1.5.1)Test de causalité entre le volume de trafic
passagers (pax_adj) et les entrées des touristes (tour_adj)
a)Test de la
première hypothèse H01 : tour_adj ne cause pas pax_adj
Estimation du modèle contraint : 
R2=0,84 SCRR=1,08E+11
n=94
Estimation du modèle libre :
 R2=0,88 SCRR= 85200000000 n=94
Calcul de la statistique F de Fisher : 
On a  , on rejette l'hypothèse H0, la variable tour_adj
explique significativement la variable pax_adj. Selon la terminologie de
Granger, on dit que la variable les entrées des touristes (tour_adj)
explique le volume du trafic de passagers (pax_adj).
b)Test de la
deuxième l'hypothèse H02 : le volume de passagers (pax_adj)
ne cause pas la variables des entrées des touristes (tour_adj).
Cette hypothèse consiste à tester la
nullité du bloc des paramètres de la variable pax_adj au niveau
de la deuxième équation du modèle VAR, ceci revient
à tester l'hypothèse H02 : 
Pour tester la nullité de l'hypothèse
H02 on va passer par un test de Fisher classique qui va discriminer
entre le modèle libre et le modèle contraint sous
H02.
Estimation du modèle contraint sous H02 :
R2=0,85 SCRR= 1,62E+10
n=94
Estimation du modèle libre :
 R2=0,85 SCRR= 1,57E+10
n=94
On a  dans ce cas on accepte H02, le volume du trafic passagers ne
cause pas les entrées des touristes.
Il est important de noter que l'énnoncé
`'tour_adj cause traf_adj dans le sens de Granger n'implique pas que le volume
de trafic est l'effet ou bien le résultat des entrées des
touristes, la causalité au sens de Granger indique l'amélioration
de la prédictibilité de la variable pax_adj lorsque l'information
antérieure sur la variable tour_adj est incorporée dans
l'analyse, la causalité n'est pas interprétée ici avec son
sens commun.
| 
