Estimation et stabilité de la fonction de demande de monnaie en Algérie

3. Validation du modèle

La validation du modèle se réfère à divers tests statistiques de spécification pour vérifier si le modèle est congru c'est-à-dire qu'il ne peut être mis à défaut.

3.1. Tests sur les résidus

Ces tests statistiques consistent à tester la qualité des résidus à savoir l'homoscédasticité et la normalité.

3.1.1. Test de normalité des résidus

Si le modèle est idéalement bon, alors les écarts que l'on constate entre les valeurs prédites et les valeurs observées (les résidus) sont entièrement imputables à des erreurs de mesure. De ce fait, les résidus doivent posséder les propriétés classiques d'une distribution normale, symétrique autour de la valeur prédite, Le test de Jarque-Bera va nous permettre de mieux apprécier la normalité des résidus.

Figure n⁰ 13 : Résultats du test de normalité des résidus

⁷

^{Series: Residuals}

^{Sample 1970 2014}

^{Observations 45}

^{Mean 1.78e-15}

^{Median 0.001069}

^{Maximum 0.201089}

^{Minimum -0.195913}

^{Std. Dev. 0.100700}

^{Skewness -0.074674}

^{Kurtosis 2.395755}

^{Jarque-Bera 0.726406}

^{Probability 0.695445}

⁶

⁵

⁴

³

²

¹

⁰

^{-0.20 -0.15 -0.10 -0.05 0.00 0.05 0.10 0.15 0.20}

Source : réalisé sur Eviews 8.1

La probabilité associée à la statistique de Jarque-Bera 0,69 est supérieure à 0,05. L'hypothèse de normalité des résidus est donc vérifiée. Nous pouvons donc conclure que les résidus de l'estimation du modèle de long terme sont stationnaires. La normalité de leur distribution est confirmée. Cela nous affirme qu'il y a possibilité d'estimer une relation de court terme.

3.1.2. Test d'hétéroscédastidité

Il s'agit d'un test important puisqu'il repère non seulement de l'hétéroscédastidité mais également une mauvaise spécification du modèle. L'homoscédasticité s'observe lorsque la dispersion des résidus est homogène sur tout le spectre des valeurs prédites. C'est une propriété souhaitable puisque si les résidus correspondent bien à des aléas de mesure, il n'y a pas de raison que la dispersion de ces résidus change en fonction des valeurs prédites.

Pour réaliser ce test nous utilisons le test de White. D'après le tableau n⁰ 16, nous acceptons l'hypothèse l'homoscédasticité des erreurs au seuil de 5% car les probabilités sont supérieures à 0,05. Donc les estimations obtenues sont optimales.

Tableau	n^0 11 : Résultats du test d'hétéroscédasticité
	Heteroskedasticity Test : White
	F-statistic Obs*R-squared Scaled explained SS	1.847938 20.83725 10.92255	Prob. F(14,30) Prob. Chi-Square(14) Prob. Chi-Square(14)	0.0775 0.1059 0.6921

Source : réalisé sur Eviews 8.1