3- Test de normalité des résidus
La normalité des erreurs est une
propriété de la méthode des moindres carrés
ordinaires utilisée dans la régression multiple. Pour
vérifier cette propriété, nous utilisons le test de
Skewness et de Kurtosis.
Hypothèse et mode de décision
H0: Les résidus sont normalement
distribués.
Si (Prob>Chi2) > (Seuil = 5%) alors l'hypothèse
H0 est acceptée. Les erreurs sont normalement
distribuées.
Résultat du test de Skewness/Kurtosis
Variable | Pr(Skewness) Pr(Kurtosis) adj chi2(2)
Prob>chi2
residu | 0.473 0.451 1.14
0.5661
(Prob>Chi2) = 0,5661 0,05. L'hypothèse nulle est
donc acceptée et on en conclu que les résidus sont normalement
distribués.
Testons enfin l'homoscédasticité des
erreurs.
4- Test
d'hétéroscédasticité des erreurs
On parle d'hétéroscédasticité
lorsque le risque de l'amplitude de l'erreur n'est pas constant dans le temps.
Nous effectuerons le test
d'hétéroscédasticité de Breush-Pagan /
Cook-Weisberg.
Hypothèse et mode de décision
H0: modèle homoscédastique
Si (Prob>Chi2) > (Seuil = 5%) alors l'hypothèse
H0 est acceptée et on conclu que la variance est
constante.
Résultat du test de Breush-Pagan /
Cook-Weisberg
Chi2(1) = 1.54
Prob > chi2 = 0.2150
(Prob>Chi2) = 0,2150 0,05. L'hypothèse nulle est
donc acceptée et on en conclu que la variance des erreurs est constante
est constante.
| 
