1.2 Démarche économétrique
Avant d'effectuer d'entrer dans la démarche
économétrique proprement dite, nous allons faire un test de
normalité sur les séries, pour vérifier que les
séries suivent une loi normale et que les estimations obtenues sont sans
biais.
En effet, il ressort des coefficients de SKEWNESS, KURTOSIS et
celle de la probabilité (cf. annexe2 ; tableau 1) que les trois
variables, RISKt, PMEDt et LIQUIDt ne suivent pas une loi normale. De ce fait,
nous allons appliquer un logarithme sur nos trois variables. Nous
générons ainsi les variables suivantes :
LNRISKt = log (RISKt )
LNPMEDt = log (LNPMEDt)
LNLIQUIDt = log (LIQUIDt)
1.2.1 Tests de stationnarité des
séries
Le test de stationnarité appliqué sur les
séries permet de déterminer s'il y'a possibilité de
cointégration ou non (les séries doivent être
intégrées du même ordre). Le test de stationnarité
utilisé est celui de Dickey-Fuller Augmenté (ADF) avec les
hypothèses suivantes :
Comportement face au risque et développement du secteur
privé
2008-2009
H0 : présence de racines unitaires (séries non
stationnaires) H1 : Absence de racines unitaires (séries stationnaires)
Règle de décision du test de Dickey-Fuller Augmenté:
Si ADF calculé < ADF théorique alors
l'hypothèse H1 est vérifiée. La variable est donc
stationnaire ;
Si ADF calculé > ADF théorique alors
l'hypothèse H0 est vérifiée et la variable est non
stationnaire.
Résultats du test
Le test de l'ADF montre que les trois séries, LIQUID t,
PME t et RISK t, sont toutes intégrées d'ordre 1. Elles sont donc
stationnaires en différence première (cf. annexe 2 ; tableau 2),
ce qui suppose l'existence d'un risque de cointégration entre les
variables I(1). Pour préciser l'existence de la cointégration il
faut exécuter le test de cointégration de JOHANSEN, puis, dans le
cas la cointégration est avérée, passer à
l'estimation d'un modèle vectoriel à correction d'erreur (MVCE).
Si la cointégration n'est pas avérée, nous estimons notre
relation par le VAR, en procédant tout d'abord à un test de
causalité de GRANGER.
1.2.2 Tests de cointégration de JOHANSEN
Le test de cointégration de JOHANSEN nous
éclaire sur le nombre de relation de cointégration et sa forme
fonctionnelle en suivant différents critères :
- Le critère de la trace et valeur propre minimale
- Les critères d'information d'AKAIKE et de SCHWARZ.
Nous avons effectué le test de cointégration
fondé sur la comparaison du ratio de vraisemblance à sa valeur
critique. L'hypothèse du test est formulée comme suit :
Comportement face au risque et développement du secteur
privé
2008-2009
H0 : Il existe une relation cointégration;
H1 : Il n'existe pas de relation de
cointégration.
Règle de décision du test de
cointégration de JOHANSEN :
Pour un seuil de significativité donné,
l'hypothèse nulle situant l'existence de relation de
cointégration entre les variables du modèles est acceptée,
si la valeur de la trace (TR) est inférieur à sa valeur critique
tabulée (OSTERWALD-LENUM, 1992). En revanche, une valeur de la trace
supérieure à sa valeur critique implique qu'il n'existe pas de
relation de cointégration entre les variables.
Résultats du test
En ce qui concerne notre étude le critère de la
trace et de la valeur propre maximale, d'une part, (cf. annexe 2 ; tableau 3)
et les critères d'information d'AKAIKE et de SCHWARZ, d'autre part,
acceptent la présence d'une relation de cointégration de forme
linéaire avec une constante et une tendance déterministe au
deuxième trimestre (cf. annexe 2, tableaux 4).
| 
