III.2.2.2. Test de
stationnarité sur la série GDS
Ici nous allons nous intéresser à tester la
stationnarité de la variable épargne en recourant au test
d'ADF.
Tableau n°2 : Résultat du test de
stationnarité de GDS
ADF Test Statistic
|
-2.407516
|
1% Critical Value*
|
-4.2023
|
|
|
5% Critical Value
|
-3.5247
|
|
|
10% Critical Value
|
-3.1931
|
*MacKinnon critical values for rejection of hypothesis of a
unit root.
|
|
|
|
|
|
|
|
|
|
|
Augmented Dickey-Fuller Test Equation
|
Dependent Variable: D(GDS)
|
Sample(adjusted): 1968 2007
|
Included observations: 40 after adjusting endpoints
|
Variable
|
Coefficient
|
Std. Error
|
t-Statistic
|
Prob.
|
GDS(-1)
|
-0.554572
|
0.230350
|
-2.407516
|
0.0215
|
D(GDS(-1))
|
0.019516
|
0.199925
|
0.097615
|
0.9228
|
D(GDS(-2))
|
-0.122414
|
0.164868
|
-0.742496
|
0.4627
|
C
|
6.966149
|
4.122472
|
1.689799
|
0.1000
|
@TREND(1960)
|
-0.122148
|
0.104477
|
-1.169137
|
0.2502
|
De ce tableau, on remarque que la valeur du test ADF est
inférieure à la valeur critique à 5% ce qui nous conduit
à procéder par une stratégie séquentielle. Il
apparaît que GDS n'est soit pas stationnaire et la tendance n'est pas
significative, on passe au second palier du test.
Tableau n°3 : Résultat du test
ADF à niveau avec dérive
ADF Test Statistic
|
-2.159911
|
1% Critical Value*
|
-3.6019
|
|
|
5% Critical Value
|
-2.9358
|
|
|
10% Critical Value
|
-2.6059
|
*MacKinnon critical values for rejection of hypothesis of a
unit root.
|
|
|
|
|
|
|
|
|
|
|
Augmented Dickey-Fuller Test Equation
|
Dependent Variable: D(GDS)
|
Method: Least Squares
|
Sample(adjusted): 1968 2007
|
Included observations: 40 after adjusting endpoints
|
Variable
|
Coefficient
|
Std. Error
|
t-Statistic
|
Prob.
|
GDS(-1)
|
-0.378685
|
0.175324
|
-2.159911
|
0.0375
|
D(GDS(-1))
|
-0.086099
|
0.179258
|
-0.480306
|
0.6339
|
D(GDS(-2))
|
-0.199569
|
0.151852
|
-1.314228
|
0.1971
|
C
|
2.457890
|
1.465352
|
1.677338
|
0.1021
|
Les données contenues dans ce tableau nous montrent
que la valeur du test ADF est inférieure à la valeur critique
à 5%. On remarque aussi que la constante n'est pas significative comme
le montre les résultats ci haut.
Et donc GDS est non stationnaire. Pour se faire, on passe
au dernier palier du test à niveau.
Tableau n°4 : Test à la
différence sans dérive
ADF Test Statistic
|
-1.328670
|
1% Critical Value*
|
-2.6211
|
|
|
5% Critical Value
|
-1.9492
|
|
|
10% Critical Value
|
-1.6201
|
*MacKinnon critical values for rejection of hypothesis of a
unit root.
|
|
|
|
|
|
|
|
|
|
|
Augmented Dickey-Fuller Test Equation
|
Dependent Variable: D(GDS)
|
Sample(adjusted): 1968 2007
|
Included observations: 40 after adjusting endpoints
|
Variable
|
Coefficient
|
Std. Error
|
t-Statistic
|
Prob.
|
GDS(-1)
|
-0.149320
|
0.112383
|
-1.328670
|
0.1921
|
D(GDS(-1))
|
-0.221506
|
0.163927
|
-1.351248
|
0.1848
|
D(GDS(-2))
|
-0.288849
|
0.145662
|
-1.983016
|
0.0548
|
Il ressort de ce tableau que la valeur du test ADF est
inférieure à la valeur critique à 5%. DGS est non
stationnaire à niveau, on passe au la différence
première.
Tableau n°5 : Test ADF à la
1ère différence avec dérive
ADF Test Statistic
|
-4.768031
|
1% Critical Value*
|
-3.6067
|
|
|
5% Critical Value
|
-2.9378
|
|
|
10% Critical Value
|
-2.6069
|
*MacKinnon critical values for rejection of hypothesis of a
unit root.
|
|
|
|
|
|
|
|
|
|
|
Augmented Dickey-Fuller Test Equation
|
Dependent Variable: D(GDS,2)
|
Method: Least Squares
|
Date: 06/29/11 Time: 09:57
|
Sample(adjusted): 1969 2007
|
Included observations: 39 after adjusting endpoints
|
Variable
|
Coefficient
|
Std. Error
|
t-Statistic
|
Prob.
|
D(GDS(-1))
|
-1.767936
|
0.370790
|
-4.768031
|
0.0000
|
D(GDS(-1),2)
|
0.441145
|
0.266757
|
1.653731
|
0.1071
|
D(GDS(-2),2)
|
0.058463
|
0.158047
|
0.369911
|
0.7137
|
C
|
0.046824
|
0.996341
|
0.046996
|
0.9628
|
Des tests élaborés, il vient que les
séries ne sont pas cointégrées et donc l'usage des
modèles VAR est rejetées.
En fin, la valeur de la statistique du test ADF est
supérieure à la valeur critique à 5%. GDS est stationnaire
sans dérivé et intégré d'ordre I(1).
Il sied de signaler que le test ADF effectué sur
ces deux séries prises en logarithmes a montré que la
première série GDI est stationnaire à niveau alors que la
seconde n'est pas stationnaire. Pour se faire, comme ces deux séries ne
sont pas intégrées de même ordre GDI~I(0) et GDS~I(1), il
n'y a pas intérêt de vérifier une éventuelle
cointégration.
Et comme les séries ne sont pas
cointégrées on ne va pas procéder à l'estimation
d'un MCE (Modèle à Correction d'Erreur).
Nous retenons qu'il n'existe pas de relation de
cointégration entre l'investissement et l'épargne privée
et vérifions l'éventuelle causalité entre les deux
variables et la relation de long terme.
|