Problématique de l'inflation au travers des principaux determinants du revenu des menages. Cas d'Haiti:1975@2004.

Source : Calculs effectués sur les données à partir du logiciel E-Views 5.0

IV.2.4) Test de Breusch-Godfrey65(*)

Ce test, fondé sur un test de Fisher de l'unité des coefficients ou de Multiplicateur de Lagrange « LM test », permet de tester une autocorrelation d'un ordre supérieur à 1 et reste valide en présence de la variable dépendante décalée en tant que variable explicative. L'idée générale de ce test réside dans la recherche d'une relation significative entre le résidu et ce même résidu décalé.

Une autocorrelation des erreurs d'un ordre n s'écrit :

åt = p1 åt-1 + p1 åt-2 + .......... + pn åt-n + vt

Après décalage n = 28 observations, car chaque décalage entraîne la perte d'une observation.

Dans le cadre de notre travail nous allons recourir à la statistique LM qui est distribué comme un Õ2 à p degrés de liberté (annexe III).

Ainsi, si n x R2 > Õ2(p) lu dans la table au seuil á,, on rejette l'hypothèse d'indépendance des erreurs.

Soit :

IPC = 0.245333362*MC - 0.007235253724*CG - 0.02007132315*IG - 0.001888730106*NX - 0.06447369737*SB + 67.91111385 + [AR(2)=0.03648998224]

Avec R2 = 0.990536 et n = 28 (car nous avons perdu 2 observations du fait du décalage).

LM = 28*0.990536 = 27.735008 < Õ20.05(28) = 41.337

Compte tenu de toutes ces informations (test de Durbin - Watson, test de Breusch - Godfrey), nous sommes enclin à accepter l'hypothèse nulle H0.

Cette situation est corroborée par le tableau ci-dessous qui est une régression auxiliaire permettant d'observant les retards traduisant le pouvoir explicatif sur les résidus.

Tableau XII

Correction de l'autocorrélation des résidus

Régression auxiliaire du modèle

Breusch-Godfrey Serial Correlation LM Test:
F-statistic	2.296615	Probability		0.124213
Obs*R-squared	5.181653	Probability		0.074958
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 03/23/08 Time: 13:15
Presample missing value lagged residuals set to zero.
Variable	Coefficient	Std. Error	t-Statistic	Prob.
MC	0.023289	0.025179	0.924963	0.3650
CG	-0.000279	0.000552	-0.506428	0.6176
IG	-0.005457	0.006875	-0.793824	0.4358
NX	0.000749	0.001004	0.745639	0.4638
SB	0.026591	0.047665	0.557877	0.5826
C	7.372192	23.04340	0.319926	0.7520
RESID(-1)	0.507023	0.237859	2.131610	0.0445
RESID(-2)	-0.019589	0.275437	-0.071120	0.9439
R-squared	0.172722	Mean dependent var		3.25E-15
Adjusted R-squared	-0.090503	S.D. dependent var		52.67231
S.E. of regression	55.00419	Akaike info criterion		11.07587
Sum squared resid	66560.15	Schwarz criterion		11.44953
Log likelihood	-158.1381	F-statistic		0.656176
Durbin-Watson stat	1.895000	Prob(F-statistic)		0.705799

* ⁶⁵ Breusch et Godfrey, 1978