B- Tests de spécification,
validation du modèle
La vérification d'un modèle peut être
faite à partir de trois méthodes. Nous pouvons passer par la
validité au vue de la théorie économique, en
vérifiant la conformité des signes à ceux attendus. La
validité statistique se fait en analysant le coefficient de
détermination pour savoir à quel pourcentage les variables
retenues expliquent la variable dépendante. Enfin nous pouvons recourir
à des tests de spécification de modèle que sont les tests
d'autocorrélation des résidus, le test de normalité, le
test d'hétéroscédasticité et aussi celui de
stabilité.
1- Validation économique du
modèle de long terme
A l'intérieur du modèle que nous avons
considéré, à l'exception de la variable Kaopen de
l'ouverture du compte de capital (Kp), du taux de scolarisation (SCO) et des
dépenses publiques (LogDPU), toutes les autres variables ont le signe
attendu. En effet l'ouverture du compte de capital était censée
avoir une influence positive sur le PIB, de même que les dépenses
publiques. Et donc les signes attendus étaient positifs. Mais les signes
sont plutôt négatifs. Pour les autres variables, elles ont les
signes attendus. Il s'agit notamment du ratio masse monétaire sur PIB en
logarithme (logM2) qui a un signe positif, du ratio crédits
privés sur PIB en logarithme (logCP) qui a un signe positif, de
l'ouverture commerciale en logarithme (logCO) dont le signe est positif, et du
taux d'inflation (TINF) et du taux de croissance de la population (POP) qui ont
les signes négatifs attendus.
En somme, vue la conformité des signes de la
majorité des variables à ceux attendus, on peut conclure à
la validité de notre modèle, validation qui doit toutefois
être appuyée statistiquement et économiquement au moyen des
tests de spécification.
2- Validation statistique du
modèle de long terme
Nous avons obtenus dans notre modèle estimé un
coefficient de détermination qui s'élève à
0.921067, bien supérieur à 0.75. On peut donc présumer
l'existence d'une relation entre les variables explicatives et la variable
à expliquer. Cela veut dire que la croissance économique est
expliquée à 92,10% par les variables qui figurent dans notre
modèle. Cependant le R2 a une limite qui est d'augmenter avec
le nombre de variables dans le modèle. En clair, plus on ajoute de
variables, plus le R2 augmente systématiquement. C'est pour
cela qu'il faut recourir au R2 ajusté. Ainsi même en
recourant au R2 ajusté, notre modèle est significatif.
Car il s'élève à 0.883922. Le modèle peut ainsi
être qualifié de globalement significatif.
Cependant même avec un R2 élevé
le modèle peut ne pas être significatif. Il faut pour cela qu'un
test soit appliqué. Ainsi, un autre moyen de vérifier la
significativité globale c'est d'effectuer le test de
significativité de Fischer. Il s'agit alors, après
régression, de regarder la probabilité de la statistique de
Fischer et de voir si elle est inférieure au seuil critique de 5%.
Après régression cette statistique est de 0.000000 ce qui est
bien largement inférieur à 5%. Ainsi notre modèle est
significatif.
Il s'agira par la suite de vérifier la
significativité individuelle de chaque paramètre du
modèle. La qualité individuelle des coefficients des variables
est appréciée par la statistique de student (t-student). Ceci
étant, en ce qui concerne nos principales variables que sont logM2,
logCP et Kp, elles sont significatives au seuil de 5%.
|