Tableau n° 24 : Examen
d'autocorrélation
|
Breusch-Godfrey Serial Correlation LM Test:
|
|
F-statistic
|
0.227809
|
Probability
|
0.633685
|
|
Obs*R-squared
|
0.031002
|
Probability
|
0.088700
|
Source : Calculés par le logiciel
E-views
Etant donné que qu'il s'observe des probabilités
supérieures à 0,05, il y a lieu d'affirmer qu'il n'y a pas ici de
problème d'autocorrélation des variables.
Après que tous nos tests aient satisfaits aux
hypothèses de L'OLS, nous disons que notre modèle est globalement
explicatif et que donc les trois variables exogènes retenues expliquent
globalement le modèle.
III.4.2Interprétation
économique du modèle.
Après avoir vérifié que notre
modèle est globalement explicatif, il convient, dans ce paragraphe, de
concilier les résultats obtenus aux variables d'études.
Après maintes estimations, trois facteurs sont responsables de la
consommation de l'énergie solaire. C'est entre autres le prix du
panneau, le montant de la facture payée à la SNEL et le revenu du
consommateur.
Ainsi, le prix (PU), le revenu (REV) sont des facteurs
pertinents qui influencent le comportement des ménages dans leurs
décisions en matière de dépenses de ménage. Quant
à la consommation de l'énergie solaire, le prix et la facture de
la SNEL sont les seuls signaux émis par le marché et qui
intéressent le consommateur sous contrainte du budget. Cela s'explique
par la diversité de prix de panneau solaire selon les dimensions et son
usage et l'irrégularité du courant de la SNEL. Selon ce
modèle, chaque fois qu'un ménage désire augmenter ou
acheter un nouveau panneau solaire, cela doit correspondre à un prix
multiplié par 0,16, une facture de la SNEL multiplié par 0.009 et
un revenu fois 0.0013.De cela, nous avons eu un R² de 0.601 et un
R² ajusté de 0,589. Ce qui veut dire que les variables
exogènes expliquent la variable endogène à 60,1%. Cela est
vrai parce qu'il existe des multitudes de facteurs qui puissent entrer dans
l'explication de la consommation de l'énergie solaire.
| 
