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

 > 

Analyse statistique de l'évolution de prix des produits pétroliers face aux taux de change dans la ville de Goma


par Benjamin SENZIGE KWITONDA
Insitut supérieur de statistique et de nouvelles technologies - A1 Ingénieur statisticien 2008
  

précédent sommaire suivant

CHAP.IV. APPLICATION DU MODELE DE REGRESSION SUR LES PRIX DES PRODUITS PETROLIERS ET LES TAUX DE CHANGE

IV.1. PRESENTATION DES DONNEES

Dans la présente partie, nous présenterons les données qui seront également analysées. Notre étude porte sur deux variables à savoir : l'évolution des prix de l'essence à la pompe et l'évolution du taux de change parallèle. Toutes ces données ont été collectées à la Division Provinciale de l'Economique. L'unité utilisée pour les deux variables est exprimée en franc congolais.

Tableau n°2. Evolution du prix de l'essence

ANNEES

MOIS

2005

2006

2007

2007

Janvier

456

500

550

1000

Février

456

500

600

850

Mars

456

500

600

800

Avril

456

650

650

850

Mai

456

650

650

700

Juin

456

650

650

1000

Juillet

456

650

650

1000

Août

456

650

650

1000

Septembre

550

600

650

1000

Octobre

550

600

650

910

Novembre

550

600

700

950

Décembre

500

600

1000

800

Ce graphique montre que le prix de l'essence a une tendance croissante au cours de 4 années observées.

Tableau n°3. Evolution de taux de change sur le marché

ANNEES

MOIS

2005

2006

2007

2007

Janvier

450

450

550

550

Février

480

450

560

560

Mars

500

450

570

570

Avril

520

450

570

580

Mai

530

470

500

580

Juin

450

470

520

580

Juillet

520

460

520

580

Août

500

480

520

580

Septembre

500

500

520

580

Octobre

500

520

520

580

Novembre

480

550

520

600

Décembre

470

550

530

650

Pour passer à l'analyse de ces données ci-haut présentées, nous utilisons la régression simple pour écrire modèle et mesurer le niveau dépendance entre la variable expliquée et la variable explicative.

IV.2. TECHNIQUE DE REGRESSION SIMPLE

IV.2.1. ESTIMATION DES PARAMETRES DE REGRESSION

Pour estimer les paramètres de régression, nous avons fait appel à la méthode de moindres carrés. La pente et l'ordonnée à l'origine de l'équation estimée de régression sont respectivement :

ü ü Le modèle de régression est donné par l'équation suivante :

IV.2.2. VALIDITE GLOBALE DU MODELE

v Test avec l'ANOVA

Pour réaliser ce test, nous sommes amenés à formules les hypothèses de la manière suivante : testons H0 l'hypothèse selon laquelle le modèle n'est pas explicatif, contre l'hypothèse H1 selon laquelle le modèle est explicatif.

Règle de décision : rejeter H0 si FCal > au FTable

Le tableau ci-après présente l'analyse de la variance pour le modèle de régression simple.

Tableau n°4. Analyse de la variance

Source de variation

Somme des carrés

Degré de liberté

Carrés moyens

FCalculé

Régression

632527,731

1

632527,731

35,121

Résidu

828458,935

46

18009,977

Total

1460986,667

47

 

FTable F0.05 ; 1 ; 46 = 4,05

Interprétation

Comme au seuil de signification  ; FCal = 35,121 est supérieur à FTable = 4,05 ; on rejete l'hypothèse H0 et on accepte l'hypothèse H1 selon laquelle le modèle de régression explicatif.

v Calcul du coefficient de détermination

, Soit 43%.

Interprétation 

Ce résultat montre le modèle de régression est explicatif. Cela signifie que la variable explicative X, explique le comportement de la variable dépendante Y en concurrence 43%. Les 57% d'évolution restante de la variable dépendante sont dû à l'erreur, c'est-à-dire aux variables explicatives ignorées dans le modèle spécifié.

précédent sommaire suivant