0.
Tests économiques :
§ Test de la stationnarité des
variables du modèle (test de racine unitaire)
Une série est dite stationnaire si elle ne comporte ni
tendance ni saisonnalité et plus généralement aucun
facteur n'évoluant avec le temps.
Pour faire ce test nous pouvons passer par :
v Test de Philips-Perron
Avec l'application sur Eviews, les hypothèses suivantes
sont retenues :
H0 : la série n'est pas stationnaire
H1 : la série est stationnaire
PP : PP Test Statistic (Test
Philips-Perron)
CV :Critical Value (Valeur critique)
- Si la valeur de PP est inferieur à
la valeur de CV au seuil de 5% alors on accepte
l'hypothèse H1 donc la série est stationnaire
- Si la valeur de PP est supérieure ou
égale à la valeur de CV au seuil de 5% alors on
accepte l'hypothèse H0 donc la série est non
stationnaire.
v Test de stationnarité de Dickey Fuller
Augmenté (ADF)
Les tests de Dickey - Fuller et Dickey - Fuller
Augmenté (ADF) permettent non seulement de mettre en évidence le
caractère stationnaire ou non d'une chronique par la
détermination d'une tendance déterministe ou stochastique mais
aussi de déterminer la bonne manière de stationnariser cette
chronique.
Avec l'application sur Eviews, les
hypothèses suivantes sont retenues :
H0 : la série est stationnaire
H1 : la série n'est pas stationnaire
On accepte l'hypothèse nulle si la valeur ADF prise en
valeur absolue est supérieure à la valeur critique de MAKINNON
considérée aussi en valeur absolue au seuil de 5% ; au cas
contraire, on la rejette au profit de H1.
Tous ces tests sont faits au seuil de 5%.
1. Tests statistiques
§ Impact des variables explicatives sur la
variable expliquée (Test Individuel ou de Student)
On effectue le test de signification des paramètres
à l'aide de la statistique de student. Il permet de déterminer la
significativité de paramètre au seuil de signification de 5%.
Pour ce faire, on émet les hypothèses suivantes :
H0 : ai = 0, le paramètre
n'est pas significatif ;
H1 : ai ? 0, le paramètre
est significatif.
Si la valeur de t statistique est inférieure à
1.96 (au seuil de 5 pourcent), on valide hypothèse nulle. Le contraire
est valable pour l'hypothèse alternative.
Avec l'application sur Eviews, si la probabilité
associée à chaque paramètre est supérieure à
0.05, on accepte l'hypothèse nulle. Par contre, si elle est
inférieure à 0.05, on rejette l'hypothèse nulle au profit
de l'hypothèse alternative.
Le degré d'explication ou de
signification de la variable exogène dans la variable endogène se
justifie par les tests de Student (t) ;
  =  ; avec 2â1=  /?  et ä^2 = ?e2/N-k,
Si tcalculétthéorique,
H0 est rejetée et H1 acceptée.
§ Degré d'explication du
modèle
Pour mesurer ce degré, nous faisons recours au
coefficient de détermination donné par
l'équation ci-après :
Parfois, R2 a tendance à croître avec
le nombre de variables explicatives du modèle, même si ces
variables n'ont rien à avoir avec le phénomène
étudié, Pour pallier à cet inconvénient, certains
chercheurs ont proposé d'introduire un R2 corrigé,
noté par   2 qui est défini par :
  2 = 1-   (1-R2)
  2 R2 si   2   R2, Il n'est utilisable que dans le modèle avec
le terme constant.
§ Test de significativité du modèle
(Test de FISHER)
On pose comme hypothèses :
H0 : R2=0, le modèle n'est
pas significatif,
H1 : R2?0, le modèle est
significatif,
 et Fthéorique= (k-1, N-k),
Décision : Si
FCal>Fth ; on rejette l'hypothèse nulle et
on accepte l'hypothèse alternative.
| 
