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

 > 

L'efficacité technique des banques et ses facteurs explicatifs: application à  la Commercial Bank-Cameroun

( Télécharger le fichier original )
par Martial TCHAKOUNTE DAZOUE
Université Catholique d'Afrique Centrale - Master II en Banque et Finance 2009
  

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

Paragraphe 2 : Les modèles à deux étapes

Il existe dans la littérature deux principales méthodes à deux étapes pour la modélisation des déterminants de l'efficacité technique. Il s'agit du modèle de Tobit ou Logit (2.1) et la régression linéaire en utilisant les moindres carrés ordinaires (MCO) (2.2).

2.1 - Le modèle de Tobit et logit

Le modèle de Tobit et logit sert à la modélisation des données en panel. Il est spécifiquement approprié lorsque la variable explicative est de nature bornée (Comme dans le cas des niveaux d'efficacité technique, dont la mesure est comprise entre 0 et 1).

1 Amara et Romain (2000)

L'efficacité technique des banques et ses facteurs explicatifs : application à la Commercial Bank - Cameroun

2010

 
 

Description (Hurlin P., 2000)1 :

Le modèle dichotomique logit admet pour variable expliquée, non pas un codage quantitatif associé à la réalisation d'un évènement, mais la probabilité d'apparition de cet événement, conditionnellement aux variables exogènes. Ainsi, on considère le modèle suivant :

Pi = Prob (yi = 1| xi) = F (xiâ)

Où la fonction F(.) désigne une fonction de répartition. Le choix de la fonction de répartition F (.) est a priori non contraint. Toutefois, on utilise généralement deux types de fonction : la fonction de répartition de la loi logistique et la fonction de répartition de la loi normale centrée réduite.

Dans le cas de la modélisation des données de panel, le modèle peut s'écrire :

Yit = max (1, Xitß, + ci + Eit)

Avec :

Yit le niveau d'efficience de la banque i à la date t ; Xit la matrice des variables de la banque i à la date t ; ß le vecteur des coefficients fixes, ci l'effet aléatoire qui prend en compte les facteurs non spécifiés de la banque i et Eit le résidu aléatoire du modèle (Kamgna et Dimou, 2009).

L'inconvénient d'un modèle Tobit dans l'estimation des déterminants de l'efficacité technique est qu'il requiert une hypothèse concernant l'interdépendance des scores les uns par rapport aux autres, condition qui n'est pas vérifiée (Kamgna et Dimou, 2008).

1 Hurlin C. « Polycopié de cours d'économétries des variables qualitatives, Master en Econométrie et Statistiques Appliquées », Université d'Orléans, France, (Janvier 2003), p 10.

L'efficacité technique des banques et ses facteurs explicatifs : application à la Commercial Bank - Cameroun

2010

 
 

2.2 - La régression linéaire par les MCO (moindres carrés ordinaires)

La régression linéaire permet de déterminer la relation existante entre plusieurs variables économiques. En réalité, dans un problème de régression linéaire, l'on distingue deux types de caractères : l'un d'eux (Y) est le caractère « à expliquer » et les autres (Xi) sont les caractères « explicatifs ». « Expliquer » ici signifie exprimer une dépendance fonctionnelle de Y comme fonction des Xi, de manière à prévoir la valeur de Y connaissant les Xi. La situation idéale ou Y = f(Xi) n'est jamais rencontrée en pratique. On cherchera plutôt, dans une famille fixée de fonctions, celle pour laquelle les Yi sont les plus proches des f(Xi). La proximité se mesure en général comme une erreur quadratique de la moyenne. On parle alors de régression au sens des moindres carrés. Dans ce paragraphe, nous fournirons la description du modèle linéaire proposée par Estelle Ouellet (2005)1. La procession de cette description va se déplier ainsi qu'il suit : Nous aborderons successivement la régression linéaire simple et la régression linéaire multiple (2.2.1) ; la spécification du modèle de la régression multiple (2.2.2) ; les procédures de sélection des variables (2.2.3) ; les tests d'hypothèses sur les variables (2.2.4) et enfin les tests d'hypothèse sur les erreurs (2.2.5).

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








"I don't believe we shall ever have a good money again before we take the thing out of the hand of governments. We can't take it violently, out of the hands of governments, all we can do is by some sly roundabout way introduce something that they can't stop ..."   Friedrich Hayek (1899-1992) en 1984