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

 > 

Impact des Technologies de l'Information et de la Communication (TIC) sur le tissu productif des biens et services au Maroc

( Télécharger le fichier original )
par Ghynel NGASSI NGAKEGNI
INSEA Rabat - Ingenieur d'Etat en Statistique et Economie (Majeur: Statistique) 2010
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

II.1. Test de DICKEY-FULLER Augmenté(ADF)

Nous avons appliqué le test de Dickey-Fuller sur l'ensemble des variables utilisées à l'aide d'EVIEWS. Nous présentons ici un exemple du test ADF pour la variable nombre de lignes téléphoniques pour 100 habitants (NLT_100_Hab) .Pour le reste des variables, la démarche reste la même.

Tableau 21 : Test ADF modèle (3) pour la série NLT_100_Hab.

Null Hypothesis: NB_100_HAB has a unit root

 
 

Exogenous: Constant, Linear Trend

 
 

Lag Length: 1 (Automatic based on SIC, MAXLAG=1)

 
 
 
 

t-Statistic

  Prob.*

Augmented Dickey-Fuller test statistic

-1.792706

 0.6778

Test critical values:

1% level

 

-4.374307

 
 

5% level

 

-3.603202

 
 

10% level

 

-3.238054

 

*MacKinnon (1996) one-sided p-values.

 
 

Augmented Dickey-Fuller Test Equation

 
 

Dependent Variable: D(NB_100_HAB)

 
 

Method: Least Squares

 
 
 

Date: 05/26/10 Time: 10:21

 
 
 

Sample (adjusted): 1982 2006

 
 
 

Included observations: 25 after adjustments

 
 

Variable

Coefficient

Std. Error

t-Statistic

Prob.  

NB_100_HAB(-1)

-0.126433

0.070526

-1.792706

0.0874

D(NB_100_HAB(-1))

0.759317

0.160886

4.719604

0.0001

C

0.123809

0.105337

1.17536

0.253

@TREND(1980)

0.018856

0.015504

1.216174

0.2374

R-squared

0.5388

    Mean dependent var

0.1284

Adjusted R-squared

0.472914

    S.D. dependent var

0.318168

S.E. of regression

0.230992

    Akaike info criterion

0.052779

Sum squared resid

1.120503

    Schwarz criterion

0.247799

Log likelihood

3.340265

    F-statistic

 

8.177785

Durbin-Watson stat

1.383439

    Prob(F-statistic)

0.000851

 

Au vu de la sortie d'EVIEWS :

ï La série NLT_100_Hab est un processus DS16(*) car la statistique de test= -1.79>-3.60

ï On compare la statistique de la tendance à sa valeur critique qui 2.78 (table ADF) :

1.21<2.78 => Ho : la tendance n'est pas significative. On passe donc à l'étude du modèle (2) du test ADF.

Tableau 22 : Test ADF modèle(2) pour la série NLT_100_Hab.

Null Hypothesis: NB_100_HAB has a unit root

 
 

Exogenous: Constant

 
 
 

Lag Length: 1 (Automatic based on SIC, MAXLAG=1)

 
 
 
 

t-Statistic

  Prob.*

Augmented Dickey-Fuller test statistic

-1.635755

 0.4502

Test critical values:

1% level

 

-3.72407

 
 

5% level

 

-2.986225

 
 

10% level

 

-2.632604

 

*MacKinnon (1996) one-sided p-values.

 
 

Augmented Dickey-Fuller Test Equation

 
 

Dependent Variable: D(NB_100_HAB)

 
 

Method: Least Squares

 
 
 

Date: 05/26/10 Time: 11:14

 
 
 

Sample (adjusted): 1982 2006

 
 
 

Included observations: 25 after adjustments

 
 

Variable

Coefficient

Std. Error

t-Statistic

Prob.  

NB_100_HAB(-1)

-0.048396

0.029586

-1.635755

0.1161

D(NB_100_HAB(-1))

0.702859

0.155711

4.513871

0.0002

C

0.169321

0.099532

1.701161

0.103

R-squared

0.506316

    Mean dependent var

0.1284

Adjusted R-squared

0.461436

    S.D. dependent var

0.318168

S.E. of regression

0.233493

    Akaike info criterion

0.040841

Sum squared resid

1.199423

    Schwarz criterion

0.187107

Log likelihood

2.489482

    F-statistic

 

11.28147

Durbin-Watson stat

1.362422

    Prob(F-statistic)

0.000425

ï La série NLT_100_Hab est un processus DS car la statistique de test= -1.63>-2.98

ï On compare la statistique de la constante à sa valeur critique qui 2.52 (table ADF) :

1.70<2.52 => Ho : la constante n'est pas significative. On passe donc à l'étude du modèle (1) du test ADF.

Tableau 23 : Test ADF modèle(1) pour la série NLT_100_Hab ;

Null Hypothesis: NB_100_HAB has a unit root

 
 

Exogenous: None

 
 
 
 

Lag Length: 1 (Automatic based on SIC, MAXLAG=1)

 
 
 
 

t-Statistic

  Prob.*

Augmented Dickey-Fuller test statistic

-0.33615

 0.5538

Test critical values:

1% level

 

-2.66072

 
 

5% level

 

-1.95502

 
 

10% level

 

-1.60907

 

*MacKinnon (1996) one-sided p-values.

 
 

Augmented Dickey-Fuller Test Equation

 
 

Dependent Variable: D(NB_100_HAB)

 
 

Method: Least Squares

 
 
 

Date: 05/26/10 Time: 11:22

 
 
 

Sample (adjusted): 1982 2006

 
 
 

Included observations: 25 after adjustments

 
 

Variable

Coefficient

Std. Error

t-Statistic

Prob.  

NB_100_HAB(-1)

-0.005368

0.015969

-0.33615

0.7398

D(NB_100_HAB(-1))

0.753565

0.158999

4.739418

0.0001

R-squared

0.441376

    Mean dependent var

0.1284

Adjusted R-squared

0.417087

    S.D. dependent var

0.318168

S.E. of regression

0.242917

    Akaike info criterion

0.084424

Sum squared resid

1.357198

    Schwarz criterion

0.181934

Log likelihood

0.944703

    Durbin-Watson stat

1.327951

ï La série NLT_100_Hab est un processus DS car la statistique de test= -0.33>-1.95 .Elle est non stationnaire. Elle comporte au moins une racine unitaire. Pour déterminer l'ordre d'intégration de la série, on applique maintenant test ADF à la série en différence première.

.

Tableau 24 : Test ADF modèle(1) pour la série D(NLT_100_Hab).

Null Hypothesis: D(NB_100_HAB) has a unit root

 

Exogenous: None

 
 
 
 

Lag Length: 1 (Automatic based on SIC, MAXLAG=1)

 
 
 
 

t-Statistic

  Prob.*

Augmented Dickey-Fuller test statistic

-2.651841

 0.0103

Test critical values:

1% level

 

-2.664853

 
 

5% level

 

-1.955681

 
 

10% level

 

-1.608793

 

*MacKinnon (1996) one-sided p-values.

 
 

Augmented Dickey-Fuller Test Equation

 
 

Dependent Variable: D(NB_100_HAB,2)

 
 

Method: Least Squares

 
 
 

Date: 05/26/10 Time: 14:15

 
 
 

Sample (adjusted): 1983 2006

 
 
 

Included observations: 24 after adjustments

 
 

Variable

Coefficient

Std. Error

t-Statistic

Prob.  

D(NB_100_HAB(-1))

-0.385079

0.145212

-2.651841

0.0146

D(NB_100_HAB(-1),2)

0.451062

0.201371

2.239949

0.0355

R-squared

0.286208

    Mean dependent var

-0.014583

Adjusted R-squared

0.253762

    S.D. dependent var

0.260016

S.E. of regression

0.224615

    Akaike info criterion

-0.0692

Sum squared resid

1.109944

    Schwarz criterion

0.028971

Log likelihood

2.830403

    Durbin-Watson stat

1.685558


La série D(NLT_100_Hab) est stationnaire car on a -2.65< -1.95.La série NLT_100_Hab comporte donc une racine unitaire : NLT_100_Hab est intégrée d'ordre 1 (il faut la différencier une fois pour la rendre stationnaire).

La même démarche appliquée à toutes les séries, montre qu'elles sont toutes intégrées d'ordre 1 (I(1)).

On peut donc aller plus loin afin de mettre en oeuvre une méthodologie qui nous permettra d'estimer notre modèle : c'est la méthode de Johansen.

* 16

Un processus non stationnaire () est un processus DS (Differency Stationnary) d'ordre d, où d désigne l'ordre d'intégration, si le processus filtré défini par est stationnaire. On dit que () est un processus intégré d'ordre d, noté I(d).

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Entre deux mots il faut choisir le moindre"   Paul Valery