2.3.4. Test de corrélation
Le test de corrélation permet de voir à quel
point les variables sont liées. Afin d'identifier la présence de
corrélation, nous allons baser notre conclusion sur la valeur
indiquée par Kennedy (1985) où la valeur est égale
à 0.8. Donc, si les coefficients illustrés dans les
différents tableaux sont supérieurs ou égaux à 0.8,
on peut conclure à l'existence de problème de
corrélation.
Tableau 5: Matrice de corrélation des
variables du modèle
|
P0
|
PIBh
|
GINI
|
CPP
|
DOUV
|
TRC
|
|
P0
|
1,000
|
|
|
|
|
|
|
PIBh
|
-0,8403*
|
1,000
|
|
|
|
|
|
GINI
|
0.2959
|
0.0157
|
1.000
|
|
|
|
|
CPP
|
0.3690*
|
-0.3872*
|
-0.4127*
|
1.0000
|
|
|
|
DOUV
|
-0.3127*
|
0.1186*
|
-0.0527
|
-0.2117*
|
1.0000
|
|
|
TRC
|
0.2503
|
0.0278
|
-0.1323
|
0.2419*
|
-0.3737*
|
1.0000
|
Certains variables sont fortement corrélés
tandis que d'autres n'en ont pas. Le PIB par tete et le degré
d'ouverture sont corrélés négativement à la
pauvreté tandis que la croissance démographique est
corrélée positivement à la pauvreté. Par rapport au
PIB par habitant, la croissance est corrélée négativement
tandis que le degré d'ouverture est corrélé positivement.
L'indice de GINI et la croissance démographique sont
corrélées négativement.
MEMOIRE MASTER II/ METHODES STATISTIQUES ET
ECONOMETRIQUES/MAOULIDA SOUDJAY 45
CROISSANCE ECONOMIQUE ET PAUVRETE DANS LES PAYS DE
L'UEMOA
| 
