CONCLUSION
Ce chapitre avait pour objectif de donner la nature, la
source des données utilisées et de faire une description des
variables ainsi que la présentation des modèles et des
méthodes d'estimation que nous mobiliserons pour procéder
à l'analyse des données dans notre travail. Nous utiliserons la
méthode des MCGF pour estimer nos deux modèles présente
plus haut et la méthode des MCO exceptionnellement selon le
résultat du test de Hausman en ASS pour voir l'effet de la
capitalisation boursière sur le PIB. La présentation des
différents résultats issus de l'application de ces
différentes méthodes ainsi que leur discussion fera l'objet du
prochain chapitre.
CHAPITRE V : RESULTATS ET
DISCUSSIONS
Introduction
Dans ce chapitre, les résultats de deux estimations
sont interprétés : l'effet de la bourse sur la croissance et
l'influence de la croissance sur la bourse. Ces résultats permettent
d'affirmer ou d'infirmer nos hypothèses de départ. Notre travail
retient comme méthode d'estimation la méthode des MCGF sur
données de panel et s'inscrit également dans la logique de
l'étude de seuil d'incidence entre finance et croissance
économique très peu traité dans les travaux
théoriques et empiriques. La technique d'estimation et les tests
nécessaires étant déjà présentés dans
le chapitre précédent, nous allons directement estimer nos deux
modèles et faire les commentaires qui en découlent. Pour y
arriver, nous nous rassurons d'abord de la stationnarité des variables
que nous utilisons.
V.1. Résultats et interprétations du test de
stationnarité
Il existe plusieurs tests de stationnarité. Les plus
recommandés sont ceux d'Im Persan et Shin (2003), Maddala et Wu (1999),
etc. La stationnarité des variables est fondamentale lorsqu'on veut
faire des régressions faisant intervenir les séries temporelles
en vue d'éviter des régressions fallacieuses qui pourraient
présenter des résultats significatifs alors qu'ils ne le sont
pas. Si une série est non stationnaire, elle peut l'être en
différence première. Le résultat du test de
stationnarité nous suggère que dans l'ensemble nos variables sont
tous stationnaire au seuil de 10% 5% et 1%.
Tableau 7 : Synthèse
du résultat test de stationnarité
|
|
G
|
CAPBOURS
|
RTO
|
TRAVAL
|
DEXT
|
OEPN
|
INV
|
|
ASS.
|
Statistic
|
-2,4753
|
-2,4046
|
-2,8789
|
-2,1732
|
-0,3177
|
-2,1722
|
|
|
P_value
|
0,0195
|
0,0871
|
0,0097
|
0,0969
|
0,9979
|
0,0959
|
|
|
á
|
0,1
|
0,1
|
0,01
|
0,1
|
-
|
0,1
|
|
|
Décision
|
S
|
S
|
S
|
S
|
N S
|
S
|
|
|
ASE.
|
Statistic
|
-3,2147
|
-2,1316
|
-2,5915
|
-2,6535
|
-2,3380
|
-2,2051
|
-2,2255
|
|
P_value
|
0,0007
|
0 ,0794
|
0,0113
|
0,0087
|
0,0309
|
0,0683
|
0,0971
|
|
á
|
0,01
|
0,1
|
0,05
|
0,001
|
0,05
|
0,1
|
0,1
|
|
Décision
|
S
|
S
|
S
|
S
|
S
|
S
|
S
|
Source : Estimation de l'auteur à
partir du logiciel stata 12S = Stationnaire NS =
Non stationnaire.
|
|
