IV.3. Analyse empirique de l'offre
du café
Pour tester si le modèle est bien
spécifié et -/ou les variables prises individuellement sont
significatives, la significativité des variables prises individuellement
a été analysée sur base de la statistique t de Student
alors que celle des coefficients pris globalement a été
illustrée par la statistique F de Fisher. De même, à partir
du coefficient de détermination R2 et surtout R2-
ajustée permet de juger sur la validité ou non du modèle.
Il permet de connaitre la proportion de la variation totale de la variable
dépendante due à l'explication des variables dépendantes.
La variable dépendante est bien expliquée par les variables
indépendantes si le R2-ajusté est
élevé.
IV.3.1.Estimation des
paramètres du modèle
Les variables que nous utilisons dans l'estimation sont
déjà décrites au troisième chapitre.
IV.3.2. Estimation
statistique
Nous allons estimer l'offre du café dans la
région de KIRIMIRO (la variable endogène) par les variables
explicatives respectivement prix réel du café,
pluviométrie, superficies emblavées, pesticides, urée,
prix des cultures concurrentes du café (haricot, maïs et
banane).
IV.3.2.1. Test de normalité
L'hypothèse de normalité des résidus joue un
rôle essentiel car elle aide à préciser la distribution
statistique des estimateurs.
Tableau 2 : Test de Normalité
0
2
4
6
8
-0.10
-0.05
0.00
0.05
Séries: Résiduelles
Echantillon: 1992 2012
Observations 21
Moyenne
2.37E-15
Médiane
0.005724
Maximum
0.057893
Minimum
-0.081828
Ecart type
0.036598
Valeur de Symétrie
-0.652775
Valeur d'aplatissement
2.775636
Jarque-Bera
1.535452
Probabilité
0.464067
Source : Obtenu à partir du traitement des
données avec Eviews
H0 : il y a normalité des
résidus
H1 : il n y a pas de normalité des
résidus
Dans la partie droite de l'histogramme se trouve un ensemble
de statistique descriptive portant sur la série des
résidus : la moyenne, la médiane, le maximum et
l'écart type. En plus de ces statistiques, Eviews reporte des
indicateurs de forme qui permettent d'apprécier la normalité.
Pour une série normalement distribuée, la valeur
de symétrie (Skewness) mesure l'asymétrie de la distribution
autour de la moyenne. Le Skewness d'une distribution symétrique, comme
la distribution normale, est nulle. Ainsi, pour notre cas, nous avons un
Skewness négatif (-0,65), ce qui signifie que la distribution est
décalée vers la gauche.
Le Kurtosis mesure le degré d'aplatissement de la
distribution. Le Kurtosis d'une distribution normale est égal à
3. Pour notre cas, nous avons un Kurtosis de 2,77 ; donc
légèrement inférieure à 3 (Gujarati, 2004). La
statistique de Jarque Bera a une probabilité de 0,46 ; une valeur
supérieure à 0,05. Donc le terme d'erreur suit une distribution
normale. Ce qui veut dire que l'on ne rejette pas l'hypothèse nulle de
normalité des termes d'erreur.
| 
