2-1-2 Analyse des
corrélations
Afin d'évaluer la liaison entre les différentes
variables, il est fréquent d'utiliser le coefficient de
corrélation de Pearson. Ce coefficient mesure les relations entre les
variables prises deux à deux. Généralement sa valeur est
comprise entre -1 et 1. La valeur proche de 1, implique une forte
corrélation positive, au contraire la valeur proche de -1 indique une
forte corrélation négative. Comme les variables peuvent
être considérées comme aléatoires, nous pouvons
utiliser les tests de corrélation qui sont des tests d'hypothèses
permettant de mesurer la significativité des corrélations
obtenues.
Généralement, il existe deux types de tests de
corrélation : les tests paramétriques (test de Pearson) qui
supposent la normalité des variables et les tests
non-paramétriques (test de Spearman) utilisés dans le cas
où les variables ne suivent pas la loi normale. Le test
d'hypothèse se présente de la forme suivante :
H0 : absence de corrélation.
H1 : présence de corrélation
L'utilisation des tests de corrélations permettant de
vérifier l'existence des problèmes de
multi-colinéarités. En effet, un coefficient de
corrélation supérieur à 0.08 implique un vrai
problème de multi-colinéarité (Kenndy (1985)). Par la suit
nous allons utiliser les statistiques de Variance Inflation Factors (VIF)
après chaque régression. Ces statistiques permettent d'identifier
les variables qui ont des problèmes de multi-colinéarité.
Ce pendant, pour résoudre ce problème il est obligatoire
d'éliminer la variable ayant un VIF la plus élevé et
refaire la régression. Si les valeurs obtenu est inferieur à 10
on dit qu'il n'existe pas de problème de multi-colinéarité
(Chatterjee et al 2000)
L'étude de corrélation entre les variables est
illustrée par la matrice des corrélations de Pearson et de
Spearman. Les valeurs en dessus de la diagonale représentent les
corrélations de Spearman et celles en dessous sont ceux de Pearson.
Le premier résultat a attiré de cette analyse
est que la structure financière (ST), la rentabilité de la firme
(ROA) et la taille de l'entreprise (TA) sont positivement
corrélés et statiquement non significatif au seuil de 1% avec le
coût de la dette. Nos résultats ne sont pas conformes aux
résultats trouvés par la littérature tel que Tendeur
(1999), Draeif (2010) et Draeif et Chouigui (2012) qui impliquent qu'il ya une
association négative et statiquement significative au seuil de 1% entre
la taille de la firme et le coût de la dette. En outre, nos
résultat son en accord avec certains travaux des chercheurs. En effet,
Draeif et Chouigui (2012) mettent en évidence l'existence d'une relation
positive et significative au niveau de 1% entre le niveau d'endettement et le
coût de la dette.
De plus, les deux variables opportunités de croissance
et les accruals discrétionnaires ont une relation inverse et non
significative à 1% avec le coût de la dette. Ces résultats
sont contredises aux travaux du Chen (2002), Draief (2010) et Draief et Chougui
(2012) qui montrent que les opportunités de croissance sont
corrélés positivement avec le coût de la dette. Ceci
implique que les entreprises qui ont des fortes opportunités de
croissance ont des coûts d'endettements plus élevé, ainsi,
les entreprises en croissance sont plus confronté aux problèmes
des substituions des actifs et de sous investissement. Par ailleurs, Draief et
Chougui (2012) soulignent l'existence d'une relation positif et signification
au seuil de 1% entre la gestion du résultat et le coût de la
dette.
| 
