2.2- Analyse économétrique et
interprétations des résultats
2.2.1- tests de racine unitaire
Tout d?abord, On rappelle que l?analyse en panel
nécessite effectivement que l?ensemble des variables de l?étude
soit stationnaires. De méme, la stationnarité est
nécessaire pour pouvoir appliquer les modèles GARCH utiles
à la prévision de la volatilité des séries. Etant
donné que les données sont prise en moyenne de 5 ans, on a
plutôt appliqué le test de du multiplicateur de Lagrange de Hadri
(2000)44 sur les nouvelles variables incluses. Les résultats
des tests sur les variables sont présentés dans le
tableau 2.3.
Ce dernier montre comme dans le chapitre
précèdent que certaines des variables qu?on a utilisée
pour l?estimation des données sur la volatilité n?était
pas stationnaires. On a donc
44 Confère Hadri, K. (2000). "Testing for
stationarity in heterogeneous panel data," Econometrics Journal, Royal Economic
Society, vol. 3(2), pages 148-161
utilisé la différence première. Parmi les
nouvelles variables de contrôle, le taux de fertilité (FERT) et le
stock de capital humain (H) sont également été
intégrés de premier ordre. Une fois l?ensemble des variables
stationnaires, on peut commencer à traiter de la relation proprement
dite entre les indicateurs de volatilité et l?accumulation de capital
humain.
Tableau 2.3 : résultats des tests de racine
unitaire
VARIABLES DEGRES D'INTEGRATION
H I(1)
TDE I(1)
CPIB I(0)
TCER I(1)
INF I(0)
lnTG I(0)
lnOC I(0)
lnSTI I(0)
FERT I(1)
2.2.2- Tests de spécification du
modèle
- Le test de spécification d'Hausman
(1978)
Comme on l?a dit plus haut, le test d?Hausman permet de dire
qui des effets individuels fixes ou des effets individuels aléatoires
est le mieux pour estimer les paramètres de la relation qui nous
intéresse. Ici, le modèle consistant à la fois sous
l?hypothèse nulle et alternative est toujours le modèle à
effets fixes.
Dans notre cas (Annexe 7), la statistique H =
3.39, et est non significative (p=0.90). Le modèle retenu est celui
à effet aléatoires
- Test
d'hétéroscédasticité
On utilise Pour effectuer ce test la méthode du ratio
de vraisemblance. Dans notre cas, nous postulons que c?est le modèle
homoscédastique qui est efficient sous l?hypothèse nulle tandis
que sous l?hypothèse alternative il y a présence
d?hétéroscédasticité. Dans notre cas, on a
÷2(16)=70.92, avec p = de 0.000 ; ce qui représente une
significativité a 1% nous permettant de ne pas accepter
l?hypothèse nulle du modèle homoscédastique. Notre
estimation sera donc corrigée de
l?hétéroscédasticité.
- Test d'autocorrélation
On utilise une fois de plus le test de Wooldridge (2002). Ce test
nous permet de confirmer la présence d?autocorrélation dans la
spécification du modèle, avec une probabilité de 1%.
Finalement, notre modèle à effets individuels
aléatoires se présente comme suit :
Hit ã + á1óTDEit +
á2óTCERit + á3óCPIBit +
á4óINFit + â1lnOCit +
â2lnSTIit + â3lnTGit + â4FERTit +
â5CPIBit + ri + îit (3)
On rappelle que H est le stock de capital humain mesuré
par le nombre total moyen d?années de scolarisation pour les plus de 15
ans. Les autres variables d?intérêt et de contrôle sont
toujours défini comme précédemment. La procédure
d?estimation utilisée ici est la méthode des moindres
carrés généralisés (MCG).
| 
