4-5-5-2-2-. Test de
coefficient des modèles (test du t-student)
Ce test statistique valable pour les petits
échantillons de taille  choisis d'une population normale et de variance inconnue a une
importance capitale en analyse statistique et économétrique. Il
consiste à calculer un t nommé t de Student selon
l'équation  qui suit une loi de Student à n-2 degrés de
liberté. Le t calculé sera ensuite comparé au
t tabulaire pour tester la signification du paramètre
a1.
4-5-5-2-3-. Test de
signification d'ensemble de la régression (test de Fisher Snedecor)
La distribution de Fisher ou Test de Fisher a aussi une grande
importance en analyse de variance et en analyse de régression.
Autrement appelé distribution du F de Fisher, le test de Fisher
s'obtient par le rapport de F variance expliquée et variance
inexpliquée. Il est calculé par les formules suivantes :
 avec F* = (t*) 2 avec t* Student empirique, où F*
suit une loi de Fisher à 1 et n-2 degrés de liberté. En
fonction du coefficient de détermination R2 , F* se calcule
ainsi  (n étant le nombre d'observations).
Si , on rejette l'hypothèse d'égalité des variances,
la variable xt est significative, dans le cas contraire on accepte
l'hypothèse d'égalité des variances et la variable
xt n'est pas explicative de la variable yt.
F* : Fisher empirique
SCE : Somme des Carrés Expliqués
(Variabilité expliquée)
SCR : Somme des Carrés des Résidus
(Variabilité des résidus)
4-5-5-2-4-. Test de
détection de l'autocorrélation (test Durbin-Watson)
L'autocorrélation existe quand le terme d'erreur d'une
période est corrélé avec celui d'une autre période.
Fréquente dans l'analyse des données obtenues suivant une
série temporelle, elle conduit à des estimateurs du MCO sans
biais et convergents, aux erreurs types biaisées et par
conséquent à des tests statistiques inexacts et des intervalles
de confiance biaisés. D'où une explication inadéquate des
variations de la variable Y par le modèle. Pour la détecter
l'autocorrélation on a calculé la statistique "d" de
Durbin-Watson:  où d est la statistique de Durbin et Watson,  l'erreur au temps t,  l'erreur au temps t décalé d'une année et  la carré de l'erreur au temps t.
Cette valeur calculée est comparée aux valeurs
théoriques de d notées d1 et d2 de la table
de Durbin et Watson au seuil de signification á = 0,05.
4-5-5-2-5-. Coefficient de
détermination et coefficient de corrélation partielle
Le coefficient de détermination est noté
R2. Il permettra de juger de la qualité de l'ajustement du
modèle. Son pouvoir explicatif du modèle est d'autant plus grand
que sa valeur est élevée. Il est calculé ainsi :  . Tandis que pour juger du degré de corrélation existant
entre les deux indices on a procédé au calcul du coefficient de
corrélation partielle (nombre pur variant entre -1 et +1) suivant la
formule :
X : indice du taux de change de la gourde par rapport au
USD
Y : indice du prix à l'alimentation du produit
Cov(X, Y) : covariance entre X et Y ;
s(X) et s(Y) : écart type de X et écart type
de Y ;
n : nombre d'observations.
| 
