IV.3.2.2.Test de diagnostic sur
les termes d'erreur
Ces tests de diagnostic sur les résidus ont comme
objectifs de vérifier si les séries qui alimentent le
modèle suivent une loi normale.
-Test d'hétéroscédasticité
de White
Dans le modèle de régression log-linéaire
ou linéaire tout simplement, une des hypothèses de base est que
les résidus doivent avoir une variance finie et constante. Cela est
connu sous le nom de l'homoscédasticité des termes d'erreur. La
violation de cette hypothèse est connue sous le nom de
l'hétéroscédasticité. L'une des hypothèses
clés des modèles linéaires est l'hypothèse
d'homoscédasticité ; c'est-à-dire que les
résidus du modèle ont la même variance.
Selon Maddala (1977), la violation de cette hypothèse
de base (homoscédasticité des résidus) conduit à
l'inefficience des paramètres de régression, au biais de la
variance de l'estimation et partant ; des résultats des
statistiques biaisés. Ce test
d'hétéroscédasticité a été
développé par White (1980). Il est applicable aux résidus
des Moindres Carrés Ordinaires (MCO). Différentes méthodes
de correction existent mais nous avons choisi l'une des méthodes
proposées par White qui consiste à corriger sans préciser
la forme d'hétéroscédasticité.
H0 : les résidus du modèle sont
homoscédastiques.
H1 : les résidus du modèle sont
hétéroscédastiques.
| 
