Analyse empirique de l'impact de la politique monétaire sur l'inflation en RDC de 1998 à 2012

III.2.1.1.4. Les diagnostics

III.2.1.1.4.1. Les diagnostics statistiques

Ø Test individuel des paramètres

Ce test nous permet de déterminer la significativité de paramètre au seuil de signification de 5%. Pour ce faire, nous émettons les hypothèses suivantes :

H₀ : ai = 0, le paramètre n'est pas significatif;

H₁ : ai ? 0, le paramètre est significatif.

Si la valeur de t statistique est inferieure a 1.96 (au seuil de 5pourcent), on valide hypothèse nulle. Le contraire est valable pour l'hypothèse alternative.

NB : avec l'application sur eviews 5, si la probabilité associée à chaque paramètre est supérieure à 0.05, on accepte l'hypothèse nulle. Par contre, si elle est inférieure à 0.05, on rejette l'hypothèse nulle au profit de l'hypothèse alternative.

- Nous remarquons que le paramètre â est significatif car t_cal(5.969552)?1,96 et sa probabilité(0.0011)?0,05.

Donc les variables non prise en compte dans le modèle, par exemple la demande sur le marché des biens et services, le comportement des agents économiques, l'asymétrie de l'information sur le marché des biens et services ; expliquent bien aussi le modèle.

- Le paramètre est aussi significatif car t_cal(4.264319)?1,96 voir aussi sa probabilité (0.0001)?0,505.

Donc la variable taux de change explique le modèle.

- Le paramètreest aussi significatif car son t_cal(2.700363)?1,96 et sa probabilité (0.0193)<0,05.

Ce qui signifie que la variable masse monétaire explique le modèle.

Ø Test global du modèle : test de FISHER

La statistique de R² fournie le degré d'explication du modèle.

H₀ ; R² égale à zéro, cela veut dire que le modèle n'est pas significatif.

H₁ ; R² est diffèrent de zéro, cela veut dire que le modèle est significatif.

Comme F_cal(11.83538)?(3,89) ; donc le modèle est significatif.

III.2.1.1.4.1. Les diagnostics économétriques.

Ces diagnostics se fondent sur les tests de résidus et sur leurs stabilités.

Ø Tests sur les résidus

Examiner les résidus est un des moyens les plus surs d'évaluer la qualité de la régression.

Raison pour laquelle, nous allons nous intéresser aux tests suivants :

Test de normalité de résidus de JARQUE-BERA

Pour le tester, nous pouvons émettre les hypothèses suivantes :

H₀ : il y a normalité des résidus ;

H₁ : pas de normalité des résidus.

Pour valider H₀, la statistique de Jarque-Bera doit être inférieure à 5.99 ou soit sa probabilité doit être supérieure à 0.05. Sinon, on valide l'hypothèse alternative.

Il y a normalité des résidus car JB(0,022996) ?5,9 et que sa probabilité (0,988568) ?0,05.