B- Tests statistiques de validation du
modèle
Les différents tests statistiques sont importants dans
un travail économétrique car ils permettent de confirmer ou
d'infirmer la validité du modèle, et de voir le pouvoir
explicatif de chaque variable exogène. Ainsi, dans le cadre de ce
travail nous avons effectué un ensemble de tests.
? Test de normalité de jarque-bera
Les résultats du test consignés ci-dessous
révèlent que les erreurs suivent toutes des lois lognormales. En
effet, la probabilité de la statistique de Jarque Bera de chacune est
supérieure au seuil d'erreur de 5%.
44
variable
|
tpib
|
tinv
|
LTERAGRI
|
LTCER
|
LPRIX
|
|
Jarque-Bera
|
1.906554
|
3.436861
|
7.394376
|
4.884928
|
2.275793
|
|
Probability
|
0.385476
|
0.179347
|
0.064793
|
0.086946
|
0.320493
|
|
variable
|
LPACTIV
|
LGCONS
|
LEMMICO2
|
LCREDIPRIV
|
LAPD
|
|
Jarque-Bera
|
2.205696
|
3.419187
|
1.091014
|
2.360683
|
4.042925
|
|
Probability
|
0.331924
|
0.180939
|
0.579548
|
0.307174
|
0.132462
|
Une autre estimation du test de normalité
consigné en annexe 10 donne les mêmes résultats de
normalité des erreurs. On conclue que les erreurs sont normalement
distribuées. Ceci nous porte à procéder aux autres
tests.
? Test d'autocorrélation de
Breusch-Godfrey
|
Breusch-Godfrey Serial Correlation LM Test:
|
|
F-statistic
|
1.468077
|
Prob. F(2,19)
|
0.2553
|
|
Obs*R-squared
|
5.487850
|
Prob. Chi-Square(2)
|
0.0643
|
Les deux probabilités sont supérieures à
5%. On conclue que les erreurs ne sont pas corrélées. Nous
conduisons ensuite le test de constance de la variance des erreurs.
? Test d'hétéroscédasticité
de White
Ce test est utilisé, pour vérifier si les
variances des erreurs ne sont pas liées aux valeurs des variables
explicatives. Utilisons le test de White afin de détecter tout risque
d'hétéroscédasticité.
|
Heteroskedasticity Test: White
|
|
F-statistic
|
0.696988
|
Prob. F(19,21)
|
0.7835
|
|
Obs*R-squared
|
15.85601
|
Prob. Chi-Square(19)
|
0.6669
|
La probabilité dans les deux cas est supérieure
à 5%. Ce qui traduit que les erreurs sont homoscédastiques. Les
estimations obtenues par les moindres carrés ordinaires sont
optimales.
Afin de permettre l'utilisation du modèle à des
fins de prédiction, nous testons la stabilité du modèle et
des coefficients.
45
C- Tests de stabilité des estimateurs
Deux tests sont essentiels pour valider la stabilité du
modèle pour les besoins des prévisions. Nous testons sous Eviews
6, la stabilité structurelle et ponctuelle du modèle.
V' Test de stabilité structurelle
-10
-15
15
10
-5
5
0
92 94 96 98 00 02 04 06 08 10
CUSUM 5% Significance
On remarque que la courbe en bleu ne coupe pas le corridor. On
conclue que le modèle est structurellement stable au seuil d'erreur de
5%.
-0.2
-0.4
0.8
0.6
0.4
0.2
0.0
1.4
1.2
1.0
92 94 96 98 00 02 04 06 08 10
CUSUM of Squares 5% Significance
V' Test de stabilité ponctuelle
46
Le corridor n'est pas coupé par la courbe. La
conclusion est que le modèle est ponctuellement stable.
En annexe 7, on peut voir les résultats du test de
stabilité des coefficients de court et de long termes. Il ressort de ces
résultats que les coefficients sont tous stables.
La conclusion de ces tests de stabilité est que le
modèle d'ensemble peut être utilisé à des fins de
prédiction de la croissance économique au Burkina Faso.
Cependant, notre objectif n'est pas de faire cette prédiction. Nous
avons voulu seulement avoir un modèle crédible sur lequel on peut
formuler des recommandations à l'endroit des décideurs. Dans le
chapitre qui suit, il sera fait la régression du modèle.
47
| 
