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

 > 

Etude sur l'ajustement de la balance commerciale du Rwanda. Période: 1990- 2006

( Télécharger le fichier original )
par Edmond Nkurikiyimana
Universite libre de Kigali - Bachelor degree en économie 2008
  

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

III.1.3 Estimation du relation à long terme

Dependent Variable: LNDBC Method: Least Squares Date: 08/08/08 Time: 09:57 Sample: 1990 2006

Included observations: 17

Variable

Coefficient Std. Error t-Statistic

Prob.

LNIPC

1.520420

0.408657 3.720523

0.0023

LNPIB

0.854829

0.175182 4.879676

0.0002

LNTCH

-0.636718

0.438774 -1.451131

0.1688

R-squared

0.740572

Mean dependent var 10.72087

Adjusted R-squared

0.703511

S.D. dependent var

0.633256

S.E. of regression

0.344813

Akaike info criterion

0.867157

Sum squared resid

1.664546

Schwarz criterion

1.014195

Log likelihood

-4.370838

Durbin-Watson stat

1.578571

La relation à long terme est

LNDBC=a1 lnpib+a2lntch+a3lnipc

LNDBC = 0.854829*LNPIB -0.636718*LNTCH + 1.520420*LNIPC

(0.0002) (0.1688) (0.0023)

III. 1. 4 Cointegration des variables

Plusieurs séries économiques consistent à mettre en relations les variables qui sont stationnaires dans différent modèle. Alors la Cointegration est considéré comme une méthode statistique qui vérifié la relation existante entre ces variables et que les résidus de cette relation soient stationnaires75.

Pour tester la Cointegration des variables on procède comme suit :

75 G. KUERSTEINER , Op- cit lesson 8

78

Estimer le modèle.

Notre modèle est : LNDBC= a1 LNPIB +a2 LN TCH+a3

On retire du modèle les résidus et on teste leur stationnarité. On s'en serve encore les tests ADF.

Stationnarité des résidus

ADF Test Statistic -3.116242 1% Critical Value* -2.7275

5% Critical Value -1.9642 10% Critical Value -1.6269

*MacKinnon critical values for rejection of hypothesis of a unit root.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(RESID01LT)

Method: Least Squares

Date: 08/08/08 Time: 10:23

Sample(adjusted): 1991 2006

Included observations: 16 after adjusting endpoints

Variable

Coefficient Std. Error t-Statistic

Prob.

RESID01LT(-1)

-0.805349

0.258436 -3.116242

0.0071

R-squared

0.391050

Mean dependent var 0.022826

Adjusted R-squared

0.391050

S.D. dependent var

0.417873

S.E. of regression

0.326088

Akaike info criterion

0.657164

Sum squared resid

1.595004

Schwarz criterion

0.705451

Log likelihood

-4.257315

Durbin-Watson stat

1.870844

D' après les résultats de cette analyse nous trouvons que les résidus sont aussi stationnaires à niveau dans le modèle none la probabilité est 0,0071 inférieur à 10% est sa Valeur ADF(-3.116242) est inférieur à ADF au seuil de 5%. Donc la relation à long terme est prouvée.

III.1.5 Estimation Du Modèle à Correction d'Erreur

Les variables du modèle peuvent avoir les fluctuation au cours du temps c'est pour cette raison que nous analysons cette fluctuation à court terme pour dégager les statistiques permettant de déterminer le temps qu'il faut pour observer les chocs qui peuvent frapper les variables du modèle.

79

Alors le modèle ECM est :

Dependent Variable: DLNDBC

Method: Least Squares

Date: 08/08/08 Time: 15:07

Sample(adjusted): 1992 2006

Included observations: 15 after adjusting endpoints

Variable

Coefficient Std. Error t-Statistic

Prob.

DLNIPC

1.358763

0.428586 3.170342

0.0100

DLNPIB

-0.403285

0.277427 -1.453662

0.1767

DLNTCH

-0.458962

0.355650 -1.290489

0.2259

RESID01LT(-1)

-0.961348

0.215742 -4.456005

0.0012

DLNDBC(-1)

0.376782

0.195278 1.929463

0.0825

R-squared

0.860779

Mean dependent var

0.149317

Adjusted R-0.825090

squared

S.D. dependent var

0.287131

S.E. of regression

0.197872

Akaike info criterion

-0.141187

Sum squared resid

0.391535

Schwarz criterion

0.094829

Log likelihood

7.255321

Durbin-Watson stat

2.199406

Alors le modèle général ECM à estimer est : Lndbc=a0lnipc+a1lnpib+a3lntch+a4Rt (-1)+a5 Le modèle ECM estimé est : Lndbc=1.3587lnipc-04032lnpib-04589lntch+0,376 dlndbc(-1) -096Rt(-1)

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








"Qui vit sans folie n'est pas si sage qu'il croit."   La Rochefoucault