I-1- Résultats du test de stationnarité
Avant de procéder à l'estimation du
modèle, il convient de s'assurer de la stationnarité des
séries observées, car, lorsque les variables ne sont pas
stationnaires, l'estimation des coefficients par la méthode des moindres
carrés ordinaires (MCO) et les tests usuels (Student et Fisher) ne sont
pas valide.
Pour effectuer le test de stationnarité des variables
de nos modèles, nous utiliserons le test de racine unitaire et plus
précisément le test de Levin, Lin & Chu à partir du
logiciel Eviews 8.0. La statistique obtenue a été
comparée à la valeur critique de la loi normale centrée
réduite au seuil de 5% en valeur absolue.
Tableau 5 :
Stationnarité des variables
|
Variables
|
Statistique de Levin, Lin & Chu
|
Statistiques de la loi normale
|
Ordre d'intégration
|
|
PIB par habitant (PIBH)
|
1.01633
|
1,64
|
I(0)
|
|
Capital physique (k)
|
0.39512
|
1,64
|
I(0)
|
|
Valeur ajoutée agricole (VAAGR)
|
-0.01432
|
1,64
|
I(0)
|
|
Valeur ajoutée industrielle (VAIND)
|
-0.00846
|
1,64
|
I(0)
|
Source : Construction de l'auteur à partir des
résultats du logiciel Eviews 8.0
Au seuil de 5% (|1,64|) nous rejetons l'hypothèse de
non stationnarité. Toutes nos variables sont stationnaires. Car la
statistique de LLC de toutes les variables est inférieure au seuil de la
loi normale centrée réduite à 5% (pour les
résultats complets voir annexe 2).
Il n'est donc pasnécessaire de faire le test de
cointégration car ce test ne s'applique qu'aux variables non
stationnaires.
I-2- Résultats du test de Hausman
Dans la présente étude, nous avons
effectué le test de Hausman sur les deux équations du
modèle (annexe 5.1 et annexe 5.2), après avoir fait le test de
Fisher d'effet fixes (annexe 6.1 et annexe 6.2) et le test de Breush-Pagan
d'effets aléatoires (annexe 7.1 et annexe 7.2).
Tableau 6 : Test de
spécification des équations et choix du modèle
approprié
|
Tests
Modèle
|
Fischer (effet fixe)
|
Breush-Pagan (effet aléatoire)
|
Hausman
|
Choix du modèle
|
|
Equation 1
|
F(3,105)=71,62
Prob>F=0,000
|
Wald Chi2(3)=183,95
Prob>Chi2=0,000
|
Chi2(3)=125,66
Prob>Chi2=0,000
|
Modèle à effets fixes
|
|
Equation 2
|
F(3,105)=65,90
Prob>F=0,000
|
Wald Chi2(3)=203,91
Prob>Chi2=0,000
|
Chi2(3)=21,38
Prob>Chi2=0,000
|
Modèle à effets fixes
|
Source : Auteur à partir des
résultats du logiciel STATA 11
L'analyse des résultats de ces tests nous recommande le
choix du modèle à effets fixes pour l'estimation de deux
équations. Car les probabilités de ces différents tests
sont inférieures à 5%.
| 
