1-Test de diagnostique
· Test de stationnarité de Dickey-Fuller
Augmenté ou test ADF
Le test de Dickey-Fuller augmenté ou test ADF est un
test statistique qui vise à savoir si une sérietemporelle est
stationnaire c'est-à-dire si les propriétés
statistiques (espérance, variance, autocorrélation) varient ou
pasdans le temps. Ce test tient compte du nombre de retard et de
l'hypothèse qu'il n'y a aucune raison pour que, a priori, l'erreur soit
corrélée.
· Test de cointégration
Ce test permet de détecter si des variables
possédant une racine unitaire ou une tendance stochastique commune.
Autrement dit, il permet de détecter la relation de long terme entre
deux ou plusieurs séries temporelles.
2-Test de validation
· Test de normalité des
résidus.
Pour calculer les intervalles de confiance
prévisionnels et pour effectuer les tests de student sur les
paramètres, nous devons vérifier la normalité des erreurs
et pour cela nous utilisons le test de Jarque-Bera.La statistique de
Jarque-Bera suit sous l'hypothèse de normalité une loi de
khi-deux à deux degré de liberté. Les hypothèses
sont :
H0 : les résidus suivent une loi normale
H1 : les résidus ne suivent pas une loi normale
On accepte au seuil de 5% l'hypothèse de
normalité si la probabilité critique est supérieure
à 5%. On rejette au seuil de 5% l'hypothèse de normalité
le cas contraire.
· Test
d'hétéroscédasticité des
résidus.
L'identification de
l'hétéroscédasticité peut être faite à
l'aide de plusieurs tests, par exemple les tests de Breusch-Pagan, test de
Goldfeld, test de Gleisjer et test de White. Dans notre recherche, nous avons
utilisé le test de Breusch-Pagan pour tester
l'hetéroscédasticité, le problème du test
est :
H0:homoscédasticité
H1: hétéroscédasticité
Si la probabilitéassociée au test est
inférieureà la valeur critique de 5%, on rejette
l'hypothèse d'homoscédasticité(H0). En revanche, si la
probabilité est supérieureà la valeur critique de 5%,
l'hypothèsenulle estvérifiée et nous pouvons supposer
l'homoscédasticitédes résidus.
· Test d'autocorrélation des erreurs
L'hypothèse de non autocorrélation des erreurs
est la condition nécessaire pour la validation des résultats de
l'estimation par la méthode des MCO. Lorsque les résidussontauto
corrélées, on utilise un nouvel estimateur : les moindres
carrés généralisés (MCG). La détection de la
dépendance des erreurs s'effectue en analysant les résidus. Cette
analyse peut être faite par le test de Durbin-Watson ou le test de
Breusch-Goldfrey. Nous utilisons le test statistique de Breusch-Goldfrey (1978)
pour vérifier l'autocorrélation des erreurs dans notre
modèle.
· Test de significativité
La validation statistique de la qualité globale du
modèle est appréciée par le coefficient de
détermination du modèle et par le test de Fisher. L'analyse de la
qualité globale du modèle s'effectue à travers le
coefficient de détermination de la variable (R²), ce coefficient
explique la part de l'évolution de la variable dépendante qui est
expliquée par les variables exogènes. La validation statistique
de la qualité individuelle des variables est appréciée par
la probabilité associée à chaque variable.
| 
