II- RESULTATS DES ESTIMATIONS
Ce paragraphe présente les tests qui nous permettent
d'estimer notre modèle.
II-1- Résultats du test de Hausman
Ce test permet de choisir le modèle approprié pour
l'estimation de nos données. Il permet d'arbitre entre le modèle
à effet fixe et le modèle à effet aléatoire. Nous
avons donc la situation suivante:
Corruption, insécurité transfrontalière et
dynamique du commerce intra-CEMAC
Tableau 17 : Test de Hausman
|
Coefficient
|
|
Variables
|
(b)
e q1
|
(B)
|
(b- B)
différence
|
Sqrt
(diag(v_b_v_B))
S.E
|
|
logPIBreelit
|
1.022479
|
1.473 57 1
|
- 0.45 1 0923
|
0.0402 1 7
|
|
logPIBreeljt
|
0.0220409
|
- 0. 25 1 845
|
0.273 8 86
|
0.00922 1 6
|
|
logDistijt
|
- 0. 544025 9
|
- 0. 3 85 963
|
- 0. 1 5 8062 8
|
0. 1 524943
|
|
logCorrupit
|
- 0.2090 1 62
|
- 0. 242403
|
0.03 3 3 86 8
|
-
|
|
logCorrupjt
|
- 0. 85 8627
|
- 0. 679340 8
|
0. 5 93478 1
|
0. 1 42703 5
|
|
Instraijt
|
- 0. 6 822794
|
- 0.770 1 079
|
0.0 87 828 5
|
0.23 99504
|
|
Prob~ chi2
|
0. 0000
|
Source : nous-mêmes à partir de stata
Comme présenté plus haut dans le chapitre
préc édent, le test permet de faire le
|
choix entre
|
effets
|
fixe
|
et aléato
|
ire. I
|
l imp
|
orte pour nous
|
de préciser que ces tests
|
(test
|
effets fixe et te
st effets
aléatoire
) intègre l'hétér
s données. Les
résultats
ogénénéité de
du tableau présentent que l' on est en présence d'
effets fixe car la probabilité du test de
Ainsi
Hausman esteur nous asser este à effet
allons p
imation du modèl
à 5%
,
àl
infé
ri
fixe.
II-2-Résultats des estimations du modèle
à effet aléatoire
Les résultats relatifs au test à effet fixe fait l'
Obj ect de nos interprétations. Pour
la si
les s
ignes et
cela, nous nous attardons sur
les
gnificativité des coefficients (
|
co
|
effic
|
ients qui sont associés à no
|
s différentes variab
|
les explicative
|
s) .
|
Page 68
Le tableau ci-dessous nous donne une estimation de notre
modèle à partir du test à effet aléatoire.
Page 69
Corruption, insécurité transfrontalière et
dynamique du commerce intra- CEMAC
Tableau 18 : modèle à effet
fixe
|
Variable à expliquée : logComij
t
|
|
Variables
|
Coefficient
|
Std. Err
|
t
|
prob~ | t |
|
|
Cons
|
- 16.46944
|
1.43 5567
|
- 11 .47
|
0.000
|
|
logPIBreel it
|
1.4725 86
|
0 .0508 1 57
|
28 . 9 8
|
0.000
|
|
logPIBreel jt
|
-0 .243 1 684
|
0.0522268
|
- 4. 66
|
0.000
|
logDist ij t
|
-0.3 653 1 2
|
0 .0624489
|
- 5. 8 5
|
0.000
|
|
|
logCorrup it
|
-0.303 1 78 8
|
0 .2974226
|
- 1.02
|
0. 3 05
|
|
logCorrup jt
|
-0.6443 3 3 5
|
0 .1 873463
|
- 3.44
|
0.00 1
|
|
Instra ij
|
-0 .7677348
|
0 .1 054 1 6 1
|
- 7.2 8
|
0.000
|
|
R-square
Adj R-squared
F( 6, 21 8)
Prob> F
|
0. 85 3 5 0. 8495 21 1 .73 0.0000
|
Source : nous-mêmes à partir de stata
On constate dans le tableau ci-dessus que la part de la
variabilité inter individuelle de l'exportation expliquée par
celles des variables explicatives est de 85 . 3 5% (R-square = 85 . 3 5%)
| 
