Fluctuation du Taux de change en Haiti, une analyse de ses principales causes, de 1996 à 2005

1.3.- NOUVELLE SPECIFICATION DU MODELE

Le tableau ci-dessus génère les résultats du modèle réestimé.

Réestimation du modèle, Tableau # 9

Dependent Variable: LTXCH
Method: Least Squares
Date: 09/21/08 Time: 09:36
Sample(adjusted): 1996M02 2005M12
Included observations: 119 after adjusting endpoints
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	30.18267	10.85528	2.78046	0.0064
LM2HAITI	-6.46301	0.221332	-29.2005	0
LM2USA	0.137221	0.100276	1.368437	0.174
LPIBHAITI	-0.35781	0.203391	-1.75922	0.0813
LPIBUS	-6.28655	2.34303	-2.68309	0.0084
LIPCH	0.013309	0.00637	2.089233	0.039
LPIBHAITI^2	0.143235	0.084597	1.693143	0.0933
LPIBUS^2	0.368032	0.130852	2.81257	0.0058
LM2HAITI(-1)	4.514407	0.458451	9.847079	0
LTXCH(-1)	0.757567	0.059579	12.7154	0
R-squared	0.998731	Mean dependent var		3.167033
Adjusted R-squared	0.998627	S.D. dependent var		0.375037
S.E. of regression	0.013898	Akaike info criterion		-5.63382
Sum squared resid	0.021055	Schwarz criterion		-5.40028
Log likelihood	345.2121	F-statistic		9534.921
Durbin-Watson stat	1.998456	Prob(F-statistic)		0

Source : résultat généré par E-views

1.3.1.- ESTIMATION DE L'EQUATION

TXCH = C(1) + C(2)*LM2HAITI + C(3)*LM2USA + C(4)*LPIBHAITI + C(5)*LPPIBUS + C(6)*LIPCH + C(7)*LM2HAITI(-1) + C(8)*(LPIBHAITI^2) + C(9)*(LPIBUS^2) + C(10)*LTXCH(-1)

Dans la nouvelle spécification, nous avons utilisé comme méthode à décalage temporel, la Méthode à retards échelonnés, qui consiste à décaler certaines variables dans le temps, ce qui nous a permis d'obtenir des résultats plus pertinents.

D'après le tableau précédent toutes nos variables sont statistiquement significatives, exception faite pour les variables LM2USA, LPIBHAITI et LPIBHAITI^2. Mais, le modèle globalement significatif avec un R² = 99.8 %, cela signifie qu'il explique très bien la réalité.

Nous allons procéder aux différents tests statistiques afin de confirmer la validité du modèle.

1.3.2.- Test de normalité des erreurs

Pour calculer les intervalles de confiance prévisionnels et aussi pour calculer les tests de Student sur les paramètres, il convient de vérifier la normalité des erreurs.

Test de normalité des erreurs, Tableau # 10

Tableau # 10

Source : résultat généré par E-views

D'après les règles de décision du test, nous pouvons dire que les erreurs sont normalement distribuées, car la probabilité associée à Jarque-Bera est supérieure à 5%. Cela signifie aussi que les séries sont stationnaires^39(*). Ceci nous porte à procéder aux autres tests.

* ³⁹ Régis Bourbonnais, « économétrie », 6eme ed. pp 225 - 228