4. Application du modèle à la base de
données
Dans cette section, on se propose d'étudier les
déterminants de la disposition des individus à contribuer
à l'amélioration de la qualité de l'air. L'on suppose que
cette variable pourrait être expliquée par les variables que nous
avons présentées au point un.
En plus du modèle Tobit, nous allons également
appliquer à notre base de données, le modèle de
régression par intervalle. Il faut noter que ce dernier est un
modèle utilisé lorsque la variable dépendante se
présente sous forme d'intervalle.
4.1. Estimation et interprétation des
résultats du modèle
Nous faisons d'abord une première estimation qui prend
en compte toutes les variables du modèle. Ensuite, dans le but
d'améliorer la qualité de nos résultats nous
procéderons à d'autres estimations en extrayant du modèle
de façon progressive les variables non significatives de la
première estimation.
4.1.1. Résultats de la première
estimation
Pour le modèle de régression par intervalle, les
variables NATION, HOMME, ASTHM, NBENF2, NBENF3 , NBENF4, VIEUX , PRIMAIR,
DEPSANT2, DEPSANT3 ont des P-value supérieur à 0,05. Elles sont
donc non significatives.
Pour le modèle Tobit, en plus des variables citées
ci-dessus, les variables AIR et DEPSANT4 ne sont pas significatives.
Tableau 7: résultats de la première
estimation
VARIABLES
DEPSANT2 144,7
DEPSANT3 164,7
DEPSANT4 -1354
PRIMAIR 141,1
HOMME -91,4
NATION 91,2
NBENF2 10,3
NBENF3 -19,5
NBENF4 -162,3
ASTHM -160,7
ADULT 396,3
VIEUX 149,3
REV2 1513,9
REV3 3033,2
REV4
BEPC 374,2
SUP 1054,9
BAC 897,4
AIR -8474,2
Coefficient
5330
LE MODELE TOBIT
P-value
0,519
0,463
0,252
0,939
0,899
0,441
0,002
0,557
0,305
0,006
0,299
0,249
0
0
0
0
0
Coefficient P-value
-3146,9
-2045,5
4690,8
2895,9
1064,4
1211,2
1469,7
LA REGRESSION PAR
INTERVALLE
-146,2
532,8
560,1
389,8
321,1
103,6
-60,2
-98,4
42,1
94,8
28,6
0,733
0,469
0,877
0,633
0,728
0,002
0,119
0,818
0,045
0,603
0,098
0,004
0
0
0
0
0
0
Source : à partir de la base de
données
4.1.2. Estimation finale
Au vu du tableau ci-dessous, l'on peut dire que les deux
modèles (Tobit et régression par intervalle) sont toutes
statistiquement validés. En effet, pour chacun des modèles
estimés, la P-value associée à la LR-stat est
inférieur à 0,05. Cela signifie qu'il existe au moins une
variable de coefficient non nul autrement dit, il y a au moins une variable qui
détermine la disposition des individus à contribuer à
l'amélioration de la qualité de l'air.
Les coefficients du modèle de régression par
intervalle, bien qu'étant du même signe que ceux du modèle
Tobit ont des valeurs légèrement différentes de celles du
modèle Tobit.
Tableau 8: résultat du modèle
final.
|
LE MODELE TOBIT
|
LA REGRESSION PAR
INTERVALLE
|
|
VARIABLES Coefficient
|
P-value
|
Coefficient
|
P-value
|
|
AIR
|
|
-3146,9
|
0
|
|
ADULT 355,7
|
0,001
|
413,2
|
0,004
|
|
BEPC 374,2
|
0,006
|
389,8
|
0,045
|
|
BAC 897,4
|
0
|
1064,4
|
0
|
|
SUP 1054,9
|
0
|
1211,2
|
0
|
|
DEPSANT4
|
|
-2090,9
|
0,003
|
|
REV2 1513,9
|
0
|
1469,7
|
0
|
|
REV3 3033,2
|
0
|
2895,9
|
0
|
|
REV4 5330
|
0
|
4690,8
|
0
|
|
LR test Prob (chi2)=0
|
Prob (chi2)=0
|
Source : à partir de la base de
données
|
|
