Gestion du résultat, les déterminants de la structure financière et le coà»t de la dette: étude empirique sur les entreprises tunisiennes non financières cotées

2-4-3 Etude des effets individuels :

En présence d'un modèle à effets individuels, la question qui se pose à ce niveau est de savoir comment ces effets individuels, la question qui se pose à ce niveau est de savoir comment ces effets individuels doivent être spécifiés. On doit alors savoir si on doit opter pour le modèle à effets aléatoires ou le modèle à effets fixes. Pour répondre à cette question, on va présenter ces deux modèles, par la suit le test statistique qui va nous permettre de spécifier les effets individuels et les résultats de ce test.

v Modèles de spécification :

Le modèle à effets individuels suppose que l'homogénéité des coefficients (â_i ) pour tous les individus et les coefficients spécifiques sont la source de toute hétérogénéité entre les individus. Ainsi, la relation entre à expliqué et les variables explicatives n'est pas été différente pour tous les individus lorsque niveau des constantes introduites dans le modèle. Dans ce type du modèle on doit différencier le cas ou les paramètres (á_i) sont des constantes déterministes (modèle à effets fixes) et le cas ou les paramètres (á_i) sont des réalisations d'une variable aléatoire d'espérance et variance finies (modèle à erreur composé).

On va distinguer entre le modèle à effets fixes et le modèle à effet aléatoires.

· Modèle à effets fixes :

Les effets individuels sont présentés par des effets fixes, d'où l'appellation. Ce modèle est exprimé comme suit :

Y_i,t = á_i +â_i^' X _i,t + å _i,t

Y_i,t: la variable dépendante du modèle.

X _i,t: les variables explicatives de chacun du modèle de notre étude.

Pour estimer les paramètres á_i et â_i de ce modèle, on utilise l'estimateur des moindres carrés ordinaires nommé estimateur Within ou estimateur LSDV (Least Square Dummy Variable). Cet estimateur tient compte de la variance intragroupe de la variable endogène, il fait donc introduire des variables muettes.

· Modèle à effets aléatoires ou modèle à erreurs composées :

Hurlin (2002) stipule qu'un grand nombre de facteurs peuvent influer la valeur de la variable à expliqué, qui ne sont pas introduite explicitement par des variables explicatives et par la suite le modèle ne peut pas les capter. La structure des résidus dans les données de panel contient trois types de facteurs omis qu'on ne pas peut pas les ignorer. Il y'a en premier lieu les facteurs qui peuvent refléter les différences entre les individus de type structurels, indépendamment du temps (effet individuel (á_i )). Il y'a en second lieu les facteurs qui peuvent influer de façon identique la totalité des individus mais son effet dépend de la période considéré (effet temporels :ì_t ). En dernier lieu, il y'a des facteurs qui peuvent avoir un impact sur la variable endogène différemment suivant la période et l'individu, cette dernière composante des résidus (V_it ) est orthogonale aux effets temporels et aux effets individuels.

Suivant les trois types facteurs, les résidus (å _i,t) peuvent être composées en trois composantes :

å _i,t=á_i +ì_t +V_it

á_i: effets individuels.

ì_t: effets temporels.

V_it: processus stochastiques.

Comme tout modèle d'estimation, le modèle à effets aléatoires avance quelques hypothèses liées à ces variables. En fait, l'effet spécifique ne varie pas avec le temps. D'où les covariances entre å _i,t et å _i,t' (les deux termes d'erreurs à l'instant (t) et (t') ne sont pas toutes nulles, d'où l'obligation d'ignorer la méthode de MCO (moindres carrés ordinaires).

En outre, la variance de la variable endogène Y_it conditionnellement aux variables exogènes X _it est égale à :ó_y²=ó_á²+ó_v²

Les variances ó_á²+ó_v² correspondent aux différentes composantes de la variance totale, c'est pourquoi, le modèle à effet aléatoire est aussi appelé à erreur composée.

Pour savoir si les spécificités individuelles existantes sont de type fixe ou aléatoire, on doit utiliser le test d'Hausman, ce dernier va nous permettre de choisir entre ces deux modèles (fixe ou aléatoire).

· Test de spécification d'Hausman :

Pour discriminer entre le modèle à effet fixes (estimation Within) et celui aléatoire (estimation MCG ; moindre carré générale), on eu recours au test d'Hausman (1978) qui est le teste statistique le plus répondue dans le cas des données de panel en matière de choix entre ces deux modèles.

(â₁ et â₂ ) pour les paramètres du modèle étudié. Avec :

â₁ : estimateur MCG (moindre carré générale) des paramètres de modèle.

â₂: estimateur Within des paramètres de modèle.

Si la probabilité d'acception de l'hypothèse nulle qui prévoit que MCG est meilleure que l'estimateur Within est supérieur à 5%, l'estimation se fait alors par l'estimateur MCG. Si par contre, la probabilité d'acception de l'hypothèse nulle qui prévoit qui l'estimateur Within est inférieure 5%, l'estimation se fait donc par l'estimateur Within.

Conclusion :

Après avoir rappelé l'objectif de notre étude, nous avons essayé dans ce chapitre de mettre en oeuvre les hypothèses de notre recherche, par suite nous avons présenté la méthodologie que nous allons adopter pour tester ces hypothèses y compris les outils statistiques à l'analyse des données réelles. L'aboutissement de cette analyse nous conduit soit à confirmer soit à infirmer nous hypothèses théoriques. L'étape suivante consiste à appliquer ces tests sur notre échantillon, les résultats vont nous permettre de juger si la gestion du résultat comptable et les déterminants de la structure financière affectent le coût de la dette. Donc, le second chapitre va être consacré à des analyses et interprétations des résultats issus des tests économétriques effectués.

Chapitre 4 :