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

 > 

Impact de la masse monétaire,du PIB et du taux de change sur le niveau général des prix au Rwanda.

( Télécharger le fichier original )
par Sylvain SIBOMANA
Université nationale du Rwanda - Licence en économie 2009
  

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.5.5.2.Test de stationnarité des variables

Les tableaux 1, 2, 3, 4, 5,6 et 7 (Annexe 5) nous ont aidés dans le choix optimal du nombre de retard(P).Les résultats d'ADF ci-dessous obtenus sont tirés des critères Akaike et Schwarz en appliquant le test d'ADF sur la valeur minimum de retard(P).

Utilisation d'Eviews pour tester les statistiques d'ADF

-Variable IPCt

Tableau 7: Résultat du test AD, à niveau, pour la variable

Modèle

ADF test statistic

Valeurs critiques

Probabilité pour (t ou)

1%

5%

10%

Avec dérivé sans tendance

0,217003

-3,8067

-3,0199

-2,6502

0,9588

Avec dérivé et tendance

-2,299189

-4,5000

-3,6591

-3,2677

0,0396

Sans dérivé ni tendance

1,858811

-2,6889

-1,7592

-1,6246

 

La lecture du tableau ci-haut montre que la probabilité de la tendance 0,0396<0,05 et que celle du coefficient est de 0,9588 > 0,05. Également, les statistiques d'ADF sont supérieures aux valeurs critiques en valeurs absolues pour le modèle sans dérivé ni tendance au seuil de 5% et 10%. On rejette alors Ho et on accepte H1.Ainsi on conclue queIPCt est stationnaire.

Tableau 8: Résultat du test ADF, à niveau, pour la variable indépendante

Modèle

ADF test statistic

Valeurs critiques

Probabilité pour (t ou)

1%

5%

10%

Avec dérivé sans tendance

1,321733

-3,7497

-2,9969

-2,6381

0,8409

Avec dérivé et tendance

0,868004

-4,4167

-3,6219

-3,2474

0,2681

Sans dérivé ni tendance

2,892961

-2,6700

-1,9566

-1,6235

 

Nous remarquons de ce tableau que la variable est stationnaire pour le modèle sans dérivé ni tendance au seuil de 1%, 5% et 10%. On rejette alors Ho et on accepte H1. Ainsi on conclue que M2t est stationnaire.

-Variable PIBt

Tableau 9: Résultat du test ADF pour la variable indépendante

Modèle

ADF test statistic

Valeurs critiques

Probabilité pour (t ou)

1%

5%

10%

Avec dérivé sans tendance

-0,400941

-3,8067

-3,0199

-2,6502

0,05631

Avec dérivé et tendance

-2,891688

-4,5000

-3,6591

-3,2677

0,0174

Sans dérivé ni tendance

0,987495

-2,6889

-1,9592

-1,6246

 

La lecture du tableau à la page précédente témoigne que PIBt n'est pas stationnaire car toutes les statistiques d'ADF sont inférieures aux valeurs critiques en valeur absolue pour tous les seuils de signification. D'ou on accepte l'hypothèse de l'existence de la racine unitaire. Pour stationnarité la série, nous la différencions en se servant du Test d'ADF à sa différence première.

Tableau 10: Résultat du test ADF pour la variable indépendante intégrée d'ordre 1

Modèle

ADF test statistic

Valeurs critiques

Probabilité pour (t ou)

1%

5%

10%

Avec dérivé sans tendance

-6,927635

-3,7076

-2,9798

-2,6290

0,0311

Avec dérivé et tendance

-6,791556

-4,3552

-3,5943

-3,2321

0,8348

Sans dérivé ni tendance

-6,044966

-2,6560

-1,9546

-1,6226

 

Nous constatons de ce tableau que la variable est stationnaire car les statistiques d'ADF sont supérieures aux valeurs critiques en valeur absolue au seuil de1%, 5% et 10% pour tous les modèles.

-Variable TCHt

Tableau 11: Résultat du test ADF, à niveau, pour la variable

Modèle

ADF test statistic

Valeurs critiques

Probabilité pour (t ou)

1%

5%

10%

Avec dérivé sans tendance

-0,631501

-3,6959

-2,9750

-2,6265

0,4217

Avec dérivé et tendance

-2,506208

-4,3382

-3,5867

-3,2279

0,0230

Sans dérivé ni tendance

1,221424

-2,6522

-1,9540

-1,6223

 

Le tableau ci-haut montre que la variable n'est pas stationnaire car aucune valeur d'ADF test statistic n'est supérieure en valeur absolue aux valeurs critiques au seuil de 1%, 5% et 10%. D'où il faut stationnariser en appliquant le test ADF à sa différence première.

Tableau 12: Résultat du test ADF pour la variable en différence première

Modèle

ADF test statistic

Valeurs critiques

Probabilité pour (t ou)

1%

5%

10%

Avec dérivé sans tendance

-6,952687

-3,7076

-2,9798

-2,6290

0,3492

Avec dérivé et tendance

-6,829098

-4,3552

-3,5943

-3,2321

0,0988

Sans dérivé ni tendance

-6,437254

-2,6560

-1,9546

-1,6226

 

Le tableau ci-haut témoigne que pour tous les modèles, les statistiques d'ADF test statistic sont supérieures aux valeurs critiques en valeur absolue au seuil de signification de 1%,5% et 10%. Ceci constitue le pilier de témoignage que la variable est stationnaire bien sûr après avoir subi une intégration d'ordre 1 (différence première).

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








"Les esprits médiocres condamnent d'ordinaire tout ce qui passe leur portée"   François de la Rochefoucauld