Impacts de la préssion du cout de ma vie sur les principaux indicateurs de la production nationale : Cas d'Haiti 1975@2005

IV.2) Analyse des résultats de l'estimation du modèle

Ainsi, après l'estimation du modèle, on obtient les résultats ci-dessous (C_f fig 1) qui expliqu0ent l'interdépendance existant entre le niveau du coût de la vie et les principaux déterminants de la production nationale.

Tableau VIII

Résultat de l'estimation du modèle

Dependent Variable : IPC ( Indice des Prix à la Consommation)
Method: Least Squares
Date: 08/26/08 Time: 10:30
Sample: 1975 2005
Included observations: 31
Variable	Coefficient	Std. Error	t-Statistic	Prob.
TPIB	-1062.539	208.6888	-5.091499	0.0000
CG	-0.073826	0.222292	-0.332113	0.7426
IG	-0.152611	0.305658	-0.499286	0.6219
BC	-0.225441	0.163535	-1.378555	0.1802
DBE	-0.206429	0.048399	-4.265159	0.0003
C	499.2729	866.7190	0.576049	0.5697
R-squared	0.885393	Mean dependent var		522.2787
Adjusted R-squared	0.862471	S.D. dependent var		549.5722
S.E. of regression	203.8081	Akaike info criterion		13.64422
Sum squared resid	1038444.	Schwarz criterion		13.92177
Log likelihood	-205.4854	F-statistic		38.62726
Durbin-Watson stat	1.820849	Prob(F-statistic)		0.000000

Source : Calculs effectués sur les données à partir du logiciel E-Views 5.0

Ou encore, une représentation plus explicite de ce tableau permet d'avoir la relation suivante :

Tableau IX

Représentation du modèle sous forme linéaire

Estimation Command:

=====================

LS IPC TPIB CG IG BC DBE C

Estimation Equation:

=====================

IPC = C(1)*T_PIB + C(2)*Cg + C(3)*Ig + C(4)*b_c + C(5)*d_be + C(6)

Substituted Coefficients:

=====================

IPC = -1062.538936*T_PIB - 0.07382608325*C_g - 0.152611004*I_g - 0.2254413108*b_C - 0.2064291023*d_be+ 499.2729482.

IV.3) Tests statistiques

Les différents tests statistiques sont importants dans un travail économétrique car ils permettent de confirmer ou d'infirmer la validité du modèle. Ainsi, dans le cadre de ce travail un ensemble de tests sont ainsi réalisés.

IV.3.1) Test de stabilité des coefficients / Test de Chow

Ce test de stabilité des coefficients (Test de Chow) se ramène à la question suivante : existe-t-il une différence significative entre la somme des carrés des résidus (SCR) de l'ensemble de la période et l'addition de la somme des carrés des résidus calculée à partir de deux sous périodes (SCR1 + SCR2) ?

En effet, dans le cas d'une réponse négative, cela signifie que le fait de scinder en deux sous échantillons n'améliore pas la qualité du modèle. Donc, qu'il est stable sur la totalité de la période. Les étapes sont alors les suivantes :

· La première étape consiste à estimer le modèle sur chacune des deux sous périodes et à déterminer les carrés des résidus.

· La deuxième consiste à calculer le Fisher empirique. Le test d'hypothèse est le suivant :

H₀ : SCR = SCR¹ + SCR²

H₁ : SCR SCR¹ + SCR²

Le calcul du Fischer empirique est égal à :

[SCR- (SCR¹+SCR²)] / ddln₁

F*-

(SCR¹ + SCR²) / ddln₂

En remplaçant les lettres par leurs valeurs on trouve, F*- 1.16.Lorsqu'on procède aux estimations du modèle sur toute la période et en deux sous périodes, soit de 1975-1990 et de 1991-2005, on a les informations suivantes :

Tableau X

Résultat de l'estimation du modèle

Pour la 1^ère sous-période : 1975 - 1990.

Dependent Variable: IPC
Method: Least Squares
Date: 08/26/08 Time: 11:03
Sample: 1975 1990
Included observations: 16
Variable	Coefficient	Std. Error	t-Statistic	Prob.
TPIB	-4.722196	88.98588	-0.053067	0.9587
CG	0.067700	0.068843	0.983395	0.3486
IG	0.065938	0.288445	0.228599	0.8238
BC	0.202086	0.072183	2.799615	0.0188
DBE	-0.085243	0.059586	-1.430597	0.1830
C	-146.9608	194.3231	-0.756270	0.4669
R-squared	0.704405	Mean dependent var		173.4288
Adjusted R-squared	0.556607	S.D. dependent var		57.94484
S.E. of regression	38.58417	Akaike info criterion		10.42356
Sum squared resid	14887.38	Schwarz criterion		10.71328
Log likelihood	-77.38846	F-statistic		4.766006
Durbin-Watson stat	0.820136	Prob(F-statistic)		0.017341

Source : Calculs effectués sur les données à partir du logiciel E-Views 5.

Tableau XI

Résultat de l'estimation du modèle

Pour la 2^ème sous-période : 1991/ 2005

Dependent Variable: IPC
Method: Least Squares
Date: 08/26/08 Time: 11:07
Sample: 1991 2005
Included observations: 15
Variable	Coefficient	Std. Error	t-Statistic	Prob.
TPIB	-1561.075	277.4354	-5.626806	0.0003
CG	-0.057414	0.494611	-0.116080	0.9101
IG	-0.677209	0.886907	-0.763563	0.4647
BC	-0.407214	0.438322	-0.929028	0.3771
DBE	-0.131259	0.068050	-1.928863	0.0858
C	553.5631	2008.886	0.275557	0.7891
R-squared	0.910227	Mean dependent var		894.3853
Adjusted R-squared	0.860353	S.D. dependent var		596.8030
S.E. of regression	223.0212	Akaike info criterion		13.94158
Sum squared resid	447645.9	Schwarz criterion		14.22480
Log likelihood	-98.56189	F-statistic		18.25063
Durbin-Watson stat	1.836967	Prob(F-statistic)		0.000180

Source : Calculs effectués sur les données à partir du logiciel E-Views 5.

Soit :

SCR= 1038444, SCR¹= 14887.38 et SCR² = 447645.9 (fig.1, fig.2,fig.3.). Avec ddln₁ =16 et ddln₂ = 15, le Fischer calculé est égal á 1.16 et le Fisher lu F de la table 1 (Annexe IV) pour un seuil significatif á = 5% est égal á 2.76. Par comparaison, le Fisher calculé est inférieur à la valeur lue. Donc, l'hypothèse H₀ est acceptée, les coefficients sont significativement stables sur l'ensemble des périodes sous études.