IV. Analyse
économétrique
L'objectif de cette section est de présenter la
méthodologie à suivre pour estimer les régressions pour
chaque banque de l'échantillon, reliant le rendement et la
probabilité de faillite aux degrés de spéculation, les
dépôts et les coefficients d'exploitation.
Pour le besoin de l'estimation de ces
régressions ; on a choisi d'utiliser des données de panel.
Ce choix est dû à l'insuffisance des observations pour les
variables traitées dans cet essai, ce qui rend l'application des
méthodes d'estimation MCO linéaires et non linéaires
inefficaces. Il faut en effet au moins 30 observations pour les utiliser.
Les données en panel possèdent deux dimensions :
une pour les individus et une pour le temps. Elles sont
généralement indiquées par l'indice i et t respectivement.
Il est souvent intéressant d'identifier l'effet associé à
chaque individu. Cet effet peut être fixe ou aléatoire. Dans cet
essai, tous les individus sont observés pendant la totalité de la
période d'observation ce qui implique que le panel est dit
cylindré.
Dans ce travail, on estimera 2 modèles qui relient le
rendement et la probabilité de faillite aux degrés de
spéculation, les dépôts et les coefficients
d'exploitation.
IV.1.Règles de décisions
Pour vérifier la significativité globale du
modèle testé, on utilise le test de Fisher. Ses hypothèse
et règles de décision sont comme suit :
H0 : â2 = â3 = â4 = â5 = âi
= 0 Si F >F5% H0 n'est pas acceptée et les variables sont
significatives.
H1 : â2 ? 0 ; â3 ? 0 ; â4 ?
0 ; â5 ? 0 ; âi ? 0 Si F <F5% H0 est
acceptée et les variables ne sont pas significatives.
Pour détecter la significativité des variables
constitutives du modèle et leur pouvoir d'explication on utilise le test
de Student, dont voici ses hypothèses et ses règles de
décision :
H0 : âi = 0 La variable reliée à ce
coefficient est non significative.
H1 : âi ? 0 La variable reliée à ce
paramètre est significative.
E-Views permet, par ailleurs, de tester le degré
d'explication d'une variable à différents niveaux de confiance en
recourant à la statistique prob.
Dans l'analyse des donnés de panel on est en choix
entre deux modèles celui à effet aléatoire ou celui
à effet fixe. Pour ce choix on utilise le test Haussmann. Le choix du
modèle est décrit par la procédure suivante.
Le résultat suit une loi ÷² avec K-1
degré de liberté. Si on ne peut rejeter la nulle (H0) si la
plus-value est supérieure au niveau de confiance, on utilisera les
effets aléatoires si non on utilise les effets fixes.
H0 : Effet aléatoire.
H1 : Effet fixe.
La procédure affichera la différence (Var
(Diff.)) de ce test áH.
Le seuil de rejet étant de 10% :
Si áH > 10% H0 est acceptée.
Si áH < 10% H0 n'est pas acceptée.
Après avoir fait les tests avec le logiciel Eviews 5.1
qui sont présentés si dessous et comparer les plus valus avec un
niveau de confiance de 10% on utilisera dans ce travail les modèles
à effet fixe.
Tableau 4 : Test
Hausman pour le modèle ROA
|
Correlated Random Effects - Hausman Test
|
|
|
Pool: MEMO
|
|
|
|
|
Test cross-section random effects
|
|
|
|
|
|
|
|
|
|
|
|
|
Test Summary
|
Chi-Sq. Statistic
|
Chi-Sq. d.f.
|
Prob.
|
|
|
|
|
|
|
|
|
|
|
|
Cross-section random
|
2.097847
|
4
|
0.7178
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Cross-section random effects test comparisons:
|
|
|
|
|
|
|
Variable
|
Fixed
|
Random
|
Var(Diff.)
|
Prob.
|
|
|
|
|
|
|
|
|
|
|
|
SP1?
|
-0.013376
|
-0.015650
|
0.000040
|
0.7194
|
|
SP2?
|
-0.013225
|
-0.013224
|
0.000004
|
0.9997
|
|
RL?
|
0.003895
|
0.004454
|
0.000001
|
0.5009
|
|
CE?
|
-0.000490
|
-0.000527
|
0.000000
|
0.2445
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Cross-section random effects test equation:
|
|
|
Dependent Variable: ROA?
|
|
|
|
Method: Panel Least Squares
|
|
|
|
Date: 06/24/08 Time: 22:09
|
|
|
|
Sample: 1996 2006
|
|
|
|
Included observations: 11
|
|
|
|
Cross-sections included: 8
|
|
|
|
Total pool (balanced) observations: 88
|
|
|
|
|
|
|
|
|
|
|
|
|
Variable
|
Coefficient
|
Std. Error
|
t-Statistic
|
Prob.
|
|
|
|
|
|
|
|
|
|
|
|
C
|
0.014154
|
0.002648
|
5.345378
|
0.0000
|
|
SP1?
|
-0.013376
|
0.015518
|
-0.861930
|
0.3914
|
|
SP2?
|
-0.013225
|
0.005626
|
-2.350474
|
0.0213
|
|
RL?
|
0.003895
|
0.003366
|
1.157007
|
0.2509
|
|
CE?
|
-0.000490
|
0.000136
|
-3.603860
|
0.0006
|
|
|
|
|
|
|
|
|
|
|
|
Effects Specification
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Cross-section fixed (dummy variables)
|
|
|
|
|
|
|
|
|
|
|
|
|
R-squared
|
0.567205
|
Mean dependent var
|
0.010108
|
|
Adjusted R-squared
|
0.504563
|
S.D. dependent var
|
0.005238
|
|
S.E. of regression
|
0.003687
|
Akaike info criterion
|
-8.241853
|
|
Sum squared resid
|
0.001033
|
Schwarz criterion
|
-7.904035
|
|
Log likelihood
|
374.6415
|
F-statistic
|
9.054781
|
|
Durbin-Watson stat
|
0.920147
|
Prob(F-statistic)
|
0.000000
|
|
|
|
|
|
|
|
|
|
|
Tableau 5 : Test
Hausman pour le modèle PR
|
Correlated Random Effects - Hausman Test
|
|
|
Pool: MEMO
|
|
|
|
|
Test cross-section random effects
|
|
|
|
|
|
|
|
|
|
|
|
|
Test Summary
|
Chi-Sq. Statistic
|
Chi-Sq. d.f.
|
Prob.
|
|
|
|
|
|
|
|
|
|
|
|
Cross-section random
|
1.451972
|
4
|
0.8351
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Cross-section random effects test comparisons:
|
|
|
|
|
|
|
Variable
|
Fixed
|
Random
|
Var(Diff.)
|
Prob.
|
|
|
|
|
|
|
|
|
|
|
|
SP1?
|
0.006164
|
0.006273
|
0.000000
|
0.8268
|
|
SP2?
|
-0.000134
|
-0.000266
|
0.000000
|
0.3768
|
|
RL?
|
-0.000913
|
-0.000870
|
0.000000
|
0.4958
|
|
CE?
|
0.000001
|
0.000000
|
0.000000
|
0.6898
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Cross-section random effects test equation:
|
|
|
Dependent Variable: PR?
|
|
|
|
Method: Panel Least Squares
|
|
|
|
Date: 06/24/08 Time: 22:11
|
|
|
|
Sample: 1996 2006
|
|
|
|
Included observations: 11
|
|
|
|
Cross-sections included: 8
|
|
|
|
Total pool (balanced) observations: 88
|
|
|
|
|
|
|
|
|
|
|
|
|
Variable
|
Coefficient
|
Std. Error
|
t-Statistic
|
Prob.
|
|
|
|
|
|
|
|
|
|
|
|
C
|
0.001135
|
0.000285
|
3.985798
|
0.0002
|
|
SP1?
|
0.006164
|
0.001670
|
3.691822
|
0.0004
|
|
SP2?
|
-0.000134
|
0.000605
|
-0.221939
|
0.8250
|
|
RL?
|
-0.000913
|
0.000362
|
-2.521839
|
0.0138
|
|
CE?
|
1.46E-06
|
1.46E-05
|
0.099492
|
0.9210
|
|
|
|
|
|
|
|
|
|
|
|
Effects Specification
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Cross-section fixed (dummy variables)
|
|
|
|
|
|
|
|
|
|
|
|
|
R-squared
|
0.627094
|
Mean dependent var
|
0.000696
|
|
Adjusted R-squared
|
0.573120
|
S.D. dependent var
|
0.000607
|
|
S.E. of regression
|
0.000397
|
Akaike info criterion
|
-12.70072
|
|
Sum squared resid
|
1.20E-05
|
Schwarz criterion
|
-12.36290
|
|
Log likelihood
|
570.8316
|
F-statistic
|
11.61859
|
|
Durbin-Watson stat
|
0.905114
|
Prob(F-statistic)
|
0.000000
|
|
|
|
|
|
|
|
|
|
|
V.2.Interprétation des résultats de
l'estimation
V.2.1. Analyse des
modèles de rendement
Ces modèles estiment la relation reliant le rendement
aux degrés de spéculation, les dépôts et les
coefficients d'exploitation. Pour estimer ces régressions on a recours
au variable à expliquer Return On Assets.
Le premier modèle retenu se présente comme
suit :
Tableau 6 :
Estimation du modèle ROA
|
Dependent Variable: ROA?
|
|
|
|
Method: Pooled Least Squares
|
|
|
|
Date: 06/24/08 Time: 22:15
|
|
|
|
Sample: 1996 2006
|
|
|
|
Included observations: 11
|
|
|
|
Cross-sections included: 8
|
|
|
|
Total pool (balanced) observations: 88
|
|
|
|
|
|
|
|
|
|
|
|
|
Variable
|
Coefficient
|
Std. Error
|
t-Statistic
|
Prob.
|
|
|
|
|
|
|
|
|
|
|
|
C
|
0.014154
|
0.002648
|
5.345378
|
0.0000
|
|
SP1?
|
-0.013376
|
0.015518
|
-0.861930
|
0.3914
|
|
SP2?
|
-0.013225
|
0.005626
|
-2.350474
|
0.0213
|
|
RL?
|
0.003895
|
0.003366
|
1.157007
|
0.2509
|
|
CE?
|
-0.000490
|
0.000136
|
-3.603860
|
0.0006
|
|
Fixed Effects (Cross)
|
|
|
|
|
|
_AB--C
|
-0.000490
|
|
|
|
|
_ATB--C
|
0.000317
|
|
|
|
|
_BH--C
|
-0.002662
|
|
|
|
|
_BIAT--C
|
-0.000809
|
|
|
|
|
_BNA--C
|
-0.003663
|
|
|
|
|
_BT--C
|
0.005098
|
|
|
|
|
_STB--C
|
-0.000207
|
|
|
|
|
_UBCI--C
|
0.002417
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Effects Specification
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Cross-section fixed (dummy variables)
|
|
|
|
|
|
|
|
|
|
|
|
|
R-squared
|
0.567205
|
Mean dependent var
|
0.010108
|
|
Adjusted R-squared
|
0.504563
|
S.D. dependent var
|
0.005238
|
|
S.E. of regression
|
0.003687
|
Akaike info criterion
|
-8.241853
|
|
Sum squared resid
|
0.001033
|
Schwarz criterion
|
-7.904035
|
|
Log likelihood
|
374.6415
|
F-statistic
|
9.054781
|
|
Durbin-Watson stat
|
0.920147
|
Prob(F-statistic)
|
0.000000
|
|
|
|
|
|
|
|
|
|
|
L'estimation montre qu'il n'a pas une relation significative
entre ROA et les variables SP1 et RL. La non significativité de ses
variables nous donne le rejet de l'hypothèse H.1.1 (le poids du
portefeuille-titres commercial dans l'actif total d'une banque exerce une
influence significative sur le rendement) et l'hypothèse H.1.3 (Le poids
des dépôts de la clientèle dans le passif total exerce un
impact significatif sur l'évolution des rendements d'une banque).
Cette estimation montre qu'il existe une relation
significative avec une probabilité inférieure à 5% entre
le ROA et la proportion des produits financiers hors intérêt dans
le produit net bancaire (SP2). Ceci vérifie l'hypothèse H.1.2 qui
postule que la part des produits financiers hors intérêts,
provenant d'opérations hors intermédiation traditionnelle, dans
le produit net bancaire explique significativement l'évolution du
rendement d'une banque. Cette relation est négative qui indique que
l'évolution de marge hors intérêt, provenant de
l'intermédiation hors traditionnelle d'une unité entraîne
une baisse d'ordre 1,32% du rendement des banques tunisiennes de
dépôts. Une conclusion peut s'exprimer que les banques n'ont pas
réussi à intégrer les activités spéculatives
et hors intermédiation traditionnelle au sein l'ensemble des fonctions
sources de rendements et de profits.
Cette estimation montre aussi une relation significative entre
le rendement des banques et l'évolution de leurs coefficients
d'exploitation. Cette relation consiste que la croissance d'une unité de
coefficient d'exploitation (calculé par le rapport entre les charges
d'exploitation et le résultat d'exploitation) entraîne la
réduction du ROA de 0,04%.
De même, ce modèle présente un ajustement
linéaire de nuage des points moyen qui est exprimé par la valeur
de R² (R-squared).
Le présent modèle est attribué avec une
constante C qui est égale à 1,4% ce qui explique qu'il existe
d'autres facteurs communs, à part la spéculation, les
dépôts et les charges d'exploitation à toutes les banques
de l'échantillon, qui influencent l'évolution du rendement.
| 
