WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Agriculture et croissance économique au Cameroun

( Télécharger le fichier original )
par Hervé BELLA
Institut Sous-régional de Statistique et d'Economie Appliquée (ISSEA) - Ingénieur d'Application de la Statistique 2009
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

4.2.3 Détermination du nombre de retards du VAR à niveau

L'estimation du modèle VAR nécessite de déterminer au préalable le nombre de retards p. plusieurs critères peuvent être utilisés pour réaliser cet exercice crucial :

· une méthode basée sur l'examen des propriétés statistiques des résidus du modèle VAR ;

· une méthode basée sur l'utilisation des critères d'information ;

· une méthode basée sur des tests de nullité emboîtés sur les paramètres associés au dernier décalage du modèle.

Nous utiliserons la méthode basée sur les critères d'information.

Encadré 4 : Détermination du nombre de retards du VAR à l'aide des critères d'information

L'idée sur laquelle sont basés les critères d'information est que l'ajout d'un ensemble de variables explicatives dans le modèle améliore l'information mais en même temps réduit les degrés de liberté. La démarche consiste à fixer une valeur maximale pour p, (), et de calculer pour chaque modèle VAR (p), la valeur du critère d'information. Le retard retenu est celui qui optimise (minimise) la valeur du critère d'information.

Dans les modèles VAR, quatre critères sont généralement utilisés :

Critère FPE (Final Predictor Error)

Critère AIC (Akaike Information Criterion)

Critère SC (Schwartz Criterion)

Critère HQ (Hannan Quinn)

4.2.4 Analyse des résultats de l'estimation du VECM

4.2.4.1 Tests de causalité

Une variable X cause une variable Y si la prédictibilité de Y est meilleure lorsque l'on tient compte de l'information apportée par X. Plusieurs définitions statistiques de la causalité existent. Nous utiliserons l'approche de Granger. La causalité peut se mesurer de plusieurs manières :

Mesure de la causalité de X vers Y

Mesure de la causalité instantanée de X vers Y

désigne l'erreur de prévision de Y sachant X

désigne l'information relative au passé

Si X ne cause pas Y,

Statistique de test

Le test est effectué au moyen de la statistique du maximum vraisemblance. L'on teste l'hypothèse nulle d'absence de causalité. La statistique de test est qui suit sous une loi de chi-deux à degré de libertés.

· Si , on ne rejette pas l'hypothèse nulle d'absence de causalité

· Sinon, l'hypothèse nulle d'absence de causalité est rejetée.

En présence d'une co-intégration, les tests de causalité de court terme ou de long terme sont menés à partir du VECM.

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Là où il n'y a pas d'espoir, nous devons l'inventer"   Albert Camus