2.2.5 Les tests d'hypothèses sur les erreurs :
Homoscédasticité vs
Hétéroscédasticité
Si, par hypothèse, on assume que le terme d'erreur de
notre modèle est homoscédastique, on peut dire que l'on a des
coefficients efficaces. L'Homoscédasticité qualifie une variance
constante des résidus de données composant l'échantillon.
À l'inverse, on dit qu'il y a
Hétéroscédasticité lorsque la variance des
résidus du modèle n'est pas constante.
L'Hétéroscédasticité ne biaise pas l'estimation par
MCO des coefficients, mais révèle l'inefficacité des
coefficients. En effet, puisque les écarts-types trouvés sont
surestimés ou sous-estimés, on ne peut se référer
à une table pour comparer la valeur obtenue aux valeurs critiques de la
statistique concernée. Cette comparaison est impossible vu que la valeur
obtenue n'est pas la bonne.
On dénombre bien d'autres tests sur les erreurs, tels
que le test de Normalité de distribution des erreurs, le test d'auto
corrélation des erreurs (reproduction des mêmes erreurs à
travers le temps), le test de White, de Durbin Watson, etc. Cependant lorsque
l'Hétéroscédasticité est démontrée,
nous pouvons admettre comme Ouellet (2005) que nous
|
L'efficacité technique des banques et ses facteurs
explicatifs : application à la Commercial Bank - Cameroun
|
2010
|
|
|
sommes dans les « conditions de sécurité
minimales ». Nous pouvons alors collecter les données et rentrer
pleinement dans l'univers empirique.
De la première section de ce chapitre à ce point
nous avons parcouru les facteurs qui expliquent l'efficacité technique
et les modèles qui servent à les déterminer. Il
était question de revoir ce qui s'est fait par le passé et qui
existe désormais dans la littérature des facteurs explicatifs de
l'efficacité technique. Ce cheminement a nettement fait ressortir les
limites des différentes méthodes existantes au regard de notre
travail, et surtout de l'approche de conception de l'efficacité
technique que nous avons à expliquer. Tandis que le modèle
simultané exige d'employer l'approche des frontières
stochastiques (approche paramétrique) pour mesurer l'efficacité
technique, le modèle de Tobit pose des hypothèses non
forcément vérifiables dans notre cas (l'interdépendance
des scores les uns par rapport aux autres). Nous pouvons retenir que le
modèle de régression linéaire (présenté en
dernier) nous garantie le minimum de difficultés pour notre
opération. Nous sommes dès lors prêts à l'appliquer
pour l'identification des facteurs explicatifs de l'efficacité technique
de la Commercial Bank - Cameroun.
|
L'efficacité technique des banques et ses facteurs
explicatifs : application à la Commercial Bank - Cameroun
|
2010
|
|
|
CHAPITRE IV : LES FACTEURS EXPLICATIFS DE
L'EFFICACITE
TECHNIQUE : CAS DE LA CBC
En dernier ressort, ce quatrième chapitre aborde la
question de savoir quels sont les facteurs qui expliquent l'évolution de
l'efficacité technique de la CBC. Parmi les deux types de modèle
que nous avons cités au chapitre précédent, le
modèle de régression linéaire, issu du
procédé à deux étapes, nous servira à
déterminer ces facteurs explicatifs.
En réalité, nous chercherons ces facteurs parmi
les facteurs internes et externes. De multiples variables sont susceptibles
d'influencer l'évolution du niveau d'efficience. Mais cependant, nous
avons choisi quelques hypothèses que nous allons tester, puis tirer des
conclusions.
La section 1 sera consacrée à la
présentation des hypothèses et des autres variables introduites
dans le modèle. Dans la section 2, nous exposerons les résultats
économétriques, puis nous commenterons ces derniers.
| 
