Section II : Résultats et
interprétations. 1. Résultats
a) Résultat des tests
Dans cette partie, nous présentons le résultat
du test de spécification de Fisher, le test de stationnarité, le
test de sur-identification, et le test d'autocorrélation des erreurs.
? Le test de spécification du modèle
Ce test est automatiquement effectué après une
estimation de modèle de panel avec la méthode within. En effet,
après l'estimation sur stata11 en utilisant l'estimateur within, deux
statistiques de Fisher sont calculées. La première est le Fisher
de significativité globale des paramètres et le seconde
correspond au Fisher d'homogénéité des paramètres.
Ainsi, nous obtenons le Fisher et la probabilité de khi deux suivants
:
F (4, 45) = 46,38 et P-value = 0,0000. Au seuil de 5%,
l'évidence empirique nous permet de rejeter l'hypothèse nulle
d'absence d'effets individuels. Alors, il y'a homogénéité
des coefficients du modèle et cela traduit que nos données
supportent la structure panel.
? Test de normalité de Jarque-Bera
Nous obtenons une probabilité de khi-deux de 0,1592. Au
seuil de 5%, l'évidence empirique ne nous permet pas de rejeter
l'hypothèse de normalité des erreurs. Ainsi, les erreurs sont
normales.
? Le test de stationnarité
Le résultat du test est inscrit dans annexe 4.
Rappelons, une série est dite stationnaire au seuil de 5%, si sa p-value
est inférieur à 0,05. Ainsi, l'emploi et l'emploi retardé
d'une période sont stationnaires en niveau. Le salaire, le capital et la
production sont stationnaire en première différence.
? Résultat du test d'autocorrélation des erreurs
d'Arellano et Bond et de sur-identification de Sargan/Hansen.
34
Ces tests sont automatiquement effectués après
l'estimation du modèle avec le GMM en système. Le résultat
de ces deux tests est inscrit dans le tableau 5. Au seuil de 5%, on ne rejette
pas l'hypothèse nulle d'absence d'autocorrélation des erreurs de
premiers et de second ordre d'Arellano-Bond car les probabilités sont
supérieures à 0,05. Autrement, il y'a absence
d'autocorrélation des erreurs. Les probabilités de Sargan et
Hansen obtenues sont respectivement de 0,064 et 1. Ces probabilités sont
supérieures à 0,05. On conclut qu'au seuil de 5% on ne rejette
pas l'hypothèse nulle de présence d'emploi retardé dans le
modèle comme instrument.
Efficacité de l'estimateur GMM en panel
dynamique
Premièrement, l'instrument utilisé dans notre
régression est valide parce que le test de Sargan et le test de Hansen
n'ont pas permis de rejeter l'hypothèse de validité de la
variable retardé de l'emploi en niveau comme instrument. De plus, il n'y
a pas d'autocorrélation de premier et second ordre des erreurs en
première différence car le test d'autocorrélation de
premier AR(1) et de second ordre AR(2) d'Arellano et Bond ont validés
l'hypothèse d'absence d'autocorrélation des erreurs. Par souci
d'éliminer la présence
d'hétéroscédasticité, nous estimons le
modèle par la méthode de GMM en système en une
étape en utilisant l'option robuste puis qu'il permet de corriger les
statistiques t de student de l'hétéroscédasticité.
Par conséquent, nous pouvons conclure que tous nos résultats sont
robustes.
Avant l'estimation de notre modèle, nous effectuons une
différence première des variables non stationnaires en niveau
citées ci-dessus.
| 
