Tableau 4 : Test de White
|
Heteroskedasticitytest:White
|
|
F-statistic
|
0.241167
|
Prob. F(14,10)
|
0.9920
|
|
Obs*R-squared
|
6.310277
|
Prob. Chi-Square(14)
|
0.9581
|
|
Scaled explained SS
|
3.504457
|
Pro. Chi-Square(14)
|
0.9978
|
Source : Estimation par l'auteur Eviews6
Le test de White (crossterms) donne une probabilité (Prob
= 0,992). Nous constatons que cette probabilité est supérieure au
seuil designificativité (5%). Alors onne rejeter H0. Les erreurs du
modèle sont donc homocédastiques.
· Test ARCH
Les modèles d'ARCH ont été introduits par
Engle en 1982.Ils permettent de modéliser des chroniques qui ont une
volatilité instantanée qui dépend du passé. Ce test
est fondé aussi sur le Multiplicateur de Lagrange.
Les hypothèses du modèle sont :
H0 : les erreurs ne suivent pas un modèle
ARCH(les erreurs sont homocédastiques)
H1 : les erreurs suivent un modèle
ARCH(les erreurs sont hétéroscédastiques)
Tableau 5 : Test d'ARCH
|
HeteroskedasticityTest :ARCH
|
|
|
|
|
F-statistic
|
2.514136
|
Prob. F(1,22)
|
0.1271
|
|
Obs*R-squared
|
2.461407
|
Prob.ChiSquared(1)
|
0.1167
|
Source : Estimation de l'auteur à partir du logiciel
Eviews6
Les deux probabilités (Prob=0,127 et Prob=0,117) sont
supérieures au seuil de 5%.Les erreurs ne suivent pas un modèle
d'ARCH d'ordre 1.
Donc, l'hypothèse d'hetérocédasticité
conditionnelle est rejetée. Les erreurs du modèle sont
homocédastiques.
d-Test
d'autocorrélation des erreurs de Breusch-Godfrey
Ce test nous permet de déceler la présence
d'auto-corrélation d'ordre supérieur à 1 restant valide
lorsque le modèle comporte la variable endogène retarde dans les
variables explicatives.
Les hypothèses du test sont :
H0 : les erreurs sont non
corrélées
H1 : les erreurs sont corrélées
Les résultats du test sont présentés dans le
tableau suivant :
| 
