WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Systeme mobile banking: analyse statistique des determinants du revenu des agents de proximite dans l'aire metropolitaine de Port-au-Prince

( Télécharger le fichier original )
par Fato FENE
Centre de Techniques de Planification et d'Economie Appliquee - DESS 0000
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

VI.3.2.2.- Test de significativité individuelle des paramètres du modèle initial

Après avoir vérifié la validité du modèle, il incombe de mettre en évidence l'apport de chaque variable indépendante dans l'amélioration du modèle. Par conséquent, le test de Wald semble le mieux indiqué puisqu'il joue le même rôle que le test t de Student. La significativité des paramètres du modèle se mesure statistiquement à partir des probabilités associées à la statistique de Wald. Quand une probabilité est inférieure à 0.01 ou 0.05 cela signifie que le paramètre de la variable en question est statistiquement significatif à 1% ou 5%. Les résultats de l'estimation du dit modèle nous montrent que seulement quatre variables sont significatives (Catsar, Sats, Satts ainsi que Liquidis), toutes au seuil de moins de 5%.

VI.3.2.3.- Test de significativité globale du modèle initial

Pour pouvoir mesurer la significativité globale du modèle initial, nous avons recours au test du rapport des maxima de vraisemblance. Ce dernier nous donne la possibilité de tester la nullité de l'ensemble des coefficients du modèle. Les résultats nous permettent d'affirmer que le modèle initial est globalement significatif. En effet, la probabilité associée à la statistique calculée LRT est de 0.0003 et est largement inférieure à 1%, voire 5%. Donc, nous pouvons conclure que les paramètres du modèle sont globalement significatifs.

Somme toute, le modèle de départ est globalement significatif statistiquement et la valeur du pseudo-R2 laisse augurer que les variables exogènes expliquent assez bien la variable d'intérêt malgré la non significativité de la plupart des variables du modèle. Ce dernier compte 21 variables non significatives sur les 25 susceptibles d'expliquer le phénomène en question. De ce fait, nous ne pouvons pas retenir un tel modèle dans l'explication du revenu des agents de proximité du M-Banking. Ainsi, nous allons procéder à l'amélioration du modèle initial en recourant à l'une des méthodes de sélection d'un modèle adéquat.

82 | P a g e

VI.3.2.4.- Sélection d'un modèle adéquat

Pour sélectionner le meilleur modèle, nous utilisons principalement le critère AIC (Akaike Information Criterion) et le critère BIC (Bayesian Information Criterion). Mais, étant donné que le nombre de variables explicatives est grand, il n'est pas raisonnable de penser explorer les 2p modèles possibles afin de trouver le meilleur modèle au sens de l'un des critères précités. Par conséquent, nous avons opté une procédure de sélection pas à pas des variables. On distingue trois procédures de ce genre : la procédure FORWARD qui entre les variables une à une dans le modèle, la procédure BACKWARD et la procédure STEPWISE. Vu que ces étapes conduisent au même résultat, la technique BACKWARD est choisie de façon arbitraire pour le choix du modèle optimal et est mise en oeuvre à partir de SAS.

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Et il n'est rien de plus beau que l'instant qui précède le voyage, l'instant ou l'horizon de demain vient nous rendre visite et nous dire ses promesses"   Milan Kundera