Efficience des dépenses publiques de santé et croissance économique en zone CEMAC.

b. Résultats du test d'hétéroscédasticité

Nous avons effectué à l'aide du logiciel stata12, le test d'hétéroscédasticité de Breusch et Pagan. Les résultats de ce test (en annexe III) pour l'ensemble des 2 modèles sont reportés dans le tableau (5.4) ci-dessous.

Mémoire rédigé par AJOULIGA DJOUFACK Hermann Blondel 64

Efficience des dépenses publiques de santé et croissance économique en zone CEMAC

Tableau 5.4 : Résultats des tests d'hétéroscédasticité

Modèles	Statistic	P-value	Décision
Modèle 1	50,05	0,0000	On rejette H0
Modèle 2	56,52	0,0000	On rejette H0

Source : Estimation de l'auteur à partir du logiciel Stata 12.

A l'issue de ces résultats, nous pouvons conclure que les erreurs sont hétéroscédastiques car toutes les p-values sont inférieurs à 1% et donc à 5%, 10% ; on rejette donc l'hypothèse nulle H0 d'égalité des variances. Par conséquent une estimation par les MCO n'est plus d'actualité car le modèle souffre d'un problème d'hétéroscédasticité rendant les estimateurs des MCO biaisés et non convergents.

c. Résultats du test d'autocorrélation

En ce qui concerne le test d'autocorrélation nous avons utilisé sur l'ensemble des 2 modèles le test d'autocorrélation de Wooldridge, les résultats de ce test en annexe IV sont reportés dans le tableau (5.5) ci-dessous.

Tableau 5.5 : Résultats des tests d'autocorrélation

Modèles	F-statistic	P-value	Décision
Modèle 1	3,825	0,0254	On rejette H0
Modèle 2	4,307	0,0346	On rejette H0

Source : Estimation de l'auteur à partir du logiciel Stata 12.

A la lecture de ce tableau, les p-value associés aux statistiques de Fisher pour ce test sont toutes inférieures à 5%, on rejette donc l'hypothèse nulle H_o (absence d'autocorrélation de 1^erordre) et on accepte l'hypothèse alternative H1 (présence d'autocorrélation des erreurs).

A ce niveau, à l'issue de ces 2 derniers tests, les erreurs sont hétéroscédastiques et autocorréleés. Une estimation par les MCO aurait conduit à des estimateurs biaisés et non convergents. Par conséquent la méthode d'estimation la plus appropriée à ce genre de situation reste les MCGF (méthode des moindre carrés généralisées faisables) ou FGLS (Feasible Generalized Least Squares) qui corrige l'autocorrélation et l'hétéroscédasticité afin de garantir la fiabilité des resultats (estimateurs BLUE).

Toutefois, avant de procéder à l'estimation par les MCGF, il est important d'étudier le comportement de nos variables dans le temps, afin d'éviter les régressions fallacieuses qui n'ont aucune signification économique. A ce titre, le test de racine unitaire de Im-Pesaran et Shin (1997, 2002, 2003) a été utilisé.