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

 > 

Investissements directs étrangers et développement durable. Cas de la côte d'Ivoire

( Télécharger le fichier original )
par Louis Kouamé CANINGAN
Faculté universitaire privée d'Abidjan (FUPA) - Master II recherche 2012
  

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

I.D- Tests économétriques préalables

Les tests économétriques préliminaires vont consister en l'étude de la stationnarité et en la recherche de relations de cointégration.

I.D.1- Tests de stationnarité des données

La stationnarité renvoie à la persistance d'une série suite à des chocs. Le test de stationnarité doit nous permettre de vérifier la stabilité de nos données et l'ordre d'intégration. Ces caractéristiques sont très importantes car une série stationnaire, c'est-à-dire ne contenant ni tendance ni saisonnalité ni facteurs évoluant dans le temps, permet d'éviter les régressions fallacieuses et les erreurs de prévision.

Plusieurs tests existent pour étudier la stationnarité mais la majorité présente des biais. Il est donc nécessaire, en prenant en compte les recommandations de Levine, Lin et Chu cité par Esso (2010) sur les tests de stationnarité, d'en effectuer plusieurs pour confirmer l'ordre d'intégration.

Pour notre part, nous effectuerons deux tests de racine unitaire :

-Le test Dickey-Fuller Augmenté (ADF) qui prend en compte la présence d'auto-corrélation dans les séries ;

-Le test de Phillips-Perron (PP) qui, en plus de la présence d'auto-corrélation, prend en compte la dimension d'hétéroscédasticité des séries.

I.D.2- Tests de cointégration

En fonction des résultats des tests de stationnarité des données, nous devons choisir la forme de représentation de notre modèle. A cette étape, nous devons vérifier si nos variables sont cointégrées et si notre modèle contient des relations de long terme et de court terme. Deux méthodes possibles s'offrent à nous : la méthode d'Engle et Granger (1987) et la méthode de Johansen (1988). Nous privilégierons l'approche de Johansen qui, selon KEHO (2009) et ESSO (2010), est plus efficace, lorsque nous avons plus de deux variables dans le modèle.

La finalité du test de Johansen est de nous permettre de choisir entre un modèle vectoriel autorégressif (VAR) et un modèle vectoriel à correction d'erreur (VECM).

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








"En amour, en art, en politique, il faut nous arranger pour que notre légèreté pèse lourd dans la balance."   Sacha Guitry