Marchés boursiers et croissance économique. Une analyse comparative entre l'Afrique subsaharienne et l'Asie du sud-est.

IV.4.2. Les différents tests d'hypothèses

IV.4.2.1. Le test d'hétéroscédasticité

Ce test se fera à travers le test de Breusch-Pagan pour voir si notre modèle est homoscédastique ou non. Si c'est le cas nous utiliserons le modèle des MCO pour estimer notre modèle mais dans le cas contraire on utilise le modèle des MCGF. Dans ce cas, on supposera sous l'hypothèse nulle que : le modèle est homoscédastique (variance est constante et finie) et sous l'hypothèse alternative que le modèle est hétéroscédastique (variance n'est pas constante). Pour un seuil de significativité fixé à priori de 5 %, si la probabilité du test est inférieure à ce seuil, on conclut au rejet de l'hypothèse nulle et à l'acceptation de l'hypothèse alternative.

IV.4.2.2. Le test d'autocorrélation de Wooldridge

Ce test permet de détecter la présence d'autocorrélation. L'hypothèse nulle (H₀) testée est qu'il y a autocorrélation, contre l'hypothèse alternative (H₁) qui stipule qu'il n'y a pas d'autocorrélation. Ainsi pour un seuil de signification de 5%, si la probabilité du test trouvée est supérieure à ce seuil préalablement choisi et bien justifié, on accepte l'hypothèse nulle (H_o).Ainsi, si le modèle est à la fois autocorrélé et hétéroscédastique alors nous estimerons notre modèle par la méthode des MCGF.

IV.4.2.3. Le test de spécification de Hausman

Le test de Hausman permet de déterminer si les coefficients des deux estimateurs (fixes et aléatoires) sont statistiquement différents. Ce test est fondé sur l'hypothèse de non corrélation entre les termes d'erreur et les variables explicatives (hypothèse du modèle à effets aléatoires) .Cette hypothèse indique que les deux estimateurs sont non biaisés et de ce fait, les coefficients estimés devraient peut différer. Le test est basé sur la comparaison de la matrice-covariance des estimations fixe (âf) et aléatoire (âá) : H= (âf- â_á) var (âf- â_á) ^-1(âf- â_á) 

La statistique H de Hausman suit une loi de Khi-Deux (÷²) à K degré de liberté ; K étant le nombre de variables explicatives. On accepte ??₀ de la présence d'effets aléatoires si la statistique H est inférieure à la valeur critique lue sur la table du Khi-Deux (accepter ??₀ ???? ??< ÷_????²). Ou encore l'accepter si la probabilité est supérieure à 5% (accepter??₀ ???? ??> 0.05).

IV.4.2.4. Le test de racine unitaire

Pour éviter de régressions fallacieuses, il est toujours nécessaire de réaliser des tests de stationnarité ou de racine unitaire sur des données longitudinales, pour analyser dans quelle mesure ces données ne sont pas influencées par le temps. Pour détecter l'existence de racine unitaire, le test de Dickey - Fuller Augmenté (ADF) est utilisé. L'hypothèse nulle (H₀) testée est la suivante : variable à une racine unitaire contre l'hypothèse alternative (H₁) stipulant que la variable ne possède pas de racine unitaire. A un niveau de signification fixé à priori de 1%, si la probabilité du test est supérieure à ce seuil, on conclut au rejet de l'hypothèse nulle et à l'acceptation de l'hypothèse alternative.