III.1.4. Tests
économétriques
Les tests essentiels d'hypothèses économiques
retenus dans ce modèle sont :
(1) test de normalité des erreurs ou de
« Jarque-Bera » ; et
(2) le test du multiplicateur de la Grange (LM) qui examine
les corrélations entre les résidus et la probabilité des
valeurs retardées des résidus.
III.1.4.1. Test de normalité de Jarque-Bera
(JB)
L'hypothèse de normalité des résidus
sous-tend les tests économiques. Ce test est le plus utilisé des
tests de normalité. Il s'accompagne des indicateurs de skeweness et
Kurtosis destinés à mesurer respectivement le degré
d'asymétrie et d'aplatissement. La statistique de Jarque Bera se calcule
comme suit :
Où S = valeur de skeweness ;
K = valeur kurtosis ;
n = nombre d'observation.
Il est nécessaire de déterminer si l'on peut
accepter l'hypothèse de Jarque Bera (JB) :
H0 : JB > 0,05 : Normalité des
résidus
H1 : JB < 0,05 : Absence de
normalité
· La statistique calculée de Jarque Bera sur les
résidus nous donne :
JB = 2,282262 qui correspond à une probabilité
de 0,319457 > 0,05
Décision : au seuil de 5%, on accepte
l'hypothèse des normalités des résidus.
III.1.4.2. L'autocorrélation
Pour déceler l'autocorrélation éventuelle
entre les résidus, on utilise le test de Breusch - Goldfrey (LM TEST).
Ce test examine les corrélations entre les résidus et la
probabilité des valeurs retardées des résidus. Voici les
résultats du test dans le tableau ci-après :
Tableau 6 : Test du multiplicateur de la grange
(lm test)
|
Breusch-Godfrey Serial Correlation LM Test:
|
|
|
|
|
|
|
|
|
|
|
|
|
F-statistic
|
1.407955
|
Probability
|
0.262376
|
|
Obs*R-squared
|
15.89141
|
Probability
|
0.196261
|
|
|
|
|
|
|
|
|
|
|
Source : Nos résultats sur Eviews 5
 : Absence d'autocorrélation
 : Autocorrélation d'erreur
La statistique nR2 calculée est :
nR2 = 15.89141 avec la probabilité
associée de 0.196261>  = 1.407955 avec P de 0.262376
Décision : On accepte H0
| 
