I.1.1- Vérification des hypothèses de la
régression multiple
I.1.1.1- Test
d'hétéroscédasticité des résidus
L'identification de
l'hétéroscédasticité peut être faite à
l'aide de plusieurs tests, par exemple les tests de Breusch-Pagan, test de
Goldfeld, test de Gleisjer et test de White. Dans notre étude, nous
prenons le test de Breusch-Pagan pour tester
l'hétéroscédasticité, le problème du test
est le suivant:
· H0 : homoscédasticité
· H1 : hétéroscédasticité
Si la probabilité associée au test est
inférieure à á, on rejette l'hypothèse
d'homoscédasticité (H0). En revanche, si la probabilité
est supérieure à á, l'hypothèse nulle est
vérifiée et nous pouvons supposer
l'homoscédasticité des résidus. Avec á = 5% = seuil
de significativité.
Tableau 13: résultats du test
d'hétéroscédasticité (Breusch-Pagan)
Breusch-Pagan / Cook-Weisberg
|
test for
|
heteroskedasticity
|
Ho: Constant variance
|
|
|
Variable
|
chi2
|
df
|
p
|
|
Dpadev
|
0.12
|
1
|
0.7249
|
#
|
De_pp
|
0.05
|
1
|
0.8158
|
#
|
stab
|
0.02
|
1
|
0.8873
|
#
|
corr
|
0.06
|
1
|
0.8085
|
#
|
Dqual
|
1.03
|
1
|
0.3099
|
#
|
txplb
|
0.56
|
1
|
0.4539
|
#
|
Dplb_hab
|
0.05
|
1
|
0.8280
|
#
|
Dtmar
|
0.07
|
1
|
0.7910
|
#
|
Dtxalph
|
0.06
|
1
|
0.8028
|
#
|
simultaneous
|
4.22
|
9
|
0.8965
|
|
|
# unadjusted p-values
Sources : résultats obtenus
avec le logiciel STATA 12.
Mémoire de MASTER II : GOUVERNANCE LOCALE ET
ATTRACTIVITE TERRITORIALE DES ENTREPRISES :
CAS DE LA VILLE DE
DOUALA
Par PEGUI Yannick Félix, Maître ès
sciences économiques 85
Les résultats du test
d'hétéroscédasticité montrent que toutes les
probabilités associées aux coefficients sont toutes
supérieures à 0,05. Donc nous rejetons l'hypothèse H1
d'hétéroscédasticité et supposons
l'homoscédasticité des résidus.
I.1.1.2- test d'auto corrélation des erreurs
L'hypothèse de non auto corrélation des
résidus est une condition nécessaire pour la validation des
résultats de l'estimation par la méthode des MCO. Lorsque les
erreurs sont auto corrélées, on utilise un nouvel estimateur :
les moindres carrés généralisés (MCG). La
détection de la dépendance des erreurs s'effectue en analysant
les résidus. Cette analyse peut être faite par le test de
Durbin-Watson ou le test de Breusch-Godfrey. Nous utilisons le test statistique
de Breusch-Godfrey (1978)38 pour vérifier l'auto
corrélation des erreurs dans notre modèle.
Tableau 14 : test d'auto corrélation des
erreurs (Breusch-Godfrey)
Breusch-Godfrey LM test for autocorrelation
lags(p) chi2 df Prob > chi2
1 6.296 1 0.0121
|
|
H0: no serial correlation
Sources : résultats obtenus
avec le logiciel STATA 12.
Avec le test de Breusch-Godfrey, nous constatons que la
probabilité associé au test est inférieure à 5%
ainsi, nous acceptons l'hypothèse de non corrélation des erreurs,
c'est-à-dire que les erreurs sont indépendantes les unes des
autres dans notre modèle.
| 
