_INDU{2} -0.337314236 0.065004450 -5.18909 0.00000048

Information Criteria for ADF Lag Lengths, Series MSCI_SUEDE

Lags AIC BIC HQ MAIC

0 7.599 7.630* 7.612 7.640*

1 7.589* 7.635 7.607* 7.645

2 7.591 7.652 7.616 7.661

3 7.590 7.666 7.621 7.678

4 7.603 7.695 7.640 7.689

5 7.615 7.724 7.659 7.709

6 7.627 7.751 7.677 7.732

7 7.637 7.777 7.693 7.755

8 7.646 7.802 7.709 7.781

9 7.657 7.830 7.727 7.809

10 7.667 7.856 7.744 7.845

11 7.671 7.876 7.754 7.811

12 7.681 7.903 7.771 7.845

TEST UTILISANT LA PROCEDURE DFUNIT5.SRC

***************************************************

ETUDE DE L INTEGRATION DE LA SERIE MSCI_SUEDE

***************************************************

********* avec trend et constante

Linear Regression - Estimation by Least Squares

Dependent Variable dMSCI_SUEDE

Monthly Data From 1990:02 To 2008:09

Usable Observations 224 Degrees of Freedom 221

Centered R**2 0.009555 R Bar **2 0.000592

Uncentered R**2 0.013313 T x R**2 2.982

Mean of Dependent Variable 2.742857143

Std Error of Dependent Variable 44.545441220

Standard Error of Estimate 44.532251790

Sum of Squared Residuals 438269.84034

Regression F(2,221) 1.0661

Significance Level of F 0.34612764

Log Likelihood -1166.68396

Durbin-Watson Statistic 1.684602

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. MSCI_SUEDE{1} -0.019755536 0.014628812 -1.35045 0.17825170

2. Constant 8.157755504 6.292599038 1.29640 0.19618814

3. TENDANCE 0.060147001 0.078387376 0.76730 0.44371935

statistique Q( 29 ) 54.66247 niveau de significativité 0.0027

calcul de phi3 avec H0 (a,0,1) : 1.06606

*****modele sans le trend avec la constante

Linear Regression - Estimation by Least Squares

Dependent Variable dMSCI_SUEDE

Monthly Data From 1990:02 To 2008:09

Usable Observations 224 Degrees of Freedom 222

Centered R**2 0.006917 R Bar **2 0.002443

Uncentered R**2 0.010685 T x R**2 2.393

Mean of Dependent Variable 2.742857143

Std Error of Dependent Variable 44.545441220

Standard Error of Estimate 44.490985823

Sum of Squared Residuals 439437.41593

Regression F(1,222) 1.5462

Significance Level of F 0.21500552

Log Likelihood -1166.98194

Durbin-Watson Statistic 1.695379

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. MSCI_SUEDE{1} -0.010668267 0.008579419 -1.24347 0.21500552

2. Constant 9.353483823 6.090935829 1.53564 0.12605069

calcul de phi1 avec H0 (0,0,1) : 1.19879

******** sans trend ni constante

Linear Regression - Estimation by Least Squares

Dependent Variable dMSCI_SUEDE

Monthly Data From 1990:02 To 2008:09

Usable Observations 224 Degrees of Freedom 223

Centered R**2 -0.003632 R Bar **2 -0.003632

Uncentered R**2 0.000176 T x R**2 0.039

Mean of Dependent Variable 2.742857143

Std Error of Dependent Variable 44.545441220

Standard Error of Estimate 44.626267151

Sum of Squared Residuals 444105.32953

Log Likelihood -1168.16538

Durbin-Watson Statistic 1.696903

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. MSCI_SUEDE{1} 0.0008309936 0.0041999142 0.19786 0.84333511

Information Criteria for ADF Lag Lengths, Series TAUX_LONG_US

Lags AIC BIC HQ MAIC

0 -3.006 -2.976 -2.994 -2.698*

1 -3.084 -3.039* -3.066* -2.500

2 -3.085* -3.024 -3.060 -2.541

3 -3.082 -3.005 -3.051 -2.374

4 -3.068 -2.976 -3.031 -2.375

5 -3.076 -2.968 -3.033 -2.572

6 -3.074 -2.949 -3.023 -2.414

7 -3.071 -2.930 -3.014 -2.243

8 -3.065 -2.909 -3.002 -2.030

9 -3.053 -2.881 -2.984 -2.055

10 -3.046 -2.857 -2.970 -2.243

11 -3.036 -2.830 -2.953 -2.285

12 -3.059 -2.838 -2.970 -2.368

TEST UTILISANT LA PROCEDURE DFUNIT5.SRC

***************************************************

ETUDE DE L INTEGRATION DE LA SERIE TAUX_LONG_US

***************************************************

********* avec trend et constante

Linear Regression - Estimation by Least Squares

Dependent Variable dTAUX_LONG_US

Monthly Data From 1990:02 To 2008:09

Usable Observations 224 Degrees of Freedom 221

Centered R**2 0.031285 R Bar **2 0.022518

Uncentered R**2 0.039255 T x R**2 8.793

Mean of Dependent Variable -0.020178571

Std Error of Dependent Variable 0.222038990

Standard Error of Estimate 0.219524820

Sum of Squared Residuals 10.650243419

Regression F(2,221) 3.5686

Significance Level of F 0.02983172

Log Likelihood 23.31686

Durbin-Watson Statistic 1.407650

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. TAUX_LONG_US{1} -0.060979521 0.022925293 -2.65992 0.00838848

2. Constant 0.449772970 0.181523348 2.47777 0.01396977

3. TENDANCE -0.001065279 0.000478859 -2.22462 0.02711802

statistique Q( 29 ) 74.32314 niveau de significativité 0.0000

calcul de phi3 avec H0 (a,0,1) : 3.56860

*****modele sans le trend avec la constante

Linear Regression - Estimation by Least Squares

Dependent Variable dTAUX_LONG_US

Monthly Data From 1990:02 To 2008:09

Usable Observations 224 Degrees of Freedom 222

Centered R**2 0.009592 R Bar **2 0.005131

Uncentered R**2 0.017741 T x R**2 3.974

Mean of Dependent Variable -0.020178571

Std Error of Dependent Variable 0.222038990

Standard Error of Estimate 0.221468660

Sum of Squared Residuals 10.888737515

Regression F(1,222) 2.1500

Significance Level of F 0.14398237

Log Likelihood 20.83648

Durbin-Watson Statistic 1.439229

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. TAUX_LONG_US{1} -0.016064385 0.010955749 -1.46630 0.14398237

2. Constant 0.071772820 0.064432141 1.11393 0.26651428

calcul de phi1 avec H0 (0,0,1) : 2.00478

******** sans trend ni constante

Linear Regression - Estimation by Least Squares

Dependent Variable dTAUX_LONG_US

Monthly Data From 1990:02 To 2008:09

Usable Observations 224 Degrees of Freedom 223

Centered R**2 0.004056 R Bar **2 0.004056

Uncentered R**2 0.012250 T x R**2 2.744

Mean of Dependent Variable -0.020178571

Std Error of Dependent Variable 0.222038990

Standard Error of Estimate 0.221588219

Sum of Squared Residuals 10.949598566

Log Likelihood 20.21221

Durbin-Watson Statistic 1.448291

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. TAUX_LONG_US{1} -0.004186660 0.002517458 -1.66305 0.09770704

Information Criteria for ADF Lag Lengths, Series DTAUX_10_ANS

Lags AIC BIC HQ MAIC

0 -2.707* -2.677* -2.695* -1.813

1 -2.697 -2.651 -2.679 -1.843

2 -2.690 -2.629 -2.666 -1.968

3 -2.686 -2.609 -2.655 -1.990*

4 -2.677 -2.584 -2.639 -1.969

5 -2.666 -2.557 -2.622 -1.875

6 -2.680 -2.555 -2.630 -1.921

7 -2.666 -2.525 -2.609 -1.890

8 -2.654 -2.497 -2.591 -1.816

9 -2.667 -2.494 -2.597 -1.659

10 -2.659 -2.470 -2.583 -1.583

11 -2.661 -2.455 -2.578 -1.298

12 -2.658 -2.435 -2.568 -1.406

TEST UTILISANT LA PROCEDURE DFUNIT5.SRC

***************************************************

ETUDE DE L INTEGRATION DE LA SERIE DTAUX_10_ANS

***************************************************

********* avec trend et constante

Linear Regression - Estimation by Least Squares

Dependent Variable dDTAUX_10_ANS

Monthly Data From 1990:02 To 2008:09

Usable Observations 223 Degrees of Freedom 220

Total Observations 224 Skipped/Missing 1

Centered R**2 0.338630 R Bar **2 0.332617

Uncentered R**2 0.338779 T x R**2 75.548

Mean of Dependent Variable -0.004708520

Std Error of Dependent Variable 0.314199656

Standard Error of Estimate 0.256680727

Sum of Squared Residuals 14.494698991

Regression F(2,220) 56.3213

Significance Level of F 0.00000000

Log Likelihood -11.65044

Durbin-Watson Statistic 1.975990

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. DTAUX_10_ANS{1} -0.652321898 0.061490941 -10.60842 0.00000000

2. Constant -0.071826478 0.035372057 -2.03060 0.04349883

3. TENDANCE 0.000363205 0.000268287 1.35379 0.17719145

statistique Q( 29 ) 39.41266 niveau de significativité 0.0940

calcul de phi3 avec H0 (a,0,1) : 56.32130

*****modele sans le trend avec la constante

Linear Regression - Estimation by Least Squares

Dependent Variable dDTAUX_10_ANS

Monthly Data From 1990:02 To 2008:09

Usable Observations 223 Degrees of Freedom 221

Total Observations 224 Skipped/Missing 1

Centered R**2 0.333120 R Bar **2 0.330102

Uncentered R**2 0.333270 T x R**2 74.319

Mean of Dependent Variable -0.004708520

Std Error of Dependent Variable 0.314199656

Standard Error of Estimate 0.257163875

Sum of Squared Residuals 14.615450136

Regression F(1,221) 110.3939

Significance Level of F 0.00000000

Log Likelihood -12.57547

Durbin-Watson Statistic 1.975734

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. DTAUX_10_ANS{1} -0.644216622 0.061313973 -10.50685 0.00000000

2. Constant -0.030101633 0.017389730 -1.73100 0.08484735

calcul de phi1 avec H0 (0,0,1) : 55.23431

******** sans trend ni constante

Linear Regression - Estimation by Least Squares

Dependent Variable dDTAUX_10_ANS

Monthly Data From 1990:02 To 2008:09

Usable Observations 223 Degrees of Freedom 222

Total Observations 224 Skipped/Missing 1

Centered R**2 0.324078 R Bar **2 0.324078

Uncentered R**2 0.324231 T x R**2 72.303

Mean of Dependent Variable -0.004708520

Std Error of Dependent Variable 0.314199656

Standard Error of Estimate 0.258317576

Sum of Squared Residuals 14.813609397

Log Likelihood -14.07705

Durbin-Watson Statistic 1.978649

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. DTAUX_10_ANS{1} -0.629466102 0.060991338 -10.32058 0.00000000

Information Criteria for ADF Lag Lengths, Series DTAUX_3_MOIS

Lags AIC BIC HQ MAIC

0 -1.642 -1.611* -1.629 -0.027

1 -1.635 -1.589 -1.617 -0.271

2 -1.665 -1.604 -1.640 -0.082

3 -1.660 -1.583 -1.629 0.101

4 -1.647 -1.554 -1.610 0.003

5 -1.634 -1.525 -1.590 0.094

6 -1.626 -1.501 -1.575 0.194

7 -1.696 -1.556 -1.639 -0.681*

8 -1.714 -1.557 -1.650 -0.493

9 -1.703 -1.530 -1.633 -0.474

10 -1.710 -1.521 -1.633 -0.319

11 -1.726 -1.520 -1.642 0.009

12 -1.744* -1.522 -1.655* 0.183

TEST UTILISANT LA PROCEDURE DFUNIT5.SRC

***************************************************

ETUDE DE L INTEGRATION DE LA SERIE DTAUX_3_MOIS

***************************************************

********* avec trend et constante

Linear Regression - Estimation by Least Squares

Dependent Variable dDTAUX_3_MOIS

Monthly Data From 1990:02 To 2008:09

Usable Observations 223 Degrees of Freedom 220

Total Observations 224 Skipped/Missing 1

Centered R**2 0.521116 R Bar **2 0.516763

Uncentered R**2 0.521233 T x R**2 116.235

Mean of Dependent Variable -0.009739013

Std Error of Dependent Variable 0.625395449

Standard Error of Estimate 0.434745373

Sum of Squared Residuals 41.580778588

Regression F(2,220) 119.7008

Significance Level of F 0.00000000

Log Likelihood -129.15528

Durbin-Watson Statistic 1.990643

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. DTAUX_3_MOIS{1} -0.976915413 0.063193834 -15.45903 0.00000000

2. Constant -0.154998119 0.059648120 -2.59854 0.00999490

3. TENDANCE 0.000956269 0.000454274 2.10505 0.03642172

statistique Q( 29 ) 73.65630 niveau de significativité 0.0000

calcul de phi3 avec H0 (a,0,1) : 119.70078

*****modele sans le trend avec la constante

Linear Regression - Estimation by Least Squares

Dependent Variable dDTAUX_3_MOIS

Monthly Data From 1990:02 To 2008:09

Usable Observations 223 Degrees of Freedom 221

Total Observations 224 Skipped/Missing 1

Centered R**2 0.511470 R Bar **2 0.509260

Uncentered R**2 0.511589 T x R**2 114.084

Mean of Dependent Variable -0.009739013

Std Error of Dependent Variable 0.625395449

Standard Error of Estimate 0.438107286

Sum of Squared Residuals 42.418296592

Regression F(1,221) 231.3780

Significance Level of F 0.00000000

Log Likelihood -131.37879

Durbin-Watson Statistic 1.977806

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. DTAUX_3_MOIS{1} -0.964352733 0.063397904 -15.21111 0.00000000

2. Constant -0.045517365 0.029431972 -1.54653 0.12340790

calcul de phi1 avec H0 (0,0,1) : 115.74409

******** sans trend ni constante

Linear Regression - Estimation by Least Squares

Dependent Variable dDTAUX_3_MOIS

Monthly Data From 1990:02 To 2008:09

Usable Observations 223 Degrees of Freedom 222

Total Observations 224 Skipped/Missing 1

Centered R**2 0.506183 R Bar **2 0.506183

Uncentered R**2 0.506304 T x R**2 112.906

Mean of Dependent Variable -0.009739013

Std Error of Dependent Variable 0.625395449

Standard Error of Estimate 0.439478417

Sum of Squared Residuals 42.877363997

Log Likelihood -132.57900

Durbin-Watson Statistic 1.973279

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. DTAUX_3_MOIS{1} -0.956517126 0.063392907 -15.08871 0.00000000

Information Criteria for ADF Lag Lengths, Series DCPI

Lags AIC BIC HQ MAIC

0 0.431 0.461 0.443 1.462

1 0.336 0.382 0.355 1.945

2 0.334 0.395 0.359 2.130

3 0.334 0.411 0.365 2.393

4 0.321 0.414 0.359 1.787

5 0.210 0.319 0.254 1.053

6 0.212 0.336 0.262 0.882

7 0.223 0.363 0.280 0.974

8 0.235 0.392 0.298 1.065

9 0.246 0.419 0.316 1.195

10 0.252 0.441 0.328 1.027

11 0.051 0.257 0.134 0.872*

12 -0.039 0.183* 0.051 1.630

13 -0.039 0.200 0.058 1.305

14 -0.056 0.200 0.048* 1.953

15 -0.053 0.220 0.058 2.093

16 -0.040 0.250 0.077 2.260

17 -0.056 0.251 0.068 1.532

18 -0.070* 0.254 0.061 0.969

19 -0.059 0.283 0.079 1.120

20 -0.044 0.315 0.101 1.108

TEST UTILISANT LA PROCEDURE DFUNIT5.SRC

***************************************************

ETUDE DE L INTEGRATION DE LA SERIE DCPI

***************************************************

********* avec trend et constante

Linear Regression - Estimation by Least Squares

Dependent Variable dDCPI

Monthly Data From 1991:01 To 2008:09

Usable Observations 212 Degrees of Freedom 198

Total Observations 213 Skipped/Missing 1

Centered R**2 0.578610 R Bar **2 0.550943

Uncentered R**2 0.578626 T x R**2 122.669

Mean of Dependent Variable -0.008962264

Std Error of Dependent Variable 1.486207317

Standard Error of Estimate 0.995932891

Sum of Squared Residuals 196.39269993

Regression F(13,198) 20.9134

Significance Level of F 0.00000000

Log Likelihood -292.70914

Durbin-Watson Statistic 2.079083

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. DCPI{1} -0.495565168 0.178292824 -2.77950 0.00596891

2. Constant 0.043960789 0.193232249 0.22750 0.82026789

3. TENDANCE 0.001187914 0.001188867 0.99920 0.31891797

4. dDCPI{1} -0.334453193 0.175056258 -1.91055 0.05750766

5. dDCPI{2} -0.503362104 0.169019728 -2.97813 0.00326249

6. dDCPI{3} -0.459324079 0.165435559 -2.77645 0.00602301

7. dDCPI{4} -0.543929791 0.161322052 -3.37170 0.00089831

8. dDCPI{5} -0.468679901 0.158426544 -2.95834 0.00346974

9. dDCPI{6} -0.340914579 0.152567481 -2.23452 0.02656694

10. dDCPI{7} -0.226853327 0.139359287 -1.62783 0.10515098

11. dDCPI{8} -0.294046293 0.122027805 -2.40967 0.01688217

12. dDCPI{9} -0.253474347 0.104200385 -2.43257 0.01588093

13. dDCPI{10} -0.370391464 0.082904363 -4.46770 0.00001328

14. dDCPI{11} -0.299387462 0.062310180 -4.80479 0.00000305

valeur de la statistique de Durbin h= NA

dans le modèle residusaic en fonction de residusaic{1} et des variables explicatives du modèle

on regarde le t de student de residusaic{1} t= -0.18458

statistique Q( 29 )= 42.82841 niveau de significativité 0.0472

statistique Q modifiée

statistique Q( 29 - 11 )= 42.82841 niveau de significativité 0.0008

calcul de phi3 avec H0 (a,0,1) : 5.79176

*****modele sans le trend avec la constante

Linear Regression - Estimation by Least Squares

Dependent Variable dDCPI

Monthly Data From 1991:01 To 2008:09

Usable Observations 212 Degrees of Freedom 199

Total Observations 213 Skipped/Missing 1

Centered R**2 0.576485 R Bar **2 0.550947

Uncentered R**2 0.576501 T x R**2 122.218

Mean of Dependent Variable -0.008962264

Std Error of Dependent Variable 1.486207317

Standard Error of Estimate 0.995928882

Sum of Squared Residuals 197.38299342

Regression F(12,199) 22.5731

Significance Level of F 0.00000000

Log Likelihood -293.24230

Durbin-Watson Statistic 2.066896

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. DCPI{1} -0.551132548 0.169397204 -3.25349 0.00133933

2. Constant 0.209665967 0.099178438 2.11403 0.03575820

3. dDCPI{1} -0.280153125 0.166406859 -1.68354 0.09383801

4. dDCPI{2} -0.450555676 0.160544288 -2.80643 0.00550729

5. dDCPI{3} -0.407876229 0.157218311 -2.59433 0.01018260

6. dDCPI{4} -0.494427528 0.153525923 -3.22048 0.00149480

7. dDCPI{5} -0.421458114 0.151212800 -2.78719 0.00583183

8. dDCPI{6} -0.296912551 0.146073200 -2.03263 0.04341858

9. dDCPI{7} -0.189693681 0.134304918 -1.41241 0.15939106

10. dDCPI{8} -0.264789492 0.118462393 -2.23522 0.02651431

11. dDCPI{9} -0.231182155 0.101783583 -2.27131 0.02419828

12. dDCPI{10} -0.354533578 0.081370781 -4.35701 0.00002111

13. dDCPI{11} -0.291021226 0.061744810 -4.71329 0.00000457

calcul de phi1 avec H0 (0,0,1) : 5.35371

******** sans trend ni constante

Linear Regression - Estimation by Least Squares

Dependent Variable dDCPI

Monthly Data From 1991:01 To 2008:09

Usable Observations 212 Degrees of Freedom 200

Total Observations 213 Skipped/Missing 1

Centered R**2 0.566974 R Bar **2 0.543158

Uncentered R**2 0.566990 T x R**2 120.202

Mean of Dependent Variable -0.008962264

Std Error of Dependent Variable 1.486207317

Standard Error of Estimate 1.004529223

Sum of Squared Residuals 201.81579214

Log Likelihood -295.59649

Durbin-Watson Statistic 2.065956

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. DCPI{1} -0.291896054 0.117876983 -2.47628 0.01410638

2. dDCPI{1} -0.516757749 0.124209179 -4.16038 0.00004715

3. dDCPI{2} -0.666761672 0.124822022 -5.34170 0.00000025

4. dDCPI{3} -0.601397486 0.128922999 -4.66478 0.00000565

5. dDCPI{4} -0.666309876 0.131353638 -5.07264 0.00000089

6. dDCPI{5} -0.570800340 0.134851258 -4.23281 0.00003515

7. dDCPI{6} -0.423512327 0.134383778 -3.15151 0.00187384

8. dDCPI{7} -0.294335602 0.125928761 -2.33732 0.02041155

9. dDCPI{8} -0.347501021 0.112780449 -3.08122 0.00235190

10. dDCPI{9} -0.293068165 0.098324795 -2.98061 0.00323355

11. dDCPI{10} -0.394426357 0.079835956 -4.94046 0.00000164

12. dDCPI{11} -0.311681183 0.061492976 -5.06857 0.00000091

Information Criteria for ADF Lag Lengths, Series DDEFICIT

Lags AIC BIC HQ MAIC

0 19.935 19.966 19.948 25.528*

1 19.801 19.847 19.820 31.989

2 19.746 19.807 19.771 40.406

3 19.750 19.827 19.781 45.023

4 19.726 19.819 19.764 57.013

5 19.739 19.848 19.783 55.769

6 19.690 19.815 19.741 79.001

7 19.681 19.821 19.738 97.655

8 19.693 19.850 19.757 105.113

9 19.668 19.841 19.738 152.711

10 19.194* 19.384* 19.271* 652.528

11 19.205 19.411 19.289 715.764

12 19.218 19.440 19.308 651.231

TEST UTILISANT LA PROCEDURE DFUNIT5.SRC

***************************************************

ETUDE DE L INTEGRATION DE LA SERIE DDEFICIT

***************************************************

********* avec trend et constante

Linear Regression - Estimation by Least Squares

Dependent Variable dDDEFICIT

Monthly Data From 1990:12 To 2008:09

Usable Observations 213 Degrees of Freedom 200

Total Observations 214 Skipped/Missing 1

Centered R**2 0.891932 R Bar **2 0.885448

Uncentered R**2 0.891937 T x R**2 189.983

Mean of Dependent Variable 293.154930

Std Error of Dependent Variable 42191.494938

Standard Error of Estimate 14279.931650

Sum of Squared Residuals 40783289588

Regression F(12,200) 137.5574

Significance Level of F 0.00000000

Log Likelihood -2333.21512

Durbin-Watson Statistic 2.033019

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. DDEFICIT{1} -10.277904 0.690409 -14.88669 0.00000000

2. Constant -2048.439577 2136.887025 -0.95861 0.33891304

3. TENDANCE 24.093926 15.997443 1.50611 0.13361641

4. dDDEFICIT{1} 8.290597 0.662078 12.52208 0.00000000

5. dDDEFICIT{2} 7.347844 0.618142 11.88698 0.00000000

6. dDDEFICIT{3} 6.421141 0.558457 11.49801 0.00000000

7. dDDEFICIT{4} 5.568953 0.491724 11.32536 0.00000000

8. dDDEFICIT{5} 4.739557 0.426035 11.12481 0.00000000

9. dDDEFICIT{6} 3.963741 0.355194 11.15936 0.00000000

10. dDDEFICIT{7} 3.122293 0.286456 10.89974 0.00000000

11. dDDEFICIT{8} 2.320104 0.208933 11.10453 0.00000000

12. dDDEFICIT{9} 1.540511 0.131734 11.69414 0.00000000

13. dDDEFICIT{10} 0.711782 0.063153 11.27079 0.00000000

valeur de la statistique de Durbin h= NA

dans le modèle residusaic en fonction de residusaic{1} et des variables explicatives du modèle

on regarde le t de student de residusaic{1} t= -0.63890

statistique Q( 29 )= 15.84692 niveau de significativité 0.9772

statistique Q modifiée

statistique Q( 29 - 10 )= 15.84692 niveau de significativité 0.6675

calcul de phi3 avec H0 (a,0,1) : 110.84185

*****modele sans le trend avec la constante

Linear Regression - Estimation by Least Squares

Dependent Variable dDDEFICIT

Monthly Data From 1990:12 To 2008:09

Usable Observations 213 Degrees of Freedom 201

Total Observations 214 Skipped/Missing 1

Centered R**2 0.890706 R Bar **2 0.884725

Uncentered R**2 0.890712 T x R**2 189.722

Mean of Dependent Variable 293.154930

Std Error of Dependent Variable 42191.494938

Standard Error of Estimate 14324.916136

Sum of Squared Residuals 41245847683

Regression F(11,201) 148.9167

Significance Level of F 0.00000000

Log Likelihood -2334.41623

Durbin-Watson Statistic 2.018857

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. DDEFICIT{1} -10.1911338 0.6901683 -14.76616 0.00000000

2. Constant 811.9186845 982.5990505 0.82630 0.40961536

3. dDDEFICIT{1} 8.2080669 0.6618853 12.40104 0.00000000

4. dDDEFICIT{2} 7.2728762 0.6180757 11.76697 0.00000000

5. dDDEFICIT{3} 6.3559029 0.5585284 11.37973 0.00000000

6. dDDEFICIT{4} 5.5149480 0.4919601 11.21015 0.00000000

7. dDDEFICIT{5} 4.6971387 0.4264420 11.01472 0.00000000

8. dDDEFICIT{6} 3.9332372 0.3557334 11.05670 0.00000000

9. dDDEFICIT{7} 3.1027227 0.2870623 10.80853 0.00000000

10. dDDEFICIT{8} 2.3094815 0.2094718 11.02526 0.00000000

11. dDDEFICIT{9} 1.5347237 0.1320923 11.61857 0.00000000

12. dDDEFICIT{10} 0.7094513 0.0633327 11.20197 0.00000000

calcul de phi1 avec H0 (0,0,1) : 109.08199

******** sans trend ni constante

Linear Regression - Estimation by Least Squares

Dependent Variable dDDEFICIT

Monthly Data From 1990:12 To 2008:09

Usable Observations 213 Degrees of Freedom 202

Total Observations 214 Skipped/Missing 1

Centered R**2 0.890335 R Bar **2 0.884906

Uncentered R**2 0.890341 T x R**2 189.643

Mean of Dependent Variable 293.154930

Std Error of Dependent Variable 42191.494938

Standard Error of Estimate 14313.663352

Sum of Squared Residuals 41385953629

Log Likelihood -2334.77738

Durbin-Watson Statistic 2.014406

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. DDEFICIT{1} -10.17284377 0.68927134 -14.75884 0.00000000

2. dDDEFICIT{1} 8.19089519 0.66103929 12.39094 0.00000000

3. dDDEFICIT{2} 7.25774023 0.61731884 11.75687 0.00000000

4. dDDEFICIT{3} 6.34328909 0.55788115 11.37032 0.00000000

5. dDDEFICIT{4} 5.50482985 0.49142133 11.20185 0.00000000

6. dDDEFICIT{5} 4.68962806 0.42601026 11.00825 0.00000000

7. dDDEFICIT{6} 3.92819328 0.35540161 11.05283 0.00000000

8. dDDEFICIT{7} 3.09992833 0.28681688 10.80804 0.00000000

9. dDDEFICIT{8} 2.30827853 0.20930216 11.02845 0.00000000

10. dDDEFICIT{9} 1.53406671 0.13198615 11.62294 0.00000000

11. dDDEFICIT{10} 0.70924490 0.06328249 11.20760 0.00000000

Information Criteria for ADF Lag Lengths, Series DPRODUCTION_INDU

Lags AIC BIC HQ MAIC

0 0.699 0.729 0.711 4.242

1 0.595 0.641* 0.613 7.781

2 0.607 0.668 0.631 8.181

3 0.589 0.666 0.620 5.859

4 0.602 0.695 0.640 5.824

5 0.593 0.701 0.637 5.188

6 0.591 0.716 0.642 4.110

7 0.598 0.739 0.655 3.549

8 0.599 0.756 0.663 2.848

9 0.606 0.779 0.676 3.387

10 0.576 0.765 0.653 2.256*

11 0.499* 0.705 0.582* 3.946

12 0.507 0.730 0.597 4.619

13 0.518 0.757 0.614 4.388

14 0.523 0.779 0.626 5.360

15 0.527 0.800 0.637 4.887

16 0.541 0.831 0.658 4.966

17 0.527 0.834 0.651 6.994

18 0.538 0.862 0.669 6.828

19 0.552 0.893 0.690 6.238

20 0.562 0.921 0.708 7.126

TEST UTILISANT LA PROCEDURE DFUNIT5.SRC

***************************************************

ETUDE DE L INTEGRATION DE LA SERIE DPRODUCTION_INDU

***************************************************

********* avec trend et constante

Linear Regression - Estimation by Least Squares

Dependent Variable dDPRODUCTION_IND

Monthly Data From 1990:03 To 2008:09

Usable Observations 222 Degrees of Freedom 218

Total Observations 223 Skipped/Missing 1

Centered R**2 0.680635 R Bar **2 0.676240

Uncentered R**2 0.680645 T x R**2 151.103

Mean of Dependent Variable -0.013063063

Std Error of Dependent Variable 2.355634544

Standard Error of Estimate 1.340353423

Sum of Squared Residuals 391.64731098

Regression F(3,218) 154.8683

Significance Level of F 0.00000000

Log Likelihood -378.01732

Durbin-Watson Statistic 1.992358

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. DPRODUCTION_INDU{1} -1.728474444 0.104517074 -16.53772 0.00000000

2. Constant 0.383564567 0.185440560 2.06840 0.03978258

3. TENDANCE 0.000012827 0.001403989 0.00914 0.99271901

4. dDPRODUCTION_IND{1} 0.338056231 0.064924269 5.20693 0.00000044

valeur de la statistique de Durbin h= 0.22464

statistique Q( 29 )= 68.83192 niveau de significativité 0.0000

statistique Q modifiée

statistique Q( 29 - 1 )= 68.83192 niveau de significativité 0.0000

calcul de phi3 avec H0 (a,0,1) : 136.78988

*****modele sans le trend avec la constante

Linear Regression - Estimation by Least Squares

Dependent Variable dDPRODUCTION_IND

Monthly Data From 1990:03 To 2008:09

Usable Observations 222 Degrees of Freedom 219

Total Observations 223 Skipped/Missing 1

Centered R**2 0.680635 R Bar **2 0.677719

Uncentered R**2 0.680645 T x R**2 151.103

Mean of Dependent Variable -0.013063063

Std Error of Dependent Variable 2.355634544

Standard Error of Estimate 1.337290010

Sum of Squared Residuals 391.64746093

Regression F(2,219) 233.3680

Significance Level of F 0.00000000

Log Likelihood -378.01736

Durbin-Watson Statistic 1.992368

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. DPRODUCTION_INDU{1} -1.728457237 0.104261265 -16.57813 0.00000000

2. Constant 0.385029198 0.092992834 4.14042 0.00004948

3. dDPRODUCTION_IND{1} 0.338045431 0.064765144 5.21956 0.00000042

calcul de phi1 avec H0 (0,0,1) : 137.43807

******** sans trend ni constante

Linear Regression - Estimation by Least Squares

Dependent Variable dDPRODUCTION_IND

Monthly Data From 1990:03 To 2008:09

Usable Observations 222 Degrees of Freedom 220

Total Observations 223 Skipped/Missing 1

Centered R**2 0.655636 R Bar **2 0.654070

Uncentered R**2 0.655646 T x R**2 145.553

Mean of Dependent Variable -0.013063063

Std Error of Dependent Variable 2.355634544

Standard Error of Estimate 1.385485082

Sum of Squared Residuals 422.30516055

Log Likelihood -386.38299

Durbin-Watson Statistic 1.953628

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. DPRODUCTION_INDU{1} -1.615517089 0.104256402 -15.49562 0.00000000

2. dDPRODUCTION_IND{1} 0.280742587 0.065549301 4.28292 0.00002756

Information Criteria for ADF Lag Lengths, Series DMSCI_SUEDE

Lags AIC BIC HQ MAIC

0 7.589* 7.619* 7.601* 9.045

1 7.592 7.638 7.611 8.780

2 7.593 7.654 7.618 8.534

3 7.606 7.683 7.637 8.545

4 7.619 7.711 7.656 8.502

5 7.631 7.740 7.675 8.445

6 7.642 7.767 7.692 8.470

7 7.653 7.794 7.710 8.493

8 7.665 7.822 7.729 8.428

9 7.678 7.851 7.748 8.391*

10 7.677 7.867 7.754 8.615

11 7.689 7.895 7.773 8.518

12 7.697 7.920 7.787 8.658

TEST UTILISANT LA PROCEDURE DFUNIT5.SRC

***************************************************

ETUDE DE L INTEGRATION DE LA SERIE DMSCI_SUEDE

***************************************************

********* avec trend et constante

Linear Regression - Estimation by Least Squares

Dependent Variable dDMSCI_SUEDE

Monthly Data From 1990:02 To 2008:09

Usable Observations 223 Degrees of Freedom 220

Total Observations 224 Skipped/Missing 1

Centered R**2 0.426078 R Bar **2 0.420860

Uncentered R**2 0.426081 T x R**2 95.016

Mean of Dependent Variable -0.13219731

Std Error of Dependent Variable 58.23898596

Standard Error of Estimate 44.32058336

Sum of Squared Residuals 432149.10408

Regression F(2,220) 81.6636

Significance Level of F 0.00000000

Log Likelihood -1160.40628

Durbin-Watson Statistic 2.025438

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. DMSCI_SUEDE{1} -0.853705833 0.066805324 -12.77901 0.00000000

2. Constant 5.193668093 6.046296158 0.85898 0.39128463

3. TENDANCE -0.024690412 0.046124880 -0.53529 0.59298665

statistique Q( 29 ) 45.39188 niveau de significativité 0.0269

calcul de phi3 avec H0 (a,0,1) : 81.66360

*****modele sans le trend avec la constante

Linear Regression - Estimation by Least Squares

Dependent Variable dDMSCI_SUEDE

Monthly Data From 1990:02 To 2008:09

Usable Observations 223 Degrees of Freedom 221

Total Observations 224 Skipped/Missing 1

Centered R**2 0.425330 R Bar **2 0.422730

Uncentered R**2 0.425333 T x R**2 94.849

Mean of Dependent Variable -0.13219731

Std Error of Dependent Variable 58.23898596

Standard Error of Estimate 44.24898495

Sum of Squared Residuals 432711.95982

Regression F(1,221) 163.5687

Significance Level of F 0.00000000

Log Likelihood -1160.55141

Durbin-Watson Statistic 2.025136

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. DMSCI_SUEDE{1} -0.852642479 0.066667909 -12.78940 0.00000000

2. Constant 2.375833336 2.969613209 0.80005 0.42454208

calcul de phi1 avec H0 (0,0,1) : 81.78536

******** sans trend ni constante

Linear Regression - Estimation by Least Squares

Dependent Variable dDMSCI_SUEDE

Monthly Data From 1990:02 To 2008:09

Usable Observations 223 Degrees of Freedom 222

Total Observations 224 Skipped/Missing 1

Centered R**2 0.423666 R Bar **2 0.423666

Uncentered R**2 0.423669 T x R**2 94.478

Mean of Dependent Variable -0.13219731

Std Error of Dependent Variable 58.23898596

Standard Error of Estimate 44.21310051

Sum of Squared Residuals 433965.21294

Log Likelihood -1160.87388

Durbin-Watson Statistic 2.027002

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. DMSCI_SUEDE{1} -0.849120265 0.066468441 -12.77479 0.00000000

Information Criteria for ADF Lag Lengths, Series DTAUX_LONG_US

Lags AIC BIC HQ MAIC

0 -3.076 -3.045* -3.064* -1.990*

1 -3.078* -3.032 -3.060 -1.676

2 -3.071 -3.010 -3.046 -1.764

3 -3.059 -2.981 -3.027 -1.690

4 -3.072 -2.979 -3.034 -1.260

5 -3.066 -2.957 -3.022 -1.509

6 -3.059 -2.935 -3.009 -1.392

7 -3.050 -2.909 -2.993 -1.539

8 -3.039 -2.883 -2.976 -1.626

9 -3.037 -2.864 -2.967 -1.534

10 -3.028 -2.839 -2.952 -1.624

11 -3.054 -2.848 -2.971 -0.950

12 -3.045 -2.823 -2.956 -0.694

TEST UTILISANT LA PROCEDURE DFUNIT5.SRC

***************************************************

ETUDE DE L INTEGRATION DE LA SERIE DTAUX_LONG_US

***************************************************

********* avec trend et constante

Linear Regression - Estimation by Least Squares

Dependent Variable dDTAUX_LONG_US

Monthly Data From 1990:02 To 2008:09

Usable Observations 223 Degrees of Freedom 220

Total Observations 224 Skipped/Missing 1

Centered R**2 0.365570 R Bar **2 0.359803

Uncentered R**2 0.365608 T x R**2 81.531

Mean of Dependent Variable -0.002062780

Std Error of Dependent Variable 0.267822813

Standard Error of Estimate 0.214291244

Sum of Squared Residuals 10.102562192

Regression F(2,220) 63.3841

Significance Level of F 0.00000000

Log Likelihood 28.60038

Durbin-Watson Statistic 1.933667

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. DTAUX_LONG_US{1} -0.728919673 0.064741032 -11.25901 0.00000000

2. Constant -0.024137953 0.029241973 -0.82546 0.41000712

3. TENDANCE 0.000069775 0.000222975 0.31293 0.75463101

statistique Q( 29 ) 47.20543 niveau de significativité 0.0177

calcul de phi3 avec H0 (a,0,1) : 63.38410

*****modele sans le trend avec la constante

Linear Regression - Estimation by Least Squares

Dependent Variable dDTAUX_LONG_US

Monthly Data From 1990:02 To 2008:09

Usable Observations 223 Degrees of Freedom 221

Total Observations 224 Skipped/Missing 1

Centered R**2 0.365288 R Bar **2 0.362416

Uncentered R**2 0.365326 T x R**2 81.468

Mean of Dependent Variable -0.002062780

Std Error of Dependent Variable 0.267822813

Standard Error of Estimate 0.213853451

Sum of Squared Residuals 10.107058961

Regression F(1,221) 127.1894

Significance Level of F 0.00000000

Log Likelihood 28.55076

Durbin-Watson Statistic 1.933618

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. DTAUX_LONG_US{1} -0.728454746 0.064591752 -11.27783 0.00000000

2. Constant -0.016174549 0.014375248 -1.12517 0.26173893

calcul de phi1 avec H0 (0,0,1) : 63.60509

******** sans trend ni constante

Linear Regression - Estimation by Least Squares

Dependent Variable dDTAUX_LONG_US

Monthly Data From 1990:02 To 2008:09

Usable Observations 223 Degrees of Freedom 222

Total Observations 224 Skipped/Missing 1

Centered R**2 0.361652 R Bar **2 0.361652

Uncentered R**2 0.361690 T x R**2 80.657

Mean of Dependent Variable -0.002062780

Std Error of Dependent Variable 0.267822813

Standard Error of Estimate 0.213981532

Sum of Squared Residuals 10.164957311

Log Likelihood 27.91385

Durbin-Watson Statistic 1.933695

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. DTAUX_LONG_US{1} -0.722128669 0.064385129 -11.21577 0.00000000

Linear Regression - Estimation by Least Squares

Dependent Variable TAUX_10_ANS

Monthly Data From 1990:01 To 2008:09

Usable Observations 225 Degrees of Freedom 218

Centered R**2 0.960184 R Bar **2 0.959088

Uncentered R**2 0.993834 T x R**2 223.613

Mean of Dependent Variable 6.7397777778

Std Error of Dependent Variable 2.8914775394

Standard Error of Estimate 0.5848516116

Sum of Squared Residuals 74.567206864

Regression F(6,218) 876.1922

Significance Level of F 0.00000000

Log Likelihood -195.01622

Durbin-Watson Statistic 0.238221

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. Constant -6.653606464 1.580955568 -4.20860 0.00003756

2. TAUX_3_MOIS 0.361912318 0.024325796 14.87772 0.00000000

3. CPI 0.017997736 0.006326675 2.84474 0.00486809

4. DEFICIT -0.000003113 0.000002281 -1.36467 0.17376470

5. PRODUCTION_INDUS 0.014824249 0.008566591 1.73047 0.08496104

6. MSCI_SUEDE -0.002421413 0.000254604 -9.51049 0.00000000

7. TAUX_LONG_US 1.186074485 0.068102117 17.41612 0.00000000



Information Criteria for ADF Lag Lengths, Series RESIDUS

Lags AIC BIC HQ MAIC

0 -2.588 -2.557* -2.575 -2.470*

1 -2.594* -2.548 -2.576* -2.448

2 -2.580 -2.519 -2.556 -2.434

3 -2.574 -2.497 -2.543 -2.443

4 -2.562 -2.469 -2.524 -2.440

5 -2.551 -2.443 -2.507 -2.414

6 -2.542 -2.418 -2.492 -2.423

7 -2.528 -2.388 -2.472 -2.411

8 -2.530 -2.374 -2.467 -2.394

9 -2.525 -2.353 -2.456 -2.388

10 -2.524 -2.335 -2.448 -2.358

11 -2.510 -2.305 -2.427 -2.348

12 -2.518 -2.297 -2.429 -2.308

TEST UTILISANT LA PROCEDURE DFUNIT5.SRC

***************************************************

ETUDE DE L INTEGRATION DE LA SERIE RESIDUS1

***************************************************

********* avec trend et constante

Linear Regression - Estimation by Least Squares

Dependent Variable dRESIDUS1

Monthly Data From 1990:02 To 2008:09

Usable Observations 224 Degrees of Freedom 221

Centered R**2 0.067982 R Bar **2 0.059548

Uncentered R**2 0.068632 T x R**2 15.374

Mean of Dependent Variable -0.007434448

Std Error of Dependent Variable 0.282136883

Standard Error of Estimate 0.273607669

Sum of Squared Residuals 16.544315643

Regression F(2,221) 8.0600

Significance Level of F 0.00041819

Log Likelihood -26.01464

Durbin-Watson Statistic 1.761252

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. RESIDUS1{1} -0.127102244 0.031743724 -4.00401 0.00008505

2. Constant 0.003578976 0.037284487 0.09599 0.92361469

3. TENDANCE 0.000057444 0.000282793 0.20313 0.83921828

statistique Q( 29 ) 41.82080 niveau de significativité 0.0583

calcul de phi3 avec H0 (a,0,1) : 8.05996

*****modele sans le trend avec la constante

Linear Regression - Estimation by Least Squares

Dependent Variable dRESIDUS1

Monthly Data From 1990:02 To 2008:09

Usable Observations 224 Degrees of Freedom 222

Centered R**2 0.067808 R Bar **2 0.063609

Uncentered R**2 0.068458 T x R**2 15.335

Mean of Dependent Variable -0.007434448

Std Error of Dependent Variable 0.282136883

Standard Error of Estimate 0.273016224

Sum of Squared Residuals 16.547404628

Regression F(1,222) 16.1484

Significance Level of F 0.00008021

Log Likelihood -26.03555

Durbin-Watson Statistic 1.760664

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. RESIDUS1{1} -0.127252223 0.031666536 -4.01851 0.00008021

2. Constant 0.010119615 0.018757409 0.53950 0.59008284

calcul de phi1 avec H0 (0,0,1) : 8.15725

******** sans trend ni constante

Linear Regression - Estimation by Least Squares

Dependent Variable dRESIDUS1

Monthly Data From 1990:02 To 2008:09

Usable Observations 224 Degrees of Freedom 223

Centered R**2 0.066586 R Bar **2 0.066586

Uncentered R**2 0.067237 T x R**2 15.061

Mean of Dependent Variable -0.007434448

Std Error of Dependent Variable 0.282136883

Standard Error of Estimate 0.272581905

Sum of Squared Residuals 16.569099606

Log Likelihood -26.18230

Durbin-Watson Statistic 1.765263

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. RESIDUS1{1} -0.123273610 0.030746857 -4.00931 0.00008307

Linear Regression - Estimation by Least Squares

Dependent Variable DTAUX_10_ANS

Monthly Data From 1990:01 To 2008:09

Usable Observations 224 Degrees of Freedom 217

Total Observations 225 Skipped/Missing 1

Centered R**2 0.355859 R Bar **2 0.338049

Uncentered R**2 0.368812 T x R**2 82.614

Mean of Dependent Variable -0.040178571

Std Error of Dependent Variable 0.281096451

Standard Error of Estimate 0.228701173

Sum of Squared Residuals 11.350017120

Regression F(6,217) 19.9805

Significance Level of F 0.00000000

Log Likelihood 16.18957

Durbin-Watson Statistic 1.524607

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. Constant -0.0273 0.0167 -1.62850 0.10486984

2. DTAUX_3_MOIS 0.2388 0.0334 7.15520 0.00000000

3. DCPI 0.0191 0.0124 1.54236 0.12444426

4. DDEFICIT -3.7809e-07 6.3980e-07 -0.59095 0.55516927

5. DPRODUCTION_INDU 2.3819e-03 0.0106 0.22550 0.82180222

6. DMSCI_SUEDE -6.6711e-04 3.5156e-04 -1.89758 0.05907923

7. DTAUX_LONG_US 0.5873 0.0700 8.39100 0.00000000

s du modele = 0.22870

Linear Regression - Estimation by Least Squares

Dependent Variable DTAUX_10_ANS

Monthly Data From 1990:01 To 2008:09

Usable Observations 224 Degrees of Freedom 218

Total Observations 225 Skipped/Missing 1

Centered R**2 0.355708 R Bar **2 0.340931

Uncentered R**2 0.368664 T x R**2 82.581

Mean of Dependent Variable -0.040178571

Std Error of Dependent Variable 0.281096451

Standard Error of Estimate 0.228202759

Sum of Squared Residuals 11.352676814

Regression F(5,218) 24.0712

Significance Level of F 0.00000000

Log Likelihood 16.16333

Durbin-Watson Statistic 1.523645

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. Constant -0.0266 0.0165 -1.61687 0.10735332

2. DTAUX_3_MOIS 0.2389 0.0333 7.17727 0.00000000

3. DCPI 0.0189 0.0123 1.53361 0.12657518

4. DDEFICIT -3.9341e-07 6.3480e-07 -0.61973 0.53608011

5. DMSCI_SUEDE -6.6215e-04 3.5011e-04 -1.89128 0.05991267

6. DTAUX_LONG_US 0.5878 0.0698 8.42143 0.00000000

s du modele = 0.22820

Linear Regression - Estimation by Least Squares

Dependent Variable DTAUX_10_ANS

Monthly Data From 1990:01 To 2008:09

Usable Observations 224 Degrees of Freedom 219

Total Observations 225 Skipped/Missing 1

Centered R**2 0.354573 R Bar **2 0.342784

Uncentered R**2 0.367552 T x R**2 82.332

Mean of Dependent Variable -0.040178571

Std Error of Dependent Variable 0.281096451

Standard Error of Estimate 0.227881627

Sum of Squared Residuals 11.372677849

Regression F(4,219) 30.0776

Significance Level of F 0.00000000

Log Likelihood 15.96618

Durbin-Watson Statistic 1.527258

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. Constant -0.026925151 0.016448225 -1.63696 0.10307415

2. DTAUX_3_MOIS 0.237924630 0.033203243 7.16570 0.00000000

3. DCPI 0.019309144 0.012305271 1.56918 0.11805048

4. DMSCI_SUEDE -0.000656000 0.000349472 -1.87712 0.06183162

5. DTAUX_LONG_US 0.589860250 0.069629260 8.47144 0.00000000

s du modele = 0.22788

Linear Regression - Estimation by Least Squares

Dependent Variable DTAUX_10_ANS

Monthly Data From 1990:01 To 2008:09

Usable Observations 224 Degrees of Freedom 220

Total Observations 225 Skipped/Missing 1

Centered R**2 0.347316 R Bar **2 0.338416

Uncentered R**2 0.360441 T x R**2 80.739

Mean of Dependent Variable -0.040178571

Std Error of Dependent Variable 0.281096451

Standard Error of Estimate 0.228637724

Sum of Squared Residuals 11.500545979

Regression F(3,220) 39.0233

Significance Level of F 0.00000000

Log Likelihood 14.71394

Durbin-Watson Statistic 1.523152

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. Constant -0.017784313 0.015433190 -1.15234 0.25043118

2. DTAUX_3_MOIS 0.233080111 0.033169089 7.02703 0.00000000

3. DMSCI_SUEDE -0.000718706 0.000348332 -2.06328 0.04025995

4. DTAUX_LONG_US 0.589941919 0.069860266 8.44460 0.00000000

s du modele = 0.22864

fin du programme

##############

les 3 meilleurs S sont :

Linear Regression - Estimation by Least Squares

Dependent Variable DTAUX_10_ANS

Monthly Data From 1990:01 To 2008:09

Usable Observations 224 Degrees of Freedom 219

Total Observations 225 Skipped/Missing 1

Centered R**2 0.354573 R Bar **2 0.342784

Uncentered R**2 0.367552 T x R**2 82.332

Mean of Dependent Variable -0.040178571

Std Error of Dependent Variable 0.281096451

Standard Error of Estimate 0.227881627

Sum of Squared Residuals 11.372677849

Regression F(4,219) 30.0776

Significance Level of F 0.00000000

Log Likelihood 15.96618

Durbin-Watson Statistic 1.527258

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. Constant -0.026925151 0.016448225 -1.63696 0.10307415

2. DTAUX_LONG_US 0.589860250 0.069629260 8.47144 0.00000000

3. DMSCI_SUEDE -0.000656000 0.000349472 -1.87712 0.06183162

4. DTAUX_3_MOIS 0.237924630 0.033203243 7.16570 0.00000000

5. DCPI 0.019309144 0.012305271 1.56918 0.11805048

see= 0.22788

akaike= -2.93579

##########

Linear Regression - Estimation by Least Squares

Dependent Variable DTAUX_10_ANS

Monthly Data From 1990:01 To 2008:09

Usable Observations 224 Degrees of Freedom 218

Total Observations 225 Skipped/Missing 1

Centered R**2 0.355708 R Bar **2 0.340931

Uncentered R**2 0.368664 T x R**2 82.581

Mean of Dependent Variable -0.040178571

Std Error of Dependent Variable 0.281096451

Standard Error of Estimate 0.228202759

Sum of Squared Residuals 11.352676814

Regression F(5,218) 24.0712

Significance Level of F 0.00000000

Log Likelihood 16.16333

Durbin-Watson Statistic 1.523645

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. Constant -0.0266 0.0165 -1.61687 0.10735332

2. DDEFICIT -3.9341e-07 6.3480e-07 -0.61973 0.53608011

3. DTAUX_LONG_US 0.5878 0.0698 8.42143 0.00000000

4. DMSCI_SUEDE -6.6215e-04 3.5011e-04 -1.89128 0.05991267

5. DTAUX_3_MOIS 0.2389 0.0333 7.17727 0.00000000

6. DCPI 0.0189 0.0123 1.53361 0.12657518

see= 0.22820

akaike= -2.92862

##########

Linear Regression - Estimation by Least Squares

Dependent Variable DTAUX_10_ANS

Monthly Data From 1990:01 To 2008:09

Usable Observations 224 Degrees of Freedom 218

Total Observations 225 Skipped/Missing 1

Centered R**2 0.354822 R Bar **2 0.340025

Uncentered R**2 0.367797 T x R**2 82.386

Mean of Dependent Variable -0.040178571

Std Error of Dependent Variable 0.281096451

Standard Error of Estimate 0.228359555

Sum of Squared Residuals 11.368282871

Regression F(5,218) 23.9783

Significance Level of F 0.00000000

Log Likelihood 16.00947

Durbin-Watson Statistic 1.528284

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. Constant -0.027700100 0.016697479 -1.65894 0.09856606

2. DTAUX_LONG_US 0.589092099 0.069825443 8.43664 0.00000000

3. DMSCI_SUEDE -0.000662653 0.000350954 -1.88815 0.06033439

4. DPRODUCTION_INDU 0.003044545 0.010487289 0.29031 0.77185650

5. DTAUX_3_MOIS 0.237769716 0.033277157 7.14513 0.00000000

6. DCPI 0.019541666 0.012357063 1.58142 0.11523253

see= 0.22836

akaike= -2.92725

##########

*******************MODELE EN ECART****************************

*/points aberrants/*

ce graphe est enregistré dans le fichier grafres.gsp

liste des points non compris entre -1.96 et +1.96 avec les résidus standardisés

1992:08 -1.96000 2.64100 1.96000

1992:09 -1.96000 4.34371 1.96000

1992:10 -1.96000 -4.19590 1.96000

1993:01 -1.96000 2.69728 1.96000

1994:04 -1.96000 2.15446 1.96000

1994:06 -1.96000 5.08263 1.96000

1994:07 -1.96000 3.25065 1.96000

1994:08 -1.96000 2.26374 1.96000

1994:10 -1.96000 -2.19215 1.96000

1996:02 -1.96000 2.70309 1.96000

1999:07 -1.96000 2.13965 1.96000

liste des points non compris entre -1.96 et +1.96 avec les résidus divisés par s

1992:08 -1.96000 2.57705 1.96000

1992:09 -1.96000 4.22295 1.96000

1992:10 -1.96000 -3.90151 1.96000

1993:01 -1.96000 2.55136 1.96000

1994:04 -1.96000 2.12227 1.96000

1994:06 -1.96000 5.06147 1.96000

1994:07 -1.96000 3.22933 1.96000

1994:08 -1.96000 2.25449 1.96000

1994:10 -1.96000 -2.17597 1.96000

1996:02 -1.96000 2.68366 1.96000

1999:07 -1.96000 2.12541 1.96000



Linear Regression - Estimation by Least Squares

Dependent Variable DTAUX_10_ANS

Monthly Data From 1990:01 To 2008:09

Usable Observations 224 Degrees of Freedom 208

Total Observations 225 Skipped/Missing 1

Centered R**2 0.695369 R Bar **2 0.673401

Uncentered R**2 0.701495 T x R**2 157.135

Mean of Dependent Variable -0.040178571

Std Error of Dependent Variable 0.281096451

Standard Error of Estimate 0.160643396

Sum of Squared Residuals 5.3677105538

Regression F(15,208) 31.6529

Significance Level of F 0.00000000

Log Likelihood 100.05716

Durbin-Watson Statistic 1.665146

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. Constant -0.038979152 0.011945957 -3.26296 0.00128878

2. DCPI 0.006249505 0.009233935 0.67680 0.49928638

3. DTAUX_3_MOIS 0.312934379 0.026465196 11.82437 0.00000000

4. DMSCI_SUEDE -0.000573957 0.000247273 -2.32115 0.02124714

5. DTAUX_LONG_US 0.627316768 0.050494657 12.42343 0.00000000

6. DU1 0.509883707 0.165348114 3.08370 0.00232177

7. DU2 1.115679616 0.166160428 6.71447 0.00000000

8. DU3 -1.056984254 0.174100318 -6.07112 0.00000001

9. DU4 0.741934878 0.170518001 4.35106 0.00002123

10. DU5 0.486396558 0.163191462 2.98053 0.00322029

11. DU6 1.173690317 0.161330145 7.27508 0.00000000

12. DU7 0.713476508 0.161875529 4.40756 0.00001674

13. DU8 0.501916745 0.161416852 3.10944 0.00213691

14. DU9 -0.509009025 0.161980139 -3.14242 0.00192002

15. DU10 0.657171125 0.161882141 4.05957 0.00006959

16. DU11 0.484299937 0.161787923 2.99342 0.00309269

statistique Q( 29 ) 45.66298 niveau de significativité 0.0335

s du modele corrigé = 0.16064



test normalite en ecart

Statistics on Series RES1

Monthly Data From 1990:01 To 2008:09

Observations 224 Skipped/Missing 1

Sample Mean 0.000000 Variance 0.024070

Standard Error 0.155147 of Sample Mean 0.010366

t-Statistic (Mean=0) 0.000000 Signif Level 1.000000

Skewness -0.126742 Signif Level (Sk=0) 0.441764

Kurtosis (excess) 0.616728 Signif Level (Ku=0) 0.063624

Jarque-Bera 4.149665 Signif Level (JB=0) 0.125577

les erreurs suivent une loi normale

Linear Regression - Estimation by Least Squares

Dependent Variable DTAUX_10_ANS

Monthly Data From 1990:01 To 2008:09

Usable Observations 224 Degrees of Freedom 208

Total Observations 225 Skipped/Missing 1

Centered R**2 0.695369 R Bar **2 0.673401

Uncentered R**2 0.701495 T x R**2 157.135

Mean of Dependent Variable -0.040178571

Std Error of Dependent Variable 0.281096451

Standard Error of Estimate 0.160643396

Sum of Squared Residuals 5.3677105538

Regression F(15,208) 31.6529

Significance Level of F 0.00000000

Log Likelihood 100.05716

Durbin-Watson Statistic 1.665146

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. Constant -0.038979152 0.011945957 -3.26296 0.00128878

2. DCPI 0.006249505 0.009233935 0.67680 0.49928638

3. DTAUX_3_MOIS 0.312934379 0.026465196 11.82437 0.00000000

4. DMSCI_SUEDE -0.000573957 0.000247273 -2.32115 0.02124714

5. DTAUX_LONG_US 0.627316768 0.050494657 12.42343 0.00000000

6. DU1 0.509883707 0.165348114 3.08370 0.00232177

7. DU2 1.115679616 0.166160428 6.71447 0.00000000

8. DU3 -1.056984254 0.174100318 -6.07112 0.00000001

9. DU4 0.741934878 0.170518001 4.35106 0.00002123

10. DU5 0.486396558 0.163191462 2.98053 0.00322029

11. DU5 0.000000000 0.000000000 0.00000 0.00000000

12. DU6 1.173690317 0.161330145 7.27508 0.00000000

13. DU7 0.713476508 0.161875529 4.40756 0.00001674

14. DU8 0.501916745 0.161416852 3.10944 0.00213691

15. DU9 -0.509009025 0.161980139 -3.14242 0.00192002

16. DU10 0.657171125 0.161882141 4.05957 0.00006959

17. DU11 0.484299937 0.161787923 2.99342 0.00309269

Correlations of Series RES1

Monthly Data From 1990:02 To 2008:09

Autocorrelations

1: 0.1663836 0.0028702 0.1282118 -0.0034229 0.0553182 -0.0090485 -0.0338251 -0.0092218 -0.0909700 0.0972146 0.0994362

12: 0.0269653 0.0712362 -0.0654827 0.0125716 0.0499594 -0.0542408 -0.0685378 -0.0767791 -0.0617663 -0.0489777 0.1007666

23: 0.1130310 0.0520705 0.0987264 0.1861615 0.0668646 -0.0031087 0.0547560

Ljung-Box Q-Statistics

Q(4-0) = 10.0546. Significance Level 0.03951826

Q(8-0) = 11.0678. Significance Level 0.19788633

Q(12-0)= 17.7757. Significance Level 0.12267411

Q(16-0)= 20.6726. Significance Level 0.19144061

Q(20-0)= 24.9490. Significance Level 0.20338887

Q(24-0)= 31.9960. Significance Level 0.12709185

Q(28-0)= 44.4877. Significance Level 0.02484545

Regression with AR1 - Estimation by Cochrane-Orcutt

Dependent Variable DTAUX_10_ANS

Monthly Data From 1990:02 To 2008:09

Usable Observations 224 Degrees of Freedom 218

Centered R**2 0.372786 R Bar **2 0.358400

Uncentered R**2 0.388479 T x R**2 87.019

Mean of Dependent Variable -0.043928571

Std Error of Dependent Variable 0.274834992

Standard Error of Estimate 0.220142635

Sum of Squared Residuals 10.564885995

Regression F(5,218) 25.9137

Significance Level of F 0.00000000

Log Likelihood 24.21811

Durbin-Watson Statistic 2.000877

Q(36-1) 43.234117

Significance Level of Q 0.16000311

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. Constant -0.031294986 0.021409800 -1.46171 0.14525981

2. DCPI 0.016639487 0.012089150 1.37640 0.17011041

3. DTAUX_3_MOIS 0.177072907 0.033029111 5.36112 0.00000021

4. DMSCI_SUEDE -0.000571199 0.000336243 -1.69877 0.09078954

5. DTAUX_LONG_US 0.541332446 0.069977276 7.73583 0.00000000

*******************************************************************************

6. RHO 0.280994577 0.066862456 4.20258 0.00003850

Performing White's Test for Heteroskedasticity on RES1

using the regressors, their squares, and non-redundant cross-products

Linear Regression - Estimation by Least Squares

Dependent Variable RES1^2

Monthly Data From 1990:01 To 2008:09

Usable Observations 223 Degrees of Freedom 208

Total Observations 225 Skipped/Missing 2

Centered R**2 0.090077 R Bar **2 0.028832

Uncentered R**2 0.344466 T x R**2 76.816

Mean of Dependent Variable 0.0240102359

Std Error of Dependent Variable 0.0386296292

Standard Error of Estimate 0.0380686644

Sum of Squared Residuals 0.3014384271

Regression F(14,208) 1.4708

Significance Level of F 0.12418367

Log Likelihood 420.18599

Durbin-Watson Statistic 1.839010

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. Constant 0.0198 3.9537e-03 5.01749 0.00000112

2. DCPI 1.1003e-03 3.0264e-03 0.36356 0.71655751

3. DTAUX_3_MOIS -7.7732e-03 7.2999e-03 -1.06483 0.28818775

4. DMSCI_SUEDE 8.8210e-05 6.8130e-05 1.29473 0.19684722

5. DTAUX_LONG_US -0.0398 0.0132 -3.02073 0.00283776

6. DCPI^2 -8.8071e-04 1.0946e-03 -0.80459 0.42197454

7. DTAUX_3_MOIS^2 1.1755e-03 3.9906e-03 0.29457 0.76861721

8. DMSCI_SUEDE^2 -6.8623e-07 6.2683e-07 -1.09477 0.27488301

9. DTAUX_LONG_US^2 0.1007 0.0426 2.36480 0.01896018

10. DCPI*DTAUX_3_MOI 5.3926e-04 5.4482e-03 0.09898 0.92125025

11. DCPI*DMSCI_SUEDE -4.3306e-06 5.1737e-05 -0.08370 0.93337227

12. DCPI*DTAUX_LONG_ 1.8034e-03 0.0118 0.15223 0.87914961

13. DTAUX_3_MOIS*DMS -1.8419e-04 3.2520e-04 -0.56638 0.57174886

14. DTAUX_3_MOIS*DTA -0.0170 0.0303 -0.55986 0.57617768

15. DMSCI_SUEDE*DTAU -2.4621e-04 2.9503e-04 -0.83451 0.40494997

Chi-Squared(14)= 20.087209 with Significance Level 0.12741580

*************************************************************

sous-périodes utilisées 1990:02 1991:07 1991:08 2008:09

F(5,203)= 2.52912 with Significance Level 0.03020701

*************************************************************

sous-périodes utilisées 1990:02 1991:08 1991:09 2008:09

F(5,203)= 1.57131 with Significance Level 0.16967387

*************************************************************

sous-périodes utilisées 1990:02 1991:09 1991:10 2008:09

F(5,203)= 1.74540 with Significance Level 0.12578880

*************************************************************

sous-périodes utilisées 1990:02 1991:10 1991:11 2008:09

F(5,203)= 2.10856 with Significance Level 0.06581475

*************************************************************

sous-périodes utilisées 1990:02 1991:11 1991:12 2008:09

F(5,203)= 2.32753 with Significance Level 0.04401372

*************************************************************

sous-périodes utilisées 1990:02 1991:12 1992:01 2008:09

F(5,203)= 5.03540 with Significance Level 0.00022623

*************************************************************

sous-périodes utilisées 1990:02 1992:01 1992:02 2008:09

F(5,203)= 5.05440 with Significance Level 0.00021787

*************************************************************

sous-périodes utilisées 1990:02 1992:02 1992:03 2008:09

F(5,203)= 4.74927 with Significance Level 0.00039878

*************************************************************

sous-périodes utilisées 1990:02 1992:03 1992:04 2008:09

F(5,203)= 4.78266 with Significance Level 0.00037326

*************************************************************

sous-périodes utilisées 1990:02 1992:04 1992:05 2008:09

F(5,203)= 4.40046 with Significance Level 0.00079531

*************************************************************

sous-périodes utilisées 1990:02 1992:05 1992:06 2008:09

F(5,203)= 4.23640 with Significance Level 0.00109982

*************************************************************

sous-périodes utilisées 1990:02 1992:06 1992:07 2008:09

F(5,203)= 4.17510 with Significance Level 0.00124129

*************************************************************

sous-périodes utilisées 1990:02 1992:07 1992:08 2008:09

F(5,203)= 3.63129 with Significance Level 0.00361668

*************************************************************

sous-périodes utilisées 1990:02 1992:08 1992:09 2008:09

F(5,203)= 3.63129 with Significance Level 0.00361668

*************************************************************

sous-périodes utilisées 1990:02 1992:09 1992:10 2008:09

F(5,203)= 3.63129 with Significance Level 0.00361668

*************************************************************

sous-périodes utilisées 1990:02 1992:10 1992:11 2008:09

F(5,203)= 3.63129 with Significance Level 0.00361668

*************************************************************

sous-périodes utilisées 1990:02 1992:11 1992:12 2008:09

F(5,203)= 4.96171 with Significance Level 0.00026180

*************************************************************

sous-périodes utilisées 1990:02 1992:12 1993:01 2008:09

F(5,203)= 4.67490 with Significance Level 0.00046206

*************************************************************

sous-périodes utilisées 1990:02 1993:01 1993:02 2008:09

F(5,203)= 4.67490 with Significance Level 0.00046206

*************************************************************

sous-périodes utilisées 1990:02 1993:02 1993:03 2008:09

F(5,203)= 4.61374 with Significance Level 0.00052154

*************************************************************

sous-périodes utilisées 1990:02 1993:03 1993:04 2008:09

F(5,203)= 5.96835 with Significance Level 0.00003567

*************************************************************

sous-périodes utilisées 1990:02 1993:04 1993:05 2008:09

F(5,203)= 5.95651 with Significance Level 0.00003652

*************************************************************

sous-périodes utilisées 1990:02 1993:05 1993:06 2008:09

F(5,203)= 5.97609 with Significance Level 0.00003513

*************************************************************

sous-périodes utilisées 1990:02 1993:06 1993:07 2008:09

F(5,203)= 5.49238 with Significance Level 0.00009148

*************************************************************

sous-périodes utilisées 1990:02 1993:07 1993:08 2008:09

F(5,203)= 5.82544 with Significance Level 0.00004732

*************************************************************

sous-périodes utilisées 1990:02 1993:08 1993:09 2008:09

F(5,203)= 5.68025 with Significance Level 0.00006307

*************************************************************

sous-périodes utilisées 1990:02 1993:09 1993:10 2008:09

F(5,203)= 4.56658 with Significance Level 0.00057256

*************************************************************

sous-périodes utilisées 1990:02 1993:10 1993:11 2008:09

F(5,203)= 4.74232 with Significance Level 0.00040430

*************************************************************

sous-périodes utilisées 1990:02 1993:11 1993:12 2008:09

F(5,203)= 4.37945 with Significance Level 0.00082904

*************************************************************

sous-périodes utilisées 1990:02 1993:12 1994:01 2008:09

F(5,203)= 4.38265 with Significance Level 0.00082381

*************************************************************

sous-périodes utilisées 1990:02 1994:01 1994:02 2008:09

F(5,203)= 4.92181 with Significance Level 0.00028333

*************************************************************

sous-périodes utilisées 1990:02 1994:02 1994:03 2008:09

F(5,203)= 4.92861 with Significance Level 0.00027954

*************************************************************

sous-périodes utilisées 1990:02 1994:03 1994:04 2008:09

F(5,203)= 4.99887 with Significance Level 0.00024321

*************************************************************

sous-périodes utilisées 1990:02 1994:04 1994:05 2008:09

F(5,203)= 4.99887 with Significance Level 0.00024321

*************************************************************

sous-périodes utilisées 1990:02 1994:05 1994:06 2008:09

F(5,203)= 4.84151 with Significance Level 0.00033219

*************************************************************

sous-périodes utilisées 1990:02 1994:06 1994:07 2008:09

F(5,203)= 4.84151 with Significance Level 0.00033219

*************************************************************

sous-périodes utilisées 1990:02 1994:07 1994:08 2008:09

F(5,203)= 4.84151 with Significance Level 0.00033219

*************************************************************

sous-périodes utilisées 1990:02 1994:08 1994:09 2008:09

F(5,203)= 4.84151 with Significance Level 0.00033219

*************************************************************

sous-périodes utilisées 1990:02 1994:09 1994:10 2008:09

F(5,203)= 4.92401 with Significance Level 0.00028210

*************************************************************

sous-périodes utilisées 1990:02 1994:10 1994:11 2008:09

F(5,203)= 4.92401 with Significance Level 0.00028210

*************************************************************

sous-périodes utilisées 1990:02 1994:11 1994:12 2008:09

F(5,203)= 5.16855 with Significance Level 0.00017376

*************************************************************

sous-périodes utilisées 1990:02 1994:12 1995:01 2008:09

F(5,203)= 5.16139 with Significance Level 0.00017625

*************************************************************

sous-périodes utilisées 1990:02 1995:01 1995:02 2008:09

F(5,203)= 4.76619 with Significance Level 0.00038564

*************************************************************

sous-périodes utilisées 1990:02 1995:02 1995:03 2008:09

F(5,203)= 4.76666 with Significance Level 0.00038528

*************************************************************

sous-périodes utilisées 1990:02 1995:03 1995:04 2008:09

F(5,203)= 3.08358 with Significance Level 0.01049431

*************************************************************

sous-périodes utilisées 1990:02 1995:04 1995:05 2008:09

F(5,203)= 2.20300 with Significance Level 0.05538162

*************************************************************

sous-périodes utilisées 1990:02 1995:05 1995:06 2008:09

F(5,203)= 2.69844 with Significance Level 0.02193806

*************************************************************

sous-périodes utilisées 1990:02 1995:06 1995:07 2008:09

F(5,203)= 2.52534 with Significance Level 0.03042250

*************************************************************

sous-périodes utilisées 1990:02 1995:07 1995:08 2008:09

F(5,203)= 2.61762 with Significance Level 0.02556627

*************************************************************

sous-périodes utilisées 1990:02 1995:08 1995:09 2008:09

F(5,203)= 2.62768 with Significance Level 0.02508476

*************************************************************

sous-périodes utilisées 1990:02 1995:09 1995:10 2008:09

F(5,203)= 2.88324 with Significance Level 0.01542400

*************************************************************

sous-périodes utilisées 1990:02 1995:10 1995:11 2008:09

F(5,203)= 2.81564 with Significance Level 0.01755182

*************************************************************

sous-périodes utilisées 1990:02 1995:11 1995:12 2008:09

F(5,203)= 3.08029 with Significance Level 0.01056131

*************************************************************

sous-périodes utilisées 1990:02 1995:12 1996:01 2008:09

F(5,203)= 3.11625 with Significance Level 0.00985302

*************************************************************

sous-périodes utilisées 1990:02 1996:01 1996:02 2008:09

F(5,203)= 3.05262 with Significance Level 0.01113997

*************************************************************

sous-périodes utilisées 1990:02 1996:02 1996:03 2008:09

F(5,203)= 3.05262 with Significance Level 0.01113997

*************************************************************

sous-périodes utilisées 1990:02 1996:03 1996:04 2008:09

F(5,203)= 3.02908 with Significance Level 0.01165680

*************************************************************

sous-périodes utilisées 1990:02 1996:04 1996:05 2008:09

F(5,203)= 2.68715 with Significance Level 0.02241315

*************************************************************

sous-périodes utilisées 1990:02 1996:05 1996:06 2008:09

F(5,203)= 2.63619 with Significance Level 0.02468436

*************************************************************

sous-périodes utilisées 1990:02 1996:06 1996:07 2008:09

F(5,203)= 2.63248 with Significance Level 0.02485783

*************************************************************

sous-périodes utilisées 1990:02 1996:07 1996:08 2008:09

F(5,203)= 2.66772 with Significance Level 0.02325381

*************************************************************

sous-périodes utilisées 1990:02 1996:08 1996:09 2008:09

F(5,203)= 2.34623 with Significance Level 0.04251283

*************************************************************

sous-périodes utilisées 1990:02 1996:09 1996:10 2008:09

F(5,203)= 2.50438 with Significance Level 0.03164391

*************************************************************

sous-périodes utilisées 1990:02 1996:10 1996:11 2008:09

F(5,203)= 3.01981 with Significance Level 0.01186668

*************************************************************

sous-périodes utilisées 1990:02 1996:11 1996:12 2008:09

F(5,203)= 2.40720 with Significance Level 0.03795288

*************************************************************

sous-périodes utilisées 1990:02 1996:12 1997:01 2008:09

F(5,203)= 2.60414 with Significance Level 0.02622552

*************************************************************

sous-périodes utilisées 1990:02 1997:01 1997:02 2008:09

F(5,203)= 2.90651 with Significance Level 0.01475170

*************************************************************

sous-périodes utilisées 1990:02 1997:02 1997:03 2008:09

F(5,203)= 2.69709 with Significance Level 0.02199411

*************************************************************

sous-périodes utilisées 1990:02 1997:03 1997:04 2008:09

F(5,203)= 2.19820 with Significance Level 0.05587107

*************************************************************

sous-périodes utilisées 1990:02 1997:04 1997:05 2008:09

F(5,203)= 2.19072 with Significance Level 0.05664349

*************************************************************

sous-périodes utilisées 1990:02 1997:05 1997:06 2008:09

F(5,203)= 2.24666 with Significance Level 0.05110861

*************************************************************

sous-périodes utilisées 1990:02 1997:06 1997:07 2008:09

F(5,203)= 2.18210 with Significance Level 0.05754509

*************************************************************

sous-périodes utilisées 1990:02 1997:07 1997:08 2008:09

F(5,203)= 2.40251 with Significance Level 0.03828624

*************************************************************

sous-périodes utilisées 1990:02 1997:08 1997:09 2008:09

F(5,203)= 2.40028 with Significance Level 0.03844630

*************************************************************

sous-périodes utilisées 1990:02 1997:09 1997:10 2008:09

F(5,203)= 2.42493 with Significance Level 0.03671838

*************************************************************

sous-périodes utilisées 1990:02 1997:10 1997:11 2008:09

F(5,203)= 2.38760 with Significance Level 0.03936523

*************************************************************

sous-périodes utilisées 1990:02 1997:11 1997:12 2008:09

F(5,203)= 2.04392 with Significance Level 0.07400253

*************************************************************

sous-périodes utilisées 1990:02 1997:12 1998:01 2008:09

F(5,203)= 2.21838 with Significance Level 0.05383842

*************************************************************

sous-périodes utilisées 1990:02 1998:01 1998:02 2008:09

F(5,203)= 2.38492 with Significance Level 0.03956233

*************************************************************

sous-périodes utilisées 1990:02 1998:02 1998:03 2008:09

F(5,203)= 2.43664 with Significance Level 0.03592406

*************************************************************

sous-périodes utilisées 1990:02 1998:03 1998:04 2008:09

F(5,203)= 2.78369 with Significance Level 0.01865438

*************************************************************

sous-périodes utilisées 1990:02 1998:04 1998:05 2008:09

F(5,203)= 2.89974 with Significance Level 0.01494432

*************************************************************

sous-périodes utilisées 1990:02 1998:05 1998:06 2008:09

F(5,203)= 2.79319 with Significance Level 0.01831970

*************************************************************

sous-périodes utilisées 1990:02 1998:06 1998:07 2008:09

F(5,203)= 2.78415 with Significance Level 0.01863827

*************************************************************

sous-périodes utilisées 1990:02 1998:07 1998:08 2008:09

F(5,203)= 2.76757 with Significance Level 0.01923627

*************************************************************

sous-périodes utilisées 1990:02 1998:08 1998:09 2008:09

F(5,203)= 2.78638 with Significance Level 0.01855917

*************************************************************

sous-périodes utilisées 1990:02 1998:09 1998:10 2008:09

F(5,203)= 2.61268 with Significance Level 0.02580572

*************************************************************

sous-périodes utilisées 1990:02 1998:10 1998:11 2008:09

F(5,203)= 2.35359 with Significance Level 0.04193556

*************************************************************

sous-périodes utilisées 1990:02 1998:11 1998:12 2008:09

F(5,203)= 2.60204 with Significance Level 0.02632954

*************************************************************

sous-périodes utilisées 1990:02 1998:12 1999:01 2008:09

F(5,203)= 2.68231 with Significance Level 0.02261983

*************************************************************

sous-périodes utilisées 1990:02 1999:01 1999:02 2008:09

F(5,203)= 2.92815 with Significance Level 0.01415230

*************************************************************

sous-périodes utilisées 1990:02 1999:02 1999:03 2008:09

F(5,203)= 2.74642 with Significance Level 0.02002629

*************************************************************

sous-périodes utilisées 1990:02 1999:03 1999:04 2008:09

F(5,203)= 2.55993 with Significance Level 0.02850573

*************************************************************

sous-périodes utilisées 1990:02 1999:04 1999:05 2008:09

F(5,203)= 2.59550 with Significance Level 0.02665693

*************************************************************

sous-périodes utilisées 1990:02 1999:05 1999:06 2008:09

F(5,203)= 2.55227 with Significance Level 0.02891988

*************************************************************

sous-périodes utilisées 1990:02 1999:06 1999:07 2008:09

F(5,203)= 2.20362 with Significance Level 0.05531796

*************************************************************

sous-périodes utilisées 1990:02 1999:07 1999:08 2008:09

F(5,203)= 2.20362 with Significance Level 0.05531796

*************************************************************

sous-périodes utilisées 1990:02 1999:08 1999:09 2008:09

F(5,203)= 1.89775 with Significance Level 0.09618569

*************************************************************

sous-périodes utilisées 1990:02 1999:09 1999:10 2008:09

F(5,203)= 1.75756 with Significance Level 0.12314879

*************************************************************

sous-périodes utilisées 1990:02 1999:10 1999:11 2008:09

F(5,203)= 1.63843 with Significance Level 0.15133720

*************************************************************

sous-périodes utilisées 1990:02 1999:11 1999:12 2008:09

F(5,203)= 2.19268 with Significance Level 0.05644014

*************************************************************

sous-périodes utilisées 1990:02 1999:12 2000:01 2008:09

F(5,203)= 2.24306 with Significance Level 0.05144888

*************************************************************

sous-périodes utilisées 1990:02 2000:01 2000:02 2008:09

F(5,203)= 2.05188 with Significance Level 0.07294407

*************************************************************

sous-périodes utilisées 1990:02 2000:02 2000:03 2008:09

F(5,203)= 1.78030 with Significance Level 0.11834795

*************************************************************

sous-périodes utilisées 1990:02 2000:03 2000:04 2008:09

F(5,203)= 2.14868 with Significance Level 0.06117274

*************************************************************

sous-périodes utilisées 1990:02 2000:04 2000:05 2008:09

F(5,203)= 2.07089 with Significance Level 0.07047643

*************************************************************

sous-périodes utilisées 1990:02 2000:05 2000:06 2008:09

F(5,203)= 1.98490 with Significance Level 0.08230880

*************************************************************

sous-périodes utilisées 1990:02 2000:06 2000:07 2008:09

F(5,203)= 1.93647 with Significance Level 0.08977038

*************************************************************

sous-périodes utilisées 1990:02 2000:07 2000:08 2008:09

F(5,203)= 1.75033 with Significance Level 0.12471241

*************************************************************

sous-périodes utilisées 1990:02 2000:08 2000:09 2008:09

F(5,203)= 1.53029 with Significance Level 0.18183509

*************************************************************

sous-périodes utilisées 1990:02 2000:09 2000:10 2008:09

F(5,203)= 1.55639 with Significance Level 0.17401172

*************************************************************

sous-périodes utilisées 1990:02 2000:10 2000:11 2008:09

F(5,203)= 1.56642 with Significance Level 0.17108582

*************************************************************

sous-périodes utilisées 1990:02 2000:11 2000:12 2008:09

F(5,203)= 1.62285 with Significance Level 0.15542570

*************************************************************

sous-périodes utilisées 1990:02 2000:12 2001:01 2008:09

F(5,203)= 1.58058 with Significance Level 0.16702936

*************************************************************

sous-périodes utilisées 1990:02 2001:01 2001:02 2008:09

F(5,203)= 1.52517 with Significance Level 0.18340622

*************************************************************

sous-périodes utilisées 1990:02 2001:02 2001:03 2008:09

F(5,203)= 1.53758 with Significance Level 0.17961936

*************************************************************

sous-périodes utilisées 1990:02 2001:03 2001:04 2008:09

F(5,203)= 1.52553 with Significance Level 0.18329562

*************************************************************

sous-périodes utilisées 1990:02 2001:04 2001:05 2008:09

F(5,203)= 1.42174 with Significance Level 0.21780030

*************************************************************

sous-périodes utilisées 1990:02 2001:05 2001:06 2008:09

F(5,203)= 1.20711 with Significance Level 0.30706801

*************************************************************

sous-périodes utilisées 1990:02 2001:06 2001:07 2008:09

F(5,203)= 1.18660 with Significance Level 0.31697439

*************************************************************

sous-périodes utilisées 1990:02 2001:07 2001:08 2008:09

F(5,203)= 1.16522 with Significance Level 0.32757083

*************************************************************

sous-périodes utilisées 1990:02 2001:08 2001:09 2008:09

F(5,203)= 1.23009 with Significance Level 0.29626269

*************************************************************

sous-périodes utilisées 1990:02 2001:09 2001:10 2008:09

F(5,203)= 1.21887 with Significance Level 0.30149985

*************************************************************

sous-périodes utilisées 1990:02 2001:10 2001:11 2008:09

F(5,203)= 0.91521 with Significance Level 0.47208954

*************************************************************

sous-périodes utilisées 1990:02 2001:11 2001:12 2008:09

F(5,203)= 1.16494 with Significance Level 0.32771488

*************************************************************

sous-périodes utilisées 1990:02 2001:12 2002:01 2008:09

F(5,203)= 1.14371 with Significance Level 0.33851508

*************************************************************

sous-périodes utilisées 1990:02 2002:01 2002:02 2008:09

F(5,203)= 1.13937 with Significance Level 0.34075578

*************************************************************

sous-périodes utilisées 1990:02 2002:02 2002:03 2008:09

F(5,203)= 1.03509 with Significance Level 0.39806987

*************************************************************

sous-périodes utilisées 1990:02 2002:03 2002:04 2008:09

F(5,203)= 1.04115 with Significance Level 0.39455826

*************************************************************

sous-périodes utilisées 1990:02 2002:04 2002:05 2008:09

F(5,203)= 1.05006 with Significance Level 0.38943074

*************************************************************

sous-périodes utilisées 1990:02 2002:05 2002:06 2008:09

F(5,203)= 1.04031 with Significance Level 0.39504319

*************************************************************

sous-périodes utilisées 1990:02 2002:06 2002:07 2008:09

F(5,203)= 1.02304 with Significance Level 0.40511776

*************************************************************

sous-périodes utilisées 1990:02 2002:07 2002:08 2008:09

F(5,203)= 1.04081 with Significance Level 0.39475110

*************************************************************

sous-périodes utilisées 1990:02 2002:08 2002:09 2008:09

F(5,203)= 0.94230 with Significance Level 0.45462691

*************************************************************

sous-périodes utilisées 1990:02 2002:09 2002:10 2008:09

F(5,203)= 0.95810 with Significance Level 0.44463291

*************************************************************

sous-périodes utilisées 1990:02 2002:10 2002:11 2008:09

F(5,203)= 0.85735 with Significance Level 0.51077005

*************************************************************

sous-périodes utilisées 1990:02 2002:11 2002:12 2008:09

F(5,203)= 0.80588 with Significance Level 0.54664257

*************************************************************

sous-périodes utilisées 1990:02 2002:12 2003:01 2008:09

F(5,203)= 0.77055 with Significance Level 0.57198356

*************************************************************

sous-périodes utilisées 1990:02 2003:01 2003:02 2008:09

F(5,203)= 0.84270 with Significance Level 0.52084900

*************************************************************

sous-périodes utilisées 1990:02 2003:02 2003:03 2008:09

F(5,203)= 0.91669 with Significance Level 0.47112433

*************************************************************

sous-périodes utilisées 1990:02 2003:03 2003:04 2008:09

F(5,203)= 0.72622 with Significance Level 0.60449134

*************************************************************

sous-périodes utilisées 1990:02 2003:04 2003:05 2008:09

F(5,203)= 0.65912 with Significance Level 0.65488109

*************************************************************

sous-périodes utilisées 1990:02 2003:05 2003:06 2008:09

F(5,203)= 0.65664 with Significance Level 0.65676534

*************************************************************

sous-périodes utilisées 1990:02 2003:06 2003:07 2008:09

F(5,203)= 0.65338 with Significance Level 0.65924650

*************************************************************

sous-périodes utilisées 1990:02 2003:07 2003:08 2008:09

F(5,203)= 0.65757 with Significance Level 0.65606121

*************************************************************

sous-périodes utilisées 1990:02 2003:08 2003:09 2008:09

F(5,203)= 0.74985 with Significance Level 0.58706714

*************************************************************

sous-périodes utilisées 1990:02 2003:09 2003:10 2008:09

F(5,203)= 0.70840 with Significance Level 0.61775365

*************************************************************

sous-périodes utilisées 1990:02 2003:10 2003:11 2008:09

F(5,203)= 0.60384 with Significance Level 0.69705600

*************************************************************

sous-périodes utilisées 1990:02 2003:11 2003:12 2008:09

F(5,203)= 0.56119 with Significance Level 0.72967292

*************************************************************

sous-périodes utilisées 1990:02 2003:12 2004:01 2008:09

F(5,203)= 0.57348 with Significance Level 0.72027975

*************************************************************

sous-périodes utilisées 1990:02 2004:01 2004:02 2008:09

F(5,203)= 0.58138 with Significance Level 0.71423674

*************************************************************

sous-périodes utilisées 1990:02 2004:02 2004:03 2008:09

F(5,203)= 0.58393 with Significance Level 0.71228830

*************************************************************

sous-périodes utilisées 1990:02 2004:03 2004:04 2008:09

F(5,203)= 0.59139 with Significance Level 0.70657825

*************************************************************

sous-périodes utilisées 1990:02 2004:04 2004:05 2008:09

F(5,203)= 0.56387 with Significance Level 0.72762842

*************************************************************

sous-périodes utilisées 1990:02 2004:05 2004:06 2008:09

F(5,203)= 0.61109 with Significance Level 0.69150927

*************************************************************

sous-périodes utilisées 1990:02 2004:06 2004:07 2008:09

F(5,203)= 0.58955 with Significance Level 0.70798554

*************************************************************

sous-périodes utilisées 1990:02 2004:07 2004:08 2008:09

F(5,203)= 0.60400 with Significance Level 0.69693221

*************************************************************

sous-périodes utilisées 1990:02 2004:08 2004:09 2008:09

F(5,203)= 0.60762 with Significance Level 0.69416221

*************************************************************

sous-périodes utilisées 1990:02 2004:09 2004:10 2008:09

F(5,203)= 0.60146 with Significance Level 0.69887310

*************************************************************

sous-périodes utilisées 1990:02 2004:10 2004:11 2008:09

F(5,203)= 0.61611 with Significance Level 0.68766647

*************************************************************

sous-périodes utilisées 1990:02 2004:11 2004:12 2008:09

F(5,203)= 0.67225 with Significance Level 0.64493237

*************************************************************

sous-périodes utilisées 1990:02 2004:12 2005:01 2008:09

F(5,203)= 0.76441 with Significance Level 0.57644137

*************************************************************

sous-périodes utilisées 1990:02 2005:01 2005:02 2008:09

F(5,203)= 0.76876 with Significance Level 0.57328175

*************************************************************

sous-périodes utilisées 1990:02 2005:02 2005:03 2008:09

F(5,203)= 0.76844 with Significance Level 0.57351156

*************************************************************

sous-périodes utilisées 1990:02 2005:03 2005:04 2008:09

F(5,203)= 0.90648 with Significance Level 0.47780857

*************************************************************

sous-périodes utilisées 1990:02 2005:04 2005:05 2008:09

F(5,203)= 0.91300 with Significance Level 0.47353698

*************************************************************

sous-périodes utilisées 1990:02 2005:05 2005:06 2008:09

F(5,203)= 0.91765 with Significance Level 0.47050142

*************************************************************

sous-périodes utilisées 1990:02 2005:06 2005:07 2008:09

F(5,203)= 0.91810 with Significance Level 0.47020831

*************************************************************

sous-périodes utilisées 1990:02 2005:07 2005:08 2008:09

F(5,203)= 1.02920 with Significance Level 0.40150143

*************************************************************

sous-périodes utilisées 1990:02 2005:08 2005:09 2008:09

F(5,203)= 1.00364 with Significance Level 0.41666046

*************************************************************

sous-périodes utilisées 1990:02 2005:09 2005:10 2008:09

F(5,203)= 1.10195 with Significance Level 0.36055552

*************************************************************

sous-périodes utilisées 1990:02 2005:10 2005:11 2008:09

F(5,203)= 1.08710 with Significance Level 0.36864807

*************************************************************

sous-périodes utilisées 1990:02 2005:11 2005:12 2008:09

F(5,203)= 0.78302 with Significance Level 0.56297775

*************************************************************

sous-périodes utilisées 1990:02 2005:12 2006:01 2008:09

F(5,203)= 0.76031 with Significance Level 0.57942258

*************************************************************

sous-périodes utilisées 1990:02 2006:01 2006:02 2008:09

F(5,203)= 0.77536 with Significance Level 0.56850377

*************************************************************

sous-périodes utilisées 1990:02 2006:02 2006:03 2008:09

F(5,203)= 0.76666 with Significance Level 0.57480155

*************************************************************

sous-périodes utilisées 1990:02 2006:03 2006:04 2008:09

F(5,203)= 0.70162 with Significance Level 0.62282307

*************************************************************

sous-périodes utilisées 1990:02 2006:04 2006:05 2008:09

F(5,203)= 0.58212 with Significance Level 0.71367768

*************************************************************

sous-périodes utilisées 1990:02 2006:05 2006:06 2008:09

F(5,203)= 0.62637 with Significance Level 0.67983022

*************************************************************

sous-périodes utilisées 1990:02 2006:06 2006:07 2008:09

F(5,203)= 0.62573 with Significance Level 0.68031652

*************************************************************

sous-périodes utilisées 1990:02 2006:07 2006:08 2008:09

F(5,203)= 0.56771 with Significance Level 0.72469259

*************************************************************

sous-périodes utilisées 1990:02 2006:08 2006:09 2008:09

F(5,203)= 0.56517 with Significance Level 0.72663206

*************************************************************

sous-périodes utilisées 1990:02 2006:09 2006:10 2008:09

F(5,203)= 0.58080 with Significance Level 0.71468332

*************************************************************

sous-périodes utilisées 1990:02 2006:10 2006:11 2008:09

F(5,203)= 0.58344 with Significance Level 0.71266726

*************************************************************

sous-périodes utilisées 1990:02 2006:11 2006:12 2008:09

F(5,203)= 0.61445 with Significance Level 0.68893692

*************************************************************

sous-périodes utilisées 1990:02 2006:12 2007:01 2008:09

F(5,203)= 0.50731 with Significance Level 0.77055378

*************************************************************

sous-périodes utilisées 1990:02 2007:01 2007:02 2008:09

F(5,203)= 0.39651 with Significance Level 0.85087749

*************************************************************

sous-périodes utilisées 1990:02 2007:02 2007:03 2008:09

F(5,203)= 0.36223 with Significance Level 0.87392000

*************************************************************

sous-périodes utilisées 1990:02 2007:03 2007:04 2008:09

F(5,203)= 0.36187 with Significance Level 0.87415788

*************************************************************

sous-périodes utilisées 1990:02 2007:04 2007:05 2008:09

F(5,203)= 0.18321 with Significance Level 0.96870352

*************************************************************

**************************

LE MODELE EST INSTABLE

le plus grand fisher f= 5.976 pour un niveau de significativité ns= 0.000035

le point correspondant à ce plus grand fisher est 1993:06

**************************

*************************************************************

sous-périodes utilisées 1990:02 1990:08 1990:09 2008:09

F(5,214)= 0.37787 with Significance Level 0.86358320

*************************************************************

sous-périodes utilisées 1990:02 1990:09 1990:10 2008:09

F(5,214)= 0.33353 with Significance Level 0.89230805

*************************************************************

sous-périodes utilisées 1990:02 1990:10 1990:11 2008:09

F(5,214)= 0.68796 with Significance Level 0.63305442

*************************************************************

sous-périodes utilisées 1990:02 1990:11 1990:12 2008:09

F(5,214)= 1.07852 with Significance Level 0.37321149

*************************************************************

sous-périodes utilisées 1990:02 1990:12 1991:01 2008:09

F(5,214)= 1.15583 with Significance Level 0.33211071

*************************************************************

sous-périodes utilisées 1990:02 1991:01 1991:02 2008:09

F(5,214)= 1.50822 with Significance Level 0.18842450

*************************************************************

sous-périodes utilisées 1990:02 1991:02 1991:03 2008:09

F(5,214)= 2.15735 with Significance Level 0.05998366

*************************************************************

sous-périodes utilisées 1990:02 1991:03 1991:04 2008:09

F(5,214)= 2.14715 with Significance Level 0.06111477

*************************************************************

sous-périodes utilisées 1990:02 1991:04 1991:05 2008:09

F(5,214)= 2.08067 with Significance Level 0.06899762

*************************************************************

sous-périodes utilisées 1990:02 1991:05 1991:06 2008:09

F(5,214)= 2.33398 with Significance Level 0.04328893

*************************************************************

sous-périodes utilisées 1990:02 1991:06 1991:07 2008:09

F(5,214)= 2.33499 with Significance Level 0.04320799

*************************************************************

sous-périodes utilisées 1990:02 1991:07 1991:08 2008:09

F(5,214)= 2.27374 with Significance Level 0.04840873

*************************************************************

sous-périodes utilisées 1990:02 1991:08 1991:09 2008:09

F(5,214)= 1.78899 with Significance Level 0.11628974

*************************************************************

sous-périodes utilisées 1990:02 1991:09 1991:10 2008:09

F(5,214)= 2.09665 with Significance Level 0.06701899

*************************************************************

sous-périodes utilisées 1990:02 1991:10 1991:11 2008:09

F(5,214)= 2.24402 with Significance Level 0.05114270

*************************************************************

sous-périodes utilisées 1990:02 1991:11 1991:12 2008:09

F(5,214)= 2.35575 with Significance Level 0.04157039

*************************************************************

sous-périodes utilisées 1990:02 1991:12 1992:01 2008:09

F(5,214)= 2.51416 with Significance Level 0.03089559

*************************************************************

sous-périodes utilisées 1990:02 1992:01 1992:02 2008:09

F(5,214)= 2.58455 with Significance Level 0.02705138

*************************************************************

sous-périodes utilisées 1990:02 1992:02 1992:03 2008:09

F(5,214)= 2.50504 with Significance Level 0.03143044

*************************************************************

sous-périodes utilisées 1990:02 1992:03 1992:04 2008:09

F(5,214)= 2.49469 with Significance Level 0.03204884

*************************************************************

sous-périodes utilisées 1990:02 1992:04 1992:05 2008:09

F(5,214)= 2.32833 with Significance Level 0.04374677

*************************************************************

sous-périodes utilisées 1990:02 1992:05 1992:06 2008:09

F(5,214)= 2.20341 with Significance Level 0.05511883

*************************************************************

sous-périodes utilisées 1990:02 1992:06 1992:07 2008:09

F(5,214)= 2.14776 with Significance Level 0.06104601

*************************************************************

sous-périodes utilisées 1990:02 1992:07 1992:08 2008:09

F(5,214)= 2.02891 with Significance Level 0.07579141

*************************************************************

sous-périodes utilisées 1990:02 1992:08 1992:09 2008:09

F(5,214)= 2.23595 with Significance Level 0.05191024

*************************************************************

sous-périodes utilisées 1990:02 1992:09 1992:10 2008:09

F(5,214)= 1.79822 with Significance Level 0.11441744

*************************************************************

sous-périodes utilisées 1990:02 1992:10 1992:11 2008:09

F(5,214)= 5.30273 with Significance Level 0.00012928

*************************************************************

sous-périodes utilisées 1990:02 1992:11 1992:12 2008:09

F(5,214)= 5.54779 with Significance Level 0.00007933

*************************************************************

sous-périodes utilisées 1990:02 1992:12 1993:01 2008:09

F(5,214)= 4.67465 with Significance Level 0.00045183

*************************************************************

sous-périodes utilisées 1990:02 1993:01 1993:02 2008:09

F(5,214)= 6.00154 with Significance Level 0.00003214

*************************************************************

sous-périodes utilisées 1990:02 1993:02 1993:03 2008:09

F(5,214)= 6.00315 with Significance Level 0.00003204

*************************************************************

sous-périodes utilisées 1990:02 1993:03 1993:04 2008:09

F(5,214)= 6.47463 with Significance Level 0.00001256

*************************************************************

sous-périodes utilisées 1990:02 1993:04 1993:05 2008:09

F(5,214)= 6.46774 with Significance Level 0.00001273

*************************************************************

sous-périodes utilisées 1990:02 1993:05 1993:06 2008:09

F(5,214)= 6.48669 with Significance Level 0.00001226

*************************************************************

sous-périodes utilisées 1990:02 1993:06 1993:07 2008:09

F(5,214)= 6.10877 with Significance Level 0.00002597

*************************************************************

sous-périodes utilisées 1990:02 1993:07 1993:08 2008:09

F(5,214)= 6.43614 with Significance Level 0.00001355

*************************************************************

sous-périodes utilisées 1990:02 1993:08 1993:09 2008:09

F(5,214)= 6.43042 with Significance Level 0.00001371

*************************************************************

sous-périodes utilisées 1990:02 1993:09 1993:10 2008:09

F(5,214)= 6.43645 with Significance Level 0.00001355

*************************************************************

sous-périodes utilisées 1990:02 1993:10 1993:11 2008:09

F(5,214)= 6.51618 with Significance Level 0.00001156

*************************************************************

sous-périodes utilisées 1990:02 1993:11 1993:12 2008:09

F(5,214)= 6.40487 with Significance Level 0.00001442

*************************************************************

sous-périodes utilisées 1990:02 1993:12 1994:01 2008:09

F(5,214)= 6.39147 with Significance Level 0.00001481

*************************************************************

sous-périodes utilisées 1990:02 1994:01 1994:02 2008:09

F(5,214)= 6.68892 with Significance Level 0.00000821

*************************************************************

sous-périodes utilisées 1990:02 1994:02 1994:03 2008:09

F(5,214)= 6.69554 with Significance Level 0.00000810

*************************************************************

sous-périodes utilisées 1990:02 1994:03 1994:04 2008:09

F(5,214)= 6.43703 with Significance Level 0.00001353

*************************************************************

sous-périodes utilisées 1990:02 1994:04 1994:05 2008:09

F(5,214)= 5.38774 with Significance Level 0.00010913

*************************************************************

sous-périodes utilisées 1990:02 1994:05 1994:06 2008:09

F(5,214)= 5.18096 with Significance Level 0.00016479

*************************************************************

sous-périodes utilisées 1990:02 1994:06 1994:07 2008:09

F(5,214)= 8.23527 with Significance Level 0.00000039

*************************************************************

sous-périodes utilisées 1990:02 1994:07 1994:08 2008:09

F(5,214)= 5.24254 with Significance Level 0.00014576

*************************************************************

sous-périodes utilisées 1990:02 1994:08 1994:09 2008:09

F(5,214)= 4.81519 with Significance Level 0.00034154

*************************************************************

sous-périodes utilisées 1990:02 1994:09 1994:10 2008:09

F(5,214)= 4.65711 with Significance Level 0.00046788

*************************************************************

sous-périodes utilisées 1990:02 1994:10 1994:11 2008:09

F(5,214)= 5.22780 with Significance Level 0.00015010

*************************************************************

sous-périodes utilisées 1990:02 1994:11 1994:12 2008:09

F(5,214)= 5.36851 with Significance Level 0.00011340

*************************************************************

sous-périodes utilisées 1990:02 1994:12 1995:01 2008:09

F(5,214)= 5.25495 with Significance Level 0.00014219

*************************************************************

sous-périodes utilisées 1990:02 1995:01 1995:02 2008:09

F(5,214)= 5.17231 with Significance Level 0.00016765

*************************************************************

sous-périodes utilisées 1990:02 1995:02 1995:03 2008:09

F(5,214)= 5.12738 with Significance Level 0.00018336

*************************************************************

sous-périodes utilisées 1990:02 1995:03 1995:04 2008:09

F(5,214)= 4.68291 with Significance Level 0.00044446

*************************************************************

sous-périodes utilisées 1990:02 1995:04 1995:05 2008:09

F(5,214)= 4.19785 with Significance Level 0.00116544

*************************************************************

sous-périodes utilisées 1990:02 1995:05 1995:06 2008:09

F(5,214)= 4.29561 with Significance Level 0.00095994

*************************************************************

sous-périodes utilisées 1990:02 1995:06 1995:07 2008:09

F(5,214)= 4.21473 with Significance Level 0.00112706

*************************************************************

sous-périodes utilisées 1990:02 1995:07 1995:08 2008:09

F(5,214)= 4.21605 with Significance Level 0.00112412

*************************************************************

sous-périodes utilisées 1990:02 1995:08 1995:09 2008:09

F(5,214)= 4.21166 with Significance Level 0.00113396

*************************************************************

sous-périodes utilisées 1990:02 1995:09 1995:10 2008:09

F(5,214)= 4.22330 with Significance Level 0.00110808

*************************************************************

sous-périodes utilisées 1990:02 1995:10 1995:11 2008:09

F(5,214)= 3.59588 with Significance Level 0.00382657

*************************************************************

sous-périodes utilisées 1990:02 1995:11 1995:12 2008:09

F(5,214)= 3.75891 with Significance Level 0.00277642

*************************************************************

sous-périodes utilisées 1990:02 1995:12 1996:01 2008:09

F(5,214)= 3.65357 with Significance Level 0.00341631

*************************************************************

sous-périodes utilisées 1990:02 1996:01 1996:02 2008:09

F(5,214)= 3.47856 with Significance Level 0.00481701

*************************************************************

sous-périodes utilisées 1990:02 1996:02 1996:03 2008:09

F(5,214)= 2.65306 with Significance Level 0.02375734

*************************************************************

sous-périodes utilisées 1990:02 1996:03 1996:04 2008:09

F(5,214)= 2.59177 with Significance Level 0.02668468

*************************************************************

sous-périodes utilisées 1990:02 1996:04 1996:05 2008:09

F(5,214)= 2.10095 with Significance Level 0.06649611

*************************************************************

sous-périodes utilisées 1990:02 1996:05 1996:06 2008:09

F(5,214)= 2.07644 with Significance Level 0.06953070

*************************************************************

sous-périodes utilisées 1990:02 1996:06 1996:07 2008:09

F(5,214)= 2.04254 with Significance Level 0.07394292

*************************************************************

sous-périodes utilisées 1990:02 1996:07 1996:08 2008:09

F(5,214)= 2.07776 with Significance Level 0.06936414

*************************************************************

sous-périodes utilisées 1990:02 1996:08 1996:09 2008:09

F(5,214)= 1.85703 with Significance Level 0.10312665

*************************************************************

sous-périodes utilisées 1990:02 1996:09 1996:10 2008:09

F(5,214)= 1.79951 with Significance Level 0.11415664

*************************************************************

sous-périodes utilisées 1990:02 1996:10 1996:11 2008:09

F(5,214)= 2.01205 with Significance Level 0.07813600

*************************************************************

sous-périodes utilisées 1990:02 1996:11 1996:12 2008:09

F(5,214)= 1.80098 with Significance Level 0.11386174

*************************************************************

sous-périodes utilisées 1990:02 1996:12 1997:01 2008:09

F(5,214)= 1.88384 with Significance Level 0.09833151

*************************************************************

sous-périodes utilisées 1990:02 1997:01 1997:02 2008:09

F(5,214)= 2.05498 with Significance Level 0.07229369

*************************************************************

sous-périodes utilisées 1990:02 1997:02 1997:03 2008:09

F(5,214)= 1.89376 with Significance Level 0.09660994

*************************************************************

sous-périodes utilisées 1990:02 1997:03 1997:04 2008:09

F(5,214)= 1.60356 with Significance Level 0.16035418

*************************************************************

sous-périodes utilisées 1990:02 1997:04 1997:05 2008:09

F(5,214)= 1.55953 with Significance Level 0.17281750

*************************************************************

sous-périodes utilisées 1990:02 1997:05 1997:06 2008:09

F(5,214)= 1.54398 with Significance Level 0.17742284

*************************************************************

sous-périodes utilisées 1990:02 1997:06 1997:07 2008:09

F(5,214)= 1.50322 with Significance Level 0.19001037

*************************************************************

sous-périodes utilisées 1990:02 1997:07 1997:08 2008:09

F(5,214)= 1.61999 with Significance Level 0.15591387

*************************************************************

sous-périodes utilisées 1990:02 1997:08 1997:09 2008:09

F(5,214)= 1.59947 with Significance Level 0.16147916

*************************************************************

sous-périodes utilisées 1990:02 1997:09 1997:10 2008:09

F(5,214)= 1.61919 with Significance Level 0.15612738

*************************************************************

sous-périodes utilisées 1990:02 1997:10 1997:11 2008:09

F(5,214)= 1.32794 with Significance Level 0.25343094

*************************************************************

sous-périodes utilisées 1990:02 1997:11 1997:12 2008:09

F(5,214)= 1.12905 with Significance Level 0.34593674

*************************************************************

sous-périodes utilisées 1990:02 1997:12 1998:01 2008:09

F(5,214)= 1.05753 with Significance Level 0.38499887

*************************************************************

sous-périodes utilisées 1990:02 1998:01 1998:02 2008:09

F(5,214)= 1.15910 with Significance Level 0.33045261

*************************************************************

sous-périodes utilisées 1990:02 1998:02 1998:03 2008:09

F(5,214)= 1.16490 with Significance Level 0.32752654

*************************************************************

sous-périodes utilisées 1990:02 1998:03 1998:04 2008:09

F(5,214)= 1.37214 with Significance Level 0.23593786

*************************************************************

sous-périodes utilisées 1990:02 1998:04 1998:05 2008:09

F(5,214)= 1.36922 with Significance Level 0.23706113

*************************************************************

sous-périodes utilisées 1990:02 1998:05 1998:06 2008:09

F(5,214)= 1.29966 with Significance Level 0.26518514

*************************************************************

sous-périodes utilisées 1990:02 1998:06 1998:07 2008:09

F(5,214)= 1.30443 with Significance Level 0.26317139

*************************************************************

sous-périodes utilisées 1990:02 1998:07 1998:08 2008:09

F(5,214)= 1.30527 with Significance Level 0.26281930

*************************************************************

sous-périodes utilisées 1990:02 1998:08 1998:09 2008:09

F(5,214)= 1.22860 with Significance Level 0.29673197

*************************************************************

sous-périodes utilisées 1990:02 1998:09 1998:10 2008:09

F(5,214)= 1.42378 with Significance Level 0.21681118

*************************************************************

sous-périodes utilisées 1990:02 1998:10 1998:11 2008:09

F(5,214)= 1.35618 with Significance Level 0.24213087

*************************************************************

sous-périodes utilisées 1990:02 1998:11 1998:12 2008:09

F(5,214)= 1.46717 with Significance Level 0.20179182

*************************************************************

sous-périodes utilisées 1990:02 1998:12 1999:01 2008:09

F(5,214)= 1.45983 with Significance Level 0.20426712

*************************************************************

sous-périodes utilisées 1990:02 1999:01 1999:02 2008:09

F(5,214)= 1.53272 with Significance Level 0.18082460

*************************************************************

sous-périodes utilisées 1990:02 1999:02 1999:03 2008:09

F(5,214)= 1.45113 with Significance Level 0.20723486

*************************************************************

sous-périodes utilisées 1990:02 1999:03 1999:04 2008:09

F(5,214)= 1.42041 with Significance Level 0.21801588

*************************************************************

sous-périodes utilisées 1990:02 1999:04 1999:05 2008:09

F(5,214)= 1.44355 with Significance Level 0.20985110

*************************************************************

sous-périodes utilisées 1990:02 1999:05 1999:06 2008:09

F(5,214)= 1.43435 with Significance Level 0.21306600

*************************************************************

sous-périodes utilisées 1990:02 1999:06 1999:07 2008:09

F(5,214)= 1.21056 with Significance Level 0.30520658

*************************************************************

sous-périodes utilisées 1990:02 1999:07 1999:08 2008:09

F(5,214)= 1.02007 with Significance Level 0.40671583

*************************************************************

sous-périodes utilisées 1990:02 1999:08 1999:09 2008:09

F(5,214)= 0.84033 with Significance Level 0.52240022

*************************************************************

sous-périodes utilisées 1990:02 1999:09 1999:10 2008:09

F(5,214)= 0.89653 with Significance Level 0.48427079

*************************************************************

sous-périodes utilisées 1990:02 1999:10 1999:11 2008:09

F(5,214)= 0.80772 with Significance Level 0.54526284

*************************************************************

sous-périodes utilisées 1990:02 1999:11 1999:12 2008:09

F(5,214)= 1.12851 with Significance Level 0.34621955

*************************************************************

sous-périodes utilisées 1990:02 1999:12 2000:01 2008:09

F(5,214)= 1.12998 with Significance Level 0.34544817

*************************************************************

sous-périodes utilisées 1990:02 2000:01 2000:02 2008:09

F(5,214)= 0.88260 with Significance Level 0.49356647

*************************************************************

sous-périodes utilisées 1990:02 2000:02 2000:03 2008:09

F(5,214)= 0.64121 with Significance Level 0.66849676

*************************************************************

sous-périodes utilisées 1990:02 2000:03 2000:04 2008:09

F(5,214)= 0.75435 with Significance Level 0.58372456

*************************************************************

sous-périodes utilisées 1990:02 2000:04 2000:05 2008:09

F(5,214)= 0.77045 with Significance Level 0.57199752

*************************************************************

sous-périodes utilisées 1990:02 2000:05 2000:06 2008:09

F(5,214)= 0.52399 with Significance Level 0.75798475

*************************************************************

sous-périodes utilisées 1990:02 2000:06 2000:07 2008:09

F(5,214)= 0.52201 with Significance Level 0.75948280

*************************************************************

sous-périodes utilisées 1990:02 2000:07 2000:08 2008:09

F(5,214)= 0.43747 with Significance Level 0.82207349

*************************************************************

sous-périodes utilisées 1990:02 2000:08 2000:09 2008:09

F(5,214)= 0.39691 with Significance Level 0.85063419

*************************************************************

sous-périodes utilisées 1990:02 2000:09 2000:10 2008:09

F(5,214)= 0.36729 with Significance Level 0.87062540

*************************************************************

sous-périodes utilisées 1990:02 2000:10 2000:11 2008:09

F(5,214)= 0.35482 with Significance Level 0.87878612

*************************************************************

sous-périodes utilisées 1990:02 2000:11 2000:12 2008:09

F(5,214)= 0.36151 with Significance Level 0.87442647

*************************************************************

sous-périodes utilisées 1990:02 2000:12 2001:01 2008:09

F(5,214)= 0.37012 with Significance Level 0.86875359

*************************************************************

sous-périodes utilisées 1990:02 2001:01 2001:02 2008:09

F(5,214)= 0.34957 with Significance Level 0.88216777

*************************************************************

sous-périodes utilisées 1990:02 2001:02 2001:03 2008:09

F(5,214)= 0.33510 with Significance Level 0.89132987

*************************************************************

sous-périodes utilisées 1990:02 2001:03 2001:04 2008:09

F(5,214)= 0.32398 with Significance Level 0.89820183

*************************************************************

sous-périodes utilisées 1990:02 2001:04 2001:05 2008:09

F(5,214)= 0.31737 with Significance Level 0.90221157

*************************************************************

sous-périodes utilisées 1990:02 2001:05 2001:06 2008:09

F(5,214)= 0.26549 with Significance Level 0.93154218

*************************************************************

sous-périodes utilisées 1990:02 2001:06 2001:07 2008:09

F(5,214)= 0.28198 with Significance Level 0.92265494

*************************************************************

sous-périodes utilisées 1990:02 2001:07 2001:08 2008:09

F(5,214)= 0.26477 with Significance Level 0.93191805

*************************************************************

sous-périodes utilisées 1990:02 2001:08 2001:09 2008:09

F(5,214)= 0.27011 with Significance Level 0.92909321

*************************************************************

sous-périodes utilisées 1990:02 2001:09 2001:10 2008:09

F(5,214)= 0.46623 with Significance Level 0.80114977

*************************************************************

sous-périodes utilisées 1990:02 2001:10 2001:11 2008:09

F(5,214)= 0.36180 with Significance Level 0.87423660

*************************************************************

sous-périodes utilisées 1990:02 2001:11 2001:12 2008:09

F(5,214)= 0.47094 with Significance Level 0.79768049

*************************************************************

sous-périodes utilisées 1990:02 2001:12 2002:01 2008:09

F(5,214)= 0.46163 with Significance Level 0.80452988

*************************************************************

sous-périodes utilisées 1990:02 2002:01 2002:02 2008:09

F(5,214)= 0.46654 with Significance Level 0.80092474

*************************************************************

sous-périodes utilisées 1990:02 2002:02 2002:03 2008:09

F(5,214)= 0.45433 with Significance Level 0.80986610

*************************************************************

sous-périodes utilisées 1990:02 2002:03 2002:04 2008:09

F(5,214)= 0.45826 with Significance Level 0.80699835

*************************************************************

sous-périodes utilisées 1990:02 2002:04 2002:05 2008:09

F(5,214)= 0.46844 with Significance Level 0.79952520

*************************************************************

sous-périodes utilisées 1990:02 2002:05 2002:06 2008:09

F(5,214)= 0.47079 with Significance Level 0.79779542

*************************************************************

sous-périodes utilisées 1990:02 2002:06 2002:07 2008:09

F(5,214)= 0.44390 with Significance Level 0.81743389

*************************************************************

sous-périodes utilisées 1990:02 2002:07 2002:08 2008:09

F(5,214)= 0.44809 with Significance Level 0.81439895

*************************************************************

sous-périodes utilisées 1990:02 2002:08 2002:09 2008:09

F(5,214)= 0.43173 with Significance Level 0.82618858

*************************************************************

sous-périodes utilisées 1990:02 2002:09 2002:10 2008:09

F(5,214)= 0.46072 with Significance Level 0.80519495

*************************************************************

sous-périodes utilisées 1990:02 2002:10 2002:11 2008:09

F(5,214)= 0.44890 with Significance Level 0.81381307

*************************************************************

sous-périodes utilisées 1990:02 2002:11 2002:12 2008:09

F(5,214)= 0.42585 with Significance Level 0.83037570

*************************************************************

sous-périodes utilisées 1990:02 2002:12 2003:01 2008:09

F(5,214)= 0.36328 with Significance Level 0.87327102

*************************************************************

sous-périodes utilisées 1990:02 2003:01 2003:02 2008:09

F(5,214)= 0.34792 with Significance Level 0.88322632

*************************************************************

sous-périodes utilisées 1990:02 2003:02 2003:03 2008:09

F(5,214)= 0.31156 with Significance Level 0.90568620

*************************************************************

sous-périodes utilisées 1990:02 2003:03 2003:04 2008:09

F(5,214)= 0.33206 with Significance Level 0.89322537

*************************************************************

sous-périodes utilisées 1990:02 2003:04 2003:05 2008:09

F(5,214)= 0.28895 with Significance Level 0.91877026

*************************************************************

sous-périodes utilisées 1990:02 2003:05 2003:06 2008:09

F(5,214)= 0.28596 with Significance Level 0.92044566

*************************************************************

sous-périodes utilisées 1990:02 2003:06 2003:07 2008:09

F(5,214)= 0.32595 with Significance Level 0.89699308

*************************************************************

sous-périodes utilisées 1990:02 2003:07 2003:08 2008:09

F(5,214)= 0.32409 with Significance Level 0.89813291

*************************************************************

sous-périodes utilisées 1990:02 2003:08 2003:09 2008:09

F(5,214)= 0.37137 with Significance Level 0.86792711

*************************************************************

sous-périodes utilisées 1990:02 2003:09 2003:10 2008:09

F(5,214)= 0.41737 with Significance Level 0.83638276

*************************************************************

sous-périodes utilisées 1990:02 2003:10 2003:11 2008:09

F(5,214)= 0.38473 with Significance Level 0.85895674

*************************************************************

sous-périodes utilisées 1990:02 2003:11 2003:12 2008:09

F(5,214)= 0.37166 with Significance Level 0.86773106

*************************************************************

sous-périodes utilisées 1990:02 2003:12 2004:01 2008:09

F(5,214)= 0.36805 with Significance Level 0.87012226

*************************************************************

sous-périodes utilisées 1990:02 2004:01 2004:02 2008:09

F(5,214)= 0.36859 with Significance Level 0.86976554

*************************************************************

sous-périodes utilisées 1990:02 2004:02 2004:03 2008:09

F(5,214)= 0.37458 with Significance Level 0.86578325

*************************************************************

sous-périodes utilisées 1990:02 2004:03 2004:04 2008:09

F(5,214)= 0.35143 with Significance Level 0.88096919

*************************************************************

sous-périodes utilisées 1990:02 2004:04 2004:05 2008:09

F(5,214)= 0.34251 with Significance Level 0.88666748

*************************************************************

sous-périodes utilisées 1990:02 2004:05 2004:06 2008:09

F(5,214)= 0.35384 with Significance Level 0.87941504

*************************************************************

sous-périodes utilisées 1990:02 2004:06 2004:07 2008:09

F(5,214)= 0.33788 with Significance Level 0.88958724

*************************************************************

sous-périodes utilisées 1990:02 2004:07 2004:08 2008:09

F(5,214)= 0.34576 with Significance Level 0.88460218

*************************************************************

sous-périodes utilisées 1990:02 2004:08 2004:09 2008:09

F(5,214)= 0.35039 with Significance Level 0.88164274

*************************************************************

sous-périodes utilisées 1990:02 2004:09 2004:10 2008:09

F(5,214)= 0.37246 with Significance Level 0.86719863

*************************************************************

sous-périodes utilisées 1990:02 2004:10 2004:11 2008:09

F(5,214)= 0.36194 with Significance Level 0.87414518

*************************************************************

sous-périodes utilisées 1990:02 2004:11 2004:12 2008:09

F(5,214)= 0.40065 with Significance Level 0.84805948

*************************************************************

sous-périodes utilisées 1990:02 2004:12 2005:01 2008:09

F(5,214)= 0.42278 with Significance Level 0.83255793

*************************************************************

sous-périodes utilisées 1990:02 2005:01 2005:02 2008:09

F(5,214)= 0.42467 with Significance Level 0.83121844

*************************************************************

sous-périodes utilisées 1990:02 2005:02 2005:03 2008:09

F(5,214)= 0.42375 with Significance Level 0.83186768

*************************************************************

sous-périodes utilisées 1990:02 2005:03 2005:04 2008:09

F(5,214)= 0.48528 with Significance Level 0.78705870

*************************************************************

sous-périodes utilisées 1990:02 2005:04 2005:05 2008:09

F(5,214)= 0.45257 with Significance Level 0.81114756

*************************************************************

sous-périodes utilisées 1990:02 2005:05 2005:06 2008:09

F(5,214)= 0.44712 with Significance Level 0.81510416

*************************************************************

sous-périodes utilisées 1990:02 2005:06 2005:07 2008:09

F(5,214)= 0.43929 with Significance Level 0.82076233

*************************************************************

sous-périodes utilisées 1990:02 2005:07 2005:08 2008:09

F(5,214)= 0.49335 with Significance Level 0.78104162

*************************************************************

sous-périodes utilisées 1990:02 2005:08 2005:09 2008:09

F(5,214)= 0.48879 with Significance Level 0.78444606

*************************************************************

sous-périodes utilisées 1990:02 2005:09 2005:10 2008:09

F(5,214)= 0.51113 with Significance Level 0.76769938

*************************************************************

sous-périodes utilisées 1990:02 2005:10 2005:11 2008:09

F(5,214)= 0.50910 with Significance Level 0.76922380

*************************************************************

sous-périodes utilisées 1990:02 2005:11 2005:12 2008:09

F(5,214)= 0.34840 with Significance Level 0.88292022

*************************************************************

sous-périodes utilisées 1990:02 2005:12 2006:01 2008:09

F(5,214)= 0.33802 with Significance Level 0.88950412

*************************************************************

sous-périodes utilisées 1990:02 2006:01 2006:02 2008:09

F(5,214)= 0.34546 with Significance Level 0.88479704

*************************************************************

sous-périodes utilisées 1990:02 2006:02 2006:03 2008:09

F(5,214)= 0.34743 with Significance Level 0.88353906

*************************************************************

sous-périodes utilisées 1990:02 2006:03 2006:04 2008:09

F(5,214)= 0.33482 with Significance Level 0.89150502

*************************************************************

sous-périodes utilisées 1990:02 2006:04 2006:05 2008:09

F(5,214)= 0.29508 with Significance Level 0.91529883

*************************************************************

sous-périodes utilisées 1990:02 2006:05 2006:06 2008:09

F(5,214)= 0.30771 with Significance Level 0.90796400

*************************************************************

sous-périodes utilisées 1990:02 2006:06 2006:07 2008:09

F(5,214)= 0.30852 with Significance Level 0.90749100

*************************************************************

sous-périodes utilisées 1990:02 2006:07 2006:08 2008:09

F(5,214)= 0.27912 with Significance Level 0.92422923

*************************************************************

sous-périodes utilisées 1990:02 2006:08 2006:09 2008:09

F(5,214)= 0.27900 with Significance Level 0.92429053

*************************************************************

sous-périodes utilisées 1990:02 2006:09 2006:10 2008:09

F(5,214)= 0.28379 with Significance Level 0.92165565

*************************************************************

sous-périodes utilisées 1990:02 2006:10 2006:11 2008:09

F(5,214)= 0.28338 with Significance Level 0.92188171

*************************************************************

sous-périodes utilisées 1990:02 2006:11 2006:12 2008:09

F(5,214)= 0.29063 with Significance Level 0.91782224

*************************************************************

sous-périodes utilisées 1990:02 2006:12 2007:01 2008:09

F(5,214)= 0.23693 with Significance Level 0.94586655

*************************************************************

sous-périodes utilisées 1990:02 2007:01 2007:02 2008:09

F(5,214)= 0.14495 with Significance Level 0.98136456

*************************************************************

sous-périodes utilisées 1990:02 2007:02 2007:03 2008:09

F(5,214)= 0.14098 with Significance Level 0.98249093

*************************************************************

sous-périodes utilisées 1990:02 2007:03 2007:04 2008:09

F(5,214)= 0.13985 with Significance Level 0.98280402

*************************************************************

sous-périodes utilisées 1990:02 2007:04 2007:05 2008:09

F(5,214)= 0.08046 with Significance Level 0.99519768

*************************************************************

sous-périodes utilisées 1990:02 2007:05 2007:06 2008:09

F(5,214)= 0.06082 with Significance Level 0.99752814

*************************************************************

sous-périodes utilisées 1990:02 2007:06 2007:07 2008:09

F(5,214)= 0.04181 with Significance Level 0.99899770

*************************************************************

sous-périodes utilisées 1990:02 2007:07 2007:08 2008:09

F(5,214)= 0.04362 with Significance Level 0.99888917

*************************************************************

sous-périodes utilisées 1990:02 2007:08 2007:09 2008:09

F(5,214)= 0.04974 with Significance Level 0.99847495

*************************************************************

sous-périodes utilisées 1990:02 2007:09 2007:10 2008:09

F(5,214)= 0.06579 with Significance Level 0.99701913

*************************************************************

sous-périodes utilisées 1990:02 2007:10 2007:11 2008:09

F(5,214)= 0.06715 with Significance Level 0.99687065

*************************************************************

sous-périodes utilisées 1990:02 2007:11 2007:12 2008:09

F(5,214)= 0.11175 with Significance Level 0.98968120

*************************************************************

sous-périodes utilisées 1990:02 2007:12 2008:01 2008:09

F(5,214)= 0.16552 with Significance Level 0.97496122

*************************************************************

sous-périodes utilisées 1990:02 2008:01 2008:02 2008:09

F(5,214)= 0.17113 with Significance Level 0.97305529

*************************************************************

sous-périodes utilisées 1990:02 2008:02 2008:03 2008:09

F(5,214)= 0.15847 with Significance Level 0.97726041

*************************************************************

sous-périodes utilisées 1990:02 2008:03 2008:04 2008:09

F(5,214)= 0.23869 with Significance Level 0.94502824

*************************************************************

**************************

LE MODELE EST INSTABLE

le plus grand fisher f= 8.235 pour un niveau de significativité ns= 0.000000

le point correspondant à ce plus grand fisher est 1994:07

**************************

Linear Regression - Estimation by Least Squares

Dependent Variable DTAUX_10_ANS

Monthly Data From 1990:01 To 2008:09

Usable Observations 224 Degrees of Freedom 219

Total Observations 225 Skipped/Missing 1

Centered R**2 0.354573 R Bar **2 0.342784

Uncentered R**2 0.367552 T x R**2 82.332

Mean of Dependent Variable -0.040178571

Std Error of Dependent Variable 0.281096451

Standard Error of Estimate 0.227881627

Sum of Squared Residuals 11.372677849

Regression F(4,219) 30.0776

Significance Level of F 0.00000000

Log Likelihood 15.96618

Durbin-Watson Statistic 1.527258

Variable Coeff Std Error T-Stat Signif

*******************************************************************************

1. Constant -0.026925151 0.016448225 -1.63696 0.10307415

2. DCPI 0.019309144 0.012305271 1.56918 0.11805048

3. DTAUX_3_MOIS 0.237924630 0.033203243 7.16570 0.00000000

4. DMSCI_SUEDE -0.000656000 0.000349472 -1.87712 0.06183162

5. DTAUX_LONG_US 0.589860250 0.069629260 8.47144 0.00000000

statistique Q( 29 ) 63.45350 niveau de significativité 0.0003

***** ETUDE DE LA COLINEARITE *****

VALS PROPRES DE XtX VALS SINGS DE X INDICES DE CONDI

1.41399 1.18911 1.00000

1.18176 1.08709 1.09385

0.92768 0.96316 1.23459

0.87368 0.93471 1.27217

0.60290 0.77646 1.53145

TABLEAU DE DECOMPOSITION DE LA VARIANCE

***************************************

indice tableau de decomposition de la variance

cons DCPI DTAUX_DMSCI_DTAUX_LONG_US

1.0 0.263 0.271 0.049 0.003 0.030

1.1 0.007 0.000 0.146 0.365 0.298

1.2 0.112 0.000 0.687 0.234 0.001

1.3 0.002 0.126 0.108 0.238 0.615

1.5 0.616 0.603 0.009 0.159 0.057